LONDON (IT BOLTWISE) – Andrej Karpathy hat YouTubes Empfehlungssystem für ihn selbst nicht „reparieren“ lassen, sondern in einem Wochenende eine Alternative gebaut: HackerTube. Claude erstellte die komplette Pipeline, die rund 43 Millionen Hacker-News-Kommentare aus Jahren auswertet, um YouTube-Links zu finden, die über Threads hinweg wieder und wieder auftauchten. Am Ende stehen 6.454 Videos, die nach Themen gebündelt werden und damit die YouTube-Startseite durch eine Community-basierte Kurationssicht ersetzen. Entscheidend ist dabei weniger das Modell als das Signal, das echte Menschen über Jahre weitergereicht haben.
Andrej Karpathy stellt die zentrale Annahme hinter vielen KI-gestützten Empfehlungsmaschinen auf den Prüfstand: Nicht die Leistungsfähigkeit des Modells, sondern die Frage, welches Signal tatsächlich als „Geschmack“ in das System einfließt, entscheidet über den Output. In einem Blogpost beschreibt er, dass ihn YouTubes „homepage“-Logik mit Blick auf seine eigenen Interessen nicht überzeugt. Statt eine Anpassung an YouTubes Empfehlungen anzustoßen, ließ er sich in einem Wochenende eine eigene Lösung bauen – als Videoangebot, das nicht primär von einem Engagement-Algorithmus getrieben wird, sondern von Empfehlungen aus der Community von Hacker News. Karpathy bezeichnete die YouTube-Startseite dabei als „enshittified wall of slop“ – ein drastisches Bild, das vor allem den Eindruck adressiert, dass Plattformdesign und Optimierungsziele zunehmend von echten Nutzerpräferenzen entkoppelt werden.
Technisch ist HackerTube vor allem deshalb interessant, weil die Kurationssignale nicht aus einer einzelnen „magischen“ Quelle stammen, sondern aus einem Jahrzehnt menschlicher Interaktion. Karpathy ließ Claude eine Extraktions- und Auswahlpipeline bauen, die rund 43 Millionen Hacker-News-Kommentare aus dem Zeitraum 2007 bis 2026 durchforstet. Das Ziel war bewusst nicht, einen einzelnen Thread zu replizieren, sondern Muster zu finden: YouTube-Videos sollten über viele Diskussionen hinweg wiederholt empfohlen worden sein, und zwar durch unterschiedliche Personen – ohne zentrale Koordination. Für die Umsetzung werden in der Beschreibung konkrete Modellbausteine genannt: Opus 5.5 übernimmt den Extraktionsprozess, Sonnet übernimmt das Filtern, bis aus der Rohmenge eine kuratierte Liste von 6.454 Videos entsteht, gruppiert in etwa 150 Themen.
Was nach dem Filtern übrig bleibt, wirkt im Vergleich zu klassischer Video-„Rankings“-Logik wie ein anderes Wertmaß. Während YouTube seine Startseite typischerweise anhand von Engagement-Nähe und maschinellen Nutzerprofilen sortiert, setzt HackerTube auf das, was Karpathy als langsam ansammelnde „Curation signal“ beschreibt: Empfehlungen, die sich über Jahre durch realen Austausch von Menschen verstärken, ohne dass die Empfehlung selbst für den Empfehlenden unmittelbar einen direkten Nutzen stiftet. Das Projekt ist daher weniger ein „KI kann alles“-Demo, sondern ein Versuch, die Engstelle sichtbar zu machen: Wenn das Ranking im Kern von kuratierten Hinweisen profitiert, dann rückt die Daten- und Signalqualität in den Fokus – und damit die Frage, wie man Geschmack überhaupt messbar macht. Karpathy argumentiert damit indirekt gegen die Vorstellung, dass vor allem mehr Rechenleistung oder größere Modelle allein den Qualitätsabstand schließen könnten.
