Recommendation Systems

Recommendation Systems (auch Recommender Systems oder Empfehlungssysteme) sind Verfahren, die für jede Person passende Vorschläge berechnen, etwa für Produkte, Filme, Artikel oder nächste Aktionen. Aus einem großen Angebot (dem Katalog, zum Beispiel alle Filme eines Streaming-Dienstes) entsteht pro Person eine sortierte Empfehlungsliste. Produktive Systeme arbeiten dabei fast immer zweistufig: erst grob aus dem Gesamtkatalog vorfiltern (Retrieval, deutsch: Kandidaten holen), dann die verbleibenden Kandidaten fein sortieren (Ranking, deutsch: Rangfolge bestimmen).

Was sind Recommendation Systems?

Recommender Systems bilden eine eigene Verfahrensfamilie zwischen Informations-Retrieval (Suche und Datenabruf), Machine Learning (selbstlernenden Modellen) und Personalisierung. Der Unterschied zur klassischen Suchmaschine liegt in der fehlenden Suchanfrage (englisch: Query). Ein Recommender bekommt keinen Suchbegriff, sondern nur den Kontext einer Person, also Profil, bisherige Käufe oder Klicks und aktuelle Sitzung, und gibt eine sortierte Vorschlagsliste zurück. Die zentrale Frage lautet nicht „Welche Ergebnisse passen zu dieser Suchanfrage?", sondern „Welche Vorschläge passen zu dieser Person im aktuellen Kontext?".

Vier Verfahrensfamilien prägen das Feld. Collaborative Filtering nutzt Interaktionsmatrizen zwischen Nutzern und Items: In der User-User-Variante werden ähnliche Nutzer identifiziert und deren Präferenzen übertragen, in der Item-Item-Variante ähnliche Items im Verhalten. Matrix Factorization (SVD, ALS) zerlegt die Interaktionsmatrix in niedrigdimensionale Nutzer- und Item-Embeddings; dieses Prinzip wurde durch den Netflix Prize (2006–2009) populär. Content-Based Filtering vergleicht dagegen Item-Attribute (Genre, Kategorie, Textmerkmale) mit dem Profil eines Nutzers und ist damit weniger anfällig für das Cold-Start-Problem bei neuen Items. Hybride Ansätze kombinieren beide Signalquellen, meist mit Content-Features gegen den Kaltstart und Collaborative-Signalen für die Rangfolge.

Deep-Learning-basierte Recommender (Neural Collaborative Filtering, AutoRec, DeepFM), Sequence Models (RNN, Transformer für Session-basierte Empfehlungen) und Two-Tower-Retrieval-Architekturen dominieren produktive Systeme der letzten Jahre. Die Two-Tower-Architektur trennt Nutzer-Encoder und Item-Encoder in zwei parallele neuronale Netze; die resultierenden Embeddings werden per Approximate-Nearest-Neighbor-Suche verglichen, was Katalog-Retrieval über Millionen Items in Millisekunden erlaubt. Produktive Pipelines sind fast immer zweistufig: eine schnelle Retrieval-Stufe holt aus Millionen Items einige Hundert Kandidaten, eine feinere Ranking-Stufe sortiert diese auf die finalen Slots.

Metriken teilen sich in Offline-Ranking-Qualität (Recall@k, NDCG@k, Mean Average Precision) auf Testsplits und produktive Online-Metriken (CTR, Conversion Rate, Umsatz pro Session, Completion Rate im Streaming) aus A/B-Tests. Beyond-Accuracy-Metriken (Coverage, Diversity, Novelty, Serendipity) werden zunehmend als Nebenbedingungen eingesetzt, um Filterblasen und Popularitäts-Bias zu begrenzen.

Anwendungen reichen von E-Commerce („Kunden kauften auch", Next-Best-Product) über Streaming (Netflix-Titelvorschläge, Spotify-Playlist-Continuation) und Content-Feeds (News, Social Media) bis zu Werbe-Ranking und App-Stores. Typische Betriebsprobleme sind Cold-Start bei neuen Nutzern und Items, Popularitäts-Bias (populäre Items werden weiter empfohlen und dadurch noch populärer), Filterblasen-Effekte und Feedback-Loops, wenn das Modell auf den eigenen Empfehlungen weitertrainiert wird.

Abgrenzung: Next Best Action, Personalization, Search, Uplift

Recommender werden regelmäßig mit benachbarten Konzepten vermischt. Die folgenden vier Abgrenzungen sind die häufigsten Verwechslungen.

