Aanbevelingssystemen zijn wijdverbreid en zijn te vinden op elk belangrijk internetplatform. Een dergelijk systeem heeft altijd tot doel een persoon in contact te brengen met mogelijke ervaringsobjecten. Het besluit of de keuze van een alternatief gebeurt alleen uit een deel van alle mogelijkheden. Mensen worden bevrijd.

In de sector is er een groot aantal beslissingen met grote vrijheid. Of het nu gaat om productontwikkeling door ingenieurs of om de huidige reclamestrategie, het is niet van belang.

Er zijn twee soorten aanbevelingssystemen. In contentgebaseerde systemen wordt soortgelijke inhoud geselecteerd uit een basisset. In samenwerkingssystemen wordt de informatie over wat de gebruiker moet aanbevelen, gegenereerd door de gebruiker. Afhankelijk van de gegevenssituatie en het gebruiksgeval kan op basis van gegevens een op maat gemaakt aanbevelingssysteem worden gecreëerd.

De transparantie van de aanbevelingen is soms moeilijk vast te stellen. De onzekerheid die een dergelijk systeem bij de selectie van voorstellen heeft, wordt echter gecompenseerd door de deskundige, die beslissingsbevoegdheid heeft.

De volgende illustratie toont de fundamentele verschillen in de opzet van de aanbevelingsdiensten. Aan de linkerkant wordt de gelijkenis tussen twee of meer producten berekend en worden soortgelijke producten voorgesteld aan de gebruiker. Aan de rechterkant wordt de gelijkenis tussen twee of meer gebruikers berekend (bv. op basis van aankoopgedrag of vergelijkbare productbeoordelingen en -belangen) en worden producten voorgesteld die door soortgelijke gebruikers zijn verbruikt.

Bij de technische uitvoering wordt de wiskundige afstand tussen gegevenspunten (producten of personen) berekend. Hoe kleiner de afstand, hoe groter de gelijkenis. Producten worden mathematisch beschreven, bijvoorbeeld aan de hand van metagegevens (trefwoorden) of parameters, mensen door hun aankoopgedrag of productbeoordelingen.

Er zijn mogelijke toepassingsscenario’s beschikbaar waar beslissingen moeten worden genomen. De besluiten worden ondersteund door aanbevelingssystemen.

Zo kunnen patronen worden erkend bij het invullen van leverings-/bestelbonnen. Suggesties op de relevante gebieden kunnen de tijd die nodig is om het formulier in te vullen, aanzienlijk verkorten.

Modulatie is wijdverbreid in de machinebouw. De patronen die in de configuratie van een project worden gepresenteerd, kunnen worden geleerd door aanbevelingssystemen. Ook in dit geval profiteren ondernemingen en werknemers onder meer van de hulp van kunstmatige intelligentie in de vorm van tijdsbesparing.

Houd met onze technologische radar de belangrijkste voor kmo’s relevante technologieën in de gaten!