19.08.2021

So funktioniert der Facebook-Algorithmus

Als Anhang zu seinem neuen "Widely Viewed Content Report" gab Facebook einen Einblick in die Funktionsweise seines Algorithmus.
/artikel/so-funktioniert-der-facebook-algorithmus
(c) Facebook

Wann wird ein Posting vielen Personen angezeigt und wann nicht? Das ist eine der großen Fragen die sich Facebook-Nutzer vor allem im professionellen Kontext stellen. Das soziale Netzwerk gab nun in einem Anhang zu seinem ersten quartalsweisen „Widely Viewed Content Report“ einen weiteren Einblick in die Funktionsweise und die seinem Ranking zugrunde liegenden Parameter des Facebook-Algorithmus.

„Unser Ziel ist es, dass du jedes Mal, wenn du die Facebook-App öffnest, du die für dich wichtigsten Beiträge ganz oben in deinem Feed siehst“, heißt es vom Netzwerk. Weil nahezu jeder Nutzer mehr Content in seinem Newsfeed habe, als er in einer einzelnen Sitzung jemals ansehen könnte, soll der Facebook-Algorithmus für die passende Reihenfolge sorgen. Faktisch bedeutet das, wie aus dem aktuellen Report für das zweite Quartal 2021 klar hervorgeht, dass Postings von Freunden bzw. Personen, denen man folgt, klar der Vorzug gegeben wird (mit großem Abstand gefolgt von Gruppen und Seiten) und dass Postings mit Links klar schwächer abschneiden als solche, die keine enthalten. Die am meisten gesehen Postings laut Report lassen sich damit übrigens nicht unbedingt erklären – mehr dazu hier.

4 Schritte im Facebook-Algorithmus

Der Facebook-Algorithmus arbeite in vier Schritten, heißt es vom Netzwerk. Diese werden mit „Inventory“, „Signals“, „Predictions“ und „Relevance“ betitelt.

1. Inventory

Der erste Schritt sei das „Inventar“, also die Gesamtheit der Beiträge, die man sehen könnte, wenn man Facebook öffnet. „Dazu gehören alle Beiträge, die von den Personen geteilt werden, denen du folgst oder mit denen du dich als ‚Freunde‘ verbunden hast, sowie die Seiten, denen du folgst, und die Gruppen, denen du beigetreten bist, vermischt mit Werbeanzeigen und empfohlenen Inhalten, von denen wir glauben, dass sie aufgrund deiner Facebook-Aktivitäten für dich relevant sind“, so das Netzwerk.

2. Signals

Dann berücksichtige der Algorithmus für jeden dieser Beiträge mehrere Faktoren, z. B. wer ihn gepostet hat, wie man zuvor mit dieser Person interagiert hat, ob es sich um ein Foto, ein Video oder einen Link handelt und wie beliebt der Beitrag ist, z. B. wie viele Ihrer Freunde ihn geliked haben, welche Seiten ihn geteilt haben usw. All diese Faktoren werden als „Signale“ bezeichnet.

3. Predictions

Der Algorithmus nutze diese Signale, um eine Reihe von Vorhersagen über jeden Beitrag zu treffen, die darauf basieren, wie wahrscheinlich es ist, dass er für den User relevant ist. Fragen seien etwa, wie wahrscheinlich es sei, dass man ihn kommentieren werde. Man führe zudem eine Reihe von Umfragen durch, in denen man die Nutzer frage, ob ein Beitrag ihre Zeit wert ist. „Auf der Grundlage dieser Antworten können wir vorhersagen, wie wahrscheinlich es ist, dass die Nutzer einen Beitrag interessant finden. Beiträge, die als lohnenswert eingestuft werden, werden im News Feed weiter oben angezeigt“, heißt es von Facebook.

4. Relevance

Schließlich berechne der Algorithmus auf der Grundlage der „Signale“ und „Vorhersagen“ einen Relevanzwert für jeden Beitrag. Beiträge mit einer höheren Punktzahl werden weiter oben im News Feed angezeigt. Dabei wird eingeräumt: „Gelegentlich empfehlen wir Ihnen auch Inhalte, mit denen Sie noch nicht in Verbindung stehen, wenn wir glauben, dass diese für Sie relevant oder interessant sein könnten.

Die Ranking-Parameter im Facebook-Algorithmus

4 Schritte im Facebook-Algorithmus
(c) Facebook

Wie definiert der Facebook-Algorithmus die empfohlenen Beiträge?

