Unter netzwertig veröffentlichen wir in unserem Blog Einschätzungen zu aktuellen digitalen Geschäftsmodellen und IT-Trends, Meldungen, Analysen, Reviews und Specials.

31.01.13 13:39

, von Gastautor

Musikempfehlungen: Denn sie wissen nicht, was sie wollen

Die Auswahl an Musik im Netz ist riesig. Doch viele Nutzer wünschen sich bessere Empfehlungsfunktionen. Das ist die eigentliche Hürde, die dem Durchbruch von Streamingdiensten noch im Wege steht.

Dr. Stephan Baumann forscht zu "Empfehlungs-Algorithmik" am Deutschen Forschungszentrum für Künstliche Intelligenz in Kaiserslautern, Eric Eitel (@alias_eitel) berät Tech-Unternehmen bei ihrer Kommunikation, publiziert zum Thema Online-Musik und ist im Vorstand des all2gethernow e.V. aktiv.

Musikstreaming hat sich neben Download und dem Verkauf von physischen Tonträgern als weiterer Verwertungszweig für Musik etabliert. Globale Player wie Spotify oder Deezer (beide übrigens europäische Unternehmen) liefern sich derzeit ein Rennen um die Streaming-Weltherrschaft. Börsengang oder glamouröser Exit scheinen nur noch eine Frage der Zeit zu sein. Aber ist Musik-Streaming wirklich schon ein massenmarkttaugliches Produkt? „Wir haben 16 Millionen Songs im Angebot, suchen Sie sich einfach einen aus“

Hört man sich unter Early-Adoptern oder auch Fachleuten um, wird immer wieder das Fehlen von kreativen und vor allem leistungsstarken Empfehlungs-Features beklagt. Dieser Malus sei, so meinen selbst Branchenvertreter hinter vorgehaltener Hand, der eigentliche Flaschenhals, der den kommerziellen Durchbruch der Musikstreaming-Services noch behindere. „Einige Nutzer erzählen uns, dass sie manchmal nicht wissen, welche Musik sie hören sollen“, erklärte auch Spotify Chef Daniel Ek jüngst in einer Pressemitteilung. Denn selbst ausgereifte, Algorithmus-basierte Empfehlungstechnologien, wie die Klangerkennungs-Software Mufin aus dem Hause Fraunhofer, sind nicht wirklich in der Lage, individuelle Musik-Empfehlungen jenseits einer übereinstimmenden Klangstruktur abzugeben. In der Praxis bedeutet dies für den User, dass die Recommendation-Engine zwar einen Hip Hop-Track mit einer ähnlichen Beat-Struktur als Empfehlung ausspucken kann, dabei aber nicht berücksichtigt, ob es sich hierbei um frauenfeindlichen Gangster-Rap oder politisch korrekten Conscious Hip Hop handelt. Anbieter solcher sogenannter Audiofingerprint-Verfahren konzentrieren sich deshalb mittlerweile auf Anwendungsfelder wie das Aufspüren von gemalizensierten Inhalten in On- und Offline-Rundfunkausstrahlungen.

Twitterfizierung als Lösung?

Als erster großer Musikstreamer der gesamten Branche reagiert jetzt Spotify auf das Grundproblem genauer Empfehlungen und rollt in den nächsten Wochen seine neuen „Follow- und Discovery-Features“ aus.

Twitterfizierung von Spotify: dem amerikanischen Präsidenten oder Popsternchen „folgen“ – Die neuen Follow- und Discovery-Features von Spotify

Anders als der in die Jahre gekommene „statistische“ Musik-Empfehlungsansatz à la last.fm („Andere Nutzer, denen dieser Song gefällt, hören auch...“), sind soziale Empfehlungsansätze, wie das „Folgen“ von Bands oder anderen Nutzern (Stichwort „Twitterfizierung“) sicherlich ein Schritt in die richtige Richtung, um individuellere oder kontextuell passendere Empfehlungen zu erzielen. Daniel Ek sieht sich und sein Unternehmen mit „Follow- und Discovery“ allerdings bereits am Ziel: „Einige entdecken neue Songs und Künstler über Musikmagazine oder im Radio oder durch Konzertbesuche mit Freunden. Andere erstellen fleißig Playlists oder sind neugierig und wollen immer wissen, was coole Bekannte gerade Neues hören. Spotify bringt all das jetzt zusammen.“ Aber reicht der vorgeschlagene Mix aus sozialer und redaktioneller Empfehlung wirklich aus, um dem gesamten Spektrum der potentiellen Nutzer (und Kunden) – vom Charts-Hörer bis zum Progrock-Freak – in puncto Musik-Empfehlung nachhaltig gerecht zu werden?

