Suchen wir etwas auf Amazon, wird es persönlich. Melden wir uns an, bekommen wir auf uns zugeschneiderte Produktempfehlungen eingespielt. Es wird angezeigt, was Kundinnen und Kunden, die auch die just angeklickte Stichsäge kauften, außerdem noch kauften oder ansahen. Und dass viele andere die Sägeblätter gleich mitbestellt haben. Solche personalisierten Empfehlungen sind heute so alltäglich, dass wir kaum mehr über sie nachdenken.

Für Amazon aber sind sie ein Teil seiner Erfolgsgeschichte: Laut der Unternehmensberatung McKinsey sollen 35 Prozent aller Verkäufe über die Plattform auf Produktempfehlungen zurückgehen, die Algorithmen errechnet haben. Schon früh hat Amazon darauf gesetzt, seinen Kundinnen und Kunden personalisierte, gute Empfehlungen zu machen. Mithilfe von Daten und Computersystemen. Möglich wurde das durch einen Algorithmus, der sich in den frühen Tagen des Onlinehändlers als zentral für die Empfehlungssysteme herausstellte. Sein Erfinder war Greg Linden, ein früher Entwickler von Amazon. Was er und sein Team damals programmierten, gilt als Basis dafür, wie Nutzern heute im Netz Produkte, aber auch Musik und Videos empfohlen werden. 

Andere Algorithmen waren überfordert

Linden kam 1997 zu Amazon. Damals war das Unternehmen, das Jeff Bezos am 5. Juli 1994 zunächst unter dem Namen Cadabra gegründet hatte, noch recht klein. Es verkaufte nur Bücher, konzentrierte sich auf den Markt in den USA. Mitarbeiter arbeiteten im Firmensitz in Seattle an Tischen, die aus ausgehängten Türen zusammengebaut waren. Linden war Mitte 20, als er als Entwickler bei Amazon anfing – frisch von der Uni, wo er zu künstlicher Intelligenz geforscht hatte.

Eigentlich war es in dem jungen Unternehmen gar nicht Lindens Aufgabe, an Empfehlungen für die Nutzer zu arbeiten. Er war für Marketing zuständig, träumte aber davon, intelligente Systeme zu bauen, die Menschen helfen sollten, Bücher zu entdecken, auf die sie von allein nie gestoßen wären. Darum tüftelte er nebenher an Lösungen dafür.

Eine "Notwendigkeit, die Innovation stimuliert", sei das gewesen, schreibt Linden an ZEIT ONLINE. Ein Interview am Telefon will er jetzt, zum 25-jährigen Amazon-Jubiläum, nicht geben. Auch das Unternehmen will zu seiner Arbeit von damals nichts mehr sagen. Längst schon hat er dort gekündigt, war später bei Google und Microsoft und lebt heute vor allem als Privatier in Seattle.

Fest steht jedenfalls: Amazon hatte damals ein Problem. Die Empfehlungssysteme, die Mitte der Neunzigerjahre gängig waren, versuchten mithilfe von Daten der Nutzer, Kunden zu finden, die sich möglichst ähnlich waren – und darauf ihre Empfehlungen aufzubauen. Die Vorschläge, die so entstanden, waren jedoch nicht besonders gut, vor allem aber wurden die Systeme immer langsamer, je mehr Daten sie verarbeiten mussten. Deshalb waren sie für Amazon bald schon ungeeignet. Dessen Produktpalette und Kundenstamm umfasste damals schon Millionen. Fast minütlich liefen neue Bestellungen auf, die in die Berechnungen mit einfließen sollten. Das Ziel waren Empfehlungen in Echtzeit. Andere Modelle sortierten Nutzer in vordefinierte Gruppen, denen sie Vorschläge machten – doch am Ende waren diese Empfehlungen noch schlechter.

Greg Linden, ehemaliger Entwickler von Amazon, schrieb einen Algorithmus, auf dem die Empfehlungen für Kunden beruhen. © privat

Also drehte Linden das Prinzip um. Nicht der Vergleich von Menschen, sondern der von Produkten sollte helfen, Amazons Buchempfehlungen zu verbessern. Aus dieser Idee entwickelten er und andere einen Algorithmus, den sie kompliziert item-to-item collaborative filtering nannten. Vereinfacht gesagt funktioniert er im Grunde so: Werden zwei Produkte außergewöhnlich häufig zusammen gekauft, wird das in einer Datenbank vermerkt. Ruft eine Kundin amazon.com auf, werden in der Datenbank gespeicherte Informationen abgerufen – und auf ihrer Basis individuelle Empfehlungen erstellt. Auf eine gewisse Art tut Amazons berühmtes Feature "Kunden, die dies kauften, kauften auch" etwas ganz Ähnliches, aber nur bezogen auf das Produkt, das gerade angeschaut wird. Mit dem neuen Algorithmus flossen alle Produkte, die mit einem Kundinnenkonto verbunden waren, in die Empfehlung mit ein.