Communities spielen eine entscheidende Rolle bei der Reiseplanung. Aufgrund der Komplexität von Reisen verlassen sich Nutzer oft auf die Meinungen anderer und geben sich gegenseitig bessere Empfehlungen als automatisierte Systeme. Durch die Interaktion in diesen Gemeinschaften entsteht kollektives Wissen, das über individuelles Wissen hinausgeht. Die Untersuchung zielt darauf ab, individuelle Reiseempfehlungen automatisiert aus kollektivem Wissen zu generieren, die von Mitgliedern der Reisecommunity höher bewertet werden als selbstgegebene Empfehlungen. Eine Online-Reiseplattform wird konzipiert, um den Austausch über vergangene Reisen zu ermöglichen. Die gesammelten Daten dienen dazu, kollektives Wissen über Reisen, Trends und individuelle Präferenzen zu gewinnen. Dieses Wissen wird in einem hybriden Algorithmus genutzt, der sowohl komplette Reisen empfiehlt als auch Nutzer bei der interaktiven Reisekonfiguration unterstützt, indem er einzelne Aufenthaltspunkte vorschlägt. Der Algorithmus kombiniert Content-based und Collaborative Filtering und berücksichtigt Reisetrends. Dadurch können auch für weniger aktive Nutzer Empfehlungen ausgesprochen werden, selbst wenn keine individuellen Präferenzen identifiziert werden können. Zudem werden die maschinell generierten Empfehlungen auf Basis des kollektiven Wissens von der Community besser bewertet als die Empfehlungen der einzelnen Mitglieder.
