![[object Object]](/assets/hero/head-network.jpg)
![[object Object]](/assets/UseCases/NRWow1.png)
Ausgangssituation & Problemstellung
Die Planung von Tagesausflügen und Reisen erfolgt heute häufig fragmentiert und wenig nutzerfreundlich:
• Informationen liegen verteilt auf verschiedenen Plattformen
• klassische Filterlogiken setzen voraus, dass Nutzer:innen bereits wissen, wonach sie suchen
• Inspiration und konkrete Planung sind meist voneinander getrennt
• insbesondere kleinere Anbieter und Regionen sind oft schwer auffindbar
Gleichzeitig stehen viele touristische Akteure vor strukturellen Herausforderungen: begrenzte personelle und technische Ressourcen erschweren es, eigene digitale Lösungen zu entwickeln oder bestehende Systeme kontinuierlich zu optimieren.
Parallel dazu haben sich die Erwartungen der Nutzer:innen verändert:
• sie möchten ihre Wünsche intuitiv formulieren können („Ich will einen entspannten Tag mit Natur und gutem Essen“)
• sie erwarten direkt passende, umsetzbare Vorschläge
• und idealerweise eine möglichst intuitive Planung mit geringem technischem Aufwand
Zudem zeigen sich bei klassischen KI-Anwendungen zentrale Herausforderungen – etwa im Bereich Datenschutz, Usability oder der Nachvollziehbarkeit und Verlässlichkeit der Ergebnisse. Viele generative KI-Systeme setzen persönliche Accounts voraus und verarbeiten individuelle Chatverläufe. Gleichzeitig können sie zwar sprachlich sehr leistungsfähig sein, neigen jedoch teilweise zu sogenannten „Halluzinationen“, also der Ausgabe nicht verifizierter oder frei generierter Inhalte.
Lösungsansatz & Einsatz von KI
Mit NRWow! wurde in Zusammenarbeit von Tourismus NRW e. V. und der infomax websolutions GmbH ein KI-gestützter Erlebnisplaner entwickelt, der genau diese Lücke adressiert. NRWow! versteht sich dabei bewusst nicht als klassischer Chatbot, sondern als hybride Lösung.
Im Kern verbindet NRWow!:
• die Flexibilität generativer KI (Freitext, semantisches Verständnis)
• mit geprüften, strukturierten Daten aus dem Data Hub NRW, wodurch ausschließlich verifizierte Inhalte ausgespielt und Halluzinationen vermieden werden können.
• im Gegensatz zu vielen bekannten LLM-Anwendungen ist kein persönlicher Account erforderlich; individuelle Chatverläufe werden nicht gespeichert oder nachverfolgt.
Ziel ist es, keine isolierte Einzellösung zu schaffen, sondern eine skalierbare Allround-Lösung, die landesweit und perspektivisch von allen touristischen Partnern genutzt werden kann – unabhängig von deren technischen Ressourcen.
Zentrale Prinzipien des Ansatzes:
• Nutzer:innen formulieren ihre Wünsche frei (statt starrer Filterlogik)
• die KI interpretiert diese semantisch
• und übersetzt sie in konkrete, umsetzbare Vorschläge aus dem Datenbestand
• Darauf aufbauend kann eine kuratierte Ergebnisliste entstehen oder direkt ein vollständiger Tagesplan generiert werden.
Durch die Integration als White-Label-Widget kann der Erlebnisplaner nicht nur zentral auf Landesebene, sondern auch dezentral von Regionen und Betrieben eingesetzt werden – als digitales „Schaufenster“ für ihre Angebote.
Erkenntnisse, Learnings & Wirkung
Die Nutzung von KI im touristischen Kontext zeigt großes Potenzial für intuitivere Suchmöglichkeiten, höherer Nutzerorientierung und ermöglicht neue Formen der Inspiration und Planung.
Gleichzeitig wurden jedoch auch zentrale Herausforderungen sichtbar:
-> Datenqualität als limitierender Faktor:
Die Qualität der KI-Ergebnisse hängt stark von der Pflege und Struktur der zugrunde liegenden Daten ab. Grundsätzlich gilt: KI ist nur so gut wie die Datengrundlage, auf die sie zugreift. Daraus ergibt sich die Notwendigkeit, Datenqualität nicht nur nachgelagert zu verbessern, sondern bereits an der Quelle anzusetzen. Gleichzeitig zeigt sich, dass KI selbst eine wichtige Rolle dabei spielen kann, Datenqualität zu unterstützen – beispielsweise durch automatisierte Prüfmechanismen, Anreicherung von Inhalten oder das Erkennen von Inkonsistenzen. Entsprechende Ansätze werden bereits im Projekt TDII (Tourismus Data Intelligence Initiative) verfolgt, etwa durch Tools wie den KI-Checker oder den KI-Wizard.
-> Semantische Interpretation vs. Datenlogik:
Eine zentrale Herausforderung besteht darin, semantische Nutzeranfragen mit bestehenden Datenstrukturen sinnvoll zusammenzuführen. Während generative KI Inhalte und Bedeutungen flexibel interpretieren kann, basieren touristische Datenbestände häufig auf festen Kategorien, Attributen und strukturierten Logiken. Die Verbindung beider Ebenen stellt eine der zentralen Herausforderungen für KI-gestützte touristische Anwendungen dar.
-> Erwartungsmanagement:
Nutzer:innen erwarten konsistente und „intelligente“ Antworten – auch bei unvollständiger oder heterogener Datenbasis. Gleichzeitig verfügen KI-Systeme ohne zusätzliche Hintergrundinformationen oder Nutzerprofile häufig nur über den Kontext, der direkt über die Prompteingabe geliefert wird. Daraus ergibt sich die Herausforderung, relevante Ergebnisse möglichst präzise auszuspielen und gleichzeitig nachvollziehbar zu machen, warum bestimmte Inhalte vorgeschlagen werden oder warum in einzelnen Fällen keine passenden Ergebnisse vorliegen.
-> UI/UX als kritischer Faktor:
Im Projektverlauf hat sich gezeigt, dass die Nutzerführung und die Verständlichkeit KI-gestützter Anwendungen eine zentrale Rolle spielen. Die Herausforderung besteht darin, genügend Kontext für qualitativ hochwertige Ergebnisse zu erhalten, ohne die Interaktion für Nutzer:innen unnötig komplex oder erklärungsbedürftig zu machen.
Ansprechpartner
Lennart Quack
Tourismus NRW e.V.