Kolumne
DIE FABELHAFTE WELT DER MATHEMATIK
Empfehlungsalgorithmen sind das Herzstück vieler Internetanbieter: Um User auf ihre Seite zu locken und zu halten, präsentieren sie ihnen auf sie zugeschnittene Inhalte. Doch das ist gar nicht so einfach.
Ob Spotify, Amazon, Netflix oder Instagram:Täglich begegnen wir Algorithmen, die uns Inhalte oder Produkte empfehlen. Und das scheint gut zu funktionieren. So gab der Streamingdienst Netflix bereits 2017 an, dass die Nutzerinnen und Nutzer etwa 80 Prozent der Shows durch Empfehlungen entdecken. Wenn ich mir allerdings anschaue, was die US-amerikanische Streamingplattform mir so anbietet, bin ich oft nur mäßig begeistert. Zum Beispiel wird mir die Serie »Tour de France: Im Hauptfeld« mit einer Übereinstimmung von 98 Prozent nahegelegt, obwohl ich mich weder für Doku-Serien zum Thema Sport noch für Radrennen im Speziellen interessiere. Auch bei Spotify, Amazon oder Twitter (inzwischen X) bin ich immer wieder verdutzt, welche Inhalte mir die Algorithmen zeigen. Dass die Plattformen öfter mal danebenliegen, ist nicht allzu verwunderlich, wenn man sich die komplizierten Mechanismen ansieht, anhand derer sie ihre Empfehlungen geben.
Und doch erlebe ich oft das Gegenteil: Kaum denke ich, dass ich bald eine neue Regenjacke brauche, wird mir schon Werbung dazu geschaltet. Sofern ich es zulasse, können die Online-Unternehmen verschiedenste Daten sammeln, etwa über mein Surfverhalten oder über meinen Standort, die sie auswerten und mir entsprechende Produkte anbieten. Die dafür benötigten Systeme werden ständig verbessert und können immer präzisere Empfehlungen machen. Aber wie funktioniert das im Detail?
Viele Menschen denken, Mathematik sei kompliziert und öde. In dieser Serie möchten wir das widerlegen – und stellen unsere liebsten Gegenbeispiele vor: von schlechtem Wetter über magische Verdopplungen hin zu Steuertricks.
Es gibt verschiedene Zusammenhänge, die man bei einer Empfehlung berücksichtigen kann, etwa die Verbindung zwischen den Personen und Produkten. Da ich zum Beispiel gerne jogge, passen Produkte wie Laufschuhe und Sportkleidung zu mir – diese Information ist für einen Anbieter wie Amazon besonders interessant. Aber auch die Beziehungen von Produkten untereinander spielen eine Rolle: So hängt eine Handyhülle mit einem Handy zusammen, ebenso wie Filme des gleichen Genres oder Bücher desselben Autors. Und schließlich kann es auch Zusammenhänge zwischen Nutzerinnen und Nutzern geben. Wenn mir ebenso wie einem anderen User die Serie »Sherlock Holmes« gefallen hat, dann könnten mir genauso weitere Inhalte gefallen, die der User positiv bewertet hat.
Damit ein Empfehlungsalgorithmus diese wechselseitigen Beziehungen untersuchen kann, braucht er jede Menge Daten.
