Wir erleben derzeit eine Revolution der Art und Weise, wie Musik gehört wird. Intelligente Algorithmen und maschinelles Lernen von Streamingdiensten arbeiten mit menschlichen Kuratoren zusammen, um die besten Playlisten für die Hörer zusammenzustellen. Das funktioniert erstaunlich gut - besonders beim Streaminganbieter Spotify, der mit dem "Mix der Woche" eine gelungene Mischung aus bekannten Klängen und mutigen Neuvorschlägen bietet.
In der Entwicklung des Radios hat sich in den vergangenen Jahrzehnten einiges getan. Lange Zeit waren es die DJs, die versucht haben, den Geschmack der Massen zu treffen. Die Kunst bestand darin, bekannte Songs mit Neuerscheinungen in einem möglichst günstigen Verhältnis zu mischen, so dass keine Hörer von Neuem abgeschreckt und auch nicht von Altem gelangweilt wurden.
Radio seit den späten 80ern: getaktete Playlisten
Das änderte sich in den späten 80er Jahren. Die persönlichen Vorlieben der DJs mussten einem neuen Konzept weichen: den getakteten Playlisten. Diese sind nach verschiedenen Kriterien optimiert: Je nach Uhrzeit werden Songs in einer bestimmten Reihenfolge ausgewählt und sortiert. Ein Rocksong zu Beginn der Stunde, um die Nutzer zu aktivieren, später etwas Bekanntes, um ein vertrautes Gefühl zu erzeugen und dann als Überraschung noch eine Neuheit. Dazu werden die Songs in sogenannte "Buckets" (Eimer) sortiert, aus denen die verschiedenen Elemente bedient werden.
Dieses noch heute angewandte Konzept hat jedoch zwei Nachteile: Erstens müssen die ausgewählten Songs massenkompatibel sein, was keine starken Abweichungen vom Mainstream zulässt, und zweitens wurde die Technik nach und nach von allen größeren Radiostationen übernommen. Die Folge: eine immer stärkere Angleichung der Songs auf den Stationen.
Im Lauf der 90er gab es dann den nächsten Schritt in der Evolution des Musikhörens: MP3s wurden immer beliebter, zumal die Songs trotz der geringen Dateigröße eine gute Qualität aufwiesen. Mit dem Aufkommen von Napster als Song-Tauschbörse war es dann jedermann ohne größere Kosten möglich, die persönlichen Lieblingssongs zu erhalten und abzuspielen - leider nicht immer auf legale Weise.
Zusammen mit der schnell wachsenden Menge an verfügbaren Songs im Internet stellte sich dann irgendwann die Frage, wie man auf effiztiente Weise eine Suche nach der passenden Musik aufbauen könnte. Zunächst einmal gab es Ansätze für die Indexierung von Songtiteln und Künstlern. Eine der ersten Organisationen, die sich darüber hinaus mit der Indexierung und Durchsuchbarkeit des Klangs von Songs beschäftigte, war die International Society for Music Information Retrieval (ISMIR).
Millionen von Songs und die Überforderung der Nutzer
Heute sieht sich die Welt des Musikhörens einer völlig neuen Herausforderung gegenüber: Durch die schier unendliche Vielfalt an Songs wissen die meisten Nutzer nicht mehr, welche Musik sie auswählen sollen. Die Streaminganbieter auf der anderen Seite haben die Aufgabe, den Hörern ein möglichst zu deren Geschmack, der aktuellen Stimmung und Uhrzeit passendes Angebot zu machen. Hierbei kann man drei Ansätze unterscheiden:
- Das manuelle Erstellen und Kuratieren von Playlisten
- Die Auswahl von Songs durch Algorithmen
- Einen hybriden Ansatz, der die menschliche und algorithmische Auswahl kombiniert
Aktuell stellen die großen Anbieter auf dem Streamingmarkt unterschiedliche Ansätze in den Vordergrund. Während Apple Music vor allem auf hochwertige, von menschlichen Kuratoren erstellte Playlisten setzt und Pandora voll auf die Qualität seiner Algorithmen vertraut, verfolgt Spotify einen hybriden Ansatz und mischt menschliche und algorithmische Elemente.
