bedeckt München 25°

Serie: Künstliche Intelligenz:Nur für dich

Früher schenkten uns unsere engsten Freunde die besten Mixtapes. Heute kennt niemand unseren Musikgeschmack so gut wie die Algorithmen von Spotify. Das Geheimnis? Deep Learning.

Gute Mixtapes und ihre Wirkung sind Legende. Was war - und ist - das für ein großes Gefühl, eine Kassette zu haben (Kassetten waren die Vorläufer von CDs) oder eine gebrannte CD (CDs gab es, als es noch keine MP3-Player gab), die ein Freund mit Musik bespielt hatte. Bei jedem einzelnen Song dachte man sich: was für eine Abfolge. Was für eine Auswahl, fantastisch. Ein gutes Mixtape ist nicht wie für jemanden gemacht, es ist tatsächlich für jemanden gemacht.

Musik auszuwählen und in die richtige Reihenfolge zu bringen, ist eine Mischung aus Handwerk, Wissen und Kunst, so wie die Zusammenstellung eines Menüs. Je nachdem, wie man zur digitalen Zukunft steht, muss man feststellen, dass nun leider Computer die besten Mixtapes aller Zeiten produzieren. Oder eben: zum Glück. Wer montagmorgens die 30 Songs umfassende Playlist "Discover Weekly" von Spotify anhört, spricht eher von Glück.

Spotify, gegründet 2006 vom heute 33-jährigen Schweden Daniel Ek, ist der erfolgreichste Musikstreamingdienst. Pro Minute liefert er 38 000 Stunden Musik aus - auf das Handy, den Computer oder welches Abspielgerät die Nutzer sonst einsetzen.

Der Vollständigkeit halber sei vermerkt, dass das Geschäftsmodell umstritten ist. Der Dienst ist für Nutzer, die Werbung und weniger Funktionen ertragen, kostenlos. Andere bezahlen einen monatlichen Betrag, eine Flatrate, unabhängig davon, wie viel Musik sie hören. Der Umsatz steigt nicht proportional zur Anzahl der abgespielten Songs. Darunter leiden viele Künstler, die es gewohnt sind, von Fans für jedes neue Lied aufs Neue bezahlt zu werden.

2006 gab es den Konkurrenten Apple Music noch nicht. Heute aber ist der Wettbewerb hart, und auch deshalb kann es für Spotify nicht länger nur darum gehen, Musik unkompliziert an die Kunden auszuliefern. Deshalb arbeitet Spotify an Ideen wie der Playlist Discover Weekly. Eine Playlist, also eine Abfolge von Songs wie es früher ein Mixtape war, die, anders als früher, ein Rechner mit künstlicher Intelligenz für jeden Nutzer zusammenstellt.

Zugegebenermaßen wenig repräsentative Umfragen im Freundeskreis, aber auch zahlreiche Hymnen in Netzforen und in Magazinen sowie die Tatsache, dass laut Spotify Millionen Menschen die Playlist anhören, zeigen, dass Discover Weekly sehr viele Menschen begeistert.

Das liegt auch daran, dass die Playlist eine jener Anwendungen künstlicher Intelligenz ist, die ob ihrer großen Präzision und Neuartigkeit Verblüffung hervorrufen. Obendrein ist Musik eine emotionale Angelegenheit. Ein Mixtape kommt, wie gesagt, oft von engen Freunden, die wissen, welche Musik dem Empfänger gefallen könnte, weil sie ihn kennen. Und jetzt? Jetzt ist es eine Maschine, von der man im Innersten erkannt wird. Ist das so?

Edward Newett ist der Inbegriff des überdurchschnittlich erfolgreichen New Yorker Nerds. Newett hat für die Finanzindustrie Programme geschrieben, bevor er 2013 zu Spotify wechselte, wo er heute die Software-Entwicklung leitet. Er ist ein Spezialist für künstliche Intelligenz, genauer: für Maschinenlernen. Experten schätzen, dass höchstens noch bei Google und Facebook und vielleicht bei ein paar im Verborgenen agierenden Spionageunternehmen ähnlich komplexe Software programmiert wird. Und das alles für ein Mixtape.

