Ein Freitagabend. Das Restaurant ist ausgebucht. 18 Tische, 60 Plätze. Dann kommen die Anrufe. Ein Tisch für vier: storniert. Ein Tisch für zwei: einfach nicht erschienen. Bis halb neun fehlen neun Gäste. Neun Gäste, die der Koch eingeplant hatte. Neun Gedecke, die aufgedeckt wurden.
Das Münchner Restaurant Mural hatte eine No-Show-Rate von bis zu 20 Prozent. Jeder fünfte reservierte Tisch blieb leer.
Heute liegt die Rate unter 0,5 Prozent.
Was hat sich verändert? Kein neues Küchengerät. Keine andere Speisekarte. Nur ein Reservierungssystem, das Gäste zum richtigen Zeitpunkt mit der richtigen Botschaft erinnert und bei der Buchung Verbindlichkeit schafft, bevor ein Problem entsteht.
Das Problem kostet mehr als die meisten Tools, die es lösen sollen
No-Shows sind in der Gastronomie das offene Geheimnis, über das niemand laut spricht. Branchenweit liegt die Rate in Deutschland ohne aktive Gegenmaßnahmen zwischen 10 und 20 Prozent. Bei einem Restaurant mit 50 Plätzen und 40 Euro durchschnittlichem Bon bedeutet das an einem Samstagabend schnell 400 bis 800 Euro entgangener Umsatz, bei Kosten, die trotzdem entstehen.
Personal steht bereit. Mise en place ist gemacht. Der Wein ist geöffnet.
KI-gestützte Reservierungssysteme wie OpenTable, aleno oder Resmio lösen dieses Problem auf drei Ebenen:
Erstens Verbindlichkeit bei der Buchung. Wer eine Kreditkarte hinterlegen muss, überlegt zweimal. Und sagt im Zweifel vorher ab.
Zweitens intelligentes Timing bei Erinnerungen. Nicht eine SMS 24 Stunden vorher, sondern die richtige Botschaft zum richtigen Zeitpunkt, basierend auf dem Verhalten ähnlicher Gäste in der Vergangenheit.
Drittens Risikomodellierung in Echtzeit. Das System erkennt, welche Buchungen mit höherer Wahrscheinlichkeit nicht erscheinen. Das System schlägt gezielte Überbuchung oder eine Warteliste vor, ohne dass Chaos entsteht.
Das Tantris in München nutzt aleno nach demselben Prinzip. Wer dort bucht, weiß, dass er ernst genommen werden muss. Das System kommuniziert es, bevor der Abend beginnt.
Food Waste: Wichtig, aber nicht da, wo du denkst
Die Branche redet viel über Lebensmittelverschwendung. Zu Recht: Gastronomiebetriebe werfen im Schnitt 10 bis 15 Prozent ihrer eingekauften Lebensmittel weg. In Deutschland, wo Margen ohnehin eng sind, ist das eine doppelte Belastung, finanziell und ökologisch.
KI hilft. Aber anders als erwartet.
Das Londoner Unternehmen Winnow hat Kameras und Waagen in Profiküchen installiert, die automatisch erkennen, was weggeworfen wird und warum. IKEA setzt Winnow in allen Filialen weltweit ein und hat Food Waste um 54 Prozent gesenkt. Four Seasons in Costa Rica schaffte eine Halbierung. Guckenheimer, ein US-amerikanischer Betriebsgastronomie-Anbieter, wurde zum ersten Unternehmen seiner Branche, das Food Waste um 64 Prozent senkte.
Für kleine Restaurants klingt das nach Enterprise-Software. Ist es auch. Winnow ist für die meisten kleinen Betriebe überdimensioniert.
Was passt: Forecastingfunktionen in Software wie Restaurant365 oder Tenzo. Diese verbinden sich mit deinem POS-System und kombinieren historische Buchungsdaten mit externen Faktoren wie Wetter oder lokalen Veranstaltungen. Das Ergebnis ist eine Bestellempfehlung, aufgeschlüsselt nach Zutaten und Gerichten.
Der Unterschied zu No-Show-Tools: Diese Prognosen werden besser, je länger du sie nutzt. In den ersten Wochen sind sie gut. Nach einem Jahr übertreffen sie jede Intuition, besonders für volatile Perioden wie Weihnachtsgeschäft oder Feriensaison.
Der konkrete Nebeneffekt, der oft übersehen wird: Wenn du weißt, dass Dienstagabend 30 Prozent weniger Gäste kommen als Mittwoch, kannst du den Personalplan entsprechend anpassen. Weniger Überstunden, weniger Leerlauf, weniger Ärger im Team. Das spart oft mehr als die eingesparten Lebensmittel selbst.
Bewertungen: Der blinde Fleck
Du hast 300 Google-Bewertungen. Hast du die alle gelesen?
Die meisten Gastronomen haben ein diffuses Gefühl, was Gäste stört, aber kein klares Bild. KI-Tools wie ReviewTrackers oder Yext aggregieren Bewertungen über alle Plattformen und machen Muster sichtbar, die sich einzeln gelesen nicht zeigen würden.
“Wartezeit zu lang”: siebenmal, ausschließlich samstagabends. “Pasta war kalt”: häuft sich im Winter, wenn Gäste näher am Eingang sitzen. “Personal unfreundlich”: kommt in drei aufeinanderfolgenden Wochen konzentriert. Immer abends.
Das ermöglicht gezielte Verbesserungen statt blindes Reagieren auf eine einzelne Drei-Sterne-Bewertung. Und es zeigt, wo ein operatives Problem liegt, das du ohne Aggregation übersehen würdest.
Fürs Antworten auf Bewertungen brauchst du kein Spezialtool. ChatGPT mit einem guten Prompt schreibt höfliche, individuelle Antworten in Sekunden, auch für die 50 Bewertungen, die du seit einem Jahr nicht beantwortet hast.
Was KI nicht macht
Gastronomie ist ein Vertrauensgewerbe. Kein Forecasting-Tool der Welt kann den Moment voraussagen, in dem ein Kellner merkt, dass ein Tisch gerade einen schlechten Abend hat, und ohne Aufforderung eine Kleinigkeit rausschickt. Das ist Gastgeberschaft. Das ist nicht automatisierbar.
Der beste Einsatz von KI im Restaurant ist der, der deinem Team mehr Zeit lässt, genau das zu tun.
Wenn du weniger Zeit mit Bestelllisten und dem manuellen Durchforsten von Bewertungen verbringst, hast du mehr Kapazität für das, was Gäste wirklich zurückkommen lässt. Nicht die App. Nicht das System. Du.
Das fängt damit an, dass du nicht mehr jeden Samstag ratlos auf leere Tische schaust.
Mehr dazu, wie KI in kleinen Betrieben ohne Konzernbudget konkret funktioniert, findest du in unserem Artikel zu KI im Handwerk und in kleinen Betrieben. Und was Automatisierung von echter KI-Unterstützung unterscheidet, erklärt unser Glossar.
Du betreibst ein Restaurant und willst wissen, welche Tools sich für deine Größe wirklich rechnen? Im KI-Syndikat Newsletter teilen wir konkrete Empfehlungen, ohne Vendor-Bullshit, ohne Konzernlösungen.