KI in der Gastronomie: vom Wareneinsatz bis zur Reservierung.

Die Gastronomie steht unter einem doppelten Druck: schmale Margen einerseits, schwer planbare Auslastung andererseits. Eine zu großzügige Bestellung produziert Foodwaste, eine zu knappe lässt Kunden enttäuscht zurück. Ein zu hoher Personaleinsatz frisst Marge, ein zu niedriger Service-Qualität. KI verspricht, beide Hebel zu schärfen — und tatsächlich gibt es heute Anwendungen, die in mittelständischen Häusern messbar wirken. Anders als in Konzernhotels und Großgastronomieketten, in denen entsprechende Systeme längst etabliert sind, fragen sich mittelständische Restaurants und Catering-Betriebe oft, ob KI für ihre Größe überhaupt sinnvoll ist. Das ist eine berechtigte Frage, denn nicht jede Anwendung skaliert nach unten, und manche Lösungen sind für die Größe eines Familienbetriebs überdimensioniert. Dieser Artikel zeigt konkret, welche Anwendungen heute funktionieren, welche Daten dafür nötig sind und welche Investitionen sich in welcher Größenordnung lohnen. Keine Demos, sondern Beispiele aus inhabergeführten Häusern mit 30 bis 150 Mitarbeitenden.

Wo die Gastronomie strukturell schwach in der Datenlage ist.

Bevor man über KI in der Gastronomie redet, lohnt sich ein ehrlicher Blick auf die Datenlage. In den meisten mittelständischen Restaurants und Catering-Betrieben sind die Daten weniger systematisiert, als KI-Anwendungen es voraussetzen. Reservierungen liegen in einem System, Bons in einem zweiten, Personalplanung in einem dritten — oft in Excel.

Diese Fragmentierung ist nicht trivial. Eine Bestellprognose, die auf Verkaufsdaten beruht, braucht diese Daten in strukturierter Form. Eine Personalplanung, die die Auslastung berücksichtigen will, braucht Schichtdaten und Umsatzdaten im selben Format. Wer KI einführen will, muss zuerst die Datenfrage klären — sonst landet jede Investition in einem System, das mangels Daten nicht arbeiten kann.

Die gute Nachricht: Moderne Kassensysteme erfassen heute deutlich strukturierter als noch vor fünf Jahren. Wer ein Kassen-, Reservierungs- und Bestellsystem in einem Haus hat — oder zumindest mit offenen Schnittstellen kombinierbar — hat die Voraussetzung für KI bereits geschaffen. Wer noch mit Papierreservierungen oder isolierten Insellösungen arbeitet, muss zuerst dort investieren.

Bestellprognose: Der schnellste Hebel.

Die Bestellprognose ist in der Gastronomie der reifste KI-Anwendungsfall. Aus Verkaufshistorie, Wochentagen, Wetter, lokalen Ereignissen und gegebenenfalls Reservierungslage lässt sich vorhersagen, welche Mengen pro Produktkategorie an einem bestimmten Tag verkauft werden. Diese Prognose ist meist deutlich präziser als das Bauchgefühl der Küchenleitung.

Konkrete Effekte aus der Praxis mittelständischer Restaurants: Reduktion des Foodwaste um 20 bis 40 Prozent, bessere Verfügbarkeit der gewünschten Gerichte, geringere Notbestellungen zu erhöhten Preisen. Die Investition in die entsprechende Software liegt typischerweise bei 200 bis 800 Euro pro Monat, je nach Anbieter und Funktionsumfang.

Was die Bestellprognose nicht ersetzt: das Verständnis für Saison- und Sondereffekte, die nicht in der Historie liegen. Ein neues Stadtfest am Standort, eine veränderte Speisekarte, ein Wechsel des Küchenchefs — solche Brüche muss der Mensch in das System einbringen. Die KI lernt schnell, aber nicht aus Veränderungen, die noch nicht stattgefunden haben. Diese Trennung ist wichtig, sonst entsteht das Bild einer Allzweck-Prognose, das in der Realität enttäuscht.

Personalplanung: Mehr als nur Schichten zuteilen.

Die Personalplanung in der Gastronomie ist komplex: variable Auslastung, gesetzliche Pausenregeln, individuelle Wünsche der Mitarbeitenden, Spitzenzeiten am Wochenende. Manuelle Pläne in Excel sind zeitaufwendig und führen oft zu Über- oder Unterbesetzung.

KI-gestützte Personalplanungssysteme kombinieren die Auslastungsprognose mit Schichtmodellen, Personalverfügbarkeiten und Arbeitszeitgesetzen. Sie schlagen einen Plan vor, der dann von der Leitung freigegeben oder angepasst wird. Drei konkrete Effekte: Reduktion der Planungsstunden für die Leitung um die Hälfte, bessere Übereinstimmung von Bedarf und Besetzung, transparentere Berücksichtigung von Mitarbeiterwünschen.

Wichtig ist: Die Software macht den Plan nicht alleine, sondern liefert einen Vorschlag. Die endgültige Freigabe bleibt menschlich — sie muss Eigenheiten berücksichtigen, die im System nicht abgebildet sind. Wer das System vollautomatisch laufen lässt, erlebt Konflikte mit Mitarbeitenden, die sich übergangen fühlen. Wer das System als Werkzeug versteht, gewinnt Effizienz, ohne die Akzeptanz zu verlieren.

Reservierung und Gästekommunikation.

Moderne Reservierungssysteme bieten zunehmend KI-Funktionen, die über das reine Tischmanagement hinausgehen. Automatische Bestätigungen, Erinnerungen, No-Show-Vorhersagen, intelligente Tischzuweisung — all das ist mit guter Software heute Standard und liefert spürbare Entlastung.

Ein konkreter Effekt ist die Reduktion von No-Shows. KI-Systeme erkennen Muster — bestimmte Gäste, bestimmte Wochentage, bestimmte Reservierungsabstände — die mit erhöhter No-Show-Wahrscheinlichkeit korrelieren. Bei diesen Reservierungen können gezielt zusätzliche Bestätigungsmaßnahmen ausgelöst werden, was die No-Show-Quote typischerweise von 8–15 Prozent auf 4–7 Prozent senkt.

Zusätzlich entstehen Möglichkeiten in der Gästekommunikation: personalisierte Geburtstagseinladungen, gezielte Angebote bei Lücken in der Auslastung, Rückgewinnungskampagnen für Gäste, die länger nicht da waren. Diese Kampagnen sind nicht KI-exklusiv, profitieren aber stark von KI-Unterstützung bei Texterstellung und Zielgruppenauswahl. Wichtig bleibt der DSGVO-konforme Umgang mit den Gästedaten — gerade bei kleineren Häusern ein oft unterschätztes Thema.

Speisekartengestaltung und Menüentwicklung.

Ein weniger offensichtliches, aber wachsendes Anwendungsfeld ist die datengestützte Menüentwicklung. Aus Verkaufsdaten lässt sich erkennen, welche Gerichte besonders profitabel sind, welche oft bestellt werden, welche Kombinationen besonders häufig zusammen geordert werden. KI hilft, diese Muster sichtbar zu machen, die in den Rohdaten verborgen sind.

Konkrete Anwendungen: Identifikation von Verlustbringern (häufig bestellt, aber geringe Marge), Erkennen von Cross-Selling-Mustern (was wird häufig zusammen bestellt), Tests von Speisekarten-Varianten (welche Anordnung führt zu mehr Bestellungen der gewünschten Gerichte). Diese Anwendungen lassen sich teilweise auch ohne KI mit klassischer Statistik betreiben, gewinnen aber durch KI-Unterstützung an Geschwindigkeit und Tiefe.

Was nicht funktioniert: Die Kreation neuer Gerichte durch KI. Sprachmodelle können Rezepte generieren, aber deren kulinarische Qualität ist zufällig. Die Menüentwicklung bleibt eine kreative Aufgabe des Küchenchefs — KI liefert Daten und Auswertungen, nicht Kreationen. Diese Trennung schützt das gastronomische Selbstverständnis und nutzt die KI dort, wo sie wirklich hilft.

Bewertungen und Online-Reputation.

