# Spotify meldet Zuwächse durch einen dialogbasierten Musikempfehlungs-Agenten

> Ein Spotify-Forschungsteam beschreibt, wie es mithilfe simulierter Gespräche und automatischer Prompt-Optimierung einen Musik-Agenten entwickelt hat. In A/B-Tests steigerte das System laut Team die Hörzeit und die Zahl der wöchentlich aktiven Nutzer im Vergleich zu einer Funktion, die nur eine laufende Hörsession verfeinert.

Oossa · 2026-09-29 · https://oossa.com/de/spotify-reports-gains-from-a-conversational-music-recommendation-agent

Spotify-Forscher berichten, dass ein dialogbasierter Empfehlung-Agent in Online-A/B-Tests die Hörzeit und die Zahl der wöchentlich aktiven Nutzer erhöhte. Das System ermöglicht es, in Alltagssprache zu beschreiben, wonach man sucht – zum Beispiel: „italienische Indie-Künstler, die ich noch nicht kenne“ –, statt nur Änderungen an einer laufenden Hörsession anzufordern.

Die Ergebnisse erscheinen in einem am 28. September 2026 auf arXiv veröffentlichten Paper, das als Beitrag für RecSys 2026 aufgeführt ist. Die Autoren berichten im Vergleich zu Spotifys früherer Funktion zur Verfeinerung von Hörsessions von 14 % mehr Hörzeit, einem Anstieg der wöchentlich aktiven Nutzer um 5 % und einer um 5 % niedrigeren Skip-Rate.

## Wie das System entwickelt wurde

Das Team konzentrierte sich auf eine Herausforderung, die sich vor der Einführung stellt: einem Agenten beizubringen, wie er plant – also welche Tools er in welcher Reihenfolge nutzen soll –, wenn noch keine echten Nutzerkonversationen zum Lernen vorliegen. Die Pipeline wandelt Prompts mit nur einer Gesprächsrunde in simulierte, mehrstufige Gespräche um, damit das Team den Agenten vorab testen kann.

Anschließend kommt ein automatisierter Verbesserungsprozess zum Einsatz, um Fehler bei der Planung und der Tool-Nutzung aufzuspüren und zu beheben. Die Methode vergleicht verschiedene Antworten des Agenten und nimmt mithilfe eines Coding-Agenten schrittweise Anpassungen vor. Laut den Forschern stieg die Qualität dadurch gegenüber einem bereits stark optimierten, manuell erstellten Prompt um 8 %. Außerdem habe das Verfahren die Entwicklungszyklen verkürzt, wobei das Abstract des Papers keine konkrete Zeitangabe macht.

## Was die Ergebnisse zeigen

Die genannten Werte zu Hörzeit und Interaktion stammen aus Online-Tests, in denen das System mit einer bestimmten früheren Funktion verglichen wurde – nicht mit allen Nutzungsmöglichkeiten von Spotify. Im Abstract gibt das Paper weder an, wie viele Personen teilgenommen haben und wie lange die Tests liefen, noch ob der Agent allen Nutzern zur Verfügung steht.

Im Mittelpunkt der Arbeit steht vor allem eine Entwicklungsmethode: Gespräche zu generieren und automatische Überarbeitungen einzusetzen, um einen Agenten vor und während der Einführung zu verbessern. Dieser Ansatz könnte Teams dabei helfen, Tools für natürlichsprachige Empfehlungen zu testen, auch wenn zu Beginn nur wenige echte Interaktionsdaten vorliegen.

## Die Fakten

- Das Paper wurde am 28. September 2026 auf arXiv veröffentlicht; als Veröffentlichungsreferenz ist RecSys 2026 angegeben.
- Die Forscher erzeugten aus Prompts mit nur einer Gesprächsrunde mehrstufige Gespräche, um den Agenten vor der Einführung zu testen.
- Das Team berichtet von einer um 8 % höheren Qualität gegenüber einem stark optimierten, manuell erstellten Prompt.
- In A/B-Tests berichten die Forscher im Vergleich zur vorherigen Funktion zur Verfeinerung von Hörsessions von 14 % mehr Hörzeit, 5 % mehr wöchentlich aktiven Nutzern und einer um 5 % niedrigeren Skip-Rate.

## Warum es wichtig ist

Für Hörer soll der Ansatz es einfacher machen, Musik mit detaillierten Beschreibungen aus dem Alltag anzufragen. Die gemeldeten Zuwächse sind ermutigend, doch das Abstract nennt weder Umfang noch Dauer der Tests und belegt auch nicht, dass der Agent allen Nutzern zur Verfügung steht.

## Quellen und Referenzen

1. [Bootstrapping Conversational Recommendation Agents At Spotify: Synthetic Data Generation and Self-Improvement Loops](https://arxiv.org/abs/2609.30297) – arXiv, 2026-09-28

Zuletzt aktualisiert: 2026-09-29