Lumiere - dein kulinarisches Recommender System

Leftshift OneLesezeit: 8 Minuten

Weinbegleitung wie in der Brasserie. Erklären sie unserem smarten digitalen Assistenten ihr Menü und er findet den perfekten Tropfen für jeden Gang.

Kaufempfehlungen gibt es im Web zu Hauf. Sätze wie “Kunden, die X bestellt haben, kauften auch Y.” kennen wir aus unzähligen Online-Kaufhäusern. Und wir können sie einfach nicht mehr sehen. Sie sind nämlich schlicht keine Hilfe, wenn es um kompetente Beratung für einen konkreten Fall geht.Rotwein zu Wild, Weißwein zu Fisch. Diese grobe Daumenregel kennen die meisten. Was aber tun Sie, wenn sie Ihre Liebsten mit der perfekt abgestimmten Weinbegleitung zum Dinner überraschen wollen? Sie brauchen Beratung, wie sie sie sonst nur vom Oberkellner ihres Lieblingsrestaurants kennen.Meist müssen wir uns dann mühsam aus Kundenrezensionen eine Meinung zusammensuchen. Wenn unser Problem dort aber nicht behandelt wird, landen wir doch wieder bei den Daumenregeln. Spätestens vor dem Supermarktregal ist aber Schluss. Welche von den 20 Sorten Rotwein passt denn nun wirklich zu meinem Hirschbraten mit Rotkraut? Mit der Französischen Apfeltarte als Nachspeise sollte sie außerdem auch nicht brechen. Ein smartes Recommender System muss her.

Projektbeschreibung

Kulinarik will gelernt sein. Und weil ein ausgefeiltes Menü zu kochen an sich schon viel Zeit beansprucht, soll eine AI-Lösung den Hobbyköchen dieser Welt das Lernen abnehmen. Der smarte digitale Assistent Lumiere empfiehlt allerdings nicht nur den perfekten Wein für Ihr Festessen. Er soll außerdem dabei helfen, Ihren grundsätzlichen Weintyp und Ihre Präferenzen zu ergründen.Im Dialog liefert dabei einerseits der Benutzer Input zu Vorlieben und/oder einem konkreten Menü, den Lumiere auf der anderen Seite intelligent verarbeitet und mit einer Datenbank aus über 2500 Weinen abgleicht. Daraus kann der Assistent maßgeschneiderte Empfehlungen generieren.Weiters besteht über ein entsprechendes Interface auch direkt die Möglichkeit, das empfohlene Produkt zu bestellen. Lumiere begleitet also das Geschmackserlebnis vom ersten Gusto bis zur Lieferung an die Wunschadresse. Die mühsame Suche zwischen User-Kommentaren und hohlen Empfehlungen herkömmlicher Online-Stores gehören so der Vergangenheit an.Über welchen Kommunikationskanal sich User und Assistent austauschen, wird flexibel gehalten. Eine Anbindung ist sowohl über eine App wie auch als direkte Implementierung auf einer Website denkbar. Conversational UI ist ebenfalls eine Option.Selbstverständlich ist ein derartiges Recommender System auch auf andere Fachbereiche übertragbar, wie wir das beispielsweise in einem anderen Use Case getan haben.

Eckdaten

  • Schnelle und einfache Beratung
  • Den passenden Wein aus über 2.500 Weinen finden
  • Lumiere empfiehlt internationale und regionale Weine zum passenden Menü
  • Bestellen Sie direkt über Lumiere den passenden Wein
  • In kurzer Zeit versandfertig und direkt nach Hause geliefert
  • Profitieren Sie von unzähligen Angeboten und werden Sie zeitgerecht informiert.
  • Bestimmen Sie mit Lumiere Ihren Weintyp
  • Garantiert persönliche Empfehlung für Ihr Geschmackserlebnis

Technischer Hintergrund

Lumiere nutzt, wie andere in G.A.I.A. (AI-as-a-Service Platform) beheimatete digitale Assistenten, dessen nützliche Features, um den Usern die passende Gaumenfreude zu empfehlen. Ein im BPMN-Prozess-Designer vordefinierter Dialog leitet die User und ermittelt die zur Empfehlung notwendigen Informationen.Der Prozess besteht unter anderem aus Prompt-Tasks (Fragen), Gateways (Abzweigungen, um auf bestimmte Informationen gesondert reagieren zu können) und einem Lambda-Task (dazu später). Da der Kontext der Unterhaltung nicht nach jeder Frage verloren geht, stellt Lumiere dem User ein Sammelsurium an Fragen und erkennt so mit Hilfe der Gateways ein Bild der Vorlieben der User. Wurden ausreichend Informationen erhoben, wird der Lambda-Task im Prozess ausgelöst, um die gesammelten Daten intelligent verarbeiten zu können.Diese Prozess-Bausteine erlauben es, benutzerdefinierten Quellcode – gefüttert mit zuvor gesammelten Informationen (Prozess-Kontext) – rasch, sicher und auf Abruf auszuführen und so APIs, Datenbanken oder andere externe Systeme anzusprechen.Der Lambda-Task der Lumiere-Weinempfehlung wurde in Python 3.7 geschrieben und nutzt einen ausgefeilten Algorithmus, um die Vorlieben der User mit der aufAmazon S3 hinterlegten Weinauswahl abzugleichen. Und das alles innerhalb eines Augenblicks.Manchmal geht es allerdings noch einfacher: wie bei der von Lumiere angebotenen Weintyp-Bestimmung. Denn neben dezidierten Lambda-Tasks können auch andere BPMN-Bausteine mit benutzerdefiniertem Quellcode smartifiziert werden. So kann der aktuelle Prozesskontext dynamisch erweitert und verändert werden. Sie möchten beispielsweise bei bestimmten Antworten einen einfachen Zähler im Prozess-Kontext speichern und erhöhen? Kein Problem!Hierfür können Sie kurze Quellcode-Schnipsel, geschrieben in der hauseigenen G.A.I.A.-funktionalen Programmiersprache Atreus, pro Prozess-Baustein hinterlegen, um Variablen im Kontext zu speichern oder zu verändern.In diesem Sinne:
0 function isThrilled(possiblyThrilled) -> {1     if (eq(possiblyThrilled,true), {2         contact("info@leftshift.one")3     }).else ({4         isThrilled(not(possiblyThrilled))5     })6 }

Umsetzungsplan

Phase 1: Weintyp bestimmen und passenden Wein zu einer Speise empfehlen.Phase 2: Der User beschreibt sein Menü bzw. sein Gericht und der Assistent extrahiert die Zutaten und empfiehlt den passenden Wein.Phase 3: Anbindung an Alexa, Google Home etc.
#assistent#bigdata#ai

Ähnliche Artikel

USECASE

Prozessoptimierung im E-Mail-Dschungel

USECASE

Lead Generation powered by Artificial Intelligence

USECASE

Dein digitaler Human Resource-Assistant

Das könnte Sie auch interessieren: