2002: Last.fm und Audioscrobbler, der Auftakt zum Social Web

 (cybercultural.com)
1 Punkte von GN⁺ 2025-12-16 | 1 Kommentare | Auf WhatsApp teilen
  • Last.fm und Audioscrobbler waren studentische Projekte, die 2002 jeweils unabhängig voneinander entwickelt wurden und mithilfe von „Collaborative Filtering“ frühe Social-Web-basierte Dienste für Musikempfehlungen und die Vernetzung von Nutzern umsetzten
  • Last.fm wurde als eine Art Internetradio betrieben, erzeugte auf Basis des Hörverlaufs der Nutzer eine „Map of Music“ und visualisierte Beziehungen zwischen Genres und Songs; außerdem konnten Nutzer ihre Profile mit anderen teilen
  • Audioscrobbler verfolgte die Musik-Wiedergabedaten der Nutzer und erstellte daraus Hörprotokolle, die als „Scrobbling“ bezeichnet wurden; darauf aufbauend bot der Dienst Vergleiche mit Nutzern ähnlichen Geschmacks und Empfehlungen
  • Beide Dienste lösten sich vom klassischen Broadcast-Modell und zeigten einen Weg, neue Musik über Nutzerdaten und soziale Verbindungen zu entdecken
  • Später wurden sie zusammengeführt und gelten als Beispiel dafür, dass schon vor Web 2.0 datenbasierte Empfehlungen und Social Networking möglich waren

Vorzeichen des frühen Social Web

  • Last.fm, 2002 gestartet, war eine von Studenten des Ravensbourne College in London entwickelte Internetradio-Plattform, die personalisierte Musikempfehlungen auf Basis des Hörverlaufs der Nutzer anbot
    • Wenn Nutzer wiederholt Musik hörten, lernte das System ihre Vorlieben und baute ein persönliches Profil auf
    • Über die „Map of Music“, eine Visualisierung der Gesamtheit aller Nutzerprofile, wurden Verbindungen zwischen Genres dargestellt
  • Collaborative Filtering war eine von Amazon genutzte Empfehlungstechnik, die auf Basis ähnlicher Kauf- oder Bewertungsverläufe Elemente miteinander verknüpfte und Empfehlungslisten erzeugte
    • Ein typisches Beispiel ist die Amazon-Funktion „Kunden, die diesen Artikel gekauft haben, kauften auch“
    • Last.fm übertrug dieses Prinzip auf Musikdaten und erzeugte Empfehlungen auf Grundlage von Beziehungen zwischen Songs

Das Auftreten von Audioscrobbler

  • Im selben Jahr entwickelte Richard Jones von der University of Southampton Audioscrobbler, das die Musik-Wiedergabedaten der Nutzer sammelte und daraus Empfehlungen erzeugte
    • Nutzer installierten eine Software, die ihre Hördaten automatisch aufzeichnete
    • Diese Daten wurden per Collaborative Filtering mit denen anderer Nutzer verglichen und führten so zu Empfehlungen
  • Jones prägte den Begriff „audioscrobbling“, um den auf Hörprotokollen basierenden Empfehlungsprozess zu beschreiben
  • Später wurde Audioscrobbler mit Last.fm zusammengeführt und zu einer gemeinsamen Plattform weiterentwickelt

Loslösung vom Broadcast-Modell

  • Last.fm löste sich von der klassischen Radiostruktur, in der Redakteure die Musikauswahl treffen, und führte einen Ansatz ein, bei dem Nutzer den Musikfluss selbst prägen
    • Nutzer konnten Songs mit den Buttons „love“, „hate“ und „skip“ bewerten und so ihre persönliche Sammlung anpassen
    • Außerdem konnten sie Profile anderer Nutzer durchsuchen oder automatisch einen Stream passend zum eigenen Geschmack erzeugen lassen
  • Mitgründer Martin Stiksel erklärte, dass „gute Musik in einem sozialen Kontext entdeckt wird, so wie man sie bei Freunden zu Hause hört“
    • Genau diese Idee in die Online-Umgebung zu übertragen, war der Kern von Last.fm

Der Wert von Nutzerdaten

  • Last.fm und Audioscrobbler nutzten den kollektiven Wert von Nutzerdaten, um neue Wege zur Entdeckung von Inhalten zu schaffen
    • Ähnlich wie bei den Produktempfehlungen von Amazon wurden Musik-Hördaten zur zentralen Ressource für Empfehlungen
  • Damals konnten aufgrund von urheberrechtlichen Beschränkungen allerdings nur 30-Sekunden-Samples abgespielt werden
    • Später wandelte sich der Dienst zu einem offiziellen Online-Radio, nachdem Lizenzgebühren an PRS und MCPS gezahlt wurden
  • Dieser Versuch zeigte bereits vor der Streaming-Revolution das Potenzial eines datenbasierten Modells des Musikkonsums

Die Verbindung zu Web 2.0

  • Die Zusammenführung von Last.fm und Audioscrobbler legte die Grundlage für ein Social Web, das auf Nutzerbeteiligung und Datenaustausch basiert
    • Personalisierte Empfehlungen, Verbindungen zwischen Nutzern und Datenvisualisierung setzten zentrale Elemente von Web 2.0 bereits vorweg
  • Im Zuge des ab 2004 an Fahrt aufnehmenden Social Web gelten diese beiden Projekte als Urform einer Online-Community rund um Musik

Verwandte Beiträge

1 Kommentare

 
GN⁺ 2025-12-16
Hacker-News-Kommentare

  • Damals, als die sozialen Funktionen von last.fm noch aktiv waren, war der beste „Algorithmus“ zum Entdecken neuer Musik, die Profile anderer Leute zu durchstöbern
    Wenn man jemanden mit ähnlichem Geschmack fand, war die Wahrscheinlichkeit hoch, Musik zu entdecken, die einem gefiel, selbst wenn das Genre anders war
    Pandora setzte dagegen auf Empfehlungen auf Basis der Instrumentierung, wodurch die Ergebnisse eher fade wirkten, und auch die Empfehlungen von Spotify fühlen sich eher danach an

    • Ich finde, RateYourMusic ist heute das beste Tool zur Musikentdeckung
      Wenn man sich die Rezensionen eines Albums ansieht, das man mag, und dann die Profile von Leuten mit ähnlichem Geschmack anschaut, kann man dank ihrer Album-Charts und des Genre-Tag-Systems sehr gezielt die gewünschte Musik finden
    • Früher habe ich den Radio-Dienst von last.fm kostenpflichtig genutzt und bin über die Xbox-360-App darauf gestoßen
      Die Profilseiten hatten einen MySpace-Vibe, und Drittanbieter-Dienste auf Basis der API haben coole Visualisierungscharts erstellt
      Später verschwanden wegen Geldproblemen Funktionen, und es wirkte, als wolle man an Spotify verkauft werden
      Es wurde per App mit ständig aktiviertem Mikrofon Musik erkannt und gescrobbelt, und ich habe das damals nicht als Sicherheitsrisiko gesehen
    • what.cd war die beste Community zur Musikentdeckung
      Wenn man in den Foren oder Album-Kommentaren um Empfehlungen bat, bekam man immer gute Antworten, und ich vermisse das Gemeinschaftsgefühl dort
    • Mir gefiel die manuelle Erkundung in der Napster-Zeit am besten
      Es war besonders eindrucksvoll, komplette freigegebene Ordner anderer Nutzer durchzusehen und im Chat über Musikgeschmack zu sprechen
    • Ich baue gerade volt.fm — einen Dienst auf Spotify-Basis, mit dem man wie bei last.fm Leute mit ähnlichem Geschmack finden kann
      Man kann die Top-Tracks anderer in automatisch aktualisierten Playlists speichern, und das Ziel sind von Menschen statt von Algorithmen geprägte Empfehlungen
      Mein Profil: https://volt.fm/soheilpro

  • Die Leute feiern Spotifys Wrapped-Jahresrückblick, aber in Wahrheit sind das nur Daten, die das ganze Jahr über versteckt und dann kurz freigegeben werden
    Früher waren solche Funktionen Standard, und es ist schade, dass heute schon kleine Anpassungen wie „besondere Features“ behandelt werden
    Ich habe last.fm weniger zur Musikentdeckung als zur Analyse meiner Hörgewohnheiten genutzt

    • Viele wissen gar nicht, dass man „seinen Hörverlauf jederzeit exportieren kann“
    • Früher hat last.fm die Statistiken jeden Freitag aktualisiert, und das fühlte sich wie ein wöchentliches Event an, bei dem man die Musik der Woche teilte
      Seit es Echtzeit-Updates gibt, ist ein Teil dieses Reizes verloren gegangen

  • Ich bin last.fm-Fan
    Wenn man Spotify nutzt, kann man unter https://www.spotify.com/us/account/privacy/ den kompletten Hörverlauf als JSON anfordern
    Empfehlenswert ist auch die Website explorify.link, die diese Daten visualisiert