Das Für und Wider „subjektiver Geschmacksverstärker“

Indem Spotify wieder die gute alte menschliche Musikintelligenz in den Mittelpunkt rückt, kommt das Unternehmen dem Kern des Problems näher. Die immer wieder versprochene „Demokratisierung des Musikkatalogs“ läuft hierbei jedoch wieder Gefahr, ins Hintertreffen zu geraten. Negative Effekte, wie man sie bereits aus den last.fm-Zeiten kennt, werden auch bei diesen sozialen Empfehlungen nicht auszuschließen sein. Kommt erstmal der Mainstream der User in das System und wird das Kuratieren zum Volkssport, kann sich für Musik-Trüffelschweine und Avantgardisten rasch der Effekt der „De-Hipsterisierung“ einstellen. Amélie Anglade, Sound Software Engineer beim Branchenliebling Soundcloud, weist deshalb zu Recht darauf hin, dass den Nutzern ihres Portals, auf dem auch viele Mikroproduzenten veröffentlichen, die „Newness“ oder Aktualität der Musik von größerer Bedeutung sei als die Empfehlung eines Promis, da nur Erstere den Nutzern die Entdeckung originär neuer Produktionen ermögliche. Mag es zu Beginn noch erfrischend sein, dem Mixtape von Barack Obama oder manch Popsternchen zu vertrauen, könnten hier schon die nächsten Gatekeeper-Fallen lauern. Fischte früher noch bestenfalls ein rein klangbasiertes objektives Verfahren so manchen Nischenartist aus dem Long Tail, so ist heute, da der Mensch als Filter aktiviert werden soll, die Avantgarde schnell wieder außen vor. Also dann doch lieber „algorithmisch unabhängig“ von der Maschine Empfehlungen generieren lassen?

Das hat sich Mark Zuckerberg auch gedacht... 

Seit einigen Jahren arbeiten verschiedene Forschungsteams wie beispielweise das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) in Kaiserslautern oder das Digital Enterprise Research Institute (DERI) in Galway an semantischen, erklärungsbasierten Ansätzen zur Musikempfehlung. Auf Basis von hochvolumigen Faktenquellen wie „Musicbrainz“ oder „Freebase“ versucht man hier Beziehungen zwischen Künstlern, Songs, Alben, die Entstehungsgeschichte kompletter Genretaxonomien und sogar die Verbandelung mit anderen kulturellen Machern und Artefakten über nachvollziehbare kausale Ketten zu berechnen. Mark Zuckerberg setzt mit seiner gerade vorgestellten Graph Search übrigens auf einer verwandten Algorithmik auf und kann, falls der Datenschutz Facebook nicht noch einen Strich durch die Rechnung macht, auf eine der voluminösesten Faktenquellen überhaupt zugreifen.

Visualisierung eines semantischen Musikempfehlungs-Graphen: Unsterblich verliebt in den Sänger von Phoenix? Dann unbedingt Virgin Suicides ansehen oder eine Produktion von Etienne de Crecy erwerben.

Die Sehnsucht nach dem netten Plattenverkäufer

Im Zentrum semantischer Empfehlungsansätze steht die Idee, den im Cyberspace allein gelassenen Musikkonsumenten in eine Welt der Exploration einzuladen, wie sie in der guten alten Zeit im Plattenladen um die Ecke stattgefunden hat. Lässt sich der Kunde auf diesen Vorgang des „darf es mehr minimal oder eher dub-steppy sein“ ein, entscheidet er selbst, welche Auswahlalternativen er verfolgen möchte, je nach aktueller Stimmung und Gusto. Dabei darf auch der Zufall mal wieder eine Rolle bei der Musikselektion spielen.

Denn, so die Überzeugung der Forscher, nahezu alle Titel der Welt jederzeit hören zu können, erfordert eine Filterung auf den aktuellen Kontext des Hörers. „Wie bin ich drauf, was mache ich gerade, mit wem bin ich unterwegs, habe ich einen Schnupfen, ist die U-Bahn zu laut, brauche ich nur eine Hintergrundmusiktapete, will ich meinen neuen Flirt beeindrucken“ ... eine schier endlose Liste von Faktoren bestimmt am Ende, was wir im jeweiligen Moment hören möchten. Und dieser Kontext ist offensichtlich hochdynamisch und individuell. Und doch treffen sich Anhänger von sogenannten „Quantified Self“-Projekten bereits regelmäßig, um sich über ihre Erfahrungen mit der freiwilligen Erfassung von Vitalitätswerten und Alltagsaktivitäten per Sensorik auszutauschen. Bis aber Algorithmen in diese Bastion der Erfassung von unbewussten körperlichen Kontextfaktoren eindringen werden, wird wohl noch einige Zeit ins Land gehen. Dann könnte jedoch ein „UeberRecommender“ die zum Kontext passende Musik aus dem Long-Tail fischen und dem User erklären, warum er jetzt zufrieden sein möge.  Bis dahin ist für die Streaminganbieter ein hybrider Mix aus allen gängigen Verfahren, inklusive Zufallsgenerator, wohl die beste Zwischenlösung. Und keine Sorge: am Ende ist sich jeder selbst der beste Musikempfehler.

