Google Maps soll bald einen Sprung bei Location-Empfehlungen machen

Der Kartendienst Google Maps soll demnächst auf eine ganz neue Stufe der Nützlichkeit gehoben werden: Die Entwickler arbeiten an der Integration eines großen KI-Sprachmodells, wodurch das Finden passender Orte erheblich einfacher und besser werden soll.

Viel mehr Daten

Google Maps ist für die meisten Anwender längst der erste Anlaufpunkt, wenn nach bestimmten Geschäften oder einem Restaurant in der Nähe gesucht wird. Allerdings muss man dann in der Regel bereits relativ genau wissen, was man will. Die Verbindung mit einem KI-Modell soll zukünftig aber stärker dafür sorgen, dass man auch mit einer relativ unbestimmten Vorstellung über die passende Location am richtigen Ziel landet.

Dies kann unter anderem der Fall sein, wenn Nutzer beispielsweise nach einem Anbieter von Vintage-Schmuck suchen, was sich normalerweise nicht unbedingt im Namen oder der Beschreibung eines Geschäftes direkt widerspiegelt. Hier soll die tiefergehende Analyse durch die KI-Algorithmen den passenden Ort ausfindig machen.


Bei Google wird bereits intensiv an der Integration des Sprachmodells gearbeitet, berichtete das US-Magazin The Verge. Demnach sollen die neuen Möglichkeiten zuerst in den USA zur Verfügung gestellt werden, andere Länder sollen dann aber folgen. Einen konkreten Zeitrahmen hierfür gibt es allerdings bislang nicht.

Tests mit Local Guides

Das KI-Modell wird dem Vernehmen nach in der Lage sein, eine Vielzahl von Informationsquellen zusammenzuführen, um am Ende die passende Empfehlung geben zu können. So werden neben Beschreibungen auch Ergebnisse der Analyse von Fotos, die Inhalte von Rezensionen und viele andere Daten in die Trefferauswahl einfließen.

Google wird das neue Feature zuerst in der Local Guides-Community bereitstellen - quasi als Beta-Test mit den Experten aus der Nutzerschaft. Local Guides sind User, die viele und besonders aussagekräftige Tipps zu einer bestimmten Umgebung liefern und die entsprechend am ehesten in der Lage sein werden, die Qualität der neuen Empfehlungen zu bewerten und die Entwickler beim Feintuning zu unterstützen.


Siehe auch: