Neues Empfehlungssystem bei Netflix nutzt Sprachmodelle zur Verbesserung der Empfehlungen

Die Personalisierung von Inhalten ist für Streaming-Dienste wie Netflix von zentraler Bedeutung. Seit Jahren setzt das Unternehmen auf ausgefeilte Empfehlungssysteme, die auf einer Vielzahl handgefertigter Features basieren. Nun rückt ein neuer Ansatz in den Fokus: Netflix testet ein auf großen Sprachmodellen (LLMs) basierendes System namens GenRec, das das Potenzial hat, die Art und Weise, wie Inhalte empfohlen werden, grundlegend zu verändern.

Ein Paradigmenwechsel in der Empfehlungstechnologie

Das bestehende Empfehlungssystem von Netflix ist das Ergebnis jahrelanger Entwicklung und stützt sich auf Tausende von manuell erstellten Features. Diese Features umfassen detaillierte Informationen über Nutzer, Inhalte und deren Interaktionen. Obwohl dieses System hochoptimiert ist, bringt seine Komplexität Herausforderungen mit sich. Die Integration neuer Inhaltstypen wie Spiele oder Podcasts oder die Erweiterung der Empfehlungen auf neue Bereiche der Benutzeroberfläche ist aufwendig und kostspielig.

GenRec, eine Entwicklung des Netflix-Technologieteams, bietet hier einen alternativen Weg. Statt auf eine aufwendige manuelle Feature-Entwicklung zu setzen, nutzt GenRec ein Sprachmodell, um Nutzerverhalten und Kontext zu interpretieren. Der Kernansatz besteht darin, Interaktionen wie Wiedergaben, Wiedergabedauer, Bewertungen oder Listenhinzufügungen in Klartext umzuwandeln. Dieser textbasierte Ansatz ermöglicht es dem Modell, Muster und Präferenzen eigenständig zu erkennen, ohne dass diese explizit als Features definiert werden müssen.

Die Funktionsweise von GenRec

Die Entwicklung von GenRec erfolgt in zwei Hauptphasen. Zunächst wird ein offenes Sprachmodell mit Netflix-spezifischen Daten feinabgestimmt. In dieser Phase lernt das Modell den umfangreichen Katalog und die komplexen Verhaltensmuster der Nutzer zu verstehen. In einer zweiten, spezialisierten Trainingsphase wird dieses Basismodell dann zu einem Empfehlungs-Ranker weiterentwickelt. Diese zweite Phase wird häufiger aktualisiert, um neuen Titeln und sich ändernden Nutzerpräferenzen Rechnung zu tragen.

Ein wesentlicher Aspekt des GenRec-Designs ist die effiziente Verarbeitung von Nutzerdaten. Da eine vollständige Textversion jeder Interaktion den Kontextrahmen des Modells übersteigen würde, filtert Netflix die Daten aggressiv. Ereignisse mit hoher Relevanz, wie lange Wiedergabesitzungen, werden detailliert beibehalten, während kurze Interaktionen oder schnelles Scrollen möglicherweise weggelassen oder komprimiert werden. Um sicherzustellen, dass nur tatsächlich existierende Titel empfohlen werden, ist eine separate Komponente integriert, die ausschließlich Katalogeinträge bewertet.

GenRec arbeitet auf Basis von vLLM, einem Framework, das es dem Modell ermöglicht, den Input einmal zu lesen und alle Kandidaten in einem einzigen Durchlauf zu bewerten, ohne dabei Text zu generieren. Dieser Ansatz trägt dazu bei, die Rechenkosten zu minimieren und die Effizienz zu steigern.

Erste Ergebnisse und deren Implikationen

Die ersten Tests mit GenRec zeigen vielversprechende Ergebnisse. Im Offline-Vergleich mit dem langjährig optimierten Produktionssystem erreichte GenRec eine um etwa 1,6 Prozent bessere Ranking-Qualität. Bemerkenswert ist dabei, dass GenRec in der zweiten Trainingsphase ungefähr 40-mal weniger gelabelte Beispiele benötigte. Dies deutet auf eine signifikante Effizienzsteigerung im Trainingsprozess hin.