Gastronomiebetriebe leben zu einem erheblichen Teil von Bewertungen auf Google, TripAdvisor und Plattformen wie OpenTable. Diese Bewertungen zu beobachten und zu beantworten kostet Zeit — gerade in mittelständischen Häusern oft Zeit der Inhaberin oder des Inhabers. KI bietet hier praktische Unterstützung.

Wichtig ist, dass die Antworten nicht vollständig automatisiert werden. Gäste merken, wenn ihre Bewertung mit einer Standardphrase abgespeist wird — das verschlimmert oft mehr, als es hilft. Wer KI als Vorschlagswerkzeug nutzt und die Antworten individuell anpasst, gewinnt Zeit ohne Authentizitätsverlust. Wer voll-automatisch antwortet, erntet zusätzliche Negativbewertungen.

Was die Gastronomie nicht von KI erwarten sollte.

Bei aller Anwendungsbreite: Manche Probleme der Gastronomie löst KI nicht. Der Fachkräftemangel wird durch bessere Personalplanung gemildert, aber nicht behoben. Die strukturellen Margenprobleme bleiben bestehen, auch wenn der Foodwaste sinkt. Die Frage nach Konzept, Positionierung und gastronomischer Qualität bleibt eine menschliche Antwort.

Auch die Service-Qualität am Tisch wird durch KI nicht ersetzt. Der freundliche Empfang, die ehrliche Beratung zur Karte, das Eingehen auf besondere Wünsche — diese Tätigkeiten sind menschlich und sollten es bleiben. Wer Service durch Tablets ersetzt, spart vielleicht Personalkosten, verliert aber den Kern dessen, was Gastronomie ausmacht. Dieser Punkt ist gerade in mittelständischen Häusern wichtig, weil das Persönliche oft das Differenzierungsmerkmal gegenüber Ketten ist.

Realistisch eingesetzt, ist KI für die Gastronomie ein Werkzeug zur Effizienzsteigerung in der Hintergrundverwaltung — Disposition, Planung, Kommunikation. In diesen Bereichen entstehen reale Entlastungseffekte, die den Druck auf Inhaber und Führungspersonal mildern. Wer KI in dieser Rolle versteht und nicht zur Wunderlösung überhöht, gewinnt sowohl wirtschaftlich als auch im Alltag.

Eine realistische Investitionsplanung.

Für ein mittelständisches Restaurant mit 50 bis 150 Plätzen und 20 bis 60 Mitarbeitenden ergibt sich eine pragmatische Investitionsplanung über 24 Monate. Erst die Datenbasis schaffen, dann die ersten zwei Anwendungen ausrollen, dann Schritt für Schritt erweitern.

Monate 1–3: Kassen-, Reservierungs- und Personalplanungssoftware konsolidieren, falls noch nicht geschehen. Datenschnittstellen prüfen. Investition: 5.000–15.000 € einmalig, je nach Ausgangslage.

Monate 4–9: Erste KI-Anwendung einführen — meist Bestellprognose oder KI-gestützte Personalplanung. Die jeweils andere folgt ab Monat 9. Investition: 300–800 € monatlich pro System.

Monate 10–18: Reservierungssystem mit KI-Funktionen für No-Show-Reduktion und Gästekommunikation. Investition: zusätzlich 200–500 € monatlich.

Monate 19–24: Bewertungsmanagement und Menüentwicklungsdaten. Kosten je nach Tool variabel, oft als Add-on zu bestehenden Systemen.

Insgesamt liegen die laufenden KI-Kosten für ein Haus dieser Größenordnung bei etwa 800 bis 2.500 Euro pro Monat — eine Größe, die sich gegen die Effekte aus Foodwaste-Reduktion und Personaloptimierung in den meisten Fällen rechnet. Die Amortisation liegt typischerweise zwischen 6 und 18 Monaten.

Sie wollen prüfen, welche KI-Anwendungen für Ihren Gastronomiebetrieb sinnvoll sind? Unverbindlich anfragen — wir schauen gemeinsam auf Datenlage, Größenordnung und die ersten zwei bis drei realistischen Schritte.