Agentische KI für verantwortungsvolle Tourismusempfehlungen

Wie können KI-gestützte Empfehlungssysteme über die Optimierung individueller Vorlieben hinausgehen, um einen verantwortungsvolleren Tourismus zu unterstützen? Wir beginnen mit der Untersuchung der Evolution von traditionellen Empfehlungssystemen zu LLM-unterstützten und agentischen Empfehlungen und erkunden, wie LLMs ein reichhaltigeres Kontextverständnis, interaktive Gespräche und Argumentation ermöglichen und wie agentische KI mehrere Ziele und Interessengruppen in den Empfehlungsprozess integrieren kann. Diese Übergang in praktische Forschung zu verankern, beleuchten wir zwei aktuelle Projekte: Collab-REC, ein Multi-Agenten-Rahmen, der Personalisierung, Popularität und Nachhaltigkeitsziele zusammenbringt, und TRACE, ein interaktives Gesprächssystem, das entwickelt wurde, um Benutzern zu helfen, nachhaltigere Reiseentscheidungen zu verstehen und zu berücksichtigen. Mit Gemini und Googles Agent Development Kit (ADK) veranschaulichen diese Projekte, wie aufkommende agentische Architekturen Forschungsideen in praktische KI-Systeme umsetzen können. Mit Blick auf die Zukunft, da agentische Empfehlungsgeber autonomer und personalisierter werden, entstehen neue Fragen zu Privatsphäre, Transparenz, Bewertung, Verantwortung und dem Gleichgewicht zwischen Benutzerpräferenzen und gesellschaftlichen sowie ökologischen Auswirkungen. Der Vortrag behandelt diese offenen Herausforderungen und Chancen für den Aufbau von KI-Systemen, die nicht nur fähiger, sondern auch verantwortungsvoller sind. Wer sollte teilnehmen? Die zugrunde liegende Architektur von Empfehlungssystemen löst einen universellen Engpass in der KI für Wissenschaft: wie man autonome Agentensysteme aufbaut, die komplexe, konkurrierende Ziele verhandeln, anstatt für eine einzelne Metrik zu optimieren. Ob Sie therapeutische Wirksamkeit gegen Toxizität in Gesundheitsregimen abwägen, mechanische Leistung gegen den Lebenszyklus-Kohlenstoff-Fußabdruck in der Materialentdeckung austauschen oder ökologische Einschränkungen in der geowissenschaftlichen Ressourcenmodellierung navigieren, die Herausforderung ist identisch. Teilnehmer werden mit praktischen Workflows für die Orchestrierung von Multi-Agenten-Konsens, die Verankerung generativer Agenten in strengen Domainschranken und die Gestaltung transparenter Benutzer-in-der-Schleife-Argumentation nach Hause gehen. Wenn Ihre Forschung KI-Workflows erfordert, die über Multi-Stakeholder-Kompromisse, Ethik und Nachhaltigkeit urteilen, bietet diese Sitzung einen umsetzbaren Plan, der in der wissenschaftlichen Entdeckung und im Ingenieurwesen anwendbar ist.