Die praktische Umsetzung zeigt dabei eine bemerkenswerte Klarheit in der Trennung von Verantwortlichkeiten. Laut Karpathy habe die Entwicklung nur rund zwei Stunden seiner eigenen Zeit in Anspruch genommen; den Großteil übergab er Claude. Dazu gehörten nicht nur Codeänderungen, sondern auch Server-Setup, Härtung und Deployment sowie Optimierungen. Er selbst erstellte unter anderem einen API-Key über die Google-Cloud-Konsole, startete eine VPS und kaufte die Domain; die restliche Arbeit lag beim Modell. Interessant ist außerdem, wie die Produktdetails die Aussage unterstützen, dass HackerTube eher ein kuratiertes Archiv als ein Klickoptimierungsapparat sein soll: Thumbnails stammen aus dem Videomittelpunkt statt aus frames, die gezielt für „Klickbait“ optimiert werden. Es gibt kein Login; zudem wird Session State, also das, was jemand gesehen hat und was danach vorgeschlagen wird, im Browser gespeichert, nicht serverseitig über Besuche hinweg nachverfolgt. Zusätzlich exportiert Karpathy den vollständigen Datensatz, sodass sich die 6.454 Videos mitsamt eigener Ranking-Logik erneut rekonstruieren lassen.
Für den Markt ist daran vor allem die Signalwirkung bemerkenswert. Solche „Swap-out“-Projekte – also der Austausch eines einzelnen Bausteins gegen eine alternative Logik – zeigen, wie schnell sich Nutzererlebnisse verändern lassen, wenn man nicht auf die proprietäre Optimierung einer Plattform setzt, sondern auf transparente, wiederholbare Kriterien. HackerTube ersetzt die engagement-gerankte Startseite durch eine Katalogansicht aus Hacker-News-Empfehlungen, behält aber innerhalb des Clientkontexts sowohl Viewing History als auch personalisierte Empfehlungen bei, nur eben in einem stärker dezentralen Modell: Die Personalisierung entsteht im Browser, nicht über ein serverseitiges Profil. Das ist nicht nur eine UX-Entscheidung, sondern auch eine Architekturentscheidung, die die Komplexität verringern kann und gleichzeitig die Nachvollziehbarkeit erhöht. Wer heute an KI-gestützten Empfehlersystemen arbeitet, bekommt damit einen konkreten Referenzpunkt: Die Pipeline ist nicht das Produkt, die Kurationsquelle und ihre historische Tiefe sind es.
Auch mit Blick auf die Biografie des Autors lässt sich die Stoßrichtung besser einordnen. Karpathy gilt in der KI-Entwicklung als eine besonders versierte Stimme aus dem Bereich Model-Training; in der Quelle wird er als ehemaliges Gründungsteam-Mitglied von OpenAI und als früherer Autopilot-AI-Lead bei Tesla beschrieben, bevor er laut Angaben früher im Jahr zu Anthropic wechselte. Gerade diese Nähe zur Modellier- und Trainingspraxis verstärkt die Aussage: Wenn jemand, der die Grenzen von Modellen und Trainingsdaten gut kennt, stattdessen auf eine Foren-ähnliche Kurationsdatenbasis setzt, ist das ein Hinweis darauf, wo die wirkliche Hürde im Konsumentenbereich sitzt. Nicht „können“ ist knapp, sondern „wen“ man mit welchem Urteil bedienen will. In diesem Sinne liefert HackerTube eine praktische Blaupause dafür, wie sich Curation und Ranking-Mechanik entkoppeln lassen – und wie Community-Signale eine Alternative zu rein engagementgetriebenen Systemen bilden können.
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "HackerTube: Karpathy ersetzt YouTubes Empfehlungen mit HN-Curation" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "HackerTube: Karpathy ersetzt YouTubes Empfehlungen mit HN-Curation" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »HackerTube: Karpathy ersetzt YouTubes Empfehlungen mit HN-Curation« bei Google Deutschland suchen, bei Bing oder Google News!