Neue Songs mit Musikempfehlungsdiensten entdecken

Music Markt: Musikempfehlung auf Knopfdruck

Schöne neue Online-Welt: Nahezu jeder Song kann mittlerweile über das Internet heruntergeladen werden. Allein Musikdienste wie der iTunes Music Store oder Musicload bieten über eine Million Musikstücke zum Download an - von den Tauschbörsen ganz zu schweigen. Der Nachteil am riesigen Angebot: Kaum einer blickt noch durch den Musik-Dschungel des Internets durch.

MoodLogic - Zum romantischen Dinner langsame, romantische Jazz-Musik und zum Sonntags-Brunch Vivaldis vier Jahreszeiten — Zum romantischen Dinner langsame, romantische Jazz-Musik und zum Sonntags-Brunch Vivaldis vier Jahreszeiten

Inhaltsverzeichnis

Weiß man nicht ganz genau, welche Songs man herunterladen möchte, wird man vom Überangebot im Netz förmlich erschlagen. Das Entdecken neuer Musik ist dabei ebenfalls relativ schwierig. Immerhin bieten die kommerziellen Musikdienste meist einen 30-sekündigen Ausschnitt ihrer Songs zum Probehören an. Auch der Ansatz von Apples iTunes Music Store, Playlisten seiner Nutzer zu veröffentlichen, in denen deren Lieblingssongs zu finden sind, helfen einigen Music Store-Kunden neue Musik für sich zu entdecken.

Inhalt

Trotzdem ist es immer noch relativ schwierig, genau die Musik zu finden, die genau zum eigenen Geschmack passt. Sicher findet sich ab und zu auch mal eine iTunes-Playlist, die durchweg gute Songs enthält, doch stößt man auf solche "Schätze" eher selten. Etwas besser ist da schon eine Idee von Amazon. Klickt sich ein Kunde durch das Amazon-Angebot, bekommt er zu jeder CD und zu jedem Buch, dessen Detailseite er sich anschaut, Vorschläge zu ähnlichen Produkten.

"Kunden, die diese CD gekauft haben, haben auch diese Musiktitel gekauft", heißt es dann auf der Webseite von Amazon. Das Prinzip dahinter ist eigentlich recht simpel: Über ein Datenbanksystem werden alte Bestellungen von Amazon-Kunden ausgewertet. Was der eine Kunde mag, wird wohl auch den anderen gefallen - davon geht zumindest das Amazon-System aus. Amazon wertet hierzu die Einkaufswagen seiner Kunden aus und schlussfolgert daraus, dass Madonna und U2 ähnlich sind, wenn nur viele Kunden diese beiden Alben im Einkaufswagen hatten. Das Beispiel zeigt aber eine Gefahr bei Empfehlungen. Wenn keine redaktionelle Prüfung vorgenommen wird, haben Produkt A und B unter Umständen gar nichts miteinander gemeinsam, außer dass sie zu dem Zeitpunkt vielleicht oft genug von verschiedenen Kunden gekauft wurden.

Einen technisch vollkommen anderen Weg schlagen Softwarelösungen oder Online-Dienste ein, die anhand von Eigenschaften Musik zuordnen. Das kann anhand von objektiven (Geschwindigkeit, Höhen, Tiefen) oder subjektiven (Stimmung, Einschätzung des Hörers) Merkmalen geschehen. Die Musikvorschlagdienste arbeiten dabei im Wesentlichen nach zwei Prinzipien: collaborative filerting oder content based filtering.

Redaktionell empfohlen oder technisch entschieden

Das collaborative filtering bietet Vorschläge auf Basis von Entscheidungen anderer Nutzer. So arbeitet der oben erwähnte Online-Shop Amazon. Viele Kunden haben A und B gekauft, also empfiehlt das System jeden Kunden, der A kaufen will auch gleich noch B dazu. Das content based filtering hingegen greift auf Metainformationen zu einem Produkt zurück, etwa Artist, Genre oder Rhythmus. Dabei gibt es kaum eine Grenze, was die Anzahl der Variablen angeht. Das bekannte Music Genome Project - die Datenbank des Online-Radios Pandora.com - hat etwa mehrere Hundert dieser Variablen berücksichtigt.

» Seite 1 / 6 «