Musik-Algorithmen tun sich mit Hardrockern und Hiphop-Hörern schwer
Hörer mit alternativem Musikgeschmack machen es den Algorithmen schwer, passende Vorschläge für neue Musik zu finden. Dies hat eine Studie nun bewiesen.
Das Wichtigste in Kürze
- Online-Empfehlungssysteme empfehlen Inhalte basierend auf dem Verhalten der Nutzer.
- Dabei wird bei Hardrockern und Hiphop-Hörern selten den Geschmack getroffen.
- Dies haben Forscher der Technischen Universität (TU) Graz in ihrer Studie herausgefunden.
Algorithmen sind bei der automatischen Liedwahl auf Musikplattformen omnipräsent. Den Geschmack von Hardrockern und Hip-Hop-Hörern treffen sie allerdings nicht so gut, wie österreichische Forscher herausgefunden haben.
Bei Musik-Algorithmen kommen Systeme Künstlicher Intelligenz (KI) zum Einsatz, die anhand menschlicher Entscheidungen trainiert werden.
Solche Algorithmen tun sich mit der Einordnung des Musikgeschmackes von Hörern abseits des Mainstreams schwerer. Dies zeigen Wissenschaftler nun im Fachmagazin «EPJ Data Science».
Vorschläge basieren auf dem Geschmack des Hörers
Online-Empfehlungssysteme werden seit geraumer Zeit von allen grösseren Plattformen im Film- oder Musikbereich genutzt. Dazu zählen Amazon, Netflix, Spotify, YouTube und andere. Dabei wird auf Basis des bisherigen Verhaltens von Nutzern automatisiert entschieden, was ihnen als nächstes angeboten wird.
Welche Verzerrungen dabei zustande kommen können, wenn Algorithmen mehr oder weniger menschliche Entscheidungen übernehmen, beschäftigen die Wissenschaft seit einigen Jahren. Ebenso die Frage, wie gut solche Systeme die Wünsche ihrer Nutzer auch tatsächlich vorhersehen. Und mit ihren Vorschlägen deren Geschmack treffen.
Dazu kamen Forscher der Technischen Universität (TU) Graz, den Universitäten Innsbruck und Linz und ihre Kollegen aus den Niederlanden zusammen. Sie analysierten ein Datenset über die Hörgewohnheiten von 4148 Nutzern der Musik-Streamingplattform Last.fm.
Die Hälfte davon bevorzugte vor allem Mainstream-Musik, während sich die andere Hälfte eher abseits davon bewegte. Gerade letztere Gruppe bekomme von derartigen Systemen relativ selten wirklich brauchbare Vorschläge. Dies schreiben die Forscher um Elisabeth Lex von der TU Graz in ihrer Arbeit.
Präferenzen abseits des Mainstreams sind schwer «lesbar»
Das zeigte sich auch bei der Auswertung der Ergebnisse eines von den Forschern erstellten Computermodells. Dieses schliesst aufgrund der vielen verfügbaren Daten darauf, mit welcher Wahrscheinlichkeit Liedvorschläge der KI-Systeme auch auf die jeweiligen Adressaten passen.
Am wenigsten «lesbar» für die KI-Systeme waren dabei jene Hörer von Nicht-Mainstream-Musik, die in Richtung härteren Rock und Hip-Hop tendierten. Neben jenen Neigungsgruppen abseits des Mainstreams fand das Team auch eine Gruppe, die Musik mit akustischen Instrumenten wie Folk hörte. Eine weitere, die vor allem instrumentale Ambient-Musik hörte, sowie eine, die schnellere Electronic-Musik ohne Gesang präferierte.
Die Hardrocker und Hip-Hopper entpuppten sich insgesamt als die Gruppe, die sich genretechnisch am weitesten von ihren Stamm-Präferenzen wegbewegte. Das macht den KI-Systemen auch deren Einschätzung schwer. Im Gegensatz dazu präsentierten sich die «Ambient»-Hörer im Nicht-Mainstream-Bereich als am einfachsten mit neuen Vorschlägen zu beglückende Gruppe.
