In Zeiten globaler Angebotsverdichtung und omnipräsenter Digitalmarketing begegnen wir häufig der Herausforderung, aus einer Vielzahl von Alternativen zu wählen. Ob es um die Auswahl eines Urlaubsziels unter 194 Ländern oder die Entscheidung für einen Film aus rund 500.000 Titeln geht, die Komplexität der Entscheidungen nimmt zu. Oft müssen wir auch verschiedene Eigenschaften gegeneinander abwägen, wie etwa die Bedeutung der Sprache im Urlaubsland im Vergleich zum Wetter oder die Relevanz eines bestimmten Schauspielers versus dem Genre eines Films. Diese zunehmende Komplexität in Entscheidungsumgebungen, verstärkt durch die Digitalisierung, führt zu teuren Entscheidungsprozessen. Die Arbeit analysiert das Problem der Informationsüberflutung und unser begrenztes Vermögen, große Datenmengen zu verarbeiten. Als Lösung wird ein automatisierter Informationsfilter vorgestellt, ein Systemtyp aus der Klasse der Entscheidungsunterstützungssysteme. Dieser Filter erlernt das Präferenzprofil eines Nutzers anhand historischer Daten, verdichtet diese Informationen und nutzt das Ergebnis zur Vorfilterung großer Mengen an Entscheidungsalternativen. Dadurch können die Kosten der Entscheidungsfindung effizienter gestaltet und das Kosten-Nutzen-Verhältnis verbessert werden.
