X (Twitter) Algorithmus: Was der Open-Source-Code verrät

Die einzige Plattform, deren Ranking man nachlesen kann

Am 31. März 2023 stellte X den Quellcode der For-You-Timeline in zwei GitHub-Repositories öffentlich. Seitdem lassen sich die Ranking-Regeln genau einer großen Social-Plattform im Original nachlesen. Instagram, TikTok, LinkedIn und YouTube liefern Statements, Blogposts und gelegentlich Architektur-Papers, die konkreten Gewichte bleiben intern. Bei X standen sie als Zahlen in einer Datei.

Das macht den Code wertvoll, aber nur, wenn du zwei Dinge auseinanderhältst: was tatsächlich im Repository steht und was in den Jahren danach zusätzlich behauptet wurde. Ein guter Teil der populären X-Reichweiten-Tipps steht dort nicht. Wie Empfehlungssysteme prinzipiell arbeiten (Kandidatengenerierung, Light Ranking, Heavy Ranking, Re-Ranking), ist in Empfehlungsalgorithmus: Wie Social Media Algorithmen ranken beschrieben. Hier geht es um die belegten Details eines konkreten Systems.

Ein Vorbehalt gleich vorweg: Die veröffentlichte Gewichtstabelle hat den Stand April 2023, das zugehörige ML-Repository wurde danach nicht mehr angefasst. Der Hauptzweig dagegen bekam im September 2025 ein großes Update. Der offene Code ist damit ein Modell des Systems, kein Live-Abbild. Stand dieses Artikels: August 2026.

Twitter Algorithmus: Wie For You aus Millionen Posts 1.500 macht

Laut dem Engineering-Blog von 2023 zieht X pro Anfrage rund 1.500 Kandidaten aus einem Pool von hunderten Millionen Posts und bewertet sie mit einem neuronalen Netz mit rund 48 Millionen Parametern, das laufend auf Post-Interaktionen weitertrainiert wird. Etwa die Hälfte der ausgespielten Inhalte stammte damals aus dem eigenen Netzwerk, die andere Hälfte von außerhalb. Im Repository heißt die Ranking-Komponente heavy-ranker.

Die Kandidaten stammen aus mehreren Quellen, die das README des Hauptrepositories benennt:

• search-index: findet und rankt Posts aus dem eigenen Netzwerk, laut README rund 50 Prozent der ausgespielten Inhalte.
• tweet-mixer: sammelt Out-of-Network-Kandidaten, also Inhalte von Accounts, denen ein Nutzer nicht folgt.
• UTEG auf GraphJet: traversiert den Interaktionsgraphen, holt also Posts, mit denen Menschen interagiert haben, mit denen du interagierst.
• SimClusters und TwHIN: Community-Erkennung mit sparsamen Embeddings beziehungsweise dichte Knowledge-Graph-Embeddings für Nutzer und Posts. Beide ordnen Accounts und Inhalte Interessenclustern zu, ganz ohne Folgebeziehung.

Daneben führt das README Komponenten, die erst nach der Kandidatensuche greifen: real-graph sagt voraus, wie wahrscheinlich ein Nutzer mit einem bestimmten anderen Nutzer interagiert, die trust-and-safety-models liefern die Sichtbarkeitsfilter, und der heavy-ranker bewertet am Ende alles, was durchkommt.

Diese Aufteilung entscheidet mehr über Reichweite als jedes Gewicht im Ranking. Ein Post, der es in keine Kandidatenliste schafft, wird nie bewertet. Wer nur ins eigene Netzwerk schreibt, spielt gegen die Hälfte der verfügbaren Ausspielungen, die andere Hälfte läuft über Embeddings und Graph-Traversal.

Für die Praxis folgen daraus zwei Dinge. Erstens sind Embedding-basierte Quellen auf Einordenbarkeit angewiesen: SimClusters und TwHIN können einen Account nur einem Interessencluster zuordnen, wenn seine Inhalte thematisch wiedererkennbar sind. Ein Profil, dessen Posts inhaltlich streuen, liefert diesen Quellen ein unscharfes Signal. Zweitens ist der Interaktionsgraph über UTEG eine eigene Kandidatenquelle. Antworten wirken damit zweimal: als hoch gewichtetes Signal im Ranking und als Kante im Graphen, über die deine späteren Posts überhaupt erst in fremde Timelines geraten.

Deine Followerzahl ist entsprechend eine Obergrenze für einen Teil der Ausspielung, keine Verteilliste. Als Faustregel für die Planung: Distribution verschiebt sich von der Frage, wem jemand folgt, zur Frage, was Nutzer mit ähnlichem Verhalten interessiert. Jeder Post wird praktisch neu gegen den gesamten Pool getestet.

