Goal-oriented Recommendation System

Kontext

Die meisten Empfehlungssysteme versuchen, aus Klicks und Verlauf zu erraten, was jemand will – und überfluten Nutzer dabei oft mit Optionen, die am Ziel vorbeigehen. GoRS habe ich genau umgekehrt gebaut: Nutzer formulieren ihr Ziel in natürlicher Sprache – etwa ein an der Wand montiertes Regal zu bauen – und das System erstellt eine klare Schritt-für-Schritt-Anleitung und empfiehlt für jeden Schritt genau das passende Werkzeug. Der Ansatz ist neuro-symbolisch: Ein Wissensgraph, aufgebaut aus einem realen Produktkatalog und so angereichert, dass jedes Produkt seinen Einsatzzweck, seine wichtigsten Spezifikationen und explizit verknüpfte Alternativen mitführt, liefert präzise, faktische Produktdaten; ein großes Sprachmodell übernimmt das Reasoning, überführt das Ziel in einzelne Schritte und ordnet jedem Schritt das am besten passende Produkt zu. Nutzer behalten durchgehend die Kontrolle – sie verfeinern die Anleitung in natürlicher Sprache, ersetzen jede Empfehlung durch eine Alternative mit direkt sichtbaren Unterschieden oder durchsuchen den Katalog selbst. Gegenüber der üblichen Suche-und-Kauf-Variante erreichten Teilnehmende eine vollständige, korrekte Anleitung und einen passenden Warenkorb deutlich schneller und mit spürbar geringerer kognitiver Belastung, waren zufriedener mit Anleitung wie Produkten und würden die Empfehlungen meist unverändert kaufen. Indem GoRS einen Service um das Ziel des Nutzers herum baut, statt es zu erraten, umgeht es die Cold-Start- und Information-Overload-Probleme klassischer Empfehlungssysteme – und derselbe Ansatz lässt sich überall dort übertragen, wo sich ein Ziel in Schritte zerlegen lässt, von Lernpfaden über Behandlungspläne bis zur Lieferantensuche.