Auch in Live-A/B-Experimenten mit einem Teil des Nutzerverkehrs konnte GenRec überzeugen. Über einen Zeitraum von vier Wochen zeigte sich eine Steigerung einer kurzfristigen Metrik für das Nutzerverhalten auf der Startseite um 0,115 Prozent und eine Verbesserung einer langfristigen Kernmetrik um 0,006 Prozent. Netflix betont, dass diese Zuwächse statistisch signifikant sind und nicht dem Zufall zuzuschreiben sind.

Die Empfehlungsspezifische Feinabstimmung in Phase 2 trägt maßgeblich zur Leistungssteigerung bei und kann die Performance des Basismodells um 35 bis 50 Prozent erhöhen. Wenn das Basismodell älter wird und neue Inhalte oder Präferenzen nicht mehr widerspiegelt, kann dieser Unterschied sogar auf bis zu 80 Prozent anwachsen. Dies unterstreicht die Bedeutung einer regelmäßigen Aktualisierung der Empfehlungsmodelle.

Kontext-Engineering statt Feature-Engineering

Netflix betrachtet GenRec als Teil eines umfassenderen Trends in der Entwicklung von Empfehlungssystemen. Der Fokus verschiebt sich von der Entwicklung spezifischer Architekturen für jede Empfehlungsaufgabe hin zur Nutzung eines einzigen Sprachmodells, das mehrere Anwendungsfälle abdeckt. Die Ingenieurarbeit verlagert sich somit von der Erstellung immer neuer Features zur Entscheidung, welche Signale in den Modelleingabe integriert werden sollen und in welchem Umfang. Dies hat auch Auswirkungen auf die Infrastruktur, die sich zunehmend auf GPU-Server und LLM-Tools konzentriert.

Das Netflix-Team bezeichnet GenRec als einen "frühen, aber vielversprechenden Schritt" und eine starke Alternative zu herkömmlichen Empfehlungsmodellen. Eine vollständige Ablösung des bestehenden Systems ist derzeit noch nicht geplant. Netflix setzt bereits seit Jahren maschinelles Lernen in verschiedenen Bereichen ein, darunter die Vorhersage von Inhaltskategorien und Zuschauerzahlen mittels Wissensgraphen und Ähnlichkeitskarten.

Fazit und Ausblick

Die Einführung von GenRec bei Netflix markiert einen wichtigen Schritt in der Evolution von Empfehlungssystemen. Durch die Nutzung von Sprachmodellen und einem textbasierten Ansatz gelingt es, die Komplexität der Feature-Entwicklung zu reduzieren und gleichzeitig die Qualität der Empfehlungen zu verbessern. Die erzielten Ergebnisse, auch wenn die Online-Zuwächse prozentual klein erscheinen, sind in Anbetracht der Reife des bestehenden Systems bedeutsam. Sie zeigen das Potenzial von LLMs, auch in hochoptimierten Bereichen wie der Inhaltsempfehlung, innovative Lösungen zu bieten. Für B2B-Unternehmen, die sich mit personalisierten Inhalten oder datengesteuerten Empfehlungen beschäftigen, bietet dieser Ansatz wertvolle Einblicke in die zukünftige Ausrichtung dieser Technologien.

Bibliografie

• Kemper, J. (2026, 22. August). Netflix tests language model as alternative to hand-built recommendation logic. The Decoder.
• Li, Y., Rao, A., & Sehgal, S. (2026, 30. Juli). GenRec: Towards LLM-Native Recommendation at Netflix. Netflix Technology Blog.
• Li, Y., Sehgal, S., Rao, A., Houthooft, R., Zhu, Y., & Rastogi, A. (2026). GenRec: An LLM‑Backed Recommendation Ranker at Netflix. arXiv.
• RuntimeWire. (2026, 15. August). Netflix tests GenRec on 10% of traffic, reports 0.006% relative lift.
• Reverberi, L. (2026, 22. August). Netflix GenRec: LLM instead of recommendation logic. shm.studio.
• Caldwell, M. (2026, 31. Juli). LLM-Native Recommendation Architecture After Netflix GenRec. PastAGI.
• Chowdary, D. (2026, 5. August). GenRec: Towards LLM-Native Recommendation at Netflix. Tech Bytes.