Die Gewichte: Antworten schlagen Likes um Faktor 27

Der interessanteste Teil steht im README des ML-Repositories, Stand April 2023: In der Gewichtstabelle des Heavy Rankers wiegt eine Antwort 13,5 und ein Like 0,5. Der Score eines Posts ist dort die gewichtete Summe vorhergesagter Interaktionswahrscheinlichkeiten. Das Modell schätzt für jeden Kandidaten, wie wahrscheinlich welche Handlung ist, und multipliziert diese Wahrscheinlichkeiten mit festen Faktoren.

Drei Dinge fallen daran auf. Erstens gewinnt Konversation gegen Konsum, und zwar deutlich. Das höchste positive Gewicht trägt reply_engaged_by_author: die Antwort, auf die der ursprüngliche Autor wiederum reagiert. Modelliert wird damit die Wahrscheinlichkeit eines Dialogs. Der Spitzenwert der Tabelle hängt also am Verhalten des Autors selbst, und wer auf Antworten antwortet, erzeugt das teuerste Signal der Liste.

Zweitens sind negative Signale die teuerste Position der Rechnung. Eine Meldung steht mit -369,0 in der Tabelle, negatives Feedback mit -74,0, beide Beträge liegen weit über jedem positiven Gewicht. Wer bewusst zuspitzt, erhöht zwei Vorhersagen gleichzeitig: die auf Antworten und die auf negative Reaktionen. Über das Ergebnis entscheidet, welche der beiden das Modell für ein bestimmtes Publikum höher ansetzt.

Drittens war Video 2023 im Ranking praktisch bedeutungslos: video_playback50 steht bei 0,005. Ob das heute noch gilt, lässt sich nicht belegen, denn die Tabelle wurde nach April 2023 nicht mehr aktualisiert. Das README selbst hält fest, dass die exakten Gewichte jederzeit angepasst werden können. Die Tabelle beschreibt damit einen Stand, den X seit drei Jahren nicht mehr bestätigt hat.

Dass Interaktionssignale überhaupt als Ranking-Faktor wirken, ist übrigens kein Social-Media-Spezifikum. In der Websuche ist mit NavBoost ein vergleichbares System bestätigt.

Was im Code steht und was nur behauptet wird

Um den X-Algorithmus ranken sich Regeln, die klingen wie aus dem Code gelesen und dort nicht vorkommen. Die Prüfung fällt gemischt aus.

Der Premium-Boost ist der am klarsten belegte Punkt: ein Multiplikator von 4,0 für verifizierte Autoren im eigenen Netzwerk und 2,0 außerhalb steht als Parameter im Code, angewendet ausschließlich auf Original-Posts, nicht auf Antworten. Im überarbeiteten Hauptzweig von September 2025 existiert dieser Parameter unter diesem Namen nicht mehr.

Bei den Links ist die Lage anders, als die meisten Ratgeber behaupten. Dass Posts mit externem Link weniger Reichweite erhalten, wird breit berichtet und von der Plattform selbst kommuniziert, im offengelegten Code steht es nicht. Genauso wenig findet sich dort eine Golden Hour mit festen Schwellen. Ein Cold-Start-Test an kleinen Audiences existiert bei allen Empfehlungssystemen, die kolportierten festen Grenzwerte gehören zur Folklore. Wie sich echte Reichweitenreduktion von normaler Cold-Start-Varianz unterscheiden lässt, steht in Was ist ein Shadowban? Link-Penalty, Cold Start und Mythen.

Der Code von 2025: Grok, Phoenix und ein Slop-Score

Am 3. September 2025 landete ein Commit mit über 65.000 hinzugefügten Zeilen im Hauptrepository. Er bringt eine Reihe Grok-basierter Komponenten in home-mixer und tweet-mixer.

• Kategorisierung: GrokAnnotationsFeatureHydrator, UserEngagedGrokCategoriesFeatureHydrator und GrokTopics ordnen Posts sowie beobachtetes Nutzer-Engagement Grok-Kategorien zu.
• Kandidatenquelle: PopGrokTopicTweetsCandidateSource zieht Kandidaten entlang dieser Themen.
• Filterung: GrokSpamFilter, GrokNsfwFilter, GrokGoreFilter und GrokViolentFilter sortieren vor dem Ranking aus.
• Qualitätsdämpfung: Ein GrokSlopScoreRescorer mit eigenem Decay-Parameter senkt den Score von Inhalten, die als Massenware eingestuft werden.
• Neuer Scorer: ein als Phoenix bezeichnetes Modell mit eigenem Aktivierungsparameter.

SimClusters sind weiterhin im Code, unter anderem beim Boosting kalter Posts in der Content-Exploration. Die verbreitete Aussage, ein Sprachmodell habe die Cluster-Zuordnung übernommen, lässt sich damit nicht stützen. Belegt ist etwas anderes und operativ Relevanteres: Zwischen Post und Ranking sitzt jetzt eine maschinelle Qualitäts- und Themeneinschätzung. Generische Serienposts werden also klassifiziert, bevor sie um Aufmerksamkeit konkurrieren.

