Streamingdienste stellen uns ein ganzes Universum an Musik zur Verfügung. Die Songs sind die Himmelskörper. Würden wir eine Sternkarte zeichnen, dann wären Lieder von Bad Bunny und Taylor Swift darauf die größten Planeten. Ihre Masse besteht aus Daten. Zwischen diesen Daten wirken Algorithmen als Anziehungskräfte. Sie sind die unbekannte Macht in diesem Universum. Sie bestimmen, welche Songs wachsen, ob wir sie entdecken oder niemals finden werden. Doch kaum jemand weiß, wie die Algorithmen funktionieren.

Dienste wie Spotify, Deezer oder Apple Music haben weltweit über 800 Millionen Abonnent:innen. Über Abopreise landet jedoch nur ein Bruchteil der ursprünglichen Gage bei den Künstler:innen. Umso größer ist für sie der Druck, sich an die Logik der Algorithmen anzupassen. Wer als Artist einen Song veröffentlicht, kommt deshalb nicht umhin, sich zu überlegen, ob der Algorithmus die eigene Musik mögen wird.

Wie sehr beeinflusst die Technik der Streamingdienste also die Musik, die Künstler:innen machen?

Um das beantworten zu können, müssen wir zunächst verstehen, wie die Algorithmen funktionieren. Der KI-Forscher Stephan Baumann war ein Vorreiter auf diesem Gebiet. Er ist schlank, um die 50 Jahre alt und trägt ein extrovertiertes, rechteckiges Brillengestell. Heute arbeitet er in Berlin und Kaiserslautern am Deutschen Forschungszentrum für Künstliche Intelligenz. Außerdem ist er selbst Musiker. »Auf digitale Musik habe ich aber gar keinen Bock mehr«, sagt er. »Ich will am liebsten mit analogen Synthesizern avantgardistisches Zeug machen, das allen zu kompliziert ist.«

Trotzdem experimentiert Baumann seit 1990 mit Künstlicher Intelligenz. Als Student in Kaiserslautern legte er Noten von Bach auf einen Scanner und ließ diese von einem Keyboard automatisch abspielen. Heute ein alter Hut, wie er sagt. Damals sehr beeindruckend. Baumann war angezündet von der Idee, KI mit Musik zu verbinden. So verliebte er sich in das Thema Musikempfehlungssysteme und begann, zu tüfteln.

Mit einigen Mitstreitern entwickelte er ein Vorreitersystem für heutige Streamingdienstalgorithmen und gründete dafür eine Firma. »Die Basisalgorithmik hat sich nicht arg verändert«, sagt Baumann: Schon damals bekamen seine Kund:innen mit einem Klick verschiedene Musikempfehlungen. Aber Baumanns Start-Up ging den Bach runter. Er war zu früh dran, denn Musik war noch nicht überall verfügbar. Baumann zog für sein Modell noch eigenhändig die Songs aus seiner 2000 Stück starken CD-Sammlung auf den Computer. Zwar tauchte Ende der Neunziger mit Napster erstmals eine Plattform auf, über die Nutzer:innen Musik digital teilen konnten – kostenlos und ohne Zustimmung der Rechteinhaber:innen. Doch ein funktionierendes Geschäftsmodell für legales Streaming gab es zu diesem Zeitpunkt noch nicht.

Das von Baumann entwickelte Recommender-Plug-In basierte auf Daten, die er sammelte: Was haben die Songs für Frequenzen? Um was geht es im Text? Welche Informationen findet man im Internet über die Künstler:in? Zu welcher Stimmung passt dieses Lied?

Eine Idee, mit der andere inzwischen Milliarden verdienen.

Damit uns eine Plattform heute einen Song empfehlen kann, erhebt sie zuvor Daten auf zwei Ebenen: Die erste Ebene nennen Entwickler:innen »content based filtering«. Das sind Daten, die mit dem Song selbst zu tun haben: Frequenzverteilung, Melodien, Akkordverläufe. Das System erfasst den Ablauf des Liedes. Wie ist es aufgebaut? Strophe, Refrain, Strophe, Bridge, Refrain. Ist der Song in a-Moll oder in g-Dur? Welche Instrumente werden gespielt?

Neben all diesen Faktoren wie Instrumentierung, Akkordverläufen oder Melodien fügt das Empfehlungssystem den Songs selbst noch Informationen hinzu. Streamingdienste ordnen Songs in Schubladen ein.

Ein Beispiel: Spotify versieht das Lied eines jungen Independent-Artists aus Kalifornien mit dem Label #beach. So kann dieser Song mit anderen Songs aus der Kategorie #beach verbunden werden. Ein weiteres Label ist zum Beispiel #danceability. Der Song Uptown Funk von Bruno Mars hat hier einen Faktor von 0,856. Video Games von Lana del Rey dagegen nur 0,390.

Wer bestimmt diese Werte? Nach welchen Kriterien werden sie festgelegt? Dazu schweigen die Plattformen.

