Empfehlungssysteme | Personalisierte Produktempfehlungen

Was ist ein Empfehlungssystem und warum wird es eingesetzt?

Bei einem Empfehlungssystem (engl. recommender system) handelt es sich um ein Softwareprogramm, welches den Nutzer in der Entscheidungsfindung unterstützt. Es basiert auf maschinellem Lernen sowie künstlicher Intelligenz, wodurch Empfehlungen aus vorhandenen Daten automatisch generiert werden.

Ziel ist es, Vorschläge anhand von vorhandenen Daten des Benutzers zu ermitteln, die am relevantesten für den User sind und seinen Geschmack, sein Interesse oder sein Bedürfnis treffen bzw. abdecken. Bekannte Anwendungsfälle: Amazon, Netflix und Spotify


Empfehlungsdienste können aber auch als interne Prozessunterstützung zur Anwendung kommen, wenn beispielsweise kontextbezogene Dokumente bzw. Informationen kontextbezogen benötigt werden.

Einsatzmöglichkeiten:

Die Verwendung von Empfehlungssystemen zur Verbesserung von Prozessen ist sehr vielfältig:

  • E-Commerce und Webshops
  • Streaming-Dienste
  • POS (Point-of-Sale)
  • Kundencenter
  • Online- und Bannerwerbung
  • u.v.m.

Vielseitige Anwendungsbereiche • Bemerkenswerte Vorteile

Stärken Sie Ihre Wettbewerbsfähigkeit!

Wir beraten Sie gerne!

Vorteile von Empfehlungsdiensten:

Welche Arten von Empfehlungssystemen gibt es?

Grundsätzlich wird zwischen zwei Typen unterschieden:

  • Inhaltsbasiertes Filtern (Content-Based Filtering)
    1. Diese Methode bezieht sich auf das Benutzerprofil des Users. Empfehlungen basieren zur Gänze auf den Bewertungen, die dieser Nutzer in der Vergangenheit abgegeben hat. Desto mehr Nutzer-Feedback gesammelt wird, desto genauer werden die Prognosen erstellt.
  • Kollaboratives Filtern (Collaborative Filtering)
    1. Dieser Typ wird besonders häufig eingesetzt. Kollaboratives Filtern analysiert im Gegensatz zu inhaltsbasiertem Filtern nicht das Verhalten eines einzelnen Nutzers, sondern stellt Ähnlichkeiten aufgrund der Masse der Nutzer fest. Dadurch werden Übereinstimmungen von Nutzerprofilen gesammelt, um treffende Prognosen für personalisierte Empfehlungen zu erstellen.

Die meisten heutigen Systeme vereinen beide Typen. Man nennt sie hybride Empfehlungssysteme, welche die Vorteile von inhaltsbasierten- und kooperativen Filtern in die Empfehlungen für den Nutzer einfließen lassen.

Beispiel: Amazons kooperatives Objekt-zu-Objekt-Filtern ("Nutzer die X gekauft haben, interessierten sich auch für Y")

Nutzen Sie die Vorteile von Empfehlungsdiensten für Sie und Ihre Kunden

Wir beraten Sie gerne!

Prozessverbesserungen dank Empfehlungsdiensten

Bei Bestellungen können Lieferanten, anhand der Beschreibung der zu bestellenden Ware, vorgeschlagen werden. Im Hintergrund werden dabei lieferantenabhängige Details berücksichtigt, wie etwa:

  • Liefertreue
  • Lieferqualität (Reklamationshäufigkeit, Reklamationswert, Reklamationsaktualität)
  • Preis-Leistungs-Verhältnis
  • etc.

Im produktiven Umfeld können Fertigungsunterlagen kontextbezogen vorgeschlagen werden. Individuelle Kontexte werden berücksichtigt, wie z.B.:

  • Kunde (Sprache, Lieferort, Normen, kundenabhängige Eigenheiten, ...)
  • Prozessschritt (Konstruktion, Arbeitsvorbereitung, Fertigung, Endkontrolle)
  • Produktklasse (Auftragsgröße, Auftragsmenge, Material, ...)
  • etc.

Im Bereich der Qualitätskontrolle können Checklistenpunkte kontextbezogen priorisiert und vorgeschlagen werden.

Im Support ist es möglich, anhand der Fehlerbeschreibung Supportmitarbeitern potenzielle Lösungsvorschläge anzubieten. Das System assistiert somit dem Mitarbeiter / der Mitarbeiterin effektiv bei der Lösungsfindung.

Die bekanntesten Anwendungsbeispiele:
  • Buchvorschläge (z.B. Thalia, Amazon)
  • Produktvorschläge (z.B. Hornbach, WIFI)
  • Suchvorschläge (z.B. Google)
  • E-Learning-Angebote (z.B. Udemy)
  • Informations- und Nachrichtenportale (z.B. Stern)
  • Medienempfehlungen (z.B. Netflix)
  • u.v.m.

Weitere Bereiche, in denen KI zum Einsatz kommt

Individualsoftware-Lösungen nach Maß

Wir beraten Sie gerne!

Haben Sie Interesse an der Implementierung eines Empfehlungsdienstes oder spezifische Fragen zu unseren Services?

Die mit * markierten Felder sind Pflichtfelder.

Kontakt aufnehmen

Die mit * markierten Felder sind Pflichtfelder.

Weitere spannende Themen