The perfect Match?

Künstliche Intelligenz – was ist das eigentlich?

Das Thema Linked Open Data (LOD) wird oft in Zusammenhang mit dem Begriff der Künstlichen Intelligenz (KI) genannt. KI ist dabei als ein Oberbegriff zu verstehen, mit dem unterschiedliche automatisierte Rechenverfahren wie Machine Learning (ML) beschrieben werden. Es ist richtig, dass maschinenlesbare Daten in Form von Linked Open Data und Machine Learning unmittelbar zusammenhängen.

Ziel ist es hierbei mit maschineller Unterstützung Muster in Daten zu erkennen und auf dieser Basis Vorhersagen abzuleiten. Bei der Bilderkennung wäre dies bspw. die automatische Unterscheidung von Hund und Katze auf Basis von Rechenmodellen (Algorithmen). Die Maschine lernt anhand von Beispielen (Trainingsdaten): Je mehr Hunde- und oder Katzenbilder die Maschine verarbeitet und je mehr Fehler korrigiert werden (Training des Algorithmus) desto besser wird das Rechenmodell.

Basis des maschinellen Lernens ist also das Trainieren von Algorithmen mit Trainingsdaten. Derartige Algorithmen entwickeln sich nach einigen Trainingsrunden auch selbst weiter, weshalb von einer vermeintlichen „Intelligenz“ gesprochen werden kann. Die Trainingsdaten für diese Algorithmen können nun in unterschiedlicher Form vorliegen. Sobald die Daten alle mit einer einheitlichen „Sprache“ bzw. „Ontologie“ (wie bspw. schema.org) beschrieben sind, spricht man von strukturierten Daten.

Sie sind interoperabel und können in der Regel von Maschinen besonders gut interpretiert werden. Die Beschreibung von Daten sowie deren freie Zurverfügungstellung ist also ein Hilfsmittel für die Künstliche Intelligenz. Sie kann auf einem derartigen Datenbestand aufbauen, da die Beschreibungssprache auch für Maschinen les- und interpretierbar ist.

Ablauf des Machine Learning

Ablauf des Machine Learning

Linked Open Data und Digitale Assistenten

Als Basisanwendung für Linked Open Data und Künstliche Intelligenz wird oft von digitalen oder smarten Assistenten gesprochen. Dies sind Systeme, welche individualisierte Anfragen beantworten und personalisierte Empfehlungen an Gäste geben können. Die Vision ist, dass diese Assistenzsysteme in naher Zukunft Reisenden als Berater oder Coach zur Seite stehen.

Damit dies gut funktioniert, müssen Daten aus unterschiedlichen Quellen zur Verfügung stehen und mittels KI-Algorithmen miteinander in Beziehung gesetzt werden.

Innerhalb der Studie „Unterwegs mit Smarten Assistenten“ wird zwischen zwei Arten von Daten differenziert:

  1. Daten für Gäste: Dies sind alle Daten, die auch im Kontext von Linked Open Data diskutiert werden. Also POIs, Events, Hotels, Gastronomie usw.
  2. Daten über Gäste: Bei dieser Art von Daten geht es insbesondere um Nutzerdaten und somit um personenbezogene Daten. Diese werden aufgrund von Datenschutzrichtlinien nicht im Rahmen von Linked Open Data besprochen.

Bei Daten für Gäste kann weiter zwischen statischen Daten (POIs, Stammdaten von Hotels usw.) und dynamischen Daten (Veranstaltungen, Wetter, Verkehrslage, Verfügbarkeiten und Preise von Hotels usw.) differenziert werden. Daten über Gäste können zum einen dazu genutzt werden, um Nutzerprofile über deren Präferenzen und Verhalten zu erstellen. Zum anderen bietet die Aggregation der Nutzerdaten große Potenziale für Vorhersagen zu Auslastungen, Besucherströmen sowie vielen weiteren Szenarien, die für digitale Assistenten wichtig sind, um Vorhersagen über Auslastungen etc. treffen zu können und diese an die Gäste in personalisierter Weise weiterzugeben.

Daten in Verbindung mit dem Gast

Daten in Verbindung mit dem Gast

Die Kombination der Daten bietet große Potenziale bei der Verbindung von analogen und digitalen Erlebniswelten. Neben den Daten wird hierbei insbesondere eine Schnittstelle zwischen dem Gast und der Destination sowie eine Infrastruktur, die den Austausch der Daten ermöglicht, benötigt (siehe Abbildung).