Genauer geht Facebook auch auf die Auswahl der „empfohlenen Beiträge“ ein. „Diese Post-Vorschläge basieren in erster Linie auf Faktoren wie Post-Engagement, verwandten Themen und Standort“, heißt es vom Netzwerk. Konkret bedeute das erstens: Ein Beitrag kann vorgeschlagen werden, wenn andere Personen, die mit dem Beitrag interagiert haben, zuvor auch mit derselben Gruppe, Seite oder demselben Beitrag wie der User interagiert haben. Zweitens: Wenn man sich kürzlich mit einem bestimmten Thema auf Facebook beschäftigt hat, könne der Facebook-Algorithmus andere Beiträge vorschlagen, die mit diesem Thema in Verbindung stehen. „Wenn du zum Beispiel kürzlich einen Beitrag auf einer Basketball-Seite geliked oder kommentiert hast, können wir dir andere Beiträge zum Thema Basketball vorschlagen“, heißt es weiter. Drittens: Vorgeschlagene Beiträge können auch darauf basieren, wo man sich befinde und womit Menschen in der Nähe auf Facebook interagieren.

Möglichkeiten zur Individualisierung des Newsfeeds

Man wolle Usern generell auch Kontrolle über ihren Newsfeed geben, heißt es von Facebook. User können etwa über die Newsfeed-Präferenzen in den Einstellungen Einfluss auf ihren Feed nehmen. Dazu können User mit Tools wie etwa Favoriten, mit dem man Personen und Seiten priorisieren kann, der Möglichkeit, nach „Top-Meldungen“ oder „neuesten Meldungen“ zu sortieren und der Snooze-Funktion, mit der man Personen, Gruppen oder Seiten temporär ausblenden kann, ihren Newsfeed individualisieren. Zudem kann in den Werbepräferenzen Einfluss auf die Angezeigten Ads genommen werden und politische Werbung kann seit kurzem komplett abgeschaltet werden. Hilfreich könne für User auch der Button „Warum sehe ich das?“ sein.

Deine ungelesenen Artikel:
08.10.2026

Neue Plattform von A1 und IBM: Sichere und digital souveräne KI-Agenten für Unternehmen

A1 und Exoscale machen die IBM-KI-Plattform watsonx ihren Unternehmenskunden zugänglich - und nutzen sie auch selbst. A1-CCO Martin Resel und IBM-Österreich-Chef Marco Porak erklärten die Hintergründe.
/artikel/neue-plattform-von-a1-und-ibm-sichere-und-digital-souveraene-ki-agenten-fuer-unternehmen
08.10.2026

Neue Plattform von A1 und IBM: Sichere und digital souveräne KI-Agenten für Unternehmen

A1 und Exoscale machen die IBM-KI-Plattform watsonx ihren Unternehmenskunden zugänglich - und nutzen sie auch selbst. A1-CCO Martin Resel und IBM-Österreich-Chef Marco Porak erklärten die Hintergründe.
/artikel/neue-plattform-von-a1-und-ibm-sichere-und-digital-souveraene-ki-agenten-fuer-unternehmen
Vl. A1-CCO Martin Resel und IBM-Österreich-Chef Marco Porak | © A1/APA/Hörmandinger
Vl. A1-CCO Martin Resel und IBM-Österreich-Chef Marco Porak | © A1/APA/Hörmandinger

Dass für Unternehmen kein Weg mehr an Agentic AI vorbeiführt, ist mittlerweile ein Gemeinplatz. Dass eine sichere und konforme Umsetzung davon nicht so einfach ist, ebenfalls. „Für KI im Unternehmenskontext gelten andere Spielregeln als im privaten Bereich. Ich spreche hier besonders von souveräner KI“, sagt Marco Porak, Generaldirektor von IBM Österreich, bei einem gemeinsamen Pressetermin mit A1 und dessen Cloud-Tochter Exoscale. Mit einer gemeinsamen Plattform, die IBM watsonx auf A1 Exoscale bringt, will man Unternehmenskunden gemeinsam eine sichere und digital souveräne Lösung bieten.

„Wir sind Teil der kritischen Infrastruktur“

Denn Schatten-KI, also die Nutzung privater bzw. vom Unternehmen nicht genehmigter KI-Anwendungen durch Mitarbeiter:innen, sei ein echtes Sicherheitsrisiko, betont Martin Resel, stv. Vorstandsvorsitzender von A1 und CCO Enterprise. „Unternehmen können es sich nicht leisten, KI nicht zu nutzen. Da geht es um Wettbewerbsfähigkeit. Alles muss effizienter werden, etwa auch in der Verwaltung. Wenn man dann aber Daten global findet, die eigentlich nicht global gespeichert werden sollten, ist das ein Problem“, sagt Resel.

