Nutzer/innen-Information mit kontextsensitiver künstlicher Intelligenz (NIKKI)

Abstract

Der Trend zur Individualisierung wirkt sich nachhaltig auf Mobilitätsbedürfnisse von Menschen aus. Persönliche Präferenzen, Lebensstile, flexible multimodale Reiseplanung sowie der Wegfall von starren Mobilitätsmustern zugunsten spontaner Reiseentscheidungen fordern neue Informations- und Routingangebote. Nach wie vor ist es jedoch weitgehend unbekannt, welche Parameter eine Verbindung mit Öffentlichen Verkehrsmitteln oder eine intermodale Route für Nutzer/innen besonders attraktiv machen. Anforderungen an eine Verbindung schwanken – zwischen den Reisenden aber auch innerhalb der Nutzung bei einer einzelnen Person. Das Forschungsprojekt NIKKI hatte das Ziel zu untersuchen, welche Parameter für ein individualisiertes Routingangebot besonders relevant sind und welche Nutzer/innengruppen bzw. welche Anwendungsfälle (=Reisebedürfnisse) im Rahmen der Personalisierung zu berücksichtigen sind. Zu diesem Zweck wurde eine Methode für ein Segmentierungsverfahren auf Basis von Literaturrecherchen entwickelt. Anschließend wurde dieses Verfahren auf reale Nutzer/innendaten angewendet, in mehreren Iterationsschritten verfeinert und anschließend im Rahmen einer Onlinestudie evaluiert. Die Nutzer/innendaten kamen dabei aus der eigens im Projekt durchgeführten Datenerhebung, der Nutzung bereits vorhandener Daten aus vergleichbaren Projekten und aus den Fahrplanauskunftsanfragen im Verkehrsverbund Berlin-Brandenburg. Das Ergebnis zeigt, dass eine Segmentierung der Daten mit dem entwickelten Segmentierungsverfahren möglich ist und voneinander abgrenzende Profile erstellt werden können. Für zukünftige Weiterentwicklungen der Cluster müssen Daten von einer großen heterogenen Gruppe erhoben werden. Die grundsätzliche Methodik der Segmentierung ist jedoch ein vielversprechender Ansatz. Begleitend wurde die potenzielle technische Umsetzbarkeit der späteren Produktlösung bewertet, insbesondere im Kontext der Übertragbarkeit / Standardisierung des Verfahrens sowie der datenschutztechnischen Machbarkeit.