Collab-REC: LLM-gestütztes Agenten-Framework verbessert Tourismusempfehlungen

Ein neues Forschungsprojekt namens Collab-REC präsentiert ein innovatives, mehragentenbasiertes System, das die häufig auftretende Popularitätsverzerrung bei Reiseempfehlungen bekämpfen und gleichzeitig die Vielfalt der Vorschläge erhöhen soll.

Das System setzt auf drei große Sprachmodelle, die jeweils aus unterschiedlichen Blickwinkeln agieren: ein Agent für Personalisierung, einer für Popularität und ein weiterer für Nachhaltigkeit. Jeder Agent erstellt eigenständig Vorschläge für Städte, die den jeweiligen Fokus widerspiegeln.

Ein moderner, nicht-LLM-basierter Moderator übernimmt die Aufgabe, die drei Vorschlagslisten zu einem konsolidierten Ergebnis zu verschmelzen. Durch mehrfache Verhandlungs‑Runden werden redundante oder unpassende Antworten eliminiert, während die einzigartigen Perspektiven jedes Agenten gewahrt bleiben.

In Experimenten mit europäischen Städtekonzepten konnte Collab-REC die Vielfalt der empfohlenen Ziele deutlich steigern und die Gesamtrelevanz im Vergleich zu einem ein‑Agenten‑Ansatz verbessern. Besonders hervorzuheben ist die Entdeckung weniger frequentierter Orte, die häufig von herkömmlichen Systemen übersehen werden. Das Ergebnis zeigt, dass ein kooperatives, kontextsensitives Vorgehen nicht nur Übertourismus entgegenwirken kann, sondern auch besser auf individuelle Nutzerbedürfnisse eingeht.