Episode Details

Ein Recommender, der auf einem Knowledge Graph läuft, betrieben auf zwei Servern für 250 und 50 Euro im Monat: Wie baut man so etwas, und wann bringt die Datenstruktur dahinter mehr als ein klassischer Data Stack? Stefan Neubig ist Head of Data Engineering und AI bei Outdooractive, einer der größten europäischen Outdoor-Tourismus-Plattformen. Parallel schreibt er an der TU München an einer Doktorarbeit über Empfehlungssysteme und wie man sie erklärbar macht. Genau an diesem Schnittpunkt aus Industrierealität und Forschung läuft das Gespräch mit Jonas Rashedi. Outdooractive hat zwei Seiten: eine B2C-App und ein Wanderportal für Nutzer, die Touren und Points of Interest suchen und planen, und ein B2B-Geschäft, in dem Destinationen ihre Inhalte einstellen und ihre Besucher lenken wollen, weg von überlaufenen Orten. Der Recommender muss deshalb mehrere Stakeholder gleichzeitig bedienen, und er soll seine Vorschläge auch erklären. Dahinter liegt ein Knowledge Graph. Stefan definiert ihn als Graph, der Daten verbindet und zusätzlich eine Semantik in Form einer Ontologie mitbringt, also ein Graphschema. Im Fall des Recommenders sind das rund 92 Millionen Knoten, etwa Touren, Points of Interest, Regionen und Nutzer, und ungefähr 140 Millionen explizite Kanten dazwischen. Auf diesem Graphen wird ein Graph Neural Network trainiert, einmal pro Woche, das die Wahrscheinlichkeit für neue Kanten berechnet, zum Beispiel: Wie wahrscheinlich interessiert sich dieser Nutzer für diese Tour? Der ehrlichste Moment der Folge ist ein Misserfolg. In einem Experiment zur Besucherlenkung hat der Recommender zuerst nicht funktioniert. Die Warnung „hier wird es voll" hat die Leute erst recht angezogen, Knappheit macht attraktiver. Erst als das Team die Empfehlung anders gerahmt und emotionale Nachteile benannt hat, kein Parkplatz, Stau, hat sich das Verhalten gedreht. Außerdem im Gespräch: warum Stefan im Elevator Pitch nicht finanziell argumentiert, sondern über neue Fähigkeiten, weil die Infrastruktur virtuell auf der vorhandenen Datenbank aufsetzt und kaum Mehrkosten erzeugt. Was mit einem klassischen Stack aus Snowflake, dbt und Looker plus einem Sprachmodell passiert wäre. Warum der Knowledge Graph die Basis für Agenten und MCP ist und wo eine reine API an ihre Grenzen stößt. Und wie Stefan zwischen akademischem Anspruch und Plattform-Realität aus der Not eine Tugend gemacht hat. Zum Schluss die beiden Standardfragen. Privat ist Stefan Kaffee-Liebhaber und würde am liebsten den Stromverbrauch seines Siebträgers auswerten, wenn die Zeit da wäre. Und als Filmtitel für sein Data-Game wählt er „Die Karte hinter der Karte": Die geografische Karte ist der Stolz von Outdooractive, der Knowledge Graph ist die Informationslandschaft dahinter.