Zukunft des Radios
Personalisiertes Radio: Wie Empfehlungssysteme deinen Musikgeschmack lernen
Ein Programm für genau eine Person: Was Recommender Systems können, wie Streamingdienste sie einsetzen und warum gute Personalisierung Überraschung einplant.
Von Alexander Scharff · aktualisiert am 7. November 2026 · 7 Min. Lesezeit
Stand: November 2026
Wer „personalisiertes Radio“ googelt, findet vor allem Radios mit aufgedrucktem Firmenlogo. Hier geht es nicht ums Gehäuse, sondern ums Programm. Personalisiertes Radio heißt: Musik, Wortbeiträge und Reihenfolge passen sich an dich an, statt dass alle Hörer dasselbe hören. Dieser Artikel gehört zum Schwerpunkt Zukunft des Radios und erklärt, was hinter der Musikempfehlung steckt, ohne in Formeln abzutauchen.
Was ist personalisiertes Radio?
Personalisiertes Radio verbindet das, was Radio stark macht, also Moderation, Nachrichten, Service und das Gefühl, dass jemand für dich auswählt, mit der Individualität von Streaming. Die Auswahl übernimmt ein Empfehlungssystem. Geht die Anpassung bis in Länge, Reihenfolge, Moderation und Werbung und passiert sie in Echtzeit, spricht die Branche von Hyperpersonalisierung.
| Merkmal | Lineares Radio | Playlist-Streaming | Personalisiertes Radio |
|---|---|---|---|
| Wer wählt aus? | Redaktion für alle | du selbst oder ein Algorithmus | Algorithmus für dich, mit redaktionellen Bausteinen |
| Grundlage | Zielgruppe, Rotation | Hörverlauf, Likes | Hörverlauf, Likes, Kontext |
| Wortanteile | Moderation, News, Verkehr | kaum | ja, nach Wunsch dosiert |
| Gemeinsames Erlebnis | hoch | gering | abhängig vom Konzept |
Wie funktioniert ein Recommender System?
Ein Recommender System (Empfehlungssystem) sagt vorher, welcher Inhalt dir als Nächstes gefallen könnte. Fast alle Systeme kombinieren drei Prinzipien.
1. Inhaltsbasiert: mehr wie das
Das System beschreibt jeden Titel über Merkmale wie Tempo, Genre, Stimmung, Sprache oder Instrumentierung und sucht Stücke, die deinen Favoriten ähneln. Das funktioniert auch für brandneue Songs, neigt aber zu „mehr vom Gleichen“.
2. Kollaborativ: Leute wie du mochten auch
Hier zählt das Verhalten vieler. Wer ähnlich hört wie du, liefert Vorschläge, die du selbst nie gesucht hättest. Die Schwäche ist der Kaltstart: Neue Nutzer und neue Titel haben noch keine Geschichte.
3. Kontext: jetzt, hier, so
Tageszeit, Wochentag, Gerät, Aktivität oder Wetter verändern, was passt. Montagmorgen im Auto ist nicht Freitagabend auf dem Sofa. Genau darauf setzt Spotifys daylist, die mehrmals täglich die Nischen-Genres und Mikrogenres zusammenstellt, die du zu bestimmten Tageszeiten hörst1.
Gefüttert werden alle drei Prinzipien mit Signalen. Explizite Signale sind Likes, Genre-Auswahl oder Stimmungen, implizite sind Skips, Hördauer und Wiederholungen. Deezer beschreibt seinen endlosen Mix Flow genau so: Er lernt aus Likes, Dislikes und übersprungenen Songs und lässt sich auf Stimmungen wie Focus oder Chill einstellen3.
Beispiele: So personalisieren Spotify, Deezer und Co.
- 94 Mio.Premium-Nutzer haben den Spotify DJ verwendet, mit 85 Mrd. Streams seit 2023Spotify, 7.5.2026
- 65+Märkte mit Spotifys daylist (Start 2023)Spotify, März 2024
- 75+Märkte, in denen Premium-Nutzer den Spotify DJ verwenden könnenSpotify, 7.5.2026
- 5Grunddimensionen des Musikgeschmacks nach dem MUSIC-ModellRentfrow u. a., 2011
- Spotify daylist (seit September 2023): eine Playlist, die sich mehrmals am Tag mit neuen Titeln und Stimmungsnamen erneuert1.
- Spotify DJ (auf Deutsch seit 7. Mai 2026, Stimme „Ben“, für Premium): mischt Lieblingssongs, lange nicht Gehörtes und Neues und kommentiert dazu. Per Sprache oder Text lässt sich die Session lenken2. Mehr dazu im Vergleich Spotify DJ und KI-Radio.
