Das Ziel von Empfehlungssystemen besteht darin, dem Nutzer aus einer großen Menge an Artikeln solche zu empfehlen, die ihn am meisten interessieren könnten. E-Commerce- und Streamingdienste sind die bekanntesten Felder, in denen sie zum Einsatz kommen. In den letzten Jahren wurden sie auch in ortsbezogene soziale Netzwerke wie Foursquare oder Yelp integriert,um dem Nutzer personalisierte Empfehlungen über Points of Interest (POIs) zu geben. Zur Ermittlung der passenden Empfehlungen werden dabei häufig Methoden des maschinellen Lernens eingesetzt. Dieser Beitrag zeigt auf, wie das Verständnis von menschlichem Mobilitätsverhalten im Zusammenspiel mit dem technischen Wissen aus der Geoinformatik zu einer verbesserten Qualität von POI-Empfehlungen beitragen kann. Er bezieht damit Disziplinen ein, welche bisher nur in stark eingeschränktem Maße in der Forschung und Entwicklung um das Themengebiet der POI-Empfehlungssysteme berücksichtigt wurden.
Schlüsselwörter: POI-Empfehlungssysteme, Empfehlungssysteme, Points of Interest, Data Mining, Machine Learning, Mobilität, ortsbezogene Dienste, ortsbezogene soziale Netzwerke