Wenn ihr euch aufs Sofa setzt um eine Serie oder einen Film auf Netflix oder einem seiner Mitbewerber zu schauen, wird die Auswahl von Titeln, die ihr seht, für gewöhnlich von Algorithmen gesteuert.
Ein spezieller Bereich der künstlichen Intelligenz ist das sogenannte Machine Learning, also maschinelles Lernen, und dieser hilft dem Zuschauer dabei, aus den Tausenden von Titeln eine Auswahl zu treffen. Dabei geht es nicht nur um die Reihenfolge der gezeigten Filme und Serien, sondern beispielsweise auch um das Cover, das der Zuschauer sieht und das auf seinen Geschmack zugeschnitten ist.
Durch Personalisierung ihrer Services wollen Netflix, Amazon Prime Video, Maxdome und Co. ihren Zuschauern helfen, noch schneller passende Inhalte zu finden. Natürlich auch um sicherzustellen, dass die Kunden weitere Inhalte konsumieren und weiter mit der Plattform interagieren. Passgenaue Empfehlungen – und das Nutzererlebnis im weiteren Sinne – werden für Streaming-Plattformen immer wichtiger, wenn weitere Abo-Dienste auf den Markt drängen.
Was maschinelles Lernen angeht, ist der Streaming-Gigant Netflix eines der führenden Unternehmen weltweit. Das Unternehmen nutzt Algorithmen, um Inhaltsempfehlungen basierend auf den Vorlieben der Nutzer zu erstellen, sowie die Art und Weise anzupassen, in der diese Empfehlungen an den Nutzer herangetragen werden.
Der Streaming-Dienst testet ständig andere Wege, um Empfehlungen abzugeben und um die Leute dazu zu verleiten, mehr Inhalte zu konsumieren – etwa mit dem Abspielen von Trailern zwischen verschiedenen Episoden einer Serie oder verschiedenen Grafiken im Menü.
Doch welche Infos sammelt Netflix vom Nutzer eigentlich dafür? Grundsätzlich schlagen die Netflix-Algorithmen Fernsehsendungen und Filme basierend auf den Sehgewohnheiten und dem Feedback der Zuschauer vor: Ob Nutzer eine Show gut oder schlecht bewertet haben; was andere Kunden mit ähnlichen Sehgewohnheiten noch schauen. Netflix teilt seine Abonnenten in mehr als 2.000 sich ständig weiterentwickelnde sogenannte Taste Communities ein – also Gruppen von Nutzern, die ganz bestimmte Serien oder Genres schauen. So entstehen dann Wiedergabelisten für Nutzer, die etwa starke Frauen in der Hauptrolle bevorzugen, oder besonders gerne Superhelden-Filme oder Mystery-Serien schauen.
„Bei Netflix sind wir bestrebt, unsere Empfehlungen kontinuierlich zu verbessern, damit Nutzer die Vorschläge erhalten, die sie auch wirklich sehen wollen“, äußert sich eine Netflix-Sprecherin. „Diese Empfehlungen basieren auf der Art und Weise, wie Mitglieder mit unseren Inhalten interagieren – welche Arten von Shows sie sehen, wie viel von einer Serie sie sehen und vieles mehr. Diese Informationen werden verwendet, um individualisierte Startseiten für über 140 Millionen Mitglieder zu erstellen, die unseren Nutzern dann einen noch besseren Service bieten.“
Laut Netflix werden 80 Prozent der Shows auf der Plattform durch Empfehlungen entdeckt. Algorithmen allein sind dabei aber nicht immer ausreichend. Sogenannte Recommendation Engines, also Empfehlungs-Maschinen, sind nur so gut wie die Metadaten, die sie befeuern. Maschinell lernende Systeme leisten unter der Haube viel Arbeit und beschleunigen die eintönige aber notwendige Aufgabe, jeden Inhalt der Bibliothek mit Informationen wie dem Genre, den Schauspielern, den Hauptthemen, den Sprachen oder sogar den visuellen Stilen zu versehen. Diese Informationen werden dann verwendet, um Empfehlungen abzugeben und bei Suchanfragen die passenden Inhalte anzuzeigen.