Über die Autoren

Dr. Stephan Baumann forscht zu "Empfehlungs-Algorithmik" am Deutschen Forschungszentrum für Künstliche Intelligenz in Kaiserslautern, Eric Eitel (@alias_eitel) berät Tech-Unternehmen bei ihrer Kommunikation, publiziert zum Thema Online-Musik und ist im Vorstand des all2gethernow e.V. aktiv.

(Foto: Flickr/Library of CongressPublic Domain)

© 2015 förderland
RSS Feed Beobachten

Kommentare: Musikempfehlungen: Denn sie wissen nicht, was sie wollen

Du bezeichnest last.fm als "der in die Jahre gekommene „statistische“ Musik-Empfehlungsansatz à la last.fm („Andere Nutzer, denen dieser Song gefällt, hören auch…“)" - das stimmt so nicht. last.fm war richtig gut darin, einem zum _eigenen_ Geschmack passende Musik anzubieten. Ob da im Hintergrund die anderen Nutzer gefragt werden, oder nicht, ist mir egal und bietet mir keinen Mehrwert. Mit dem "Empfehlungen"-Radio von last.fm habe ich viele gute neue Sachen kennen gelernt, die mir sonst nie aufgefallen wären. Bei Spotify wird mir immer der gleiche Pop- bis bestenfalls Indie-Rock-Kram angeboten. Was ich noch bräuchte, wären Personas bzw. Profile bzw. Aspekte: Mal höre ich gern Klassik, dann brauche ich keine Thrash-Metal-Empfehlungen. Mal bin ich in Tanzlaune, dann darfs auch mal Pop sein. Mit sowas könnte man mich wieder dazu bringen, mehr neues zu kaufen anstatt meine alte Sammlung und seltene, sehr ausgewählte Neuerwerbungen durchzuhören...

Diese Nachricht wurde von TvF am 31.01.13 (14:36:14) kommentiert.

The Paradox Of Choice, eine echte Aufgabe für Spotify & Co.!

Diese Nachricht wurde von Andreas am 31.01.13 (15:20:37) kommentiert.

last.fm ist in der tat in die jahre gekommen - der empfehlungsalgorithmus schien auch nie verfeinert worden zu sein. gefühlt basierte er auch stärker auf einem "user, die band x hören, mögen auch band y" also eine band- weniger eine song-fokussierung. trotzdem verdankt mein lokaler plattenladen diverse spontan-cd-käufe vor allem last.fm!

Diese Nachricht wurde von phil am 31.01.13 (15:35:38) kommentiert.

Auch ich fiel fast hinten über als ich "Anders als der in die Jahre gekommene „statistische“ Musik-Empfehlungsansatz à la last.fm" las. Alle reden mittlerweile(!) von Big Data, Amazon wird stetig für seine Recommendation bejubelt und last.fms Ansatz soll in die Jahre gekommen sein? Fehlt mir so das Verständnis, lasse ich mir aber gerne erklären.

Diese Nachricht wurde von André Luce am 01.02.13 (07:53:17) kommentiert.

Ich liebe Spotify dafür, dass ich keine Bands kennen muss, ich muss nicht wissen wer früher der Bassist von welcher Band war und der jetzt ein neues Projekt mit irgendwem macht... Ich hab auch nie den Drang verspürt Musik besitzen zu wollen. Woher die Empfehlungen kommen, ob aus dem Algorithmus oder aus der Beliebheit der Playlisten ist mir recht egal, Hauptsache ich muss mich nicht darum kümmern. Solange die Vielfalt erhalten bleibt und keine schlechten Songs gepusht werden. Das bekomm ich heute bei Spotify gegen Geld und bereue keinen Penny. Ich hab 2012 mehr für Musik ausgegeben als in den 12 Jahren davor zusammen. Die Empfehlungen sind für mich das eigentliche Produkt, sämtliche Musik gibts ja schliesslich auch im Torrent. Nur mach ich mir Sorgen um die Künstler, denn was von Spotify für die kleinen Labels abfällt ist wohl nur ein Bruchteil dessen, was die großen pro Anhören bekommen. Ein nachhaltiges und faires Produkt wäre hier gut.

Diese Nachricht wurde von Ray am 01.02.13 (10:21:18) kommentiert.

Hi zusammen, wir wollen das Thema auf der diesjährigen re:publica (http://re-publica.de) öffentlich weiter diskutieren. Danke schon mal für euren interessanten Input, keep U posted. Eric

Diese Nachricht wurde von Eric Eitel am 06.02.13 (10:59:29) kommentiert.
Diesen Beitrag kommentieren:

Die Kommentare können nur zwischen 9 und 16 Uhr
freigeschaltet werden. Wir bitten um Verständnis.

Titel*

Name*

E-Mail*

(Wird nicht veröffentlicht!)

URL

Kommentar*

Um Spam zu vermeiden, lösen Sie bitte folgende Rechenaufgabe:

Förderland-Newsletter

Wissen für Gründer und Unternehmer