Für jeden etwas?

Übernehmen digitale Filtersysteme künftig die Musikauswahl für uns?

Die digitale Revolution macht´s möglich: Heute kann jeder von zu Hause aus Musik zu produzieren. Segen und Fluch zugleich, denn mittlerweile gleicht der Markt für Soundfiles einer riesigen Müllhalde, in der die wirklichen Schätze zu ersticken drohen. Abhilfe schaffen Vorschlagsysteme. Doch erleichtern sie tatsächlich die Auswahl der für Geschmack und Anlass passenden Musik?

Unter ?Collaborative Filtering? versteht man die auf den ersten Blick simple ?Wer A Kaufte, hat auch B gekauft?-Funktion, die wir bei den meisten Online-Shops wie Amazon vorfinden. Dass der Vorschlag dabei umso hilfreicher ausfallen wird, je exakter es dem System gelingt, die Neigungen der Konsumenten zu Nutzerprofilen zu verdichten, liegt auf der Hand. Hinter einem solchen Vorschlag steckt daher, soll er auch wirklich treffsicher sein, eine Menge Informationsverarbeitung. So einfach lässt sich unser Geschmack schließlich nicht als Größe bestimmen. Was das System leisten kann, ist eine Annäherung. Je breiter die Neigungen eines Nutzers (er hört von Minimal-Techno bis Metal querbeet), umso unmöglicher wird die Analyse.

Das gilt genauso für das zweite große System: Beim ?Content Based Filtering? entspringt der Vorschlag dem Musikstück selbst, das mit entprechenden Meta-Informationen versehen ist. ITunes Mini-Store und Napster etwa haben ihre Tracks mit entsprechenden Infos bestückt. Nur: Musik ist Stimmungssache. Nur anhand von Künstlern und Genres lässt sich noch kein wirklich treffsicherer Tipp abgeben.

Ein kurzer Überblick über die derzeit gebräuchlichsten Vorschlagsysteme.

1. Der ?Audioscrobbler? setzt ausschließlich auf Collaborative Filtering. Die gespielten Tracks werden via Internet an den Audioscrobbler-Server gemeldet, wo ein Nutzerprofil entsteht.

2. ?Audioinsight? ist ein Hybrid, dh das Programm setzt beide Systeme ein: sowohl Collaborative als auch Content Based Filtering. Neben den üblichen Meta-Daten (Künstler, Albumtitel, Songtitel) werden alle Tracks in mehr als 300 Genres und Subgenres untergliedert. Aufgrund der gespielten Titel werden dann typische Musikprofile angelegt, in welche die Kunden eingeordnet werden. Die Daten werden gesammelt und dazu genutzt, per Collaborative Filetering Naheverhältnisse zu anderen Audioinsight-Nutzern zu berechnen.

3. ?Music Genome Project? setzt voll auf Content Based Filtering: 40 ausgebildete Musiker erweitern regelmäßig die Datenbank auf pandora.com. Die einzelnen Titel werden mit 400 Attributen bedacht. Zu jedem über Online-Streaming-Player abgespielten Song lässt sich ein Votum abgeben. So schärft sich allmählich das ganz persönliche Profil.

4. Mit ?MoodLogic? lässt sich die eigene MP3-Sammlung nach Genres bzw. Stimmungslagen sortieren. Die Informationen pflegt der User selbst ein. Wer nicht einpflegen will, muss abonnieren und also zahlen. Im besten Fall erhält man mittels MoodLogic stimmungsorientierte Abspiellisten. Der Nachteil liegt auf der Hand: jeder User hat seine ganz eigene Vorstellung von Tristesse, Romantik oder Noise. Die Vorschläge anderer leute können die eigene Liste durcheinander wirbeln.

5. ?MusicLens? basiert auf Content Based Filtering. 10.000 Tracks sind mit entsprechenden Meta-Daten ausgestattet. Der hohe Anspruch: Mit MusicLens sollen sich einmal unbekante Titel finden lassen, indem man schnell/langsam, männlich/weiblich-Buttons etc. bedient. Derzeit wird es in einer Testversion beim Indie-Spezialisten Finetunes eingesetzt.

6. MusicMiner ist eine Art Musiklandkarte. Das Open Source-Programm kartographiert die mp3-Sammlung. Danach sollten ähnliche Tracks einander auch geografisch nahe stehen.

7. Mit Predixis lassen sich Abspiellisten generieren. Der User definiert einige so genannte ?Seeds? (Tracks werden Metadaten zugeordnet). Daraufhin generiert das System eine Playlist.

8. Sony HighFind stützt sich ausschließlich auf Content Based Filtering.
Die Songs werden von hauptamtlichen Meta-Daten-Einpflegern mit 1000 teils subjektive Kriterien versehen. Gegen monatliche Zusatzkosten soll man bald auch in Deutschland auf sein UMTS-Handy Vorschläge erhalten, die sich am Abgespielten orientieren. Durch Drücken der Like/Dislike-Funktion lässt sich das eigene Profil und somit die Qualität der Vorschläge verfeinern.
Die sich aufdrängenden Fragen: Wird der Geschmack abgeschafft? Macht die künstliche Intelligenz der Vorschlagsysteme die eigene Initiative überflüssig? Wohl kaum. Langfristig wird nur die bedächtig und sensibel gestrickte Verschmelzung beider Filter-Systeme (Collaborative und Content Based ? wie im Ansatz bei ?Audioinsight? erkennbar) zu treffischeren Ergebnissen führen. (md)

Tonspion präsentiert täglich die beste neue Musik mit Streams, Videos und kostenlosen Downloads sowie die wichtigsten Neuheiten aus dem Netz.

amazon music unlimited

Tonspion Newsletter

Alle wichtigen Neuigkeiten aus der Welt der Musik einmal wöchentlich in deine Mailbox.
* Pflichtfeld