Digitale Infrastruktur von Smart Destinations

Digitale Infrastruktur von Smart Destinations

Auf einer solchen Datenbasis mit digitaler Infrastruktur können Anwendungen mit Funktionen wie automatisierten Zugangskontrollen (bspw. bei Festivals), bargeldlosem Bezahlen (bspw. in Freizeitparks), Navigationshilfen jeglicher Art (bspw. in Skigebieten) oder alle erdenklichen Informationsübertragungen in Echtzeit (bspw. auf Kreuzfahrtschiffen) realisiert werden.

DMOen als digitale Plattformen

Die Verbindung von Daten für Gäste in Form von Linked Open Data mit Daten über Gäste in Form von Nutzerprofilen, ermöglicht es DMOen selbst zu einer digitalen Plattform zu werden. Auf Destinationsebene scheinen in diesem Zusammenhang insbesondere digitale Gästekarten erfolgversprechend zu sein. Der Begriff der Gästekarte sollte jedoch deutlich weitergedacht werden.

Wearables als digitale Gästekarte

Wearables als digitale Gästekarte

Eine digitale Gästekarte ist zum einen diejenige Instanz, die Nutzerdaten (gegen Einwilligung) sammeln kann. Zum anderen stehen offene Daten zu allen relevanten Touchpoints innerhalb der Destination bereit und können den Gästen über eine komplementäre App zur Karte angezeigt werden. Das physische Element der Karte bzw. in Form eines Wearables ist dabei der Enabler (Ermöglicher), um Zugang zu realen Angeboten zu bekommen (siehe Abbildung).

Die Digitale Gästekarte als Steuerungselement der DMO

Die Digitale Gästekarte als Steuerungselement der DMO

Auf lange Sicht können so mit Unterstützung von Künstlicher Intelligenz Modelle entwickelt werden, welche das Verhalten der Nutzer in eine bestimmte Richtung lenken. Diese gezielte Beeinflussung des Verhaltens kann sehr gut mit Aspekten der Nachhaltigkeit kombiniert werden, wenn ein bestimmtes (nachhaltiges) Verhalten belohnt wird. Der Gast erhält also einen Stups (engl. Nudging) in eine bestimmte Richtung.

Datenmanagement im Zeitalter der Künstlichen Intelligenz

Die Aufarbeitung der Daten ist also insbesondere vor dem Hintergrund des maschinellen Lernens höchst relevant. Dabei ist es wichtig zu verstehen, dass es primär um die Festlegung auf eine einheitliche Auszeichnungssprache geht und eben nicht um die Festlegung auf eine einheitliche Plattform zur Veröffentlichung der Daten. Denn das Ziel von Linked Open Data ist genau die Unabhängigkeit von einem bestimmten System.

Durch die Zusammenführung der Daten über einen gemeinsamen Standard ist die Datenbasis mehr als die Summe ihrer Einzelteile. Daten müssen also nicht zentral gehalten werden, sondern sie müssen einheitlich ausgezeichnet werden. Nur so kann eine Unabhängigkeit von Drittanbietern (Plattformen) wie Google oder Booking.com ermöglicht werden, da offene Daten von allen genutzt werden können.

Um die flächendeckende Nutzung von Daten zu ermöglichen ist es elementar, dass DMOen ihre Leistungsträger und andere touristische Akteure innerhalb der Region aufklären und ihnen die Relevanz eines modernen Datenmanagements erläutern. Dabei obliegt es jeder Destination selbst zu entscheiden, was von diesen Daten öffentlich zur Verfügung stehen soll. Hier entscheiden am Ende die individuelle Digitalstrategie sowie dahinterliegende Geschäftsmodelle.

Linktipps und Quellen

Eric Horster, Fachhochschule Westküste

Eric Horster

Fachhochschule Westküste

Eric Horster ist Professor an der Fachhochschule Westküste im Bachelor- und Masterstudiengang International Tourism Management (ITM) mit den Schwerpunktfächern Digitalisierung im Tourismus und Hospitality Management. Er ist Mitglied des dortigen Instituts für Management und Tourismus (IMT).

Mehr zur Person unter: http://eric-horster.de/

Elias Kärle, Universität Innsbruck

Elias Kärle

Universität Innsbruck

Elias Kärle ist Wissenschaftler an der Universität Innsbruck. In seiner Forschung beschäftigt er sich mit Knowledge Graphs, Linked Data und Ontologien. Als Vortragender referiert er meist zur Anwendung und Verbreitung semantischer Technologien im Tourismus.

Mehr zur Person unter: https://elias.kaerle.com/