Der Algorithmus benutzt neben dem »content based filtering« noch eine weitere Technik: das »collaborative filtering«. Die Daten für diesen Filter kommen von uns, den Nutzer:innen. Welche Songs werden zusammen in eine Playlist gepackt? Was hören User:innen sonst noch so? Was wird wie oft gehört? Was wird nach diesem Song in die Warteschlange gepackt?

Nachdem die Lieder mit den Daten aus dem »collaborative filter« und dem »content based filter« angereichert wurden, wird das Universum der Musik dreidimensional. Jeder Song hat seinen Platz. Welche Songplaneten nah beieinander stehen, bestimmen die Filter. Drake’s One Dance und Taylor Swifts Anti-Hero dürften zum Beispiel ziemlich nah beieinander liegen. Wohingegen I’m Scum von der britischen Post Punk-Band Idles wohl in einem ganz anderen Sonnensystem liegt.

»Hier sind wir beim Problem der Streamingdienste«, sagt Stephan Baumann. Denn an diesem Punkt wird sichtbar, wie Streaming die Musik selbst verändert. Die Wissenschaft nennt den Grund dafür »popularity bias«.

»Popularity bias« bedeutet, dass Empfehlungssysteme vor allem bereits sehr populäre Inhalte bevorzugen. Das passiert, weil es zu diesen Songs, zum Beispiel von Bad Bunny oder Taylor Swift, extrem viele Daten gibt. Bei diesen Artists finden sich im Internet mehr Informationen über ihre Lieder, Texte und Hintergründe. Außerdem wird der kollaborative Filter mehr gefüttert, weil die Songs berühmter Musiker:innen ohnehin schon mehr gehört werden. Deshalb sind sie die größten Planeten.

Weil sie die Größten sind, haben sie auch die höchste Anziehungskraft. Das bedeutet, dass Systeme häufiger Empfehlungen geben, die den bekannten Songs ähnlich sind. Und dadurch empfehlen Systeme häufiger Mainstreaminhalte, während weniger bekannte Künstler:innen seltener vorgeschlagen werden. Baumann nennt das den »Rich-get-richer«-Effekt. Darunter leidet die Vielfalt im Universum. Deshalb hat sich die Musik verändert. »Musik muss heute nicht nur gut klingen. Sie muss funktionieren«, sagt Baumann. »Das wissen auch die Künstler:innen.« Pro Stream verdienen Artists auf Spotify heute um die 0,3 Cent. Wer damit seinen Lebensunterhalt bestreiten will, muss seine Musik anpassen.

Um ein großer Planet zu werden, müssen Songs schnell in Schubladen einsortiert werden können – so werden sie eher in Playlists gepackt: chill vibe, workout, day on the beach, cocktailbar, easy listening, sleep. »Außerdem hilft es, wenn Musik schnell für den Algorithmus fassbar ist«, sagt Baumann. »Kürzere Songs, schnellere Hooks, standardisierte Songstrukturen. All das mag der Algorithmus sehr gerne.« Das hat Einfluss auf Musik.

Eine der Wissenschaftler:innen, die diesen Einfluss gemessen hat, ist Eva Zangerle. Sie ist Informatikerin an der Universität Innsbruck und beschäftigt sich seit 15 Jahren mit Empfehlungssystemen. 2024 veröffentlichte sie mit einem großen Team ein Paper in der Zeitschrift Nature. Für die Untersuchung fokussierte sich das Team auf die Textebene der Songs. Der Titel der Studie: Song lyrics have become simpler and more repetitive over the last five decades.

Dieses Ergebnis sei zum großen Teil auf Streaming zurückzuführen, sagt Zangerle. Für die Studie analysierte ihr Team die Lyrics von 350.000 Songs aus den letzten 50 Jahren anhand verschiedener Fragen: Wie viele Wörter hat dieses Lied? Wie viele verschiedene Wörter? Wird gereimt? Wenn ja, wie? Wie komplex ist die Sprache?

»Die Musik ist simpler geworden«, sagt Zangerle. »Das zieht sich durch alle Bereiche.« Die sprachliche Komplexität nimmt ab. Texte werden einfacher strukturiert, sind leichter verständlich und verzichten häufiger auf verschachtelte Formulierungen oder ungewöhnliche Wortwahl. Auch die Vielfalt der Wörter geht zurück. Immer mehr Songs greifen auf ein kleineres, wiederkehrendes Vokabular zurück.

Parallel dazu wird der Aufbau der Songs zunehmend repetitiver: Der Chorus wird häufiger wiederholt, zentrale Zeilen tauchen immer wieder auf. Das hat einen Grund: Je öfter eine Passage wiederholt wird, desto stärker prägt sie sich ein. Musik, die sich einprägt, wird schneller in Playlists gepackt.

Auch auf emotionaler Ebene verändern sich die Songtexte. »Die ausgedrückten Gefühle werden in vielen Genres intensiver und teilweise aggressiver, etwa im R&B«, sagt Zangerle. Ein weiterer auffälliger Trend ist die zunehmende Personalisierung. Songtexte enthalten heute mehr Personalpronomen, sind direkter und subjektiver. Künstler:innen erzählen häufiger aus der Ich-Perspektive und sprechen ihr Publikum unmittelbarer an. Dadurch wirken die Lieder intimer und intensiver. Außerdem stecken in den heutigen Lyrics mehr negative Emotionen. Traurigkeit, Wut oder Frustration treten stärker in den Vordergrund.

