Um auch kleineren Firmen einen guten Empfehlungsdienst zu erm\u00f6glichen, entwickelt Professor Dr. J\u00f6ran Beel von der Universit\u00e4t Siegen eine Software, die selbst lernt, die besten Empfehlungen zu geben.<\/p>\n
Von Streamingdiensten sind wir es gewohnt, auf neue Serien hingewiesen zu werden, die uns gefallen k\u00f6nnten. News-Seiten empfehlen uns Artikel, die vielleicht unser Interesse wecken. Facebook schl\u00e4gt uns Kontakte vor, die wir kennen k\u00f6nnten. Fast auf jeder gr\u00f6\u00dferen Webseite ist ein Empfehlungsdienst installiert \u2013 mal funktioniert er besser, mal schlechter. F\u00fcr die Unternehmen bedeutet die Funktionalit\u00e4t oft bares Geld: Werden Kundinnen und Kunden gehalten oder springen sie ab? „Derzeit gibt es zwei M\u00f6glichkeiten f\u00fcr Firmen, einen Empfehlungsdienst zu nutzen“, sagt Prof. Dr. J\u00f6ran Beel, Professor f\u00fcr intelligente Systeme an der Universit\u00e4t Siegen. „Entweder Sie stellen viele ExpertInnen ein, die einen individuellen Empfehlungsdienst f\u00fcr die jeweilige Firma entwickeln, oder Sie bezahlen ein Unternehmen, das den Dienst anbietet.“ Die gro\u00dfen Player wie Netflix k\u00f6nnen sich die erste Variante leisten, die meisten anderen Unternehmen bezahlen ein Abonnement f\u00fcr einen Empfehlungsdienst. Viel Geld f\u00fcr h\u00e4ufig relativ schlechte Qualit\u00e4t, sagt der Informatiker.<\/p>\n
Beel m\u00f6chte das \u00e4ndern. Er arbeitet daran, einen qualitativ hochwertigen Empfehlungsdienst zu entwickeln, der auf die Bedarfe von kleinen und mittleren Unternehmen ausgelegt ist. Der Weg dahin ist ein langer. Er und KollegInnen testeten auf sechs News-Seiten \u2013 wie zum Beispiel tagesspiegel.de oder motor-talk.de \u2013 f\u00fcnf verschiedene Algorithmen f\u00fcr Empfehlungen: Zwei Algorithmen suchten die popul\u00e4ren Artikel heraus; zwei weitere identifizierten NutzerInnen mit \u00e4hnlichen Vorlieben und empfahlen dann die Artikel, die der eine Nutzer mochte, einer anderen\u00a0Nutzerin; und ein f\u00fcnfter Algorithmus schlug Artikel mit \u00e4hnlichem Inhalt vor wie der bereits gelesene Artikel. Besuchte jemand eine der News-Seiten, w\u00e4hlten die ForscherInnen zuf\u00e4llig einen der f\u00fcnf Algorithmen aus und erzeugten damit eine entsprechende Empfehlung.<\/p>\n
Danach ma\u00dfen sie die Klickrate: Je \u00f6fter ein empfohlener Artikel gelesen wurde, desto besser funktionierte der Algorithmus. „Da alle sechs Seiten Nachrichten ver\u00f6ffentlichen, sind wir davon ausgegangen, dass ein Algorithmus, der auf einer Seite gut funktioniert, auch auf den anderen Seiten nicht schlecht sein sollte“, sagt Beel. „Es hat sich aber gezeigt, dass die Algorithmen auf jeder Seite unterschiedlich gut abschnitten.“ Neben der Branche seien weitere Faktoren relevant, wie zum Beispiel das Geschlecht und Alter der LeserInnen oder die Tageszeit, zu der die Artikel gelesen werden.<\/p>\n
Neuer Empfehlungsdienst lernt und verbessert sich selbst<\/strong><\/p>\n In Beels Projekt an der Universit\u00e4t Siegen sollen nicht Menschen den passenden Algorithmus ausw\u00e4hlen, sondern die Software selbst. Der Datenwissenschaftler stellt sich eine Software vor, die in vielen Unternehmen unterschiedlicher Gewerbe angewendet und einfach in die Webseite integriert werden kann. „Wir wollen unseren Empfehlungsdienst so weit wie m\u00f6glich automatisieren, sodass er so einfach wie Microsoft Word oder Gmail zu bedienen ist“, sagt Beel. Daf\u00fcr kombiniert der Wissenschaftler den klassischen Empfehlungsdienst mit dem automatisierten maschinellen Lernen (AutoML).