Personalisierung: Ähnlichkeit ist kein Geschmack
Warum nach dem Kauf einer Waschmaschine weitere Waschmaschinen empfohlen werden, wie die Rückkopplung entsteht und welche Signale ein Profil bräuchte, damit es trägt.
Von der Piqit-Redaktion
Veröffentlicht am 12. August 2026 · Aktualisiert am 14. August 2026
Mit KI erstelltes Bild. Das Motiv ist generiert und zeigt keine reale Szene.Wer einmal eine Waschmaschine gekauft hat, bekommt wochenlang Waschmaschinen empfohlen. Wer einmal ein Geschenk für jemand anderen gesucht hat, bekommt monatelang Vorschläge für einen Geschmack, der nie der eigene war.
Empfehlungen sind der älteste KI-Baustein im Handel und der am schlechtesten gealterte. Dieser Beitrag beschreibt, was solche Systeme messen, warum daraus eine Rückkopplung wird und welche Signale fehlen, damit aus Ähnlichkeit so etwas wie Geschmack wird.
Was ein Empfehlungssystem misst
Zwei Verfahren dominieren, und beide sind älter als der aktuelle KI-Zyklus.
Das inhaltsbasierte Verfahren vergleicht Produkte miteinander: gleiche Kategorie, ähnliche Attribute, ähnliche Beschreibung. Wer sich einen hellen Eichentisch angesehen hat, bekommt weitere helle Holztische.
Das kollaborative Verfahren vergleicht Menschen: Wer sich dieses Produkt angesehen hat, hat sich auch jenes angesehen. Es braucht keine Ahnung vom Produkt, nur genügend Verhalten.
Beide messen Nähe. Keines misst Absicht. Der Unterschied zwischen „gefällt mir“ und „versehentlich angeklickt“ existiert in den Daten dieser alten Lösungen nicht.
Die Rückkopplung
Daraus entsteht ein Kreislauf, der sich selbst bestätigt. Das System zeigt, was es für passend hält. Geklickt werden kann nur, was gezeigt wurde. Der Klick gilt als Bestätigung. Also wird mehr davon gezeigt.
Nach ein paar Runden misst ein solches System vor allem die eigene Ausspielung. Das erklärt, warum Empfehlungen mit der Zeit enger statt besser werden, obwohl mehr Daten da sind. Es ist keine Frage der Datenmenge, sondern der Herkunft: Die Daten sind nicht das Ergebnis freier Auswahl, sondern das Ergebnis dessen, was das System vorher angeboten hat.
Der Kaltstart
Am Anfang gibt es dieses Problem nicht, weil es überhaupt keine Daten gibt. Ein neuer Besucher hat keine Historie, ein neu eingelistetes Produkt hat niemanden, der es angesehen hat.
Die übliche Notlösung sind Bestseller. Sie ist verständlich und trotzdem schwach: Bestseller sind der Durchschnitt vieler Menschen, also der Geschmack von niemandem. Wer neu ist, sieht damit ausgerechnet das, was am wenigsten über ihn aussagt.