Dominik Dürrschnabel: Was mich antreibt

Streamingdienste wie Netflix und Amazon habeninzwischen die heimischen Wohnzimmer für sich erobert. Wurde früher das Angebot an einem Filmabend durch die heimische DVD-Sammlung begrenzt, kann heute allein die Auswahl eines Filmes länger dauern als der Film. Ein Kriterium, um sich zu entscheiden, bilden Bewertungen. Das Problem daran ist, dass ein Actionfilm zum Beispiel schwer mit einem Horror­film vergleichbar ist – es werden Äpfel mit Birnen verglichen. So gibt es nur die beiden Kriterien gut und schlecht, was im­mer vom persönlichen Geschmack der Einzelperson abhängt. Ist diese Person kein Fan von Horror, wird sie auch keinen dieser Filme gut bewerten.

Eine weitere Schwierigkeit ist die Kategorisierung in Genres. Suche ich nach einem Actionfilm, wird mir eine Vielzahl von Filmen dieser Art angezeigt. Weitere Kriterien für eine feinere Unterteilung werden häufig nicht angeboten. Das Ergebnis für den Benutzer: Er muss trotzdem manuell einen passenden Film aus einer langen Liste auswählen.

Bei Problemen wie diesen setzt meine Dissertation der Ordinalen Faktoranalyse an. Ich schreibe die Arbeit am Fach­bereich Elektronik / Informatik bei Prof. Dr. Gerd Stumme. Durch die Verknüpfung der Mathematik mit der Informatik ist es mein Ziel, Analysemethoden zu entwickeln, sodass in Datensätzen automatisch diese Muster erkannt werden. Hierfür entwickle ich Algorithmen, welche die Datensätze an­hand dieser Muster zerlegen. Am Ende könnte man dann zum Beispiel durch mehrere Regler durch die Filmdatenbank navigieren, um zu bestimmen, wie der gewünschte Film genau aussehen soll. Das Resultat ist dann das passende Produkt, zugeschnitten auf die eigenen Wünsche.

Diese Form der Daten-Analyse auf Streamingdienste zu be­grenzen greift jedoch zu kurz. So soll das Verfahren bei allen Datensätzen benutzt werden können, welche die Eigenschaft haben, dass unterschiedliche Gütekriterien enthalten sind. Ein weiteres Beispiel dafür kommt aus der Welt der Routen­planung. Hier kann eine Route trotz einer höheren Kilome­teranzahl schneller sein oder an einem interessanteren Ort vorbeiführen. Man kann diese Methoden also überall dort anwenden, wo viele unterschiedliche Ordnungskriterien vor­handen sind. Es ist genau dieser Aspekt, dass Daten in unter­schiedlichen Dimensionen unterschiedlich bewertet werden können, den ich besonders spannend finde.

PROTOKOLL Dennis Müller