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:
23.07.2026

Matrix Charging: Grazer Easelink kooperiert mit deutschem SEG Automotive

Das Grazer High-Tech Unternehmen Easelink und SEG Automotive geben heute eine Partnerschaft bekannt. Easelink entwickelt die automatisierte Ladelösung Matrix Charging. Mit SEG Automotive zieht das Startup neben Audi, Nissan und Voyah einen weiteren namhaften Partner an.
/artikel/matrix-charging-grazer-easelink-kooperiert-mit-deutschem-seg-automotive
23.07.2026

Matrix Charging: Grazer Easelink kooperiert mit deutschem SEG Automotive

Das Grazer High-Tech Unternehmen Easelink und SEG Automotive geben heute eine Partnerschaft bekannt. Easelink entwickelt die automatisierte Ladelösung Matrix Charging. Mit SEG Automotive zieht das Startup neben Audi, Nissan und Voyah einen weiteren namhaften Partner an.
/artikel/matrix-charging-grazer-easelink-kooperiert-mit-deutschem-seg-automotive
CEO und Founder von Easelink (vierter v.l.) und Gunter Meyer, Chief Market Officer von SEG Automotive (dritter v.l.) verkünden die Zusammenarbeit. (c) Easelink

E-Fahrzeuge laden, ganz ohne ein Kabel manuell anzuschließen. Das steckt hinter der Matrix-Charging-Technologie vom Grazer Startup Easelink. Erst letztes Jahr gründete das Unternehmen seine Matrix Charging Interest Group (MCIG), eine Branchenkooperation gemeinsam mit Audi, Nissan und dem chinesischen Anbieter Voyah, wie brutkasten berichtete.

Jetzt konnte auch SEG Automotive als Partner gewonnen werden, einer der weltweit führenden Zulieferer von Antriebskomponenten für die Automobilindustrie.

Kabelloses Laden

Eine der größten Änderungen, wenn man von einem Verbrenner auf ein E-Auto umsteigt, ist das Laden. Matrix-Charging setzt hier an, denn es funktioniert ohne Kabel: Ein Connector, der sich unter dem Fahrzeug im Bereich der Vorderachse befindet, senkt sich automatisch ab und verbindet sich mit dem Lade-Pad auf dem Parkplatz. Vor allem bei Taxis ist das von Vorteil. Hier hat Easelink bereits 2023 das Pilotprojekt „eTaxi Austria“ gestartet.

Steigende Bedeutung

Laut Easelink seien vor allem steigende Anforderungen an Nutzerkomfort, neue autonome Fahrzeugfunktionen und der Wunsch nach einer Integration von E-Fahrzeugen in intelligente Energiesysteme die Gründe, die die Bedeutung von automatisierten Ladelösungen steigen lassen.

„Wir sehen großes Potenzial für automatisierte Ladelösungen und möchten unseren Kunden künftig entsprechende Produkte und Integrationslösungen anbieten. Gleichzeitig unterstützen wir die Standardisierung innerhalb der MCIG, als wichtigen Schritt für Marktakzeptanz, langfristige Interoperabilität und somit auch Investitionssicherheit“, sagt Gunter Meyer, Chief Market Officer New Business bei SEG Automotive.

Aufnahme in Produktportfolio

Beide Partner verfolgen das Ziel, die Industrialisierung und Markteinführung von Matrix-Charging voranzutreiben. SEG Automotive wird daher die Ladetechnologie künftig direkt den großen Autoherstellern (OEMs) anbieten, damit diese die Technik in ihre neuen Autos einbauen können. SEG Automotive bereitet die Aufnahme der Matrix Charging Technologie in das eigene Produktportfolio bereits vor.

Außerdem wird SEG Automotive wie die anderen zuvor genannten Autohersteller, der Matrix Charging Interest Group (MCIG) beitreten. Die MCIG vereint Unternehmen entlang der gesamten Wertschöpfungskette des automatisierten Ladens.

„Wichtiger Baustein unserer Mission“

„Wir freuen uns sehr auf die Zusammenarbeit mit SEG Automotive. Die Partnerschaft ist ein wichtiger Baustein unserer Mission, Innovation voranzutreiben und gemeinsam mit starken Industriepartnern den globalen Standard für automatisiertes Laden zu etablieren. Durch die Lizenzierung der Matrix-Charging-Technologie schaffen wir die Voraussetzungen für eine schnelle Skalierung und können die Technologie optimal in bestehende Wertschöpfungsketten der Automobilindustrie integrieren“, äußert sich Hermann Stockinger, CEO und Gründer von Easelink, über die Partnerschaft.

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