Für Discover Weekly, sagte Newett, müssten Spotify zwei Dinge gelingen. Einerseits müsse es den Geschmack des Nutzers verstehen. Andererseits müsse es herausfinden, welche Musik auf diesen individuellen Geschmack passt. Das Mixtape enthält in der Regel zu zwei Dritteln Songs von Künstlern, die der Nutzer noch nicht kennt.

Um den Geschmack eines Hörers herauszufinden, baut die Software ein "taste profile", ein Geschmacksprofil. Dazu untersucht sie, welche Musik ein Nutzer hört, für welche Künstler er sich interessiert, welche Songs er wie lange hört, welche er seiner eigenen Sammlung von Musik hinzufügt, welche Songs er nach wie vielen Sekunden abbricht oder überspringt. Zwei Wochen soll ein Nutzer den Dienst verwenden, um präzise Ergebnisse zu produzieren. Je öfter und länger er Spotify nutzt, desto besser funktioniert es. Die Vorlieben teilt Spotify in Genres auf, und zwar nicht nur, wie früher im Plattenladen, in Hip-Hop, Jazz und Klassik, sondern in winzige Sub-Sub-Subgenres, die es nicht mal in den Köpfen von Musikkritikern gibt, sondern nur in den Datenbanken von Spotify.

Um nun neue Musik zu finden, die auf dieses fein ziselierte Geschmacksprofil eines Nutzers passt und folglich auf seine nächste Discover-Weekly-Playlist soll, muss die Software begreifen, wie bestimmte Songs und Musikgenres mit anderen zusammenhängen. Dazu verwendet Newett einerseits leicht zu verstehende Modelle wie "collaborative filtering", das man von Amazons "Kunden, die dieses Produkt kauften, kauften auch . . ." kennt.

Dabei wählt die Software einen Song aus der Sammlung eines Nutzers für einen anderen aus, wenn der Geschmack der beiden übereinzustimmen scheint - was anhand weiterer Musik in ihren jeweiligen Sammlungen überprüft wird. Auf Spotify gibt es über zwei Milliarden solcher Sammlungen, die Nutzer oder professionelle DJs verwalten, insgesamt sind mehr als 30 Millionen Songs verfügbar. Ein entscheidender Beitrag kommt also von den Nutzern, die die auf Spotify verfügbare Musik andauernd sortieren.

Trotzdem muss die Software die Frage beantworten können, was "ähnliche Musik" überhaupt ist. Newett und seine Kollegen arbeiten unaufhörlich an neuer Software, um diese Frage zu klären. Zum Beispiel arbeiten sie mit "Natural Language Processing", einer Technik, die Internetseiten, die sich mit Musik befassen, aber auch Musiksammlungen verschiedener Nutzer nach Wörtern durchsucht. Das können zum Beispiel die Titel von Songs sein oder - im Internet - Worte, die diese Stücke beschreiben. Daraus erzeugt die Software, vereinfacht gesagt, ein Netzwerk und stellt so Zusammenhänge zwischen einzelnen Titeln und Künstlern her.

Gleichzeitig untersucht Technologie mit dem schönen Namen "Deep Learning", ein Herzstück künstlicher Intelligenz, die Musik, erklärt Newett. Sie analysiert den Takt und die Frequenzen. Auch diese Erkenntnisse fließen in die Netzwerke ein und zeigen auf, wo Ähnlichkeiten zwischen Titeln bestehen. Diese Befunde verwendet die Technik dann, um eine Playlist zusammenzustellen, die den Nutzer überraschen wird, weil er die Songs noch nie gehört hat - und die ihm doch das Gefühl gibt, dass ihn da jemand sehr, sehr gut kennt.

© SZ vom 22.04.2016

Lesen Sie mehr zum Thema

Zur SZ-Startseite