- Deezer Flow: ein persönlicher, nie endender Mix aus Favoriten und Neuentdeckungen, einstellbar nach Stimmung3.
Im klassischen Radio ist das Programm dagegen bis heute für alle gleich, auch beim KI-moderierten Absolut Radio AI, das als linearer Stream sendet. Wie weit KI dort schon reicht, steht im Überblick KI im Radio.
Was verrät dein Musikgeschmack?
Musikgeschmack ist weniger zufällig, als er sich anfühlt. Die Psychologen Peter Rentfrow, Lewis Goldberg und Daniel Levitin fanden 2011 fünf Grunddimensionen, das sogenannte MUSIC-Modell5:
- Mellow: sanfte, entspannte Musik.
- Unpretentious: bodenständige, „ehrliche“ Musik, etwa Country und Singer-Songwriter.
- Sophisticated: Klassik, Oper, Weltmusik, Jazz.
- Intense: laute, kraftvolle, energiegeladene Musik.
- Contemporary: rhythmus- und percussionbetonte Musik wie Rap oder Funk.
Online-Tests zum Musikgeschmack fragen solche Dimensionen ab. Ein gutes Empfehlungssystem lernt sie nebenbei aus dem Hörverhalten und merkt, dass derselbe Mensch morgens „Mellow“ und beim Sport „Intense“ hört. Geschmack ist eben auch Situation.
Filterblase oder Entdeckung?
Die Sorge ist berechtigt, und sie ist untersucht. Eine Studie von Spotify-Forschern zeigt: Algorithmisch gesteuertes Hören geht mit geringerer Vielfalt einher. Nutzer, die vielfältiger werden, tun das, indem sie mehr selbst suchen und weniger Empfehlungen folgen. Gleichzeitig hängt hohe Vielfalt mit wichtigen Langzeitwerten wie Bindung und Abo-Abschluss zusammen4.
Für personalisiertes Radio folgt daraus ein klarer Auftrag: Überraschung muss eingeplant werden, sie entsteht nicht von selbst. Ein guter Mix enthält einen bewussten Anteil an Neuem, Gegensätzlichem und Gemeinsamem, etwa die Nachrichten des Tages oder eine Live-Sendung, die alle hören. Wie stark das Thema Nutzung zwischen Radio und Streaming verschiebt, zeigt der Daten-Vergleich Radio vs. Streaming.
Ein Nebenaspekt mit wachsender Bedeutung: Deezer nimmt komplett KI-generierte Tracks aus seinen algorithmischen Empfehlungen heraus, Spotify empfiehlt Musik von als „AI Persona“ gekennzeichneten Profilen standardmäßig nicht8, 9. Was Empfehlungssysteme ausschließen, prägt das Programm genauso wie das, was sie auswählen.
Datenschutz: Was darf ein Empfehlungssystem wissen?
Personalisierung braucht Daten, aber nicht alle. Die DSGVO verlangt Zweckbindung und Datensparsamkeit (Art. 5) und gibt dir ein Widerspruchsrecht gegen Profiling, das auf berechtigtem Interesse beruht (Art. 21)7. Der Digital Services Act verpflichtet Online-Plattformen, die wichtigsten Parameter ihrer Empfehlungssysteme verständlich zu erklären (Art. 27). Sehr große Plattformen müssen zusätzlich mindestens eine Option anbieten, die nicht auf Profiling beruht (Art. 38)6.
Gute Praxis geht darüber hinaus: Signale einzeln abschaltbar machen, zeigen, warum etwas empfohlen wird, und ohne Standort oder Kalender trotzdem funktionieren.
Was heißt das für die Zukunft des Radios?
Streaming hat gezeigt, dass Menschen Empfehlungen schätzen. Radio hat gezeigt, dass Menschen Begleitung schätzen: Stimmen, Nachrichten, Lokales, Live-Momente. Personalisiertes Radio verbindet beides. Die Herausforderung liegt weniger in der Technik als im Programmdenken: Was bleibt gemeinsam, was wird individuell? Wie KI-Stimmen Nachrichten übernehmen können, ohne Vertrauen zu verspielen, beschreibt der Artikel KI im Journalismus und KI-Nachrichten.