All das passt zum allgemeinen Zeitgeist. Negativität erzeugt Aufmerksamkeit. »Ragebait«-Mechanismen, die gezielt Wut oder Empörung erzeugen sollen, funktionieren eben nicht nur auf Social Media, sondern auch in der Musik. »Musik ist ein Spiegel der Seele«, sagt Eva Zangerle. »Dieser Spiegel zeigt heute eine Welt, in der Einfachheit, Wiederholung und emotionale Zuspitzung eine immer größere Rolle spielen.«

Auch im Klang der Musik zeigt sich diese Zuspitzung: Eine groß angelegte Studie auf Basis von über 500.000 Songs mit dem Namen Temporal Trends in the Loudness of Popular Music over Six Decades zeigt, dass die durchschnittliche Lautstärke der Tonspuren seit den 1950er-Jahren kontinuierlich gestiegen ist. Mit dieser steigenden Lautstärke geht eine Veränderung der Dynamik einher. Durch sogenannte »Dynamic Range Compression« werden Unterschiede zwischen lauten und leisen Passagen reduziert. Studien zeigen, dass populäre Genres wie Rock oder Rap eine deutlich geringere Dynamik haben als etwa klassische Musik. Songs wirken deshalb durchgehend voll und präsent, aber verlieren an Kontrast und Tiefe.

»Musik muss heute schneller knallen«, fasst Eva Zangerle die Studienlage zusammen. »Deshalb wird sie unterkomplexer. Der Ohrwurm muss sich möglichst schnell ins Gehirn nagen.« Dann wird der Song in Playlists gepackt, weitergeschickt und wiederholt angehört.

Einfachheit, Schnelligkeit, Wiederholung. All das lässt einen Planeten größer werden. »Deshalb will ich dieses Spiel nicht mitmachen«, sagt Stephan Baumann am Telefon auf die Frage, warum er denn am liebsten nur noch mit analogen Synthesizern herumspielt. Er bedauert diese von Streaming befeuerte Entwicklung – und profitiert gleichzeitig von den Streamingdiensten.

»Da Labels sagen, die Songs von dem komischen KI-Forscher sind mir zu Avantgarde, würde meine Musik ohne Streaming nicht stattfinden.« Wenn Baumann heute einen Song aufnimmt, muss er nicht in ein teures Studio gehen oder sich von einem Label distribuieren lassen. »Die Komposition bis zur Produktion und Ausspielung mache ich in meinem Schlafzimmer«, sagt Baumann. Ein bis zwei Tage später sind seine Songs auf allen Plattformen, auf Apple Music, Deezer, Spotify und so weiter. Ohne Label. Promoten kann Baumann sie auf Instagram, Tiktok und Facebook. Ohne Managerin.

Natürlich ist Baumann damit nicht allein: Täglich werden auf Spotify 100.000 neue Songs hochgeladen. 50 Millionen Songs schlummern auf der Plattform, ohne dass sie je ein Mensch gehört hat. Kleinplaneten, die nie jemand entdeckt. Allein dadurch ist es heute nahezu unmöglich, als »bedroom artist« viele Menschen zu erreichen oder eine relevante Menge Geld zu verdienen. Auf Spotify hat Baumanns Projekt Modisch gerade elf monatliche Hörer.

Und genau an dieser Stelle zeigt sich die ambivalente Realität des Streamings. Die großen Planeten bleiben groß, weil sie viele Daten anziehen. Aber daneben existieren unzählige kleinere. Nischen, spezialisierte Genres, sehr konkrete Geschmäcker. »Vor dreißig Jahren hätte es bestimmte Musik viel schwerer gehabt, überhaupt gefunden zu werden«, sagt Eva Zangerle.

Am Ende liegt es nicht nur am Algorithmus, wie dieses musikalische Universum aussieht. Sondern auch an den Hörer:innen. »Streaming ist die größte Demokratisierung der Musikgeschichte«, so Eva Zangerle. In diesem Universum können Hörer:innen neue Umlaufbahnen finden, in denen sie sich treiben lassen – und damit Kreativität belohnen.

Dafür braucht es Künstler:innen, die weiterhin mutig genug sind, völlig neuartige Materie zu erschaffen. Angesichts der minimalen Verdienstmöglichkeiten durch Streamingdienste können sich das aber eigentlich nur noch die großen Artists leisten. Und die wären mit radikal neuartiger Musik wohl nie so groß geworden, wie sie heute sind.

Dieser Text ist Teil des Schwerpunkts Greatest Hits im Mai 2026.

Bei der Arbeit an diesem Schwerpunkt haben wir immer wieder festgestellt: Die Musikstreaming-Algorithmen sind unfair. Wir haben daher in der Redaktion eine Playlist mit Songs zusammengestellt, die vom Algorithmus tendenziell vernachlässigt werden – weil sie zu lang, zu weiblich, zu experimentell sind. Aber hört selbst!