Wie unterschiedlich sind die Musikvorschläge, die die Algorithmen von Streamingdiensten unter Berücksichtigung der Persönlichkeitsstruktur eines Menschen machen? Dieser Frage ist ein Forscherteam der "Human-centered AI Gruppe" am "LIT AI Lab" der Universität Linz nachgegangen. Prinzipiell, so Markus Schedl, Leiter der "Human-centered AI Gruppe" funktioniere der Streamingdienst Spotify für unterschiedliche Benutzergruppe unterschiedlich gut. Das hätten bereits mehrere Studien gezeigt. Vor allem für Benutzergruppen, die einen speziellen Musikgeschmack haben, funktionierten die Spotify-Algorithmen nicht so gut.
Da die Algorithmen von Internetfirmen wie Amazon, Netflix oder Spotify auch Forschenden nicht bekannt sind, legte das Team von Schedl öffentlich publizierte Algorithmen für seine Studie zugrunde, unter der Annahme, dass diese ähnlich funktionieren wie die von Spotify. Zunächst wurden Nutzer mittels der Analyse von Twittereinträgen auf Grundlage eines gängigen psychologisches Modells verschiedenen Persönlichkeitstypen zugeordnet.
Bessere Vorschläge bei eingeschränktem Musikgeschmack
Im nächsten Schritt wurde dann untersucht, welche Musikvorschläge die unterschiedlichen Persönlichkeitstypen von Spotify erhalten. Dabei hätte sich sehr deutlich gezeigt, dass emotional labilere Menschen bessere Vorschläge bekommen als offene Menschen, so Schedl. Dies liege unter anderem daran, dass emotional labilere Menschen einen weniger breiten Musikgeschmack hätten. Diesen könnten die Algorithmen einfacher zufrieden stellen.
Das verwundere zwar im ersten Moment, so Schedl, dieses Ergebnis hänge aber damit zusammen, dass der Algorithmus besser arbeitet, je mehr Daten er zur Verfügung hat. "Eine offene Person hört eine Vielzahl unterschiedlicher Musikrichtungen, was aber dazu führt, dass das Modell jetzt nicht sehr gut, vermutlich auf diese einzelne Personen personalisierte Empfehlungen abgeben kann."
Musikgeschmack durch Algorithmen erweitern
Dass diese Algorithmen Echokammern erschaffen, wodurch sich der Musikgeschmack immer weiter ausdifferenziert, hofft Schedl nicht. Es gebe auch Forschungsarbeiten, die in eine Gegenrichtung gehen, "oder die algorithmische Vorschläge erstellen, die versuchen, genau dem entgegenzuwirken und den Musikgeschmack zu verbreitern", sagt Schedl.
In diesen Vorschlägen gehe es darum, den Algorithmus nicht zu sehr zu personalisieren: "Wie könnte man also, wie kann man durchaus auch Benutzern, die einen sehr eingeschränkten Musikgeschmack üblicherweise haben, ein bisschen etwas anderes empfehlen?" Dies seien bisher allerdings nur Vorschläge von Forschenden.
