Entwicklung und Integration eines adaptiven POI-Empfehlungssystems in die Vanlife-Applikation

Einleitung: Das Projekt befasst sich mit der Erweiterung der bestehenden «Vanlife Travel»
Anwendung durch die Entwicklung und Integration eines intelligenten, adaptiven
Empfehlungssystems für Points of Interest (POI). Ziel ist es, das Nutzererlebnis durch personalisierte
Vorschläge für Aktivitäten und Sehenswürdigkeiten entlang generierter Reiserouten zu bereichern
und so die Nutzerbindung sowie den funktionalen Mehrwert der Plattform zu steigern.
Vorgehen: Für die Empfehlungen wurden bestehende POI-Daten aus der Anwendung verwendet, die
ursprünglich aus OpenStreetMap stammen und bereits als tag-basierte Geodaten in einer Datenbank
strukturiert vorlagen. Nutzerpräferenzen werden über einen initialen Fragebogen erfasst und in
einem Profil abgebildet, das einen mehrdimensionalen Benutzer-Vektor (basierend auf Big-Five
Persönlichkeitsmerkmalen), eine TravelPreferenceClass und einen GroupStyle umfasst. Technisch
kombiniert ein hybrider Empfehlungsansatz wissensbasierte Filterung (Abgleich expliziter
Präferenzen mit POI-Tags) und inhaltsbasierte Methoden (Abgleich von POI-Merkmalen mit dem
Nutzerprofil, teils mittels einer TagAffinityMatrix) zur gezielten Lösung des Kaltstartproblems.
Ergänzt wird dies durch profilbasiertes kollaboratives Filtern, bei dem aggregiertes Nutzerfeedback
(Likes/Dislikes) innerhalb von Nutzersegmenten (TravelPreferenceClass) die Empfehlungen
dynamisch anpasst. Dieses System wurde nahtlos in die bestehende Microservice-Architektur der
Vanlife-Plattform integriert, wobei dedizierte Services für Nutzerprofile, POI-Daten und die
Empfehlungsberechnung über RESTful APIs und gRPC kommunizieren.
Ergebnis: Das Resultat ist ein voll funktionsfähiges und skalierbares POI-Empfehlungssystem, das
Nutzern entlang ihrer Reiseroute relevante und personalisierte Vorschläge unterbreitet. Durch die
Zuweisung von Nutzern zu vordefinierten Reisepräferenz-Klassen und die dynamische Aggregation
von Nutzerfeedback (Likes/Dislikes) verbessert das System laufend die Empfehlungsqualität. Ein
Scoring-Algorithmus fusioniert dazu persönliche Relevanzbewertungen – basierend auf der Affinität
des individuellen Benutzer-Vektors zu POI-Tags (unterstützt durch eine TagAffinityMatrix) – mit
gruppenbasierten Bewertungen, die aus dem Feedback ähnlicher Nutzer (gleiche
TravelPreferenceClass) abgeleitet werden. Diese Scores werden gewichtet zu einem Gesamtwert
kombiniert, was zu nachvollziehbaren und relevanten Vorschlägen führt. Die Lösung ist erfolgreich in
die Frontend- und Backend-Strukturen eingebettet und bereit für den produktiven Einsatz, um die
Reiseplanung für Vanlife-Enthusiasten intelligenter und inspirierender zu gestalten.