17.12.2019

Wie booking.com Machine Learning zur Reiseplanung einsetzt

Die Travel-Website booking.com kann getrost als Benchmark für junge Startups der Branche bezeichnet werden. Eine Expertin erläutert, wie das Unternehmen Machine Learning einsetzt, um die Reisenden individuell zu adressieren.
/artikel/booking-com
Reise buche mobil mit booking.com
(c) Adobe Stock / kite_rin

Die niederländische Travel-Website booking.com kann getrost als eine der europäischen Tech-Erfolgsgeschichten bezeichnet werden: 1996 ging der Dienst unter der Adresse bookings.nl online, im Juli 2005 erfolgte der Exit an die damalige Priceline Goup für 133 Millionen US-Dollar. Priceline heißt inzwischen Bookings Holdings, und zum Portfolio gehören neben booking.com auch andere Größen der Travel-Branche, wie Agoda, Kayak und OpenTable.

+++Erfolgsstory Urlaubsguru: Von der Studenten-WG zum 200-Mitarbeiter-Unternehmen+++

Auf Booking.com selbst sind derzeit über 29 Millionen Unterkünfte gelistet, pro Tag werden über 1,5 Millionen Nächtigungen gebucht. Und das Unternehmen setzt nun auch auf KI zum Vorantreiben des eigenen Geschäfts, wie Noa Barbiro, Group Product Manager Data Science bei Booking.com Tel Aviv, im Rahmen des WeAreDevelopers Congress Vienna erläutert.

Wie User bei booking.com individuell angesprochen werden

Das zeigt sich zum Beispiel beim Blick auf das Front-End. So erhält der User zu einem Reiseziel etwa Empfehlungen dazu, welche Sehenswürdigkeiten er besuchen sollte („Topic Modelling“) und wann er seine Reise antreten sollte – basierend auf den Metriken, welche die aktuelle Buchungsauslastung zeigen.

+++ Mehr zum Thema Mobilität +++

Das „Bestseller“-Label wird auf booking.com an jene Unterkünfte vergeben, die vom System automatisch als Hotels mit besonders hoher Nachfrage identifiziert wurden. Auch der angezeigte Content für den jeweiligen User – etwa das Foto zum jeweiligen Hotel und die vorausgewählte Zimmerkategorie – werden vom System automatisch individuell angepasst.

Empfohlene Reiseziele via AI

„Wir haben Machine Learning aber fast überall im Einsatz. Nicht nur bei der Personalisierung des Front End, sondern auch im Backend“, sagt Barbiro. Das zeigt sich etwa in den empfohlenen Reisedestinationen, welche dem User individuell auf der mobilen Website angezeigt oder im Newsletter ausgespielt werden.

+++ASI und Fineway: Zwei Startups revolutionieren das Geschäft der Reisebüros+++

Auch das „Road Trip Problem“ wird in diesem Kontext adressiert: Basierend auf vorherigen Buchungen bei einem Urlaub mit mehreren Teildestinationen errechnet das System, welches Ziel der Reisende vermutlich als nächstes ansteuern wird – und schlägt ihm dann entsprechend gleich Unterkünfte vor.

Analyse der Urlaubsbilder für Empfehlungen

Und auch die Bildanalyse findet verstärkt Anwendung bei booking.com. Denn heutzutage findet sich auf der Website deutlich mehr Fotos als in den Anfangsjahren, die von den Hoteliers selbst oder auch von den Gästen bereitgestellt werden – und diese enthalten wichtige Informationen, die über Buchung oder Nicht-Buchung entscheiden können. Auch hier kommt Machine Learning zum Einsatz. So kann eine Software erkennen, ob die Unterkunft zum Beispiel eine Terrasse mit Aussicht auf die City-Skyline oder einen Pool hat. Passend zu den jeweiligen Bildern werden somit auch Informationen in Textform bereitgestellt.

+++Flightshaming? 19-jähriger Niederösterreicher gründet Reisebüro für Zugfernreisen+++

Machine Learning bietet somit viele Möglichkeiten für Travel-Websites, wie die booking.com-Expertin ausführt – es ist jedoch nicht der einzige Faktor auf dem Weg zum Erfolg: Ebenso wichtig ist die Personalisierung der Nutzererfahrung, was neben dem Machine Learning auch durch Aspekte wie die Perfoemance des Backends und das Design des Frontends beeinflusst wird.

