Ein Viralitäts-Score, bevor Sie posten
Der Virality Predictor von Higgsfield bewertet einen Clip anhand einer modellierten Hirnreaktion. Was der Score aussagen kann, was nicht, und warum weiterhin das echte Publikum entscheidet.
Jedes Social-Media-Team wüsste gern schon vor dem Posten, ob sich ein Clip verbreiten wird. Higgsfield, die KI-Videoplattform, bietet unter seinen Apps nun eine Antwort an. Laden Sie einen Clip von bis zu 15 Sekunden hoch, und der Virality Predictor liefert einen Virality-Score, die Sekunde, in der der Hook seinen Höhepunkt erreicht, eine Haltequote und eine Heatmap der Hirnregionen, die der Clip angeblich anspricht.
Die Idee ist reizvoll, und der Bildschirm wirkt wissenschaftlich. Hier steht, was Higgsfield verspricht, was es über die Funktionsweise des Werkzeugs veröffentlicht hat, was die Forschung über die Vorhersage von Viralität sagt und wie ein Score im Vergleich zu Tests mit echten Menschen abschneidet.
Was es verspricht
Die Produktseite verspricht «eine modellierte Einschätzung, ob Ihr Clip den Scroll für sich gewinnt oder verliert». Die Methode wird in einem Satz beschrieben: «Ein modelliertes Publikum schaut zu, während wir die Hirnreaktion über Sehen, Hören, Gedächtnis, Aufmerksamkeit und Sprache hinweg kartieren.» Die Heatmap zeigt laut der Seite, «welche Regionen des Gehirns Ihr Clip genau aktiviert».
Der Score wird selbstbewusst angepriesen: «Keine Vermutung, kein Bauchgefühl» und «Das, was einer Testvorführung am nächsten kommt, bevor Sie auf Veröffentlichen drücken.»
Was veröffentlicht ist und was nicht
Higgsfield sagt nicht, welches Modell hinter dem Score steckt, mit welchen Daten es trainiert wurde und wie sich seine Scores zu den tatsächlichen Aufrufen, der Wiedergabezeit oder den Shares veröffentlichter Clips verhalten. Wir haben keine Zahlen zur Genauigkeit und keine Validierungsstudie gefunden. Solange es diese nicht gibt, ist die Behauptung, ein Score sage Viralität voraus, unbewiesen.
Das Vokabular verweist auf ein bekanntes Forschungsfeld. Encoding-Modelle des Gehirns lernen anhand von Hirnscans von Menschen, die Videos schauen, vorherzusagen, wie das Gehirn auf Video reagiert. TRIBE, im Juli 2025 veröffentlicht, sagt fMRI-Reaktionen des ganzen Gehirns auf Video vorher und gewann den Wettbewerb Algonauts 2025. Solche Modelle schätzen, wie eine durchschnittliche Hirnregion reagiert. Das ist eine andere Frage als die, ob fremde Menschen anhalten, zuschauen und teilen.
Es gibt Belege dafür, dass echte Gehirne nützliche Signale liefern. In einer 2020 in PNAS veröffentlichten Studie scannten Forschende 40 Personen, während sie Videos schauten. Die Aktivität in zwei Regionen zu Beginn jedes Videos sagte voraus, wie oft und wie lange dieselben Videos auf YouTube angeschaut wurden, und zwar über herkömmliche Messgrössen hinaus. Dieses Ergebnis stammte aus echten Scannern und von echten Menschen, bei einigen Dutzend Videos. Ein modelliertes Publikum ist noch einen Schritt weiter davon entfernt.
Warum sich Viralität der Vorhersage entzieht
Das tiefere Problem ist, dass sich Erfolg sozial verbreitet. In einem bekannten Experiment, das 2006 in Science erschien, luden 14'341 Teilnehmende unbekannte Songs herunter, und ein Teil von ihnen konnte sehen, was andere gewählt hatten. Sozialer Einfluss machte Erfolg zugleich ungleicher und weniger vorhersehbar. Die Autoren schrieben: «Die besten Songs schnitten selten schlecht ab und die schlechtesten selten gut, aber jedes andere Ergebnis war möglich.»
Eine 2016 vorgestellte Studie zu Twitter-Kaskaden kam zum Schluss, dass selbst die besten Modelle mit umfangreichen Daten zu Nutzern, Inhalten und früherer Performance «weniger als die Hälfte der Varianz in der Grösse der Kaskaden» erklärten, und argumentierte, dass selbst unbegrenzte Daten diese Grenze nicht aufheben würden. Was dagegen funktioniert: die frühe Verbreitung beobachten. Eine frühere Studie zeigte, dass sich besser vorhersagen lässt, ob eine Kaskade weiterwächst, «je mehr ihrer Reshares wir beobachten». Die beste Vorhersage für die Reichweite eines Clips liefert sein erstes echtes Publikum.
Was ein Score kann und was nicht
Mit Bedacht eingesetzt, kann ein solcher Score trotzdem helfen. Er kann einen langsamen Einstieg markieren, die Sekunde zeigen, in der die Aufmerksamkeit abfallen könnte, und als schneller erster Filter zwischen zwei Schnittfassungen desselben Clips dienen. Als Anstoss, genauer hinzuschauen, kostet er wenig.
Er kann weder Ihr Publikum kennen noch Ihr Timing, noch was an diesem Tag sonst im Feed läuft, noch ob der Hook zu Ihrer Marke passt. Ein Virality-Score ist keine Wahrscheinlichkeit und keine Prognose von Aufrufen. Und wenn jedes Team auf denselben Score optimiert, füllt sich jeder Feed mit denselben Hooks, was aus unserer Sicht das Gegenteil dessen ist, was einen Clip herausstechen lässt. Selbst Higgsfield schreibt, dass mehr Output «über das Ergebnis nicht von allein entscheidet».
Tests mit echten Menschen
Echte Tests sind heute in die Plattformen eingebaut. Die A/B-Tests von Meta zeigen jede Version einer Anzeige einem separaten Teil des Publikums, stellen sicher, dass «niemand beide sieht», und vergleichen dann die Ergebnisse anhand der Kosten pro Ergebnis. YouTube lässt Creator bis zu drei Titel und Thumbnails für ein Video testen, beurteilt sie nach dem Anteil an der Wiedergabezeit und kürt einen Gewinner nur, wenn der Unterschied statistisch signifikant ist. Beide messen, was tatsächlich passiert ist.
So ist Tempo aufgebaut. Jede Idee wird erstellt, getestet und auf ihre Chancen geprüft, bevor ein Mensch sie freigibt, und wir behandeln diese Prüfung als Filter, nicht als Prognose. Was über den nächsten Monat entscheidet, ist, wie die echten Posts abgeschnitten haben, und das fliesst zurück in den Plan. Ein Viralitäts-Score ist eine gute Frage an einen Clip. Die Antwort gibt das Publikum.
