Datamining für die Liebe

Genauso wie Amazon automatisch Bücher empfiehlt, die einem gefallen könnten, will der neue Dating-Dienst "Wings" Techniken aus dem Bereich des maschinellen Lernens nutzen, um Paare zusammenzuführen.

Kann ein Computer den romantischen Geschmack eines Menschen möglicherweise genauer treffen als er (oder sie) selbst? Bei einem neuen Dating-Dienst, der auf Algorithmen aus der statistischen Analyse setzt, will man das nun zeigen. Die "Wings" genannte Facebook-Anwendung verlässt sich dabei nicht auf Fragebögen, sondern nutzt die Brotkrumen, die Nutzer in sozialen Netzwerken und anderen Online-Welten hinterlassen. Dabei lässt sich unter anderem feststellen, dass schon die platonischen Internet-Freundschaften gute Indizien dafür liefern, welcher Dating-Typ ein Nutzer ist.

Wings versucht, klassische Dating-Angebote wie die in den USA höchst populären Konkurrenten eHarmony und Match.com mit neuen Methoden zu überflügeln. Der Dienst will vom Nutzer zunächst nichts direkt wissen, stattdessen bekommt dieser sofort ein Ergebnis. Neben dem Facebook-Zugang, über den das soziale Netzwerk des Liebeskandidaten analysiert wird, nimmt Wings auch Infos vom Filmdienst Netflix, den Musikservices Last.fm und Pandora sowie bei den sozialen Netzwerken Twitter (Kommunikation) und Foursquare (ortsbasierter Freundesdienst) entgegen. Zum von Wings vorgenommenen Datamining gehört unter anderem die Frage, welche Videos der Kandidat am liebsten sieht (Netflix) und wo er sich am häufigsten herumtreibt (Foursquare).

All diese Daten landen dann in einer Empfehlungssuchmaschine. Dieses System kombiniert Bayessche Modelle, über die sich große Datensätze auf einen gemeinsamen Nenner bringen lassen, mit maschinellem Lernen. Je mehr Daten diese Algorithmen erhalten, um so "klüger" werden sie.

Die Idee dabei sei, dass ein Rechner das Verhalten möglicherweise genauer analysieren kann als man selbst, erläutert Sunil Nagaraj, Chef und Mitbegründer von Triangulate, der Firma hinter Wings. Nagaraj startete die Firma mit zwei weiteren Harvard-Absolventen und warb im Juli 750.000 Dollar an Investorengeldern ein, mit denen der Dienst nun erweitert und verbessert werden soll.

Da der Dating-Dienst seine Empfehlungsalgorithmen nicht mittels einfacher Suchalgorithmen oder Fragebögen füttert, entsteht manch ungewöhnliches Ergebnis. So ist die Dichte des eigenen sozialen Netzwerkes laut Nagaraj ein wichtiger Faktor. Ist die eigene Facebook-Freundesgruppe in sich geschlossen, bevorzugt man Menschen, die ebenfalls vor allem enge Freunde haben. Zufallsbekanntschaften zählen dann nicht.

Wings fand auch heraus, dass Paare besonders gut zusammenpassen, wenn ein ähnlicher Anteil der Freunde aus der gleichen Region kommt. Hilfreich sind außerdem ähnliche Geschmäcker bei Musik und Videos (was wenig überraschend ist) sowie Überschneidungen bei der Art der Twitter-Freunde.

IntroAnalytics, eine Firma, die von Dating-Angeboten genutzt wird, die über die Websites von Magazinen wie "FHM" und "Maxim" verfügbar sind, setzt ebenfalls auf Empfehlungssysteme. Der Unterschied zu Wings liegt allerdings darin, dass nur Daten verwendet werden, die von lizenzierten Partnern stammen – etwa Browsing-Bewegungsmustern und Profilinformationen auf den erwähnten Medienangeboten. Gavin Potter, Mitbegründer der Firma, hält diese Methode für sehr nützlich. Auf einer Seite fand Potter beispielsweise heraus, dass 60 bis 70 Prozent der Nutzer auf seine Empfehlungstechnik setzen, statt einfache Suchfunktionen zu nutzen.

Bei all diesen Vorteilen gilt es zu bedenken, dass Empfehlungssuchmaschinen keine Magie sind. Sie kitzeln vor allem Übereinstimmungen aus großen Datensätzen heraus, liefern aber nicht immer perfekte Vorhersagen. Und die Daten an sich sind nie zu 100 Prozent umfassend. Nagaraj gibt beispielsweise unumwunden zu, dass Wings mit mehr Infoquellen sicher ein noch runderes Bild einer Person liefern könnte. Deshalb arbeitet er an weiteren Partnerschaften.

Ein anderes Problem ist, dass Menschen ihre Meinung schon mal ändern. Davon kann Caterina Fake ein Lied singen, Gründerin der Web-Entscheidungshilfe Hunch. Der Dienst versucht, Fragen zu beantworten, für die Google und Co. sich bislang nicht eignen: "Welchen Film sollte ich sehen, was heute essen, welches Haus kaufen?" Dabei zeige sich, dass Nutzer keineswegs stets konsistent in ihren Entscheidungen seien. "Wir sagen dann vielleicht voraus, dass ein Nutzer einen Film mit fünf Sternen bewerten würde, was er dann nach dem Ansehen auch tut. Doch einen Monat ändert er dann seine Meinung vielleicht wieder und gibt ihm nur noch drei, weil er sich anders an ihn erinnert."

Das Auswerten sozialer Daten, wie Wings es tut, dürfte trotzdem in absehbarer Zeit ein neues Betätigungsfeld vieler Internet-Firmen werden – schon allein deshalb, weil ein derart gefüttertes System für Nutzer viel bequemer sind. (bsc)