<\/p>\n Zun\u00e4chst arbeitet Beel mit seinen zwei Doktoranden aus Irland und Frankreich an komplexen Tests: „Wir erfassen einige Dutzend Grund-Algorithmen, die verschiedene Ans\u00e4tze verfolgen. Bei jedem Algorithmus gibt es weitere tausend Variationen, die wir durchgehen und anpassen.“ Auf diese Weise soll die Basis f\u00fcr die Empfehlungssoftware entstehen. Erst der zweite Schritt macht aus der Software einen selbstlernenden Empfehlungsdienst: Unternehmen aus den Onlinehandel- und Nachrichtengewerben sollen die Software testweise f\u00fcr ihre Zwecke anwenden, damit die ForscherInnen die Ergebnisse f\u00fcr das maschinelle Lernen nutzen k\u00f6nnen. „So sparen wir zum einen Entwicklungszeit, zum anderen wird unsere Software deutlich besser funktionieren als die vorhandenen Abonnements“, sagt Beel.<\/p>\n F\u00fcr das Projekt hat der Informatiker 1,25 Millionen Euro verteilt \u00fcber f\u00fcnf Jahre zur Verf\u00fcgung. Die F\u00f6rderung stammt aus dem NRW-R\u00fcckkehrprogramm, das Beel im Oktober 2020 an die Universit\u00e4t Siegen gebracht hat. Er bewarb sich vom Trinity College Dublin (Irland) auf das Programm. In Beels Lebenslauf finden sich Forschungsaufenthalte am National Institute of Informatics in Tokio (Japan), an der Universit\u00e4t Zypern und an der Universit\u00e4t von Kalifornien in Berkeley (USA). Sein weiteres Leben m\u00f6chte der 40-J\u00e4hrige nun wieder in seiner Heimat in Deutschland verbringen und in einem Wissenschaftssystem arbeiten, das er als attraktiver und mit mehr Freiheiten ausgestattet verbindet als in den meisten anderen L\u00e4ndern. Universit\u00e4t und Stadt Siegen haben den Informatiker mit ihrem fachlichen und unternehmerischen Umfeld gelockt.<\/p>\n Empfehlungen auch au\u00dferhalb der Informationsblase geben<\/strong><\/p>\n Die Anwendungsn\u00e4he ist dem Informatiker wichtig: Zwei Start-ups und ein Forum zu Empfehlungsdiensten hat er selbst gegr\u00fcndet und in f\u00fcnf Jahren soll sein selbstlernender Empfehlungsdienst weltweit erfolgreich genutzt werden. Beel ist zuversichtlich, dass die Software schnell und gut funktionieren wird. Mit einer perfekten L\u00f6sung rechnet er allerdings erst zu seinem Renteneintritt, denn Herausforderungen gibt es noch genug: „Ein guter Empfehlungsdienst zeigt uns die Artikel, die uns ansprechen, die aber auch nicht zu sehr dem entsprechen, was wir normalerweise lesen. So sehen wir auch etwas au\u00dferhalb unserer Filter Bubble.“ Denn Empfehlungsdienste k\u00f6nnen uns in eine Filter Bubble (Filterblase) bringen, wenn sie uns nur die Artikel empfehlen, die in unser Weltbild passen. Der selbstlernende Empfehlungsdienst von Beel soll dieses Problem ber\u00fccksichtigen und uns auch Artikel zeigen, die anders sind, allerdings nicht zu weit weg von unseren Vorlieben.<\/p>\n Auch den Datenschutz m\u00fcssen Beel und sein Team mitdenken. Irgendwann soll der Empfehlungsdienst ebenfalls in der Medizin eingesetzt werden, gerade hier sind die Daten besonders sensibel. Der Siegener Informatiker sieht in Maschinen, die intelligent mit Daten umgehen, ein gro\u00dfes Potenzial: „Ich stelle mir eine Welt vor, in der Haus\u00e4rzte und -\u00e4rztinnen von einer Software Unterst\u00fctzung f\u00fcr ihre medizinischen Diagnosen erhalten, in der Teenager ihre Taschengeldausgaben visualisieren und in der Forschende die passende Literatur f\u00fcr ihr Projekt vorgeschlagen bekommen.“<\/p>\n