Bei beatcake heißt das Empfehlungssystem die Rezeptur, eine proprietäre KI aus Taste-Embeddings, Kontext-Fusion und Sequenzplanung. Sie schichtet Musik, Podcasts, Moderation und News zu deinem Cake, passend zu Tageszeit, Stimmung und Ort, und plant Überraschung fest ein. Denn 91 % der jungen Hörer in unserer eigenen Befragung wollen von ihrem Audioprogramm überrascht werden10. Wie das im Produkt aussieht, zeigen wir auf der Seite zur Rezeptur.
Häufige Fragen
Was ist personalisiertes Radio?
Ein Audioprogramm, das ein Empfehlungssystem für jede Person einzeln zusammenstellt: Musik, Wortbeiträge und Reihenfolge richten sich nach Hörverlauf, Vorlieben und Kontext wie Tageszeit oder Aktivität. Lineares Radio sendet dagegen dasselbe Programm an alle.
Wie funktioniert eine Musikempfehlung?
Empfehlungssysteme kombinieren meist drei Ansätze: Sie suchen Titel mit ähnlichen Merkmalen (inhaltsbasiert), Titel, die Menschen mit ähnlichem Geschmack mögen (kollaborativ), und berücksichtigen die Situation (Kontext). Gelernt wird aus Likes, Skips und Hördauer.
Was ist Hyperpersonalisierung?
Hyperpersonalisierung geht über die Songauswahl hinaus: Auch Länge, Reihenfolge, Moderation, Nachrichten und Werbung werden in Echtzeit für eine einzelne Person angepasst.
Führt personalisiertes Radio in eine Filterblase?
Es kann. Eine Studie von Spotify-Forschern (2020) zeigt, dass algorithmisch gesteuertes Hören mit geringerer Vielfalt einhergeht. Gute Systeme planen deshalb bewusst Neues, Gegensätzliches und gemeinsame Inhalte wie Nachrichten ein.
Welche Daten nutzt ein Empfehlungssystem?
Typisch sind Hörverlauf, Likes, Skips, Hördauer, Tageszeit und Gerät, teils auch Ort oder Wetter. Die DSGVO verlangt Datensparsamkeit, der Digital Services Act verpflichtet Plattformen, die wichtigsten Parameter ihrer Empfehlungen offenzulegen.
Quellen
- Spotify Newsroom: Your Ever-Changing Playlist: daylist, Music for All Day. 12.09.2023, Update 12.03.2024. newsroom.spotify.com (abgerufen am 7.11.2026)
- Spotify Presse Deutschland: Spotify DJ ist ab sofort auf Deutsch verfügbar. 07.05.2026. spotify_presse.prowly.com (abgerufen am 7.11.2026)
- Deezer: Flow. Produktseite. deezer.com (abgerufen am 7.11.2026)
- Ashton Anderson, Lucas Maystre, Rishabh Mehrotra, Ian Anderson, Mounia Lalmas: Algorithmic Effects on the Diversity of Consumption on Spotify. The Web Conference 2020. research.atspotify.com (abgerufen am 7.11.2026)
- Peter J. Rentfrow, Lewis R. Goldberg, Daniel J. Levitin: The structure of musical preferences: a five-factor model. Journal of Personality and Social Psychology 100 (6), 2011, S. 1139–1157. doi.org/10.1037/a0022406 (abgerufen am 7.11.2026)
- Verordnung (EU) 2022/2065 über einen Binnenmarkt für digitale Dienste (Digital Services Act), Art. 27 und 38. eur-lex.europa.eu (abgerufen am 7.11.2026)
- Verordnung (EU) 2016/679 (Datenschutz-Grundverordnung), Art. 5 und 21. eur-lex.europa.eu (abgerufen am 7.11.2026)
- Deezer: AI music has surpassed 50% of new music uploads for the first time. 21.07.2026. newsroom-deezer.com (abgerufen am 7.11.2026)
- RADIOSZENE: Spotify führt KI-Kennzeichnung für Künstler*innen-Profile ein. 13.08.2026. radioszene.de (abgerufen am 7.11.2026)
- beatcake: eigene Befragung junger Hörerinnen und Hörer, n = 228, Durchschnittsalter 23 Jahre.
Für Hörer und Sender
Personalisierung mit Geschmack.
Die Rezeptur ist die proprietäre KI hinter beatcake: Sie kennt deinen Geschmack, deinen Tag und deine Stimmung und backt daraus ein Programm, das nur dir gehört. Mit eingeplanter Überraschung statt Endlosschleife.
Direkt beim Gründungsteam, Antwort meist innerhalb von zwei Werktagen.
So funktioniert die RezepturAlle Themen zur Zukunft des Radios