Jeder kennt es – Sie bekommen online automatisiert Produkte vorgeschlagen, die Ihren eigenen Präferenzen entsprechen sollen. Julia Neidhardt untersucht nun, wie diese Systeme diverser und fairer gemacht werden können.
Erinnern Sie sich noch daran: – Sie haben online z.B. einen Drucker gekauft und in den darauf folgenden Wochen und Monaten bekommen Sie beim Surfen permanent denselben Drucker immer wieder vorgeschlagen. Das Produkt, das Sie ohnehin schon gekauft haben, wird Ihnen weiter vorgeschlagen.
Doch die Zeiten haben sich geändert. Durch den Einsatz von KI werden die Vorschläge präziser. Sie bekommen nicht mehr den Drucker sondern das Druckerzubehör vorgeschlagen. Wer sich im Internet bewegt, hinterlässt Spuren. Diese Spuren werden, um von den User_innen Nutzerprofile zu erstellen und ihnen darauf aufbauend personalisierte Produktvorschläge anzuzeigen – Dies funktioniert beim Online-Shopping ebenso wie beim digitalen Nachrichtenkonsum.
Mehr Diversität ist erwünscht
Dr. Julia Neidhardt von der TU Wien, Institut für Information System Engineering beschäftigt sich bereits seit ihres Doktorstudiums damit, wie sogenannte „Recommender Systems“ genau funktionieren und wie sie das Nutzungsverhalten beeinflussen. Im Rahmen des Christian Doppler Labors „Weiterentwicklung des State-of-the-Art von Recommender-Systemen in mehreren Domänen“ möchte Neidhardt nun gemeinsam mit den Firmenpartnern Falter Verlagsgesellschafts m.b.H. und YKMB Software GmbH herausfinden, wie sich verschiedene Anwendungsbereiche (wie Nachrichten, Bücher oder Mode) auf die Bedürfnisse der Nutzer_innen hinsichtlich Diversität sowie auf die „Fairness“ des Systems als Ganzes auswirken. Gefördert wird das Vorhaben durch das Bundesministerium für Digitalisierung und Wirtschaftsstandort (BMDW).
Willkommen in der begrenzten Welt der “Bubble”
Recommender Systems gibt es bereits seit den 1990er Jahren. Für erfolgreichen Online-Handel sind gute Empfehlungssysteme unumgänglich, gleichzeitig besteht die Gefahr, von Filterblasen oder einer verzerrten Auswahl. Die Forschung in diesem CD-Labor widmet sich diesen Zukunftsfragen und wird das Know How österreichischer Unternehmen in diesem so wichtigen Bereich weiter stärken.“
„Während sich die Forschung zu Recommender Systems meist auf in der Vergangenheit gesammelte Datensätze stützt, erlaubt die Zusammenarbeit mit Unternehmen, kleinste Änderungen im System live und über einen zeitlichen Verlauf hinweg zu beobachten“, schildert Julia Neidhardt den Vorteil der Kooperation. Schließlich handelt es sich um hoch dynamische Systeme mit direkter Feedback-Funktion. Auch die Verschiedenartigkeit der Partner ist für den Erfolg des Christian Doppler Labors ausschlaggebend: „Während es in der Modebranche vielleicht von Vorteil sein kann, nur Vorschläge zu erhalten, die zu den eigenen Präferenzen passen, kann dies bei Nachrichten problematisch sein, da eine Filterblase entsteht“, erklärt Neidhardt.
Die Langeweile der personalisierten Werbung
Herkömmlicherweise liefern Recommender Systems den Nutzer_innen oft ähnliche, in einfacher Form auf das Individuum zugeschnittene Vorschläge – was schnell langweilig wird. „Ein gutes System sollte daher nicht nur genau sein, es sollte auch abweichende Vorschläge unterbreiten und ein Überraschungsmoment liefern. Außerdem sollte es fair sein, also für alle Nutzer_innen oder Nutzer_innengruppen Ergebnisse gleicher Qualität liefern“, sagt Julia Neidhardt. Wie sich die drei Faktoren „Genauigkeit“, „Diversität“ und „Fairness“ zueinander verhalten, soll im Rahmen des Christian Doppler Labors untersucht werden. Was nun zur Nebensache wird, sind die Daten der einzelnen Nutzer_innen, denn diese sollen einer Gruppe zugeordnet werden und entsprechende Empfehlungen erhalten. Was jedoch – um die Vorhersagegenauigkeit zu erhalten – stärker profiliert wird, sind zum Beispiel die auf der Plattform der Falter Verlagsgesellschafts m.b.H. angebotenen Kulturevents, Bücher oder Nachrichtenbeiträge.
Ein weiterer Aspekt, den Julia Neidhardt gemeinsam mit der YKMB Software GmbH untersuchen wird, ist die Integration sozialer Kontakte in den Online-Modehandel. „Die Idee ist, dass eine Auswahl an Kleidungsstücken mit persönlichen Kontakten geteilt wird. Diese können dann eine Empfehlung aussprechen. Gesammelt und nach Abwägung kann der Algorithmus dann die Kleidungsstücke zum Kauf empfehlen, die die höchste Zustimmung erhalten haben“, beschreibt Julia Neidhardt den Prozess.
Rückfragehinweis
Dr. Julia Neidhardt
Institut für Information Systems Engineering
Technische Universität Wien
+43 1 58801 188300
julia.neidhardt@tuwien.ac.at
Hintergrundinformation über Christian Doppler Labors
In Christian Doppler Labors wird anwendungsorientierte Grundlagenforschung auf hohem Niveau betrieben, hervorragende Wissenschafter_innen kooperieren dazu mit innovativen Unternehmen. Für die Förderung dieser Zusammenarbeit gilt die Christian Doppler Forschungsgesellschaft international als Best-Practice-Beispiel.
Christian Doppler Labors werden von der öffentlichen Hand und den beteiligten Unternehmen gemeinsam finanziert. Wichtigster öffentlicher Fördergeber ist das Bundesministerium für Digitalisierung und Wirtschaftsstandort (BMDW).“
(GZ)
Quelle: TU Wien
Foto: (c) pexels.com / cottonbro-studio
Bei Rückfragen zum Artikel wenden Sie sich
bitte direkt an die im Artikel angegebene Kontaktadresse.
