Open Access

Stephan Hammer

• Begründet durch das Wachstum des Internets und der damit verbundenen Informationsflut haben Empfehlungssysteme in den letzten 25 Jahren immer weiter an Bedeutung gewonnen. In kommerziellen Anwendungsszenarios helfen sie Nutzern unter der Vielzahl an Objekten (z.B. Produkte, Filme, Immobilien, interessante Orte), die für sie nützlichsten zu finden. Über die Jahre wurden die Techniken zur Empfehlungsauswahl immer ausgereifter und auch die User Experience (UX) mit Qualitätskriterien wie Nutzerzufriedenheit, Nutzervertrauen und Nutzerakzeptanz spielte eine immer wichtigere Rolle in der Forschung. Empfehlungssysteme könnten Menschen allerdings auch in alltäglichen Fragen beratend und assistierend zur Seite stehen. Durch proaktive Empfehlungen für Handlungen und Maßnahmen könnten Personen u.a. beim Umgang mit Krankheiten, bei der Steigerung ihres Wohlbefindens oder beim Schutz der Umwelt unterstützt werden. Hierfür müssen Empfehlungssysteme allerdings mit einer Reihe von FunktionalitätenBegründet durch das Wachstum des Internets und der damit verbundenen Informationsflut haben Empfehlungssysteme in den letzten 25 Jahren immer weiter an Bedeutung gewonnen. In kommerziellen Anwendungsszenarios helfen sie Nutzern unter der Vielzahl an Objekten (z.B. Produkte, Filme, Immobilien, interessante Orte), die für sie nützlichsten zu finden. Über die Jahre wurden die Techniken zur Empfehlungsauswahl immer ausgereifter und auch die User Experience (UX) mit Qualitätskriterien wie Nutzerzufriedenheit, Nutzervertrauen und Nutzerakzeptanz spielte eine immer wichtigere Rolle in der Forschung. Empfehlungssysteme könnten Menschen allerdings auch in alltäglichen Fragen beratend und assistierend zur Seite stehen. Durch proaktive Empfehlungen für Handlungen und Maßnahmen könnten Personen u.a. beim Umgang mit Krankheiten, bei der Steigerung ihres Wohlbefindens oder beim Schutz der Umwelt unterstützt werden. Hierfür müssen Empfehlungssysteme allerdings mit einer Reihe von Funktionalitäten und Fähigkeiten versehen werden, durch die eine möglichst gute Empfehlungsauswahl, aber auch eine gute UX (z.B. Überzeugungskraft, Nutzervertrauen, Nutzerakzeptanz) erreicht werden kann. In dieser Dissertation werden Ansätze vorgestellt, die neben der Empfehlungsauswahl auch die Generierung natürlichsprachlicher Empfehlungstexte (Argumentation und Formulierung) und die proaktive Ausführung von Empfehlungen betreffen. Eine große Herausforderung für assistierende Empfehlungssysteme ist, dass häufig zu wenig Wissen über das Verhalten und die Werte der individuellen Personen zur Verfügung steht, um fundierte situative Entscheidungen über das Verhalten des jeweiligen Systems treffen zu können. Deswegen werden in dieser Dissertation geeignete sozialwissenschaftliche Modelle und Theorien, die dieses fehlende Wissen bereitstellen können, in Verfahren zur Entscheidungsfindung integriert. Für die Empfehlungsauswahl nutzen die in dieser Arbeit untersuchten Filterverfahren neben den klassischen Bewertungsmodellen auch theoriebasierte Nutzermodelle, die das Wohlbefinden und das Energieverhalten von Personen modellieren. Um überzeugende, personalisierte und situativ angepasste Empfehlungstexte generieren zu können, werden Kulturmodelle, Höflichkeitstheorien und die Persönlichkeit der Nutzer berücksichtigt. Für die Entscheidung, ob ein beratendes Empfehlungssystem zur Entlastung der Nutzer auch autonom gewisse Handlungen übernehmen darf, wird das Nutzervertrauen modelliert und in den Entscheidungsprozess miteinbezogen. Zu den wissenschaftlichen Beiträgen dieser Dissertation zählen sowohl konzeptuelle Lösungsansätze als auch praktische Verfahren zur Entwicklung beratender Empfehlungssysteme. Ergänzt durch die während dieser Arbeit gewonnenen Erfahrungen, die ebenfalls beschrieben werden, soll Entwicklern und Forschern, die sich mit beratenden Empfehlungssystemen beschäftigen wollen, eine Grundlage geboten werden, um Systeme mit einer guten UX entwerfen und entwickeln zu können.…