In der ZDFmediathek möchten NutzerInnen möglichst schnell und einfach spannende und für sie relevante Inhalte nutzen. Um sie dabei zu unterstützen, bietet das ZDF verschiedene Formen von personalisierten Empfehlungen und eine thematische Gruppierung der Inhalte an. Empfehlungen werden mit bekannten Machine Learning-Verfahren erzeugt, doch die inhaltliche Gruppierung von Inhalten erfolgte bis jetzt noch weitgehend manuell mit entsprechendem Aufwand. Automatisierung kann hier Entlastung schaffen und dazu für die NutzerInnen die Aktualität verbessern.

In diesem Vortrag geben wir einen Einblick, wie wir mit Machine Learning das Angebot der Mediathek personalisieren und die Erstellung von thematischen Inhaltsgruppen automatisieren. Wir beschreiben unsere Erfahrungen mit Verfahren wie beispielsweise Contextual Multi-Armed Bandits und inhaltsbasiertem Clustering und gehen auf die damit verbundenen Herausforderungen und für uns wichtige Key Performance Indicators ein.