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:
18.09.2026

Unternehmensinsolvenzen auf Vorjahresniveau – aber mit „besorgniseregender“ Entwicklung

Während die aktuelle Insolvenzstatistik des KSV1870 für die ersten drei Quartale nach Jahren des Anstiegs eine Stagnation bei der Anzahl der Fälle ausweist, ortet der Verband dennoch eine "alarmierende" Entwicklung.
/artikel/unternehmensinsolvenzen-auf-vorjahresniveau-aber-mit-besorgniseregender-entwicklung
18.09.2026

Unternehmensinsolvenzen auf Vorjahresniveau – aber mit „besorgniseregender“ Entwicklung

Während die aktuelle Insolvenzstatistik des KSV1870 für die ersten drei Quartale nach Jahren des Anstiegs eine Stagnation bei der Anzahl der Fälle ausweist, ortet der Verband dennoch eine "alarmierende" Entwicklung.
/artikel/unternehmensinsolvenzen-auf-vorjahresniveau-aber-mit-besorgniseregender-entwicklung
easyvegan Pixelrunner FireStart P4 Therapeutics - Insolvenzen
(c) Adobe Stock

5.139 Unternehmen mussten laut aktueller Hochrechnung des Kreditschutzverbands KSV1870 in den ersten drei Quartalen 2026 in Österreich Insolvenz anmelden. Das entspricht einem Plus von 0,4 Prozent zum gleichen Zeitraum im Vorjahr. Nach Jahren des deutlichen Anstiegs bedeutet das eine Stagnation auf hohem Niveau. Diese erwartet der Verband auch für das gesamte Jahr. Die Passiva sind wegen einer etwas geringeren Zahl an Großinsolvenzen in den ersten drei Quartalen im Vergleich zum Vorjahreszeitraum um rund sieben Prozent auf etwa sechs Milliarden Euro gesunken. Bei den Branchen – Handel vor Baugewerbe und Gastronomie – gab es „wenig Bewegung“.

„Kräftiger Aufschwung gegenwärtig nicht erkennbar“

Insgesamt gibt es seitens des KSV1870 weiter keine Entwarnung. Die schwache Konjunktur, die verhaltene Nachfrage und die hohen Kosten würden Betriebe weiterhin belasten, „ein kräftiger Aufschwung ist gegenwärtig nicht erkennbar“, heißt es vom Verband. „Wo Margen und finanzielle Reserven knapp sind, kann der anhaltende wirtschaftliche Druck schnell existenzbedrohend werden. Entsprechend hoch bleibt die Zahl der Betriebe, die ihre finanziellen Verpflichtungen nicht mehr erfüllen können und den Weg in die Insolvenz antreten müssen“, kommentiert Karl-Heinz Götze, Leiter KSV1870 Insolvenz.

Weiterer Zuwachs bei nicht eröffneten Fällen „alarmierend“

Mehr noch beschäftigt den Verband eine Entwicklung, die sich in den vergangenen Jahren kontinuierlich verschärft hat, und vom KSV als „besorgniserregend“ eingestuft wird: ein massiver Zuwachs bei den nicht eröffneten Fällen. So ist die Zahl der eröffneten Unternehmensinsolvenzen im dritten Quartal gegenüber dem Vorjahreszeitraum sogar um 7,2 Prozent gesunken, die Zahl der mangels Masse nicht eröffneten Verfahren dagegen um nicht weniger als 12,6 Prozent gestiegen. Konkret war es laut KSV seit Jahresbeginn bei 2.204 Fällen, also ca. 43 Prozent aller Verfahren mangels Kostendeckung nicht möglich, diese einer geordneten Abwicklung zuzuführen.

„Dass es zwischen den eröffneten und abgewiesenen Fällen mittlerweile nur noch einen zahlenmäßig geringen Unterschied gibt, ist alarmierend. Das ist ein Umstand, den die Gläubiger massiv zu spüren bekommen, da sich in diesen Fällen ihre Verluste weiter erhöhen. Das kann auch für wirtschaftlich gesunde Unternehmen mittel- und langfristig zum Problem werden“, erläutert Götze.

KSV1870 sieht Betrugsbekämpfungsgesetz „zumindest punktuell“ als Auslöser

Die Gründe für die Dynamik laut KSV: Nicht nur werde immer häufiger mit der Insolvenzanmeldung zu lange gewartet, der Verband sieht die Entwicklung auch „zumindest punktuell“ als eine Folge des im Jänner 2026 beschlossenen Betrugsbekämpfungsgesetzes. „Denn infolgedessen ist es vielfach so, dass vor der Änderung der Gesetzeslage durchsetzbare Anfechtungsansprüche nun nicht mehr geltend gemacht werden können, die Zahl der Gläubigeranträge sinkt und auch die Quoten dementsprechend für die Gläubiger zurückgehen“, heißt es vom KSV. In diesem Zusammenhang seien – „wie bereits beim Gesetzesbeschluss seitens des KSV1870 vorausgesagt“ – Folgeinsolvenzen zu befürchten.

Der KSV1870 erwartet auch für das vierte Quartal keine Entschärfung der Insolvenzdynamik und auch keine Verbesserung bei den nicht eröffneten Fällen. „Angesichts dieser Faktenlage ist es höchst an der Zeit, eine gesetzliche Basis zu schaffen, wie mit den mangels Masse abgewiesenen Fällen zukünftig umzugehen ist. Andernfalls wird sich der gesamtwirtschaftliche Schaden weiter erhöhen“, meint Götze.

Deutliches Statement zur Insolvenz-Entgelt-Fonds-Diskussion

Der Verband äußert sich zudem zur Diskussion rund um eine Finanzierungslücke beim Insolvenz-Entgelt-Fonds (IEF). „Aus Sicht des KSV1870 ist dabei ein Punkt wesentlich: Aufgrund der Tatsache, dass sich Österreichs Unternehmen seit einigen Jahren mit massiven wirtschaftlichen Herausforderungen konfrontiert sehen, ist eine automatische Anhebung der Dienstgeberbeiträge keine Option“, heißt es dazu. Götze kommentiert: „Dadurch würden die Betriebe finanziell zusätzlich belastet werden, was angesichts der derzeitigen Situation nicht erstrebenswert sein kann.“ Wichtig in der Diskussion sei jedenfalls, „nicht nur den Bedarf für das Jahr 2027 zu bewerten, sondern langfristig zu denken und sowohl die Interessen der Arbeitgeber wie auch jene der Arbeitnehmer zu berücksichtigen“, so der Verband abschließend.

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.