Algorithmen oder menschliche Songauswahl
Pandora unterzieht die Songs einer intensiven akustischen Analyse. Es wird ausgewertet, welche Instrumente zum Einsatz kommen, wie diese Instrumente verwendet werden und welche Stimmen, Harmonien und Rhythmen es in den Songs gibt. Auf Basis dieser Daten werden die Ähnlichkeiten zwischen den Songs ermittelt. Startet nun ein Nutzer ein Song-Radio, so gibt es eine Zahl an "Seed-Songs", die als Basis für die Auswahl weiterer Songs verwendet werden. Während des Hörens werden die Nutzeraktionen berücksichtigt: Wird ein Song bis zum Ende gehört, werden Songs geliked, abgewertet oder übersprungen? Auf diese Weise entsteht ein dynamisches Radio ganz nach den (interpretierten) Vorlieben der Nutzer. Ganz so schlecht scheint dieser Ansatz nicht zu sein, denn Pandora gehört mit 250 Millionen Hörerinnen und Hörern (Stand: März 2014) zu den größten der Branche.
Ähnlich wie Pandora arbeitet Slacker Radio, mischt dabei allerdings manuelle und algorithmische Elemente. Vorbild sind klassische, terrestrische Radiostationen. Statt mit einer Seedliste von Songs startet man mit einem bestimmten Sender - zum Beispiel Pop oder Hard Rock. Jeder dieser Sender greift auf mehrere Sammlungen von Songs zurück, die von Menschen zusammengestellt wurden. Von hier aus verwendet Slacker Radio Algorithmen, um die Songauswahl an die jeweiligen Hörer anzupassen.
Apples Ansatz sieht ganz anders aus: Zwar gibt es auch hier Algorithmen, die automatisch Vorschläge auf Basis bisher gehörter Musik und getätigter Käufe erzeugen. Im Vordergrund stehen aber von menschliche Kuratoren erstellte Playlisten. Das sorgt für eine hohe Qualität, hat aber einen Nachteil: Das Modell skaliert nicht. Grundsätzlich gibt es so viele Musikgeschmacksrichtungen, wie es Hörer gibt. Um auf alle Vorlieben individuell einzugehen, müssten also für jeden Hörer von Hand eigene Playlists erstellt und gepflegt werden - und das jeweils noch für verschiedene Tageszeiten und Stimmungen. Eine selbst für ein Unternehmen wie Apple kaum lösbare Aufgabe. Bei aller Kritik sei an dieser Stelle angemerkt, dass die Playlisten von Apple Music sehr hochwertig und von namhaften Musikexperten erstellt sind. Sie erfüllen durchaus hohe Erwartungen. Was jedoch fehlt, ist die Flexibilität. Und genau diese kann ein neues Feature bieten, welches Spotify seit dem Sommer dieses Jahres anbietet: "Dein Mix der Woche".
Spotify: Dein Mix der Woche als intelligente Playlist
Anders als Pandora, das die Songauswahl während des Abspielens auf Basis der aktuellen Nutzerinteraktionen wie Likes oder der Hördauer dynamisch anpasst, berechnet Spotify für jede Woche im Voraus eine persönliche Playlist für seine Nutzer, die den Namen "Dein Mix der Woche" trägt. Die Songauswahl funktioniert wie folgt:
- Bildung von Nutzerprofilen auf Basis der bevorzugten Künstler und Musikstile
- Vergleich mit Nutzern, die über ein ähnliches Profil verfügen: Welche Songs fügen diese Nutzer zu ihren Playlisten hinzu?
- Songs aus den Playlisten der ähnlichen Nutzer auswählen, die man noch nicht gehört hat
- Abgleich dieser ausgewählten Songs mit dem Nutzerprofil
Bildung von Nutzerprofilen
Jeder Nutzer bevorzugt bestimmte Künstler und Musikgenres. Während der eine zum Beispiel gerne deutschsprachige Musik und ab und zu Ambient oder Chillout-Songs hört, schätzt eine andere Nutzerin vielleicht Indie-Pop und Klassik. Die Genres und die einzelnen Künstler, die häufiger gehört werden, fließen in das Nutzerprofil ein und stellen die Basis für den Vergleich mit anderen Nutzern dar.
