Booking.com ersetzt seine Filtermenüs durch natürlichsprachige Suche mit OpenAI-Modellen

Der Filter war der Flaschenhals

Booking.com beschreibt dieses Projekt zunächst als Frontend-Problem, nicht als Modell-Problem. Die Plattform bot Hunderte von Filtern an, doch diese halfen nur Reisenden, die bereits wussten, wonach sie suchten. CTO Rob Francis bringt die Lücke auf den Punkt.

Man möchte vielleicht einen romantischen Kurzurlaub machen, aber betont kitschig. Es gibt keinen Filter für herzförmige Betten oder Elvis-Imitatoren. Die klassische Suche war schlicht nicht dafür gebaut, solche Absichten zu erschließen.Montana Labs

Das trifft präzise, warum Dropdowns und Checkboxen beim Entdecken versagen. Jeder Filter ist eine vordefinierte Achse, die das Produktteam im Voraus festgelegt hat. Für Absichten, die keiner bestehenden Achse entsprechen, gibt es kein Eingabefeld. Das Unternehmen war stark in dem, was Adrienne Enggist die letzte Meile nennt – vom Suchen zum Buchen –, doch für die frühere Phase, in der Reisende noch herausfinden, was sie eigentlich wollen, fehlte eine brauchbare Oberfläche.

Die Oberflächenänderung war klein; die eigentliche Arbeit lag im Grounding

Die sichtbare Frontend-Änderung ist überschaubar: ein Textfeld, das Eingaben wie „Wohin sollte ich für ein romantisches Wochenende in Europa fahren?“ oder „Sonnenuntergänge“ annimmt. Die schwierigere technische Arbeit steckt dahinter. Smart Filters und AI Review Summaries laufen auf GPT-4o mini; Property Q&A wurde mit von Nutzern erstellten Inhalten und Objektbeschreibungen von Booking.com feinabgestimmt.

Der beschriebene Durchbruch besteht darin, zwei Datenarten zu verbinden, die das Unternehmen zuvor getrennt gehalten hatte. Strukturierte Daten – Preise, Verfügbarkeit und Stornobedingungen – wurden bereits seit Jahren optimiert. Unstrukturierte Daten – Bewertungen und natürlichsprachige Beschreibungen – wurden nun darübergelegt, damit das Modell Vorschläge generieren kann, die auf beidem basieren. Eine konversationelle Eingabe ist nur nützlich, wenn sie sich in reales Angebot übersetzen lässt, und genau diese Auflösung verhindert, dass daraus ein bloß aufgesetzter Chatbot auf einem Katalog wird.

Bemerkenswert ist, dass die Integration über bestehende APIs und Datenstrukturen erfolgte, statt über einen kompletten Neubau. Deshalb konnte der erste Prototyp des AI Trip Planners, der Zielorte entdecken und Reiserouten erstellen kann, innerhalb von zehn Wochen ausgehend von der API und einem Hackathon ausgeliefert werden.

Nutzer lernten, anders zu tippen

Der stärkste Beleg hier ist nicht die Funktionsliste, sondern eine Verhaltensbeobachtung. Enggist berichtet, dass Nutzer das neue Eingabefeld zunächst wie das alte behandelten und schlicht „Myrtle Beach“ eingaben, also einen einzelnen Zielort als Zeichenkette. Mit der Zeit veränderte sich die Form der Anfragen.

Aber inzwischen sehen wir deutlich detailliertere, konversationelle Anfragen wie: „Ich möchte im September mit meinem Hund an einen ruhigen Strand fahren.“Montana Labs

Das ist bedeutsam, weil es zeigt, dass die Oberflächenänderung tatsächlich mentale Modelle verschoben hat. Nutzer formulieren nuancierte Absichten erst, wenn sie darauf vertrauen, dass das Eingabefeld damit umgehen kann. Das Unternehmen bewertet die berichteten Ergebnisse – längere Verweildauer beim Trip Planner, schnellere Suche über Smart Filters, weniger Support-Anfragen durch Property Q&A – als messbaren Fortschritt, räumt aber ein, dass Langzeitdaten zur Performance noch gesammelt werden. Der ehrliche Vorbehalt bleibt wichtig: Die bislang belastbare Kennzahl ist das veränderte Tippverhalten, nicht geprüfte Konversionszahlen.

Heute Entdeckung, morgen Orchestrierung

Die konkrete Lehre für Teams, die konversationelle Oberflächen bauen, lautet: Das Eingabefeld ist der leichte Teil. Der eigentliche Gewinn entsteht dadurch, freitextliche Absicht mit strukturiertem Echtzeit-Angebot und den unübersichtlicheren unstrukturierten Signalen zu verknüpfen, die ein Katalog bereits enthält. Booking.com verfügte über ein Jahrzehnt an ML-Infrastruktur und jahrelange Bewertungen, die für die Entdeckungsphase ungenutzt blieben – bis ein Sprachmodell sie gemeinsam lesen konnte.

Der von Booking.com genannte nächste Schritt erhöht die Schwierigkeit deutlich. Enggist beschreibt einen Concierge-Begleiter, der einen stornierten Flug neu bucht, nach einer Verspätung ein neues Hotel findet und bei der Ankunft nahegelegene Restaurants vorschlägt. Das bedeutet den Übergang vom Beantworten von Anfragen zum eigenständigen Handeln während der gesamten Reise – ein anderer Maßstab für Zuverlässigkeit und Sicherheit als das Zusammenfassen von Bewertungen. Die ausgelieferte Entdeckungs-Oberfläche ist der Machbarkeitsnachweis; die agentengesteuerte Version ist der Ort, an dem die eigentliche technische Herausforderung noch liegt.