Redaktionstipps
Deine ungelesenen Artikel:
15.07.2026

Startup-House-Gründer Manuel Gahn verkauft Social-Fitness-App cheerin‘

Nach sieben Jahren, mehr als einer Million verbrannter Euro und zahlreichen Wendungen zieht Startup-House-Gründer Manuel Gahn einen Schlussstrich unter das Kapitel von cheerin‘. Die Social-Fitness-App soll nun von einer neuen Gründerpersönlichkeit übernommen und weiterentwickelt werden.
/artikel/startup-house-gruender-manuel-gahn-verkauft-social-fitness-app-cheerin
15.07.2026

Startup-House-Gründer Manuel Gahn verkauft Social-Fitness-App cheerin‘

Nach sieben Jahren, mehr als einer Million verbrannter Euro und zahlreichen Wendungen zieht Startup-House-Gründer Manuel Gahn einen Schlussstrich unter das Kapitel von cheerin‘. Die Social-Fitness-App soll nun von einer neuen Gründerpersönlichkeit übernommen und weiterentwickelt werden.
/artikel/startup-house-gruender-manuel-gahn-verkauft-social-fitness-app-cheerin
cheerin'
(c) Lumia - Manuel Gahn.

„Goodbye. I am selling my startup – cheerin‘ is for sale. Most people know me nowadays as the Startup House by Lumia guy. But before, I was building a Social Fitness & Health App – cheerin‘ (formerly known as Sparcs)“.

cheerin‘ – ein sozialer Kleber

So vermeldet Startup-House-Gründer Manuel Gahn den Verkauf seines „alten“ Projekts auf LinkedIn und beschreibt seine Gefühlslage gegenüber brutkasten als eine mit „schwerem Herzen“: „Ich suche eine:n sportbegeisterte(n) Käufer:in mit Startup-Erfahrung, die das fertige Produkt übernehmen und die User-Base skalieren will.“

Gahn bezeichnet cheerin‘ als sozialen Kleber zwischen allen bestehenden Fitness- und Gesundheit-Apps. Konkret vereinfacht es die App, die Fitness-Fortschritte von Freund:innen bejubeln zu können – gedacht für jene, die sich mit anderen verbinden und gemeinsame Aktivitäten ausführen wollen.

„Auch um neue Leute kennenzulernen, die ähnliche Interessen haben. In meiner übergewichtigen Vergangenheit war ich natürlich auch selbst User solcher Apps, fand aber in Runtastic und Co. keine Lösung meines Problems“, sagt Gahn.

40.000 Erspartes investiert

Angefangen hat alles 2019 im SIMC-Masterprogramm der WU, als Gahn Robin Görlich kennenlernte. Mit ihm schrieb er eine Masterarbeit zu digitalem Nudging und beschloss dies auszugründen. Der erste Prototyp hieß Joy: „Mit diesem konnten wir den Community-Award der Entrepreneurship Avenue gewinnen. Von meinem 40.000 Euro Erspartem konnte ich die ersten Entwickler zahlen – natürlich ohne genau zu wissen was eigentlich das Produkt werden sollte. Nach über 20 Absagen diverser Förderagenturen, vielen weiteren Rückschlägen und Pivots kristallisierte sich langsam heraus, dass nicht weitere To-Do Listen oder Gamifications nötig sind, sondern es einfach einen sozialen Kleber zwischen all den Fitness-Apps mit einander kannibalisierenden Netzwerkeffekten braucht. An das Potenzial dieser Idee glaube ich auch heute noch“, sagt er.

100.000 Euro Schulden

Die Idee eines sozialen Netzwerks für die Startup-Szene stieß bei österreichischen Business Angels und VCs zunächst auf wenig Begeisterung. Nach zwei Jahren stand Gahn mit rund 100.000 Euro Privatschulden da. International sah das Bild jedoch ganz anders aus: Auf Konferenzen wie Web Summit, Slush und SXSW weckte das Konzept das Interesse einiger der renommiertesten Venture-Capital-Fonds der Welt, darunter Accel und Index Ventures. Zwar entstand daraus indirekt eine kleine Angel-Runde, gleichzeitig kam es jedoch zum Bruch mit dem Co-Founder.

Wenig später folgte die Einladung der WKO zum Programm „Go Silicon Valley“. Rückblickend war diese Reise ein Wendepunkt für den Founder: „Das war einerseits der Push und das persönliche Mindset-Wachstum, das ich ich brauchte, um ganz groß zu Denken; andererseits war es auch der Anfang vom Ende“, sagt Gahn. Im Silicon Valley konnte er hochkarätige Advisor gewinnen, darunter Satadip Dutta, COO von Pinterest, und Chris Wilk, Fitness Lead bei Google. Trotz mittlerweile rund 200.000 Euro Privatschulden zu dem Zeitpunkt rückte damals eine Seed-Finanzierung in greifbare Nähe.