Die Algorithmen funktionieren dann am besten, wenn Nutzer etwa nach „Dokumentarfilmen über wahre Verbrechen“ suchen oder eine einzelne Kategorie wie Spielfilme oder TV-Dramen auswählen. Darüber hinaus sind die Empfehlungen, die maschinell lernende Systeme aussprechen können, jedoch begrenzt.
Netflix testet daher derzeit auch andere, eher traditionelle Methoden, mit denen die Nutzer TV-Sendungen und Filme finden können. Das umfasst beispielsweise wöchentlich wechselnde Listen, in denen die zehn meistgesehenen Inhalte einer Region aufgeführt sind. Die Listen helfen Netflix dabei, für Eigenproduktionen zu werben, auch wenn die Titel nicht den Empfehlungen der Algorithmen entsprechen, sagen Experten.
Mit Blick auf die Zukunft experimentiert Netflix derzeit auch mit interaktiven Inhalten, die eines Tages zur Verbesserung von Inhaltsempfehlungen verwendet werden könnten – zuletzt etwa mit der Folge „Bandersnatch“ aus der Science-Fiction-Serie „Black Mirror.“
Experten vermuten, dass die Daten aus der Teilnahme der Zuschauer an interaktiven Serien Netflix dabei helfen könnten, besser zu verstehen, warum Zuschauer etwa von Charaktereigenschaften bestimmter Figuren in Filmen und Serien angezogen werden. Das könnte die Algorithmen von Netflix intelligenter machen und dem Unternehmen dabei helfen, mehr Inhalte zu entwickeln, die der Zuschauer wirklich sehen möchte. Netflix verwendet bereits seine Nutzerdaten, um Anhand von Vorlieben bei Schauspielern, Charakteren, Filmreihen und Genres zu bestimmen, wie viel Geld in neue Formate investiert werden soll.
„,Bandersnatch ist wirklich sehr interessant, aber es ist noch zu früh, konkreter darüber zu sprechen“, sagt Yves Berguist, ein Datenwissenschaftler und Chef des Start-ups Corto AI. „Aber von solchen Formaten wird es noch mehr geben, weil die Industrie darüber spricht.“
2018 hat Netflix mehr als 1,2 Milliarden US-Dollar für Technologie und Entwicklung ausgegeben. Dazu gehörten auch die Verbesserungen der Empfehlungssysteme. Die Firma beschäftigt Forscherteams mit unterschiedlichen Hintergründen, einschließlich Neurowissenschaftlern, Biostatistikern, Wirtschaftsexperten und Physikern, um die Empfehlungen zu verbessern und die Plattform an die Nutzererfahrungen anzupassen – von Grafiken bis Videos und Bedienelementen ist alles dabei, was Auswirkungen darauf haben könnte, ob ein Nutzer auf den Inhalt klickt oder nicht.
Warum fühlen sich Menschen zu verschiedenen Zeitpunkten emotional von unterschiedlichen Inhalten angezogen – von romantischen Komödien bis zu mordlustigen Thrillern? Das ist eine der wichtigsten Fragen, die nicht nur Netflix mithilfe von maschinellem Lernen beantworten möchte. „Menschen sind wirklich großartig darin, visuelle und akustische Signale, grafische Signale, Körpersprache und all diese Dinge zu erfassen und zu verstehen“, sagte Joe Inzerillo, CTO der Streaming-Services von Disney. „Wir arbeiten immer weiter daran, zu verstehen, was dieses Phänomen ausmacht.“
Inzerello hofft so ebenfalls, dass Disney im Laufe der Zeit mithilfe der Art, wie Abonnenten die zum US-Unternehmen gehörenden Streming-Dienste ESPN Plus, Hulu oder den kommenden Disney-Streaming-Dienst nutzen, neue Inhalte und Formate entdecken kann.