Next Best Action ist die häufigste Verwechslung. Ein Recommender erzeugt eine Item-Rangliste aus einem Katalog. Next Best Action entscheidet dagegen, welche Aktion (Verkauf, Retention, Service, Onboarding, „keine Aktion") pro Kunde und Zeitpunkt den größten erwarteten Nutzen bringt. Recommender-Output ist einer von mehreren möglichen Inputs für NBA. Ein NBA-System berücksichtigt zusätzlich Kanal-Eligibility, Kontaktfrequenz, Kosten und regulatorische Vorgaben, ein reiner Recommender nicht.

Personalization ist der umfassendere Begriff. Recommender liefern eine Teilfunktion, nämlich die personalisierte Item-Auswahl. Personalisierung im weiteren Sinn steuert die gesamte Nutzeroberfläche: welche Bausteine gezeigt werden, in welcher Reihenfolge, mit welchem Content, welchem Preis, welcher Journey. Ein E-Commerce-Shop kann Preise personalisieren ohne Recommender, und ein Recommender kann in einer nicht-personalisierten Oberfläche laufen (statische Startseite, Empfehlungswidget als eine Sektion).

Search Ranking und Recommender teilen viele Signale und Modellklassen. Der definierende Unterschied ist die Query. Search bewertet Items unter Berücksichtigung eines expliziten Nutzer-Inputs (Suchbegriff, Filter); Recommender arbeiten ohne Query, allein auf Nutzer-Kontext. In der Systemarchitektur laufen beide oft nebeneinander mit gemeinsamer Item-Basis und geteilten Feature-Stores.

Uplift Modeling misst den kausalen Zusatzeffekt einer Behandlung (P(Ereignis | behandelt) minus P(Ereignis | nicht behandelt)). Ein Recommender bewertet Item-Präferenz ohne Kausalanspruch. Für kostenintensive Empfehlungen (bezahlte Werbeplätze, Vertriebskontakt, Rabatt) verschiebt Uplift die Priorität weg von „ohnehin klickenden" Kunden hin zu den tatsächlich beeinflussbaren Segmenten.

Beispiel: Zweistufiger Recommender in einem Streaming-Dienst

Ein Streaming-Dienst mit rund 15 Millionen Nutzenden und einem Katalog von 40.000 Titeln betreibt einen zweistufigen Recommender. Die Retrieval-Stufe ist ein Two-Tower-Modell: Ein Nutzer-Encoder bildet Watch-Historie, Genre-Präferenzen und Session-Kontext (Tageszeit, Gerät, Sprachauswahl) auf ein Nutzer-Embedding ab; ein Item-Encoder verarbeitet Titel-Metadaten (Genre, Cast, Länge, Produktionsjahr, Sprache, Popularität) und aggregiertes Watch-Verhalten zu Item-Embeddings. Aus 40.000 Titeln werden per Approximate-Nearest-Neighbor-Suche (FAISS oder ScaNN) die 500 relevantesten Kandidaten pro Nutzer geholt, typische Latenz unter 20 Millisekunden.

Die Ranking-Stufe ist ein Gradient-Boosting-Modell mit reicheren Features: Sequenz-Signale der letzten Sessions, Ähnlichkeit zu zuletzt fertiggesehenen Titeln, Interaktionshistorie mit ähnlichen Titeln, Diversitäts-Score und ein Popularitäts-Dämpfer. Das Modell sortiert die 500 Kandidaten auf die finalen 20 Slots der Startseite. Offline-Metriken sind NDCG@20 und Recall@100 gegen einen zeitbasierten Testsplit; produktiv laufen wöchentliche A/B-Tests mit Click-Through-Rate, Completion Rate (wie viele Titel wurden zu Ende gesehen) und mittel- bis langfristigen Retention-Metriken (Wiederkehr-Rate nach 7, 30 und 90 Tagen).

Eine Diversitäts-Nebenbedingung stellt sicher, dass die 20 Slots nicht ausschließlich Titel eines Genres oder eines Franchises enthalten. Cold-Start für neue Titel wird über Content-Features (Genre-, Cast-, Beschreibungs-Embeddings) abgefangen, für neue Nutzer über eine kurze Onboarding-Präferenz-Abfrage und regionale Popularitätslisten. Vergleichbare zweistufige Architekturen finden sich im E-Commerce für Next-Best-Product-Empfehlungen (Amazon, Zalando), in App-Stores für Content-Empfehlungen und in Musik-Streaming für Playlist-Continuation.