Überraschendes aus der Grundlagenforschung: Eine Gruppe von theoretischen Physikern hat eine Methode entwickelt, um Empfehlungssysteme wie etwa die Buchempfehlungen von Amazon.com dazu zu bringen, originellere und damit nützlichere und bessere Vorschläge zu machen.
Empfehlungsprogramme, wie sie beispielsweise Online-Händler wie Amazon.com oder Buch.ch für ihre Kaufvorschläge einsetzen, verwenden die Angaben über die bisherigen Einkäufe des Nutzers, um daraus auf dessen mögliche künftige Interessen zu schliessen. Die dabei verwendeten Algorithmen stützen sich vor allem darauf, welche Produkte andere Nutzer, mit ähnlichem Kaufverhalten, sonst noch bestellen. Das führt in der Praxis dazu, dass vor allem gängige Produkte empfohlen werden, während die spezielleren, aber im Einzelfall vielleicht interessanteren Angebote nicht zum Zuge kommen. Mit der Zeit kann so die Vielfalt der Empfehlungen immer mehr abnehmen. Eine Forschergruppe in der theoretischen Physik um Prof. Yi-Cheng Zhang an der Universität Freiburg hat nun einen neuen Algorithmus entwickelt, der dieses Dilemma lösen könnte und es ermöglicht, sowohl verlässliche als auch vielfältige Empfehlungen abzugeben.
Diese Ergebnisse sind ein Beispiel dafür, auf welch unerwartete Weise scheinbar praxisferne Grundlagenforschung wie die theoretische Physik überraschende und elegante Lösungsansätze für praktische Probleme bieten kann. Die Forschenden haben mit ihrem Vorschlag nicht nur die zunehmende Parzellierung der Wissenschaft durchbrochen, welche die unerlässliche gegenseitige Befruchtung zwischen den Disziplinen behindert, sondern gleichzeitig ein Mittel dagegen gefunden, dass automatische Empfehlungssysteme diese Parzellierung noch verschärfen.