    • Es gibt eine frühere Web-App, gebaut mit dem Spotify SDK — eine kostenlose App mit Top-Künstlern, Songs, jüngstem Verlauf und sogar einem empfehlungsbasierten Discovery-Bereich: echoesapp.io
    • Dadurch habe ich mich nach langer Zeit wieder bei Spotify eingeloggt und meine Daten exportiert

  • Ich nutze last.fm seit 2008 immer noch
    Es ist interessant zu sehen, wie sich mein Musikgeschmack im Lauf der Zeit verändert hat
    Früher habe ich wöchentliche 9x9-Album-Collagen erstellt und sie in der Community diskutiert

  • Auch heute wird last.fm noch viel als Tracker für den Hörverlauf genutzt
    Nur Spotify unterstützt natives Scrobbling auf Plattformebene, bei anderen Diensten braucht man Tools von Drittanbietern
    Die API hat sich seit 15 Jahren fast nicht verändert, was leichtgewichtige Integrationen einfach macht
    Die Community ist inzwischen größtenteils zu Discord abgewandert, und auf etwa 10 % der Musikserver laufen Bots, die last.fm-Statistiken anzeigen
    (Ich betreibe .fmbot für Discord)

    • Apple Music unterstützt es nicht, aber Tidal, Deezer, Qobuz, Plex unterstützen Scrobbling
      Referenzlink: https://support.last.fm/t/more-ways-to-scrobble/192
    • Weil last.fm-Unterstützung fehlt, kann ich nicht zu Apple Music wechseln
    • Es gibt auch den Wunsch, dass die API Abfragen der Höranzahl unterstützen sollte

  • Ich liebe last.fm, habe mir aber kürzlich auch einen Account bei der Open-Source-Alternative ListenBrainz angelegt und scrobble nun zu beiden Diensten gleichzeitig
    Mit tapmusic.net kann man außerdem schöne Diagramme erstellen

    • Ich nutze einen selfhosted multi scrobbler(https://github.com/FoxxMD/multi-scrobbler), um gleichzeitig zu last.fm, ListenBrainz und Koito(https://github.com/gabehf/Koito/) zu protokollieren
      Wenn ich kein VPN habe, nutze ich nur last.fm und verteile die Daten später automatisch an andere Orte
    • Tapmusic scheint ListenBrainz nicht zu unterstützen, aber ListenBrainz hat auch ein eigenes Collage-Tool
    • libre.fm ist ebenfalls wieder aktiv geworden
    • Zur Info: tapmusic.org ist nur geparkt, richtig ist tapmusic.net

  • Eine weitere legendäre Seite aus dieser Zeit war Oink’s Pink Palace

    • Ich kann kaum glauben, dass Oink nur 4 Jahre existiert hat, es fühlte sich eher nach 10 Jahren an
    • Ich vermisse diese Zeit wirklich

  • Ich scrobble seit 2008 bis heute
    Früher haben kleine Künstler ihre Musik direkt hochgeladen, und ich habe dabei viele echte Perlen entdeckt, besonders in der schwedischen Bitpop-Szene

  • Ich nutze last.fm seit 21 Jahren, und mein aktueller Musikgeschmack ist fast vollständig der Funktion für ähnliche Künstler von last.fm zu verdanken

  • Ich denke, Apple hat die Chance verpasst, ein soziales Netzwerk auf iTunes aufzubauen
    Man hätte sehen können, was Freunde hören, Communities auf Basis von Geschmack bilden und bessere Empfehlungen liefern können, ähnlich wie beim heutigen YouTube Music

    • iTunes Genius war ein großartiges Empfehlungssystem, das einen Baum aus „Nutzer, die diesen Song gekauft haben, kauften auch“ erzeugte
      Deshalb habe ich im iTunes Store ziemlich viel Geld für einzelne Songs ausgegeben, aber seit Apple Music gibt es keinen Grund mehr, das aufrechtzuerhalten
    • Als Referenz zu Apples Versuch iTunes Ping: https://en.wikipedia.org/wiki/ITunes_Ping
    • Auch heute gibt es noch eine einfache soziale Funktion, wenn man in der Apple-Music-App unten auf das Profil tippt und anderen folgen kann
    • Ich baue selbst ebenfalls so eine musikbasierte Community
      Zugehöriger Beitrag: https://news.ycombinator.com/item?id=46268285