Der Slop-Score ist dabei der Teil mit den unangenehmsten Nebenwirkungen für die Planung. Er ist als Rescorer gebaut, greift also nach der Kandidatengenerierung und dämpft den Score, statt den Post zu entfernen. Das Ergebnis sieht von außen aus wie ein technischer Fehler: Der Post ist erreichbar, die Analytics zeigen Impressionen, die Verteilung bleibt trotzdem flach. Weil die Einstufung im Modell steckt und nicht in einer Regel, gibt es dafür weder eine Meldung noch eine überprüfbare Begründung.

Als Erfahrungswert für den Umgang damit: Serienformate mit austauschbarem Aufbau, automatisiert erzeugte Varianten desselben Posts und Threads, die nur Volumen erzeugen, arbeiten gegen genau diese Einstufung. Wie stark die Grok-Komponenten produktiv gewichtet sind, geht aus dem Code nicht hervor, eine neue Gewichtstabelle wurde nicht veröffentlicht.

Was sich davon auf andere Plattformen übertragen lässt

X taugt als Referenzmodell, weil sich hier belegen lässt, was anderswo nur plausibel ist. Drei Muster sind übertragbar.

• Gewichtete Nutzenfunktion: Ranking ist eine Summe gewichteter Vorhersagen, kein einzelner Faktor. Das arXiv-Paper "Choosing the Right Weights" von Milli, Pierson und Garg nimmt genau diese offengelegten Twitter-Gewichte als Ausgangsbeispiel und untersucht die Folgen empirisch an rund 70 Millionen Facebook-URLs. Jede große Plattform arbeitet nach diesem Prinzip, nur ohne veröffentlichte Zahlen.
• Negative Signale: Bei X sind sie beziffert. Bei Instagram, TikTok und LinkedIn ist die Struktur vergleichbar, weil dieselbe Art von Modell zum Einsatz kommt, das positive und negative Nutzerreaktionen gemeinsam vorhersagt. Welche Signale dort mit welchem Gewicht einfließen, ist nicht öffentlich.
• Konversationssignale: Antworten, Weiterleitungen und Saves sind schwerer zu erzeugen als Likes und deshalb informativer.

Und eine Grenze, die man nicht übergehen sollte: Nur X hat Code offengelegt. Alles, was für Instagram, TikTok, LinkedIn oder YouTube als Gewichtung kursiert, ist Plattform-Statement oder Sekundäranalyse. Wer X-Zahlen eins zu eins auf Instagram überträgt, rechnet mit erfundenen Werten.

Realistische Erwartung an X-Engagement

Die Benchmarks für X liegen weit auseinander, je nach Bezugsgröße. Hootsuite nennt mit Stand 17. Juni 2026 branchenübergreifend und global 1,8 % Engagement-Rate für X, gemessen als Interaktionen pro Post geteilt durch Follower, gegenüber 3,5 % auf Instagram, 3,4 % auf LinkedIn, 1,5 % auf TikTok und 1,3 % auf Facebook. Die Metricool-X-Studie von 2024 kommt auf einer internationalen Stichprobe je nach Accountgröße auf 1,3 % bis 2,21 %. Socialinsider weist in seinen internationalen Benchmarks für 2026 auf Follower-Basis 0,10 % seit dem vierten Quartal 2025 aus. DACH-spezifische Werte liegen für X nicht vor.

Diese Werte sind Durchschnitte aus unterschiedlich zusammengesetzten Stichproben mit unterschiedlichen Formeln, keine Ursache-Wirkung-Aussagen. Für Zielvorgaben sind sie zu grob, für eine Plausibilitätsprüfung reichen sie: Wer für X Werte weit oberhalb dieser Spanne meldet, misst vermutlich gegen Reach statt gegen Follower. Wie du eine belastbare eigene Baseline aufbaust, steht in Was ist eine gute Engagement Rate? Social Media Benchmarks 2026.

Was die Offenlegung nicht liefert

Der offene Code beantwortet die Strukturfrage. Er zeigt, welche Signale ein Empfehlungssystem überhaupt bewertet, in welcher Reihenfolge Kandidaten entstehen und wie schwer negatives Feedback wiegt. Die Betriebsfrage bleibt offen: Er zeigt nicht, mit welchen Gewichten die For-You-Timeline heute läuft, wie stark die Grok-Komponenten produktiv eingreifen und ob der Premium-Boost in anderer Form weiterexistiert. Genau in dieser Lücke entsteht der größte Teil der Ratgeber-Literatur zu X. Beim Belegbaren zu bleiben kostet ein paar bequeme Gewissheiten und lässt für X immer noch mehr harte Substanz übrig als für jede andere Plattform.