Silicon Valley als Inspiration

Mindestens genauso prägend war jedoch die Atmosphäre in den Coworking Spaces des Silicon Valley und wohl auch der Grund für das Nichtzustandekommen einer Finanzierung. Die Offenheit, Dynamik und Community, die Gahn dort erlebte, vermisste er in den österreichischen Vertretungen. „Nach zwei Monaten kehrte ich mit einer neuen Idee zurück: dem Startup House.“

Obwohl cheerin‘ erste Downloads verzeichnete und das Feedback der Nutzerinnen und Nutzer äußerst positiv war, rückte das Projekt zunehmend in den Hintergrund. Mit dem rasanten Erfolg der anschließend gegründeten Lumia Group endete schließlich die operative Arbeit an cheerin‘.

Von cheerin‘ zu Lumia

„Heute bin ich stolz, in sieben Jahren Startup-Spirit extrem viel gelernt zu haben und persönlich gewachsen zu sein“, sagt Gahn. „Ich habe über eine Million Euro verbrannt und bin viele Jahre ‚all in‘ gegangen, ohne einen Cent herauszubekommen. Gleichzeitig hat mich genau dieser Weg dank cheerin‘ zu Startup House und schließlich zur Lumia Group geführt. Heute bin ich aber ebenso froh, die Entscheidung treffen zu können, mich von cheerin‘ zu trennen. Ich hoffe, eine(n) motivierten Gründer oder Gründerin zu finden, die oder der als Eigentümer(in) und CEO in meine Fußstapfen treten möchte.“

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Wie booking.com Machine Learning zur Reiseplanung einsetzt

Die niederländische Travel-Website booking.com kann getrost als eine der europäischen Tech-Erfolgsgeschichten bezeichnet werden: 1996 ging der Dienst unter der Adresse bookings.nl online, im Juli 2005 erfolgte der Exit an die damalige Priceline Goup für 133 Millionen US-Dollar. Priceline heißt inzwischen Bookings Holdings, und zum Portfolio gehören neben booking.com auch andere Größen der Travel-Branche, wie Agoda, Kayak und OpenTable. Das „Bestseller“-Label wird auf booking.com an jene Unterkünfte vergeben, die vom System automatisch als Hotels mit besonders hoher Nachfrage identifiziert wurden. Auch der angezeigte Content für den jeweiligen User – etwa das Foto zum jeweiligen Hotel und die vorausgewählte Zimmerkategorie – werden vom System automatisch individuell angepasst.

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie booking.com Machine Learning zur Reiseplanung einsetzt

Die niederländische Travel-Website booking.com kann getrost als eine der europäischen Tech-Erfolgsgeschichten bezeichnet werden: 1996 ging der Dienst unter der Adresse bookings.nl online, im Juli 2005 erfolgte der Exit an die damalige Priceline Goup für 133 Millionen US-Dollar. Priceline heißt inzwischen Bookings Holdings, und zum Portfolio gehören neben booking.com auch andere Größen der Travel-Branche, wie Agoda, Kayak und OpenTable. Das „Bestseller“-Label wird auf booking.com an jene Unterkünfte vergeben, die vom System automatisch als Hotels mit besonders hoher Nachfrage identifiziert wurden. Auch der angezeigte Content für den jeweiligen User – etwa das Foto zum jeweiligen Hotel und die vorausgewählte Zimmerkategorie – werden vom System automatisch individuell angepasst.

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie booking.com Machine Learning zur Reiseplanung einsetzt

Die niederländische Travel-Website booking.com kann getrost als eine der europäischen Tech-Erfolgsgeschichten bezeichnet werden: 1996 ging der Dienst unter der Adresse bookings.nl online, im Juli 2005 erfolgte der Exit an die damalige Priceline Goup für 133 Millionen US-Dollar. Priceline heißt inzwischen Bookings Holdings, und zum Portfolio gehören neben booking.com auch andere Größen der Travel-Branche, wie Agoda, Kayak und OpenTable. Das „Bestseller“-Label wird auf booking.com an jene Unterkünfte vergeben, die vom System automatisch als Hotels mit besonders hoher Nachfrage identifiziert wurden. Auch der angezeigte Content für den jeweiligen User – etwa das Foto zum jeweiligen Hotel und die vorausgewählte Zimmerkategorie – werden vom System automatisch individuell angepasst.

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie booking.com Machine Learning zur Reiseplanung einsetzt

Die niederländische Travel-Website booking.com kann getrost als eine der europäischen Tech-Erfolgsgeschichten bezeichnet werden: 1996 ging der Dienst unter der Adresse bookings.nl online, im Juli 2005 erfolgte der Exit an die damalige Priceline Goup für 133 Millionen US-Dollar. Priceline heißt inzwischen Bookings Holdings, und zum Portfolio gehören neben booking.com auch andere Größen der Travel-Branche, wie Agoda, Kayak und OpenTable. Das „Bestseller“-Label wird auf booking.com an jene Unterkünfte vergeben, die vom System automatisch als Hotels mit besonders hoher Nachfrage identifiziert wurden. Auch der angezeigte Content für den jeweiligen User – etwa das Foto zum jeweiligen Hotel und die vorausgewählte Zimmerkategorie – werden vom System automatisch individuell angepasst.

