Studie zeigt: Metal- und Hip-Hop-Fans haben bei Empfehlungs-Algorithmen das Nachsehen

Laut einer neuen Studie werden Menschen, die Musik abseits des Mainstreams hören, von Empfehlungs-Algorithmen deutlich benachteiligt. Demnach funktionieren diese von Streamingdiensten eingesetzten Algorithmen deutlich besser für Pop-Fans.

Die vorliegende Studie, die von Forschenden des Know-Centers, der Universitäten Graz, Linz und Innsbruck, sowie der Uni Utrecht durchgeführt wurde, analysiert die Treffsicherheit von Musikempfehlungen der für Streaming-Dienste verwendenden Algorithmen in Bezug auf Mainstream- und Nicht-Mainstream-Musik.

Die Studie stützt sich dabei auf die Hörerdaten von 4.148 Nutzer/innen und Nutzern, die ihr Hörverhalten über die Musik-Tracking-Website Last.fm erfassen lassen. Während die eine Hälfte in erster Linie Nicht-Mainstream-Musik hörte, fokussierte sich die andere in erster Linie auf Mainstream-Musik.  

Algorithmus lässt zu wünschen übrig

Aus der Analyse der bereitgestellten Daten geht hervor, dass Algorithmus-gesteuerte Musikempfehlungen für Fans von Nicht-Mainstream-Musik deutlich zu wünschen übrig lassen – eine Überraschung für Dominik Kowald, den Erstautoren der Studie: 

"Da immer mehr Musik über Musik-Streaming-Dienste verfügbar ist, sind Empfehlungssysteme für das Suchen, Sortieren und Filtern umfangreicher Musiksammlungen unentbehrlich geworden. Die Qualität der Empfehlungen vieler hochmoderner Musikempfehlungstechniken für Nicht-Mainstream-Musikhörenden lässt aber noch einiges zu wünschen übrig."

Zum Vorgehen

Zur Durchführung der Studie haben die Forschenden ein Computermodell mit den Artists erstellt, die die Nutzerinnen und Nutzer am häufigsten gehört haben. Auf dessen Basis wurde dann vorhergesagt, wie wahrscheinlich es ist, dass eine Empfehlung von vier gängigen Musikempfehlungsalgorithmen den individuellen Hörgeschmack tatsächlich trifft. 

Die Hörerinnen von Nicht-Mainstream-Musik wurden darüber hinaus von einem Algorithmus in vier Kategorien aufgeteilt, basierend auf der Musik, die sie am häufigsten hören:

• Genres mit ausschließlich akustischen Instrumenten (z.B. Folk)
• Genres mit energiegeladener Musik (z. B. Hard Rock oder Hip Hop)
• Genres mit akustischer Musik ohne Gesang (z.B. Ambient)
• Genres mit energiegeladener Musik ohne Gesang (z.B. Elektro)

Die Forschenden ermittelten dann, welche Personen am häufigsten auch Musik außerhalb ihrer bevorzugten Genres hörten und wie breit gestreut die gehörten Musikgenres in jeder Gruppe waren:

Hörer/innen von Genres wie z.B. Ambient, so das Ergebnis der Analyse, waren dabei am ehesten dazu bereit, sich auch auf Musik außerhalb ihrer Kategorie einzulassen. Personen mit einer Vorliebe für energiegeladene Musik hingegen hörten am wenigsten Musik aus den Bereichen Folk, Ambient oder Elektro, hörten jedoch stattdessen die größte Vielfalt an Genres (z.B. Hardrock, Punk, Singer/Songwriter und Hip-Hop).

Daten für die Streaming-Dienste

Anhand des entwickelten Computermodells prognostizierten die Forschenden die Wahrscheinlichkeit, mit der die Vorschläge der vier gängigen Musikempfehlungsalgorithmen tatsächlich gefielen.

Demnach schienen die Empfehlungen für Liebhaber/innen von energiegeladener Musik – wohl auch wegen der Breite der von ihnen gehörten Genres – am wenigsten zuzutreffen, während sie bei Ambient-Fans relativ treffsicher waren. 

Die Autorinnen und Autoren der Studie geben an, dass die von Last.fm bereitgestellten Daten zwar nicht für alle Streaming-Dienste vollständig repräsentativ seien, aber zur Verbesserung der Musikempfehlungsalgorithmen für Nicht-Mainstream-Musik beitragen könnten.