Vergleich mit ähnlichen Nutzerprofilen
Die erstellten Nutzerprofile werden verglichen. Die Playlisten der Nutzer mit ähnlichen Profilen werden betrachtet: Welche Songs fügen die Nutzer hinzu? Die Wahrscheinlichkeit, dass diese Songs dem Geschmack anderer Nutzer mit einem ähnlichen Profil entsprechen, ist relativ hoch.
Auswahl der Songs aus den Playlisten ähnlicher Nutzer
Aus der Menge von Songs, die Nutzer mit ähnlichen Profilen zu ihren Playlisten hinzufügen, werden die Songs ausgewählt, die andere Nutzer noch nicht gehört haben. Das sind die Songs mit einer großen Chance, als Empfehlung vorgeschlagen zu werden.
Abgleich der ausgewählten Songs mit dem Nutzerprofil
Zur Kontrolle werden die ausgewählten Vorschlagskandidaten noch mit den Profilen der Nutzer abgeglichen, für die sie interessant sein könnten. Wird eine ausreichende Überschneidung festgestellt, kommen die Songs in die Vorschlagsauswahl für "Dein Mix der Woche".
Der PageRank für Musik
Im Grunde funktioniert die Auswahl der Playlisten wie der PageRank bei Google: Während bei Webseiten jeder Link, der auf eine Seite zeigt, als Empfehlung für diese Seite gilt und deren PageRank erhöht, erfolgt die Empfehlung bei Spotify durch das Hinzufügen von Songs zu einer Playlist. Wenn also im konkreten Fall ein Nutzer mit einem ähnlichen Nutzerprofil einen Song zu einer seiner Playlisten hinzufügt, so gilt das als - relevante - Empfehlung für diesen Song und erhöht dessen "PageRank" und somit die Chance, dass dieser Song im Mix der Woche für den betrachteten Nutzer auftaucht.
Interessant dabei ist, dass die Musikauswahl für "Dein Mix der Woche" sowohl von der Unterstützung durch spezielle Algorithmen profitiert, als auch die Vorlieben und Bedürfnisse der Nutzer einbezieht. Letztendlich entscheiden nämlich die Nutzer durch ihr Verhalten, was vorgeschlagen wird. Die Berechnung der Ähnlichkeit zwischen den Nutzerprofilen und die letztendliche Auswahl von Vorschlagskandidaten finden dann maschinell statt
Mitentwickelt wurde dieses System von der Firma "The Echo Nest", die Spotify im letzten Jahr für geschätzte 100 Millionen US-Dollar aufgekauft hat. Zuvor hatte The Echo Nest schon zahlreichen Streaming-Anbietern unter die Arme gegriffen - unter anderem Rdio, Deezer, iHeartRadio oder Rhapsody. Das Problem war jedoch das Fehlen einer eigenen, ausreichend großen Datenmenge, die den Entwicklern jetzt, nach dem Aufkauf durch Spotify, zur Verfügung steht.
Vergleiche
Bei einem direkten Vergleich zwischen Spotify und Apple Music fallen sofort die unterschiedlichen Ansätze auf: Apple setzt auf menschliche Fachleute, um die besten und passendsten Songs auszuwählen. Dieses Modell verringert das Risiko von Fehleinschätzungen, sorgt aber für weniger Flexibilität. Zudem skaliert das Modell weniger gut, weil mit der Zahl der zu erstellenden Playlisten auch der menschliche Aufwand ansteigt.
Spotify auf der anderen Seite bezieht die Nutzer und deren Bedürfnisse ein, um neue Playlisten zu erstellen. Durch eine geschickte Kombination mit Algorithmen, welche die Vorlieben der Nutzer erfassen, abbilden und vergleichen können, werden Vorschläge möglich, die auch einmal überraschend sein können. Damit steigt zwar einerseits das Risiko von Fehlgriffen, es steigt andereseits aber auch die Flexibilität, auf individuelle Vorlieben eingehen und Vorschläge machen zu können, die "jenseits des Tellerrands" liegen.
