X macht Algorithmus Open Source – verrät, wie man bei Elon Musk viral gehen kann

Trending Topics auf Google als bevorzugte Nachrichtenquelle festlegen.

X hat seine Open-Source-Offensive deutlich ausgeweitet: Der Code hinter der „For You“-Timeline – jenem Feed, den Nutzerinnen und Nutzer standardmäßig beim Öffnen der App sehen – liegt nun samt Ranking-Engine unter der Apache-2.0-Lizenz auf GitHub, veröffentlicht unter der Organisation xai-org. Das ist mehr als ein Detail: Die Plattform gehört inzwischen zum Raumfahrtkonzern SpaceX. Neu dazugekommen sind gegenüber früheren Veröffentlichungen unter anderem Modellkonfiguration, Filtersysteme und die Parameter, mit denen einzelne Signale gewichtet werden. Laut TechCrunch, das vorab mit dem Unternehmen sprechen konnte, ist die offengelegte Codebasis damit rund zehn- bis fünfzehnmal so groß wie zuvor.

„Man bekommt den zentralen Ranking-Code, der Postings abruft und sie für einen bestimmten Anwender anordnet“, sagte Keith Coleman, VP of Product bei X, gegenüber TechCrunch. Teile davon – etwa der Ranker und die Score-Berechnung – lassen sich laut Coleman auch außerhalb des Unternehmens ausführen. Vor der Veröffentlichung hatten externe Forscher:innen die Codebasis vorab geprüft und das Scoring-Modell eigenständig trainiert.

Wie der Feed zusammengesetzt wird

Die technische Architektur ist im README des Repositories recht ausführlich dokumentiert. Postings kommen aus zwei Quellen: Der Dienst Thunder hält aktuelle Beiträge jener Accounts vor, denen man folgt („In-Network“). Für Inhalte von unbekannten Accounts („Out-of-Network“) sorgen Phoenix Retrieval und SimClusters, ein Verfahren, das Accounts und Postings nach Interaktionsmustern in Communities gruppiert.

Beide Töpfe werden anschließend vom selben Modell bewertet: Phoenix, einem Transformer, der die jüngste Interaktionshistorie einer Person liest und für jedes Posting vorhersagt, wie wahrscheinlich sie eine bestimmte Aktion ausführt – von Like, Reply und Repost über Klicks und Verweildauer bis hin zu negativen Reaktionen wie Blockieren oder Melden. Der finale Score ist die gewichtete Summe dieser Wahrscheinlichkeiten. Postings, die älter als 48 Stunden sind, fallen davor bereits durch einen Filter.

Was die Gewichte über Reichweite verraten

Der eigentliche Nachrichtenwert der Veröffentlichung liegt in den nun sichtbaren Gewichtungen, die in der Datei home-mixer/params/param.rs hinterlegt sind. Wie Business Insider aufschlüsselt, ist Engagement für X keineswegs gleich viel wert – und der Like ist dabei die schwächste der klassischen Interaktionen:

• Der Like (im Code „favorite“) trägt das Gewicht 0,5. Er ist damit zugleich die Bezugsgröße für alle kursierenden Vergleichsrechnungen: Jede Angabe im Stil „x-mal so viel wie ein Like“ ist nichts anderes als der jeweilige Parameter geteilt durch 0,5. Bemerkenswert: Denselben Wert von 0,5 hatte der Like schon im 2023 veröffentlichten Vorgänger-Code.
• Replies, Quotes und Weiterleitungen per DM liegen jeweils bei einem Gewicht von 5 – also je zehnmal so hoch wie ein Like.
• Teilen per Link-Kopie ist mit Abstand das stärkste positive Signal: rund 40-mal so hoch gewichtet wie ein Like (rechnerisch also etwa 20).
• Ein Follow, der aus einem Posting resultiert, zählt wie acht Likes (rechnerisch 4), ein Repost wie zwei (rechnerisch 1).

Deutlich drastischer fallen die negativen Gewichte aus. Ein vorhergesagter Report schlägt rund 468-mal so stark ins Gegenteil aus wie ein Like, ein Mute etwa 118-mal, ein „Nicht interessiert“ rund 86-mal und ein Block etwa 62-mal. Business Insider zieht daraus den Schluss, dass Ragebait – also bewusst provozierende Inhalte, die auf empörte Antworten abzielen – kein besonders verlässlicher Wachstumshebel sein dürfte. Das ist insofern bemerkenswert, als die Plattform seit der Übernahme durch Musk genau für solche Dynamiken kritisiert wird.

Der wichtige Vorbehalt

X selbst warnt im Repository allerdings vor genau der Rechnung, die sich aus diesen Zahlen aufdrängt: Die Gewichte skalieren vorhergesagte Wahrscheinlichkeiten, nicht die tatsächlichen Interaktionszahlen. Ein Report hebt also nicht 468 Likes auf – und umgekehrt heißt ein Like-Gewicht von 0,5 auch nicht, dass zehn Likes so viel wert wären wie eine Antwort. Multipliziert wird jeweils die vom Modell geschätzte Wahrscheinlichkeit, dass die betrachtete Person diese Aktion ausführt, und die hängt stark von ihrem eigenen bisherigen Verhalten ab.

