Cocktailrezept-Bot

Über unseren Kunden

Unser Kunde war ein Unternehmen aus den Bereichen Entertainment und Hospitality, das das Cocktailerlebnis für Veranstaltungsorte der Showbranche, Bars und Eventveranstalter modernisieren wollte. Ziel war es, den Besuchern einer webbasierten Getränkeplattform ein intuitives Werkzeug zur Verfügung zu stellen, mit dem sie Cocktails aus einer umfangreichen Rezeptdatenbank entdecken und auswählen können. Darüber hinaus sollten personalisierte Empfehlungen bereitgestellt und gebrandete Produktplatzierungen integriert werden.

Der Kunde benötigte ein System, das Nutzereingaben verarbeiten, eine groß angelegte Rezeptsuche durchführen und Inhalte dynamisch auf Web- und Mobilplattformen bereitstellen kann. Gleichzeitig sollte die Lösung strukturierte Daten für Analyse- und Marketingzwecke integrieren.

Herausforderung

Bei der Entwicklung einer Plattform für Cocktail-Empfehlungen bestanden die wichtigsten Herausforderungen in folgenden Punkten:

• Fehlendes zentrales Tool zur Auswahl von Cocktailrezepten, die an Event-Szenarien angepasst sind
• Erfassung und Verarbeitung von Nutzerpräferenzen über einen dynamischen Fragebogen
• Suche und Ranking Tausender Rezepte mithilfe vektorbasierter Ähnlichkeitssuche (RAG)
• Integration gebrandeter Produktplatzierungen in die Rezeptauswahl, ohne die Nutzerinteraktion zu stören
• Sicherstellung einer responsiven Nutzung auf Web- und Mobilplattformen für gleichzeitige Nutzer

Hauptziele

Um die gewünschte Softwarelösung umzusetzen, teilten wir das Projekt in mehrere überschaubare Ziele auf:

• Bereitstellung eines KI-gestützten interaktiven Assistenten, mit dem Nutzer Cocktails auf Basis ihrer Präferenzen entdecken und auswählen können
• Umsetzung dynamischer Rezeptempfehlungen mithilfe von Ähnlichkeitssuche und personalisierten Vektoren
• Integration von Produktplatzierungen in den Empfehlungsworkflow zu Marketingzwecken
• Entwicklung einer plattformübergreifenden Nutzererfahrung für Web und Mobile mit schnellen und intuitiven Interaktionen

Projektübersicht

Wir entwickelten eine cloudnative dialogbasierte Plattform, die KI, Vektorsuche und strukturiertes Rezeptmanagement kombiniert. Für Skalierbarkeit und Performance kamen LangChain/LangGraph als Conversational Engine sowie PostgreSQL zur Speicherung strukturierter Rezept- und Produktdaten zum Einsatz.

Die Plattform führte Nutzer durch interaktive Fragebögen, wandelte ihre Eingaben in Vektor-Embeddings um und rief passende Rezepte ab. Gebrandete Zutaten und Produkte wurden innerhalb der Empfehlungen hervorgehoben. Die Architektur unterstützte horizontale Skalierung, sodass mehrere gleichzeitige Nutzer ohne Performance-Einbußen bedient werden konnten.

Lösung

Die finale Lösung fungierte zugleich als intelligenter Rezeptassistent und Marketingplattform. Der Bot führte Nutzer durch vordefinierte Fragen, um Geschmackspräferenzen sowie Details zur geplanten Party oder Veranstaltung zu erfassen, filterte Rezepte mithilfe vektorbasierter Ähnlichkeitssuche und lieferte personalisierte Empfehlungen mit integrierter Produktplatzierung.

Das System nutzte eine RAG-Architektur (Retrieval-Augmented Generation), um passende Rezeptdaten über Vektor-Embeddings aus einer lokalen Datenbank abzurufen. Zusätzlich stellte die Plattform Analysedaten zu Nutzerentscheidungen bereit, wodurch der Kunde Rezepte, Marketingkampagnen und Produktpositionierung optimieren konnte. Sowohl die Webversion mit React als auch die mobile App wurden mit dem KI-Assistenten integriert und boten dadurch eine konsistente plattformübergreifende Nutzererfahrung mit höherem Engagement.

Hauptfunktionen

• KI-gestützte dialogbasierte Oberfläche zur Cocktailauswahl
• Erfassung von Präferenzen über Fragebögen und Vektorsuche für präzise Empfehlungen
• Direkte Integration von Produktplatzierungen in Rezeptvorschläge
• Dynamische Filterung und Sortierung von Rezepten basierend auf Nutzereingaben
• Skalierbarer plattformübergreifender Zugriff über Web und Mobile
• Analytics und Reporting zu Rezeptpopularität und Produktinteraktion

Technologie-Stack

Um schnelle Antwortzeiten, präzises Recipe Matching sowie die Speicherung strukturierter und semantischer Daten sicherzustellen, wählten wir einen schlanken, aber einsatzbereiten Technologie-Stack, der LLM-Orchestrierungstools mit einer leistungsstarken relationalen Datenbank kombiniert.

• KI & Conversational Engine: LangChain / LangGraph, LLM (ChatGPT)
• Datenbank: PostgreSQL + pgvector für strukturierte Rezept- und Produktdaten
• Web- & Mobile-Plattformen: React, responsive Mobile Frameworks
• Infrastruktur: Cloud-Hosting für horizontale Skalierung und hohe Parallelität
• Analytics: Integriertes Tracking für Nutzerinteraktionen und Produktengagement

Kernteam

• Backend Developers: Entwickelten die Conversational Flows mit LangChain/LangGraph und integrierten die Vektorsuche. Implementierten PostgreSQL-Datenstrukturen, Query-Optimierung und die Logik für das Rezeptmanagement.
• Frontend Developers: Entwickelten responsive Web- und Mobile-Oberflächen für die Nutzerinteraktion.
• Data & Analytics Engineers: Konzipierten Engagement-Tracking und Reporting für Produktplatzierungen.
• DevOps & Cloud Architects: Verwalteten Deployment, Load Balancing und Sicherstellung der Systemverfügbarkeit.