Für viele A1-Unternehmenskunden und auch für A1 selbst sei das besonders relevant. „Wir sind Teil der kritischen Infrastruktur. Viele hochsensible Daten laufen auf unseren Netzen. Wir haben nicht nur Unternehmen aller Größen als Kunden, sondern zum Beispiel auch Ministerien“, sagt der A1-CCO. Gerade in der aktuellen geopolitischen Situation müssten sich Österreich und ganz Europa daher souverän aufstellen.

Orchestrierte KI-Agenten mit klaren Regeln und voller Transparenz

Und wie macht das die gemeinsame Plattform? „Ich bin mir bewusst, dass ich Repräsentant eines amerikanischen Unternehmens bin“, räumt Marco Porak ein. IBM habe aber nach nicht weniger als 98 Jahren am österreichischen Markt ein anderes Standing, als etwa die US-Hyperscaler. Warum? „IBM hat seit jeher das Prinzip, dass Kundendaten Kundendaten sind und die Architektur vom Kunden bestimmt wird“, so Porak. Und: „Globale Innovation und lokale Kontrolle widersprechen einander nicht.“ Genau so sei es auch bei watsonx. Kunden können dort entscheiden, welche KI-Modelle genutzt werden und wo die Daten liegen. Die Bandbreite geht dabei von lokal gehosteten On-Premise-Lösungen über europäische bzw. Open-Source-Modelle auf europäischen Servern bis zu Frontier-Modellen in Datencentern der US-Hyperscaler.

Konkret greift das System auf eine Vielzahl an Large Language Models (LLMs) und Agentic-Modelle zurück und orchestriert KI-Agenten, um Tasks zu erfüllen. Die dazugehörige Governance-Plattform ermöglicht nicht nur das Festlegen der Regeln dafür, sondern bietet auch jederzeit komplette Transparenz, um jeden Arbeitsschritt und die dafür genutzten Modelle nachvollziehen zu können. Für Martin Resel ist dabei ebenfalls klar: „Dass alles, was aus Asien oder Amerika kommt böse ist, sehen wir nicht so. Wichtig ist die Wahlfreiheit.“ Die Plattform sei daher offen für sämtliche Modelle.

„Wir folgen einer sehr strikten Datenklassifizierung – selber und auch für unsere Kunden“

Je nach Usecase und dem damit verbundenen Sicherheits-Level der Daten seien unterschiedliche LLMs und Speicherorte sinnvoll. „Wir folgen einer sehr strikten Datenklassifizierung – selber und auch für unsere Kunden“, sagt Resel. Nach dieser erfolge die Entscheidung, welche Modelle genutzt werden können. Gleichzeitig optimiere die Plattform durch die passende Modell-Auswahl auch den Token-Verbrauch. „Das kann sonst bekanntlich schnell teuer werden“, sagt der A1-CCO.

A1 bietet seinen Enterprise-Kunden nicht nur Zugang zur Plattform, sondern auch begleitende Services, um diese aufzusetzen. Mit den europäischen Datencentern der Tochter Exoscale kommt noch das Angebot der souveränen Cloud im eigenen Land hinzu.

Wie watsonx für A1 und seine Kunden konkret funktioniert, zeigt Exoscale-KI-Experte Christos Kapodistrias beim Pressetermin vor. In seinem Beispiel arbeiteten nicht weniger als 14 KI-Agenten orchestriert zusammen, um eine optimale Vorbereitung auf ein Kundengespräch zu erstellen. „Diesen Usecase nutzen wir auch selber“, erklärt der Experte und zeigt die verschiedenen Sicherheits- und Kontrollmechanismen ebenso wie die Nachvollziehbarkeit über die Governance-Plattform. Marco Porak merkt dazu an: „Man sieht, es gibt mehrere Checkpoints im Prozess, der ‚Human in the Loop‘ bleibt erhalten.“ Denn es gehe eben darum, Menschen bei ihrer Arbeit zu unterstützen.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

So funktioniert der Facebook-Algorithmus

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

So funktioniert der Facebook-Algorithmus

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

So funktioniert der Facebook-Algorithmus

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

So funktioniert der Facebook-Algorithmus

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

So funktioniert der Facebook-Algorithmus

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

So funktioniert der Facebook-Algorithmus

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

So funktioniert der Facebook-Algorithmus

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

So funktioniert der Facebook-Algorithmus

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

So funktioniert der Facebook-Algorithmus