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie booking.com Machine Learning zur Reiseplanung einsetzt

Die niederländische Travel-Website booking.com kann getrost als eine der europäischen Tech-Erfolgsgeschichten bezeichnet werden: 1996 ging der Dienst unter der Adresse bookings.nl online, im Juli 2005 erfolgte der Exit an die damalige Priceline Goup für 133 Millionen US-Dollar. Priceline heißt inzwischen Bookings Holdings, und zum Portfolio gehören neben booking.com auch andere Größen der Travel-Branche, wie Agoda, Kayak und OpenTable. Das „Bestseller“-Label wird auf booking.com an jene Unterkünfte vergeben, die vom System automatisch als Hotels mit besonders hoher Nachfrage identifiziert wurden. Auch der angezeigte Content für den jeweiligen User – etwa das Foto zum jeweiligen Hotel und die vorausgewählte Zimmerkategorie – werden vom System automatisch individuell angepasst.

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie booking.com Machine Learning zur Reiseplanung einsetzt

Die niederländische Travel-Website booking.com kann getrost als eine der europäischen Tech-Erfolgsgeschichten bezeichnet werden: 1996 ging der Dienst unter der Adresse bookings.nl online, im Juli 2005 erfolgte der Exit an die damalige Priceline Goup für 133 Millionen US-Dollar. Priceline heißt inzwischen Bookings Holdings, und zum Portfolio gehören neben booking.com auch andere Größen der Travel-Branche, wie Agoda, Kayak und OpenTable. Das „Bestseller“-Label wird auf booking.com an jene Unterkünfte vergeben, die vom System automatisch als Hotels mit besonders hoher Nachfrage identifiziert wurden. Auch der angezeigte Content für den jeweiligen User – etwa das Foto zum jeweiligen Hotel und die vorausgewählte Zimmerkategorie – werden vom System automatisch individuell angepasst.

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie booking.com Machine Learning zur Reiseplanung einsetzt

Die niederländische Travel-Website booking.com kann getrost als eine der europäischen Tech-Erfolgsgeschichten bezeichnet werden: 1996 ging der Dienst unter der Adresse bookings.nl online, im Juli 2005 erfolgte der Exit an die damalige Priceline Goup für 133 Millionen US-Dollar. Priceline heißt inzwischen Bookings Holdings, und zum Portfolio gehören neben booking.com auch andere Größen der Travel-Branche, wie Agoda, Kayak und OpenTable. Das „Bestseller“-Label wird auf booking.com an jene Unterkünfte vergeben, die vom System automatisch als Hotels mit besonders hoher Nachfrage identifiziert wurden. Auch der angezeigte Content für den jeweiligen User – etwa das Foto zum jeweiligen Hotel und die vorausgewählte Zimmerkategorie – werden vom System automatisch individuell angepasst.

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie booking.com Machine Learning zur Reiseplanung einsetzt

Die niederländische Travel-Website booking.com kann getrost als eine der europäischen Tech-Erfolgsgeschichten bezeichnet werden: 1996 ging der Dienst unter der Adresse bookings.nl online, im Juli 2005 erfolgte der Exit an die damalige Priceline Goup für 133 Millionen US-Dollar. Priceline heißt inzwischen Bookings Holdings, und zum Portfolio gehören neben booking.com auch andere Größen der Travel-Branche, wie Agoda, Kayak und OpenTable. Das „Bestseller“-Label wird auf booking.com an jene Unterkünfte vergeben, die vom System automatisch als Hotels mit besonders hoher Nachfrage identifiziert wurden. Auch der angezeigte Content für den jeweiligen User – etwa das Foto zum jeweiligen Hotel und die vorausgewählte Zimmerkategorie – werden vom System automatisch individuell angepasst.

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie booking.com Machine Learning zur Reiseplanung einsetzt

Die niederländische Travel-Website booking.com kann getrost als eine der europäischen Tech-Erfolgsgeschichten bezeichnet werden: 1996 ging der Dienst unter der Adresse bookings.nl online, im Juli 2005 erfolgte der Exit an die damalige Priceline Goup für 133 Millionen US-Dollar. Priceline heißt inzwischen Bookings Holdings, und zum Portfolio gehören neben booking.com auch andere Größen der Travel-Branche, wie Agoda, Kayak und OpenTable. Das „Bestseller“-Label wird auf booking.com an jene Unterkünfte vergeben, die vom System automatisch als Hotels mit besonders hoher Nachfrage identifiziert wurden. Auch der angezeigte Content für den jeweiligen User – etwa das Foto zum jeweiligen Hotel und die vorausgewählte Zimmerkategorie – werden vom System automatisch individuell angepasst.