Das US-Unternehmen WarnerMedia, das derzeit an seinem eigenen Streaming-Dienst HBO Max arbeitet, will hingegen zunächst auf menschliche Kuratierung setzen, um sich gegen Netflix und Disney zu behaupten.
„Wir bei WarnerMedia haben einige der besten Kuratoren und Geschichtenerzähler der Welt“, sagt Jesse Redniss, Leiter des WarnerMedia Innovation Lab, eines firmeneigenen Ikubators, der bei der Entwicklung von Technologien hilft. „Die händische Kuratierung dann mit KI-Fähigkeiten zu kombinieren, wird – denke ich – wirklich dazu beitragen, unser Produkt auf die nächste Stufe zu heben.“
Streamingdienste geben also Empfehlungen ab, die auf den Sehgewohnheiten der Nutzer sowie den Gewohnheiten ähnlicher Nutzer basieren. Aber zu welchem Zeitpunkt sollten die Algorithmen von diesen Mustern abweichen? Wenn ihr beispielsweise schon den ganzen Tag Sitcoms geschaut habt, sollten die Algorithmen dann einschreiten und versuchen, euch mit einem Drama oder einer abendfüllenden romantischen Komödie aus diesem Trott zu befreien? Die Interessen einer Person sind darüber hinaus nicht statisch: An einem regnerischen Samstagnachmittag können sie sich stark von denen an einem Dienstagabend unterscheiden, an dem man einfach nur entspannen möchte.
„Geschmack oder Stimmung sind in der Branche zu diesem Zeitpunkt wirklich schwer vorherzusagen“, sagt Jeanine Heck, Vizepräsidentin der KI-Sparte von Comcast. „Ich glaube nicht, dass KI schon da ist, wo es Gedanken lesen kann.“
Lest auch: Netflix könnte bald einen Schritt gehen, der viele Kunden vergrault, glauben Medienexperten
Das starke Vertrauen von Netflix in Algorithmen hat in der Vergangenheit einige Benutzer verärgert. So wurde die Firma 2018 wegen ihrer angeblich rassistischen Ausrichtung kritisiert, nachdem einige schwarze Nutzer angaben, dass Netflix ihnen in den Vorschaubildern von Filmen und Serien schwarze Schauspieler angezeigt hätte – obwohl diese jeweils nur in kleinen Rollen zu sehen waren.
„Wir fragen unsere Mitglieder nicht nach ihrer Hautfarbe, ihrem Geschlecht oder ihrer ethnischen Zugehörigkeit, daher können wir diese Informationen nicht zur Personalisierung individueller Netflix-Erfahrungen verwenden“, antwortete Netflix damals. „Die einzigen Informationen, die wir verwenden, sind die Sehgewohnheiten und Nutzungsdaten unserer Mitglieder.“
Viele Empfehlungssysteme für Inhalte erfordern immer noch ein gewisses Maß an menschlicher Anleitung oder Kuratierung, sei es durch A/B-getestete Änderungen der Algorithmen oder manuelle Video-Wiedergabelisten.
Laura Evans, Vizepräsidenten für Daten bei den Streaming-Diensten von Disney, fasst die Lage somit treffend zusammen:
„Wir können sehr emotional auf ein bestimmtes Genre, einen Film oder eine Serie reagieren. Aber wirklich zu verstehen, warum uns ein bestimmter Handlungsbogen so mitreißt, ist in naher Zukunft wohl die spannendste Möglichkeit dieser neuen Technologie.“
Dieser Text wurde von Paol Hergert aus dem Englischen übersetzt und editiert. Den Originaltext lest ihr hier.
Mehr Artikel aus der großen KI-Serie von Business Insider:
Google und Facebook sind Vorreiter: Wie KI derzeit jede Branche radikal verändert
KI macht unser Leben schon heute viel einfacher – aber die große Revolution kommt erst noch
Immer weniger Interesse an Werbung: So will die Industrie mit KI künftig Bannerblindheit bekämpfen