Projekt: TrekKI
Agentische Reiseassistenz mit Interleaved Thinking
Wie können Verlagsdaten von generativen Technologien verwertet werden, ohne Datenhoheit abzutreten? Diese Frage steht im Zentrum dieser Machbarkeitsstudie.
Projektanstoß
Reiseverlage verfügen über einen Wissensbestand, den digitale Plattformen nicht gleichwertig anbieten können: jahrzehntelang kuratierte, redaktionell geprüfte Inhalte zu Reisezielen, Routen und Regionen.
In der Praxis setzen Nutzer:innen aber immer mehr auf digitale Lösungen, die sich aus öffentlich verfügbaren Quellen und Online-Communities speisen.
Ausgangspunkt dieser Machbarkeitsstudie in Kooperation mit dem Rother Bergverlag und dem Müller Reiseverlag ist deshalb die Frage, ob proprietäre Verlagsinhalte als Wissensbasis für einen KI-Agenten ein nachweislich besseres Nutzungserlebnis ermöglichen – und ob sich das ohne die Abgabe von Datensouveränität an externe Anbieter realisieren lässt.
Lösungsansatz der Machbarkeitsstudie
Die Antwort ist ein agentisches KI-System, das plant, abwägt und entscheidet. Mit spezialisierten Werkzeugen greift das System gezielt auf Inhalte der Verlage zu und verbindet sie mit Echtzeitinformationen aus dem Internet. Dabei wählt das Modell selbst aus, welche Werkzeuge es in welcher Reihenfolge nutzt, und führt die Ergebnisse zu einer zusammenhängenden Empfehlung zusammen.
Der Prototyp läuft vollständig auf eigener Hardware und nutzt ein quelloffenes Sprachmodell, das lokal betrieben wird. Externe Cloud-Dienste kommen bei der Verarbeitung zu keinem Zeitpunkt zum Einsatz. Datenverarbeitung, Sicherheitskonfiguration und die Kontrolle über das Modell verbleiben damit im eigenen Haus. Dieser Betrieb setzt nicht zwingend teure Rechenzentrumshardware voraus: Dasselbe Modell lässt sich mit Einbußen bei der Geschwindigkeit auch auf deutlich günstigeren Geräten betreiben. Die Qualität der Antworten bleibt davon unberührt.
Wie TrekKI zusätzliche Informationen findet
Reiseführer und Wandertipps sind statische Produkte. Auch TrekKI setzt primär auf hochwertige und geprüfte Inhalte, ergänzt diese aber um externe dynamische Datenquellen.
Informationen wie die gegenwärtige Wetterlage auf einem Berg oder kurzfristige Streckensperrungen werden über die Systemarchitektur eingespeist. Das zugrundeliegende Modell entscheidet dabei situationsabhängig und selbstständig, welche Tools es für die jeweilige Anfrage aufrufen muss.
TrekKI erkennt, dass die Wetterlage für eine Wanderung geeignet ist und macht Vorschläge für die Einkehr in einem Café.
Warum braucht KI hochwertige Verlagsinhalte?
Strukturierte Verlagsdaten eignen sich besonders gut als Grundlage für KI-Systeme: Sie liefern fachlich geprüfte Aussagen, enthalten häufig Metadaten wie Schwierigkeitsgrad oder Länge einer Tour. Wenn Touren, Kartenbezug, GPX-Daten und redaktionelle Beschreibungen sauber miteinander verbunden sind, kann KI daraus belastbare Empfehlungen erzeugen.
Zugleich genügen die Daten allein nicht. Entscheidend ist ihre technische Erschließung: Das System muss zuordnen können, welche Quelle eine Aussage belegt, welche Information kombiniert wurde und wann eine Rückfrage einer unsicheren Empfehlung vorzuziehen ist.
Bei unstrukturierter Datengrundlage in Verbindung mit einer uneingeschränkten Web-Suche besteht die Gefahr, dass das System zu viele externe Informationen einbezieht und damit die Qualität der Verlagsempfehlungen verwässert.
Für die Antwortgenerierung greift TrekKI auf verschiedene Tools zurück. Wie gut diese funktionieren, hängt stark von der Qualität der zugrundeliegenden Daten ab.
Bedeutung für die Medienbranche
Die Evaluation liefert eine klare Erkenntnis: Ein agentisches System mit generischen Daten neigt zu Halluzinationen, während hochwertige Verlagsdaten ohne agentische Fähigkeiten ein bloßes Nachschlagewerk bleiben. Erst die Verbindung beider erzeugt verlässliche, nachvollziehbare Empfehlungen.
Für Verlage und Medienhäuser eröffnet das eine konkrete Perspektive. Sie können ihr redaktionell geprüftes Wissen als vertrauenswürdige Grundlage moderner KI-Anwendungen einbringen, statt es unkenntlich über fremde Plattformen ausspielen zu lassen. So bleibt der Bezug zur eigenen Quelle sichtbar, die Bindung der Nutzer:innen erhalten und die Hoheit über die eigenen Daten gewahrt.
Relevante Links und Ressourcen
Weitere Projekte entdecken
