Wie die Salzburg AG mit einer neuen Crowdinvesting-Plattform die Energiewende vorantreibt

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

✨ AI Kontextualisierung

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

Allzeit-Crowdfunding-Rekord: Allrounder-Jacke steht aktuell bei über 1.2 Mio Dollar

22.07.2015

„Access Earth“: Irisches Startup mit barrierefreiem Google Maps

09.03.2016

Deine ungelesenen Artikel:

Ann-Kathrin Salmen

01.06.2026

Die Suche nach dem grünen Faden: Andritz präsentiert Sortier-KI „teXscan“

Angesichts von weltweit 92 Millionen Tonnen Textilmüll jährlich will das Grazer Technologieunternehmen Andritz mit dem "teXscan" die Auswahl des optimalen Recyclingprozesses erstmals zerstörungsfrei automatisieren. Im brutkasten-Interview erklärt Branchenexperte Michael Waupotitsch das System und seine aktuellen Grenzen.

/artikel/die-suche-nach-dem-gruenen-faden-andritz-praesentiert-sortier-ki-texscan

Ann-Kathrin Salmen

01.06.2026

Die Suche nach dem grünen Faden: Andritz präsentiert Sortier-KI „teXscan“

/artikel/die-suche-nach-dem-gruenen-faden-andritz-praesentiert-sortier-ki-texscan

Allein in Österreich könnten zukünftig rund 220.000 Tonnen davon besser verwertet werden. Bisher scheitert eine echte Kreislaufwirtschaft jedoch an der Praxis: „Wirkliches Faser-zu-Faser-Recycling, also sprich aus Abfällen wirklich wieder ein Kleidungsstück zu machen, das liegt im Bereich von 1% und weniger“, zieht Michael Waupotitsch, Vice President Textile Recycling bei Andritz, im Gespräch ernüchternde Bilanz. Der Großteil der Altkleider wird deponiert oder verbrannt.

Vorhersage statt bloßer Materialbestimmung

Hier setzt die neue Technologie „teXscan“ an, die Andritz gemeinsam mit der französischen Tochtergesellschaft Laroche entwickelt. Während bestehende Nahinfrarot-Systeme lediglich die reine Materialzusammensetzung bestimmen können, soll die neue Lösung erstmals die konkrete Rezyklierfähigkeit zerstörungsfrei vorhersagen.

„Die Innovation dabei ist, dass man erstmals nicht nur Farbe oder Zusammensetzung messen, sondern eine Vorhersage treffen kann, wie gut etwas recycelbar ist.“, so Waupotitsch. Das System ordnet den Textilien einen Score von 0 bis 100 zu, der auf Kriterien wie der Faserlänge und dem Kurzfaseranteil basiert. Waupotitsch betont jedoch im Gespräch, dass es sich hierbei um „keinen industriellen Standard“, sondern primär um eine „Entscheidungshilfe“ für Sortier- und Recyclingbetriebe handelt.

Bislang nur weiße Baumwolle identifizierbar

Bislang beschränkt sich die Analysefähigkeit des Prototyps ausschließlich auf weiße Baumwollfasern. Die größte Herausforderung im Massenmarkt stellen jedoch Mischgewebe und gefärbte Stoffe dar, die den Großteil heutiger Fast Fashion ausmachen. Andritz plant, bis Ende des Jahres verlässliche Aussagen über farbige Baumwolle zu treffen; Mischgewebe sollen als nächstes folgen.

Aktuell existiert das System als Tischgerät. Um industriell relevant zu werden, soll die Technologie zu Handheld-Geräten oder vollautomatisierten Online-Sensoren für Förderbänder weiterentwickelt werden, erklärt der Textil-Recycling-Experte.

teXscan als strategischer „Door Opener“

„Recycling von Textilien steht im Wettbewerb mit extrem günstigen Frischfasern“, merkt Waupotitsch im Gespräch an. Man müsse das gesamte wirtschaftliche System beachten und vorsichtig sein sich in dieser Hinsicht nicht selbst zu belügen, denn „unterm Strich muss es sich auch rechnen“, so der Experte. Zudem fehlen in Europa flächendeckende, genormte Sammelsysteme, wie man sie vom Altpapier kennt.

Für den Technologiekonzern ist der Scanner ohnehin nicht das primäre Endprodukt sondern eine Möglichkeit der Zusammenarbeit. Andritz versteht sich als Maschinen- und Anlagenbauer. Das Messgerät soll vielmehr als „Door-Opener“ fungieren, um letztlich großskalierte mechanische und chemische Recyclinganlagen zu vertreiben.

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