Dass negative Gewichte so groß ausfallen, hängt zudem damit zusammen, dass negatives Feedback statistisch selten ist. X hat nach eigenen Angaben zusätzliche Kommentare in den Code geschrieben, damit Menschen – und Sprachmodelle, die den Code interpretieren – diesen Punkt nicht falsch verstehen.

Dazu kommen strukturelle Anpassungen, die nach dem Scoring greifen und für Reichweite mindestens so relevant sind wie die Signalgewichte selbst: Jedes weitere Posting desselben Autors innerhalb eines Feeds wird abgewertet (Author Diversity), Beiträge von nicht gefolgten Accounts werden mit einem Faktor unter 1 multipliziert (Out-of-Network-Discount) – laut Code-Analysen derzeit 0,75 – und Accounts mit wenigen Impressions bekommen einen New-Author-Boost. Für Replies und Reposts gilt der Abschlag ebenfalls, was dafür spricht, wichtige Inhalte als eigenständiges Posting zu setzen statt in Antwort-Threads zu verstecken.

„Under the Hood“: Blick auf die eigenen Labels

Parallel zum Code-Release startet X ein Transparenz-Tool namens „Under the Hood“ in den App-Einstellungen. Wer im vergangenen Monat mindestens zehn Postings abgesetzt hat, kann aggregierte Statistiken als JSON-Datei herunterladen, die zeigen, welche Labels im vergangenen Kalendermonat auf Account oder Postings angewendet wurden – jene Labels also, die im Visibility-Filtering darüber entscheiden, ob ein Beitrag normal ausgespielt, hinter einem Interstitial versteckt oder gar nicht gezeigt wird. Das Tool läuft vorerst nur für eine randomisierte Testgruppe von Accounts, die mindestens ein Jahr alt sind.

Damit adressiert X ein Dauerthema: den Vorwurf des „Shadowbanning“. Die Kombination aus offenem Code und individuell einsehbaren Labels soll es erlauben, ein Label im Repository nachzuschlagen und dessen Effekt selbst zu beurteilen.

Was nicht veröffentlicht wurde

Vollständig ist die Offenlegung nicht – und X sagt das auch. Nicht im Repo liegen etwa die Prompts der Grok-basierten Klassifizierer (Grox), die Postings auf Spam, Regelverstöße oder problematische Medien prüfen, sowie ein Teil der Labeling-Regeln. Begründung: Sonst ließe sich das System gezielt umgehen. Kritik daran gab es schon bei früheren Releases; der Forscher John Thickstun etwa verwies darauf, dass zurückgehaltene Gewichte und Parameter den praktischen Transparenzgewinn schmälern – ein Einwand, den das August-Update zumindest teilweise entkräftet.

Sichtbar wird umgekehrt auch, was politisch heikel ist: Im Code liegt etwa ein Filter, der im Zuge der brasilianischen Wahlen 2026 Postings von Accounts entfernt, die beim dortigen Wahlgericht gemeldet wurden – außer man folgt dem Account selbst.

Musk begründete den Schritt damit, die Fairness verbessern und Feedback einholen zu wollen; im Jänner hatte er den Algorithmus selbst als verbesserungsbedürftig bezeichnet. X-Manager Coleman geht noch einen Schritt weiter: Über Pull Requests sollen Entwickler:innen Änderungen einreichen können, die X-Ingenieure dann prüfen. Der Algorithmus solle nicht nur für die Öffentlichkeit sichtbar sein, sondern womöglich auch von ihr mitgestaltet werden. Aktuell liegen im Repository, das bereits rund 27.500 Sterne gesammelt hat, mehrere Dutzend offene Pull Requests.

X ist heute ein SpaceX-Produkt

Einordnen lässt sich der Schritt nur mit Blick auf die Eigentümerstruktur, die sich zuletzt zweimal verschoben hat. X Corp. ist seit März 2025 eine Tochter von xAI. Anfang Februar 2026 übernahm dann SpaceX das KI-Unternehmen xAI in einer reinen Aktientransaktion; xAI wurde damit zur hundertprozentigen Tochter des Raumfahrtkonzerns.

Die Transaktion bewertete SpaceX mit rund einer Billion und xAI mit rund 250 Milliarden US-Dollar. Das soziale Netzwerk X hängt seither also über zwei Ebenen unter SpaceX – was auch erklärt, warum der Algorithmus-Code unter der GitHub-Organisation xai-org liegt und warum Grok-basierte Modelle wie Phoenix und die Klassifizierer Grox so tief in der Empfehlungslogik stecken.

Zum Vergleich: Meta, TikTok und YouTube haben zwar Forschungspapiere und grobe Beschreibungen ihrer Empfehlungssysteme veröffentlicht, aber keine lauffähige Codebasis. In dieser Hinsicht bleibt X vorerst allein.