Wissensassistent für Mitarbeitende

Das echte Ausmaß des Problems

Hotellerie hat eine der höchsten Fluktuationsraten aller Branchen. Laut DEHOGA-Statistik lag die Fluktuationsquote im deutschen Gastgewerbe 2023 bei über 50 Prozent in bestimmten Positionen. Das bedeutet: regelmäßig neue Mitarbeitende einarbeiten, regelmäßig dasselbe Wissen vermitteln, regelmäßig dieselben Fragen beantworten.

Dabei ist das Wissen oft vorhanden — in Mitarbeiterhandbüchern, Prozessbeschreibungen, Tarifdokumenten und Standard-Operating-Procedures. Das Problem: Niemand liest diese Dokumente vollständig, und wenn eine Frage entsteht, wird die erfahrene Kollegin gefragt — nicht das Handbuch.

Ein KI-Wissensassistent macht das Gegenteil möglich: Er durchsucht alle internen Dokumente, findet die relevante Antwort und nennt die Quelle. Neue Mitarbeitende bekommen konsistente, dokumentierte Auskunft — ohne die erfahrene Kollegin zu unterbrechen.

Mit vs. ohne KI — ein ehrlicher Vergleich

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5) Erfahrene Mitarbeitende werden weniger unterbrochen — das ist täglich spürbar, besonders in Häusern mit hoher Fluktuation. Onboarding-Zeiten verkürzen sich deutlich. Das ist der zweithöchste Zeitnutzen im Hotel-Portfolio nach dem Chatbot.

Kosteneinsparung — niedrig (2/5) Keine direkten Kosten werden gespart — die Einsparung entsteht durch schnellere Einarbeitung und weniger Fehler durch falsche Auskunft. Das ist real, aber buchhalterisch schwer zu fassen.

Schnelle Umsetzung — mittel (3/5) 3 bis 6 Wochen bis Pilotbetrieb — Dokumente müssen gesammelt, strukturiert und indexiert werden. Das ist mehr Aufwand als Chatbot oder Review-Management, aber weniger als Revenue-Management-Systeme.

ROI-Sicherheit — mittel (3/5) Rückfragefrequenz ist messbar (vorher/nachher), Onboarding-Dauer ebenfalls. Aber der monetäre Wert ist weniger direkt als bei RevPAR-Steigerung oder Personalkosten.

Skalierbarkeit — hoch (4/5) Das System wächst mit dem Dokumentenvolumen und dem Team — ohne proportional steigenden Aufwand. Bei Ketten kann eine zentrale Wissensbasis für alle Häuser genutzt werden, mit haus-spezifischen Ergänzungen.

Richtwerte — stark abhängig von Dokumentenqualität, Team-Fluktuation und Einarbeitungsaufwand.

Was das System konkret macht

Der technische Ansatz ist RAG (Retrieval-Augmented Generation): Das System indexiert alle internen Dokumente semantisch und durchsucht sie bei jeder Frage nach den relevantesten Passagen. Ein Sprachmodell formuliert daraus eine direkte Antwort — mit Quellenangabe.

Für ein Hotel bedeutet das konkret: Das System kennt das Mitarbeiterhandbuch, die Schichtplanungsrichtlinien, die Eskalationsprozesse, die Zimmer-Kategorien und deren Preise, die Hausordnung und die Standard-Antworten auf die häufigsten Gästefragen.

Eine neue Mitarbeiterin fragt: „Was passiert wenn ein Gast keine Kreditkarte für die Kaution hat?” Das System antwortet: „Laut Mitarbeiterhandbuch Abschnitt 4.2 kann in diesem Fall eine Barkaution von 150 Euro pro Nacht akzeptiert werden. Die Ausnahme bei Stammgästen (mehr als 5 bisherige Aufenthalte) ist in Rücksprache mit der Schichtleitung möglich. Quelle: Mitarbeiterhandbuch_v3.pdf, S. 18.”

Das ist besser als das, was Martina zwischen zwei Gästen aus dem Kopf sagt.

Konkrete Werkzeuge — was wann passt

NotebookLM — Kostenloser Einstieg ