KI-Tagesplaner für die Lübecker Bucht: Personalisierte Urlaubsempfehlungen durch KI
Bei über 3.500 Ausflugszielen die richtigen Empfehlungen finden – das war die zentrale Herausforderung der Tourismus-Agentur Lübecker Bucht. In einer Machbarkeitsstudie mit KI.SH wurden vier unterschiedliche Ansätze erprobt, wie große Sprachmodelle individuelle Urlaubsvorschläge generieren können. Das Ergebnis ist ein KI-Tagesplaner, der seit Sommer 2024 im Einsatz ist und über 46.000 aktive Nutzer:innen bei rund 140.000 Aufrufen verzeichnet.
Die Tourismus-Agentur Lübecker Bucht
Die Tourismus-Agentur Lübecker Bucht AöR (TALB) wurde 2013 durch die drei Kommunen Scharbeutz, Stadt Neustadt in Holstein und Sierksdorf gegründet. Als lokale Tourismusorganisation bündelt sie sämtliche gäste- und marketingrelevanten Aufgaben im Auftrag ihrer Gesellschafter.
Die Lübecker Bucht ist ein wirtschaftliches Schwergewicht im Land: Der schleswig-holsteinische Tourismus generierte 2023 einen Bruttoumsatz von über 10 Milliarden Euro und gehört damit zu den wichtigsten Wirtschaftsbranchen des Landes. Und mit etwa 1,5 Millionen Übernachtungen pro Jahr und zusätzlich 1,5 Millionen Tagestouristen zählt die Region zu den gefragtesten Urlaubszielen Schleswig-Holsteins. Diese Beliebtheit bringt jedoch auch Herausforderungen mit sich, insbesondere beim Thema Besucherlenkung.
Die Herausforderung: Informationsflut statt Orientierung
Der Ostsee Guide, hat sich seit seinem Start im Jahr 2019 als digitaler Begleiter für Gäste und Einheimische etabliert. Mittlerweile deckt der Guide etwa 200 Kilometer Küstenlinie ab und umfasst bis zu 4.000 Points of Interest (POIs) aus über 31 Orten entlang der schleswig-holsteinischen Ostseeküste sowie im Binnenland.
Doch genau diese Fülle wurde zur Herausforderung: Bei mehreren Tausend Ausflugszielen, Veranstaltungen, Restaurants und Freizeitangeboten fällt es schwer, die für die eigenen Bedürfnisse relevanten Informationen zu finden. Die zentrale Frage für die Machbarkeitsstudie mit KI.SH lautete daher: Wie kann dieser Datenschatz besser in Szene gesetzt werden?
Vier Ansätze in der Machbarkeitsstudie
Die Vision war klar: „Sag uns etwas über dich, lieber Gast, dann sagen wir dir, was zu dir passt“ und das immer bezogen auf den einzelnen Tag. Eine Empathy Map inkl. Customer Journey verdeutlichte der TALB, dass manche Gäste genau wissen, was sie wollen und danach spezifisch suchen. Andere stellen sich die Frage: Was soll ich heute machen?
Um letztere Zielgruppe gezielt zu unterstützen, erprobte das KI.SH-Team um Alwin Klick, Felix Doobe, Marvin Kühl, Max Brede und Philipp Sieweck vier unterschiedliche Ansätze:
- Direkter Vorschlag mit ChatGPT: Die Nutzeranfrage wird zusammen mit Informationen über die Person, das Wetter und die POIs an ChatGPT geschickt. Bei einer Anfrage wie „Ich will Fahrrad fahren“ schlug ChatGPT von fünf Vorschlägen zwei Fahrradverleihe, zwei SUP-Verleihe und einen Skate-Shop vor. Es bestand also noch Luft nach oben.
- Selbst gehostetes Sprachmodell Mixtral: Als datenschutzfreundliche Alternative wurde das Open-Source-Modell Mixtral getestet. Es performte teilweise besser und gab bei der Fahrrad-Anfrage nur die beiden tatsächlichen Fahrradverleihe zurück.
- Vektorbasierte Suche: Bei diesem Ansatz werden die Beschreibungen der POIs von einem Sprachmodell in Vektoren überführt. Die Nutzeranfrage wird ebenfalls vektorisiert, sodass mathematisch eine Nähe zwischen Anfrage und POIs hergestellt werden kann. Dieser Ansatz erlaubt die Suche in über 10.000 POIs gleichzeitig.
- Automatisierte Kategorisierung: Die POIs werden vorab mit Attributen wie „drinnen“, „draußen“ oder „familienfreundlich“ versehen. Eine erste Idee war die Indoor-Outdoor-Unterscheidung, bei der jedoch auch Supermärkte als Indoor-Aktivitäten ausgegeben wurden. „Geh mal zu Rewe, wenn es regnet“, so beschreibt Paul Stellmacher von der TALB das Problem schmunzelnd. Daraufhin wurde ein ausgereifteres System zum automatisierten Tagging entwickelt.
Vector-Store
Ein Vector-Store (Vektordatenbank) funktioniert ähnlich wie ein Archiv für den Computer: Er speichert Informationen als Zahlenlisten (Vektoren). Diese beschreiben, welche Informationen in Texten oder Bildern steckt. So kann die KI ähnliche Inhalte finden. Die Suche basiert hier nicht auf exakten Wörtern, sondern auf „Bedeutungs-Ähnlichkeit“ der Vektoren. Vector-Stores kommen z.B. für Wissensdatenbanken mit Unternehmensdokumenten zum Einsatz (Retrieval-Augmented-Generation, kurz RAG).
Von der Machbarkeitsstudie zum produktiven System
Das große Pfund, das KI.SH geleistet hat: testen, was mit KI funktioniert und was nicht. Ein Prozess, der viele Ressourcen verschlungen hätte. So konnte das unternehmerische Risiko für die TALB gemindert werden und ein konkreter Ansatz, die vektorbasierte Suche, empfohlen werden. Die Machbarkeitsstudie lieferte zudem Prototypen und Code-Snippets. Diese konnten als Basis für die weitere Arbeit der TALB im Rahmen des Projekt AIR (AI-basierter Recommender für nachhaltigen Tourismus) verwendet werden. Mit den Ergebnissen der Machbarkeitsstudie von KI.SH „entwickelte das Team des AIR-Verbundpartners HAW Kiel einen technischen Unterbau, der in der Lage ist, „Freizeitdaten“ (hier: POI-Daten) aus einer vektorisierten Datenbank anhand einer spezifischen Anfrage mit Hilfe der heutigen KI-Technologie zugrunde liegenden LLM zu filtern und als Ergebnisliste zurückzugeben.“ (Schmücker, Dirk et al. (2025), S. 129, Quelle.)
Die hmmh multimediahaus AG aus Bremen setzte diese Ergebnisse dann in den produktiven KI-Tagesplaner um. Das User-Experience-Design war dabei entscheidend: Gäste können verschiedene Parameter eingeben, etwa Interessen, Wetterpräferenzen und wählen den Startpunkt ihrer Tour. Je nach gewähltem Standort variieren die Empfehlungen, sodass mit Hilfe von Large Language Models eine individualisierte Liste entsteht.
46.000 aktive Nutzer, 140.000 Seitenaufrufe und weiteres Potenzial
Der KI-Tagesplaner ist seit dem Sommer 2024 im Einsatz und wurde unter www.luebecker-bucht-ostsee.de/ostsee-guide veröffentlicht. In den letzten zwölf Monaten verzeichnete das Tool rund 39.000 Aufrufe, insgesamt bereits rund 140.000 Aufrufe bei 46.000 aktiven Nutzer:innen. Eine begleitende Befragung ergab durchaus positives Feedback, aber auch kritische Stimmen, wie uns Paul Stellmacher berichtete.
Die TALB ist zufrieden mit dem Ergebnis, sieht aber weiteres Potenzial. Geplante Ausbaustufen umfassen die Integration von Kartenfunktionen sowie eine flexiblere Einbindung gastronomischer Angebote. Besonders interessant sind besucherlenkende Maßnahmen: Strandgästen könnten bevorzugt Angebote aus dem Binnenland angezeigt werden, um den Druck von der Küste zu nehmen.
Technologietransfer entlang der Ostseeküste
Ein besonderer Mehrwert des Projekts liegt in seiner Skalierbarkeit. Der Ostsee Guide ist ein Kooperationsprodukt mehrerer Destinationsmanagement-Organisationen entlang der schleswig-holsteinischen Ostseeküste. Von Fehmarn über Heiligenhafen, Großenbrode, das Ostseeferienland mit Grömitz und Dahme bis hin zur Holsteinischen Schweiz, Laboe, Schönberg, der Eckernförder Bucht und Timmendorfer Strand. Alle Partnerorte profitieren automatisch vom Technologietransfer. Eine Integration weiterer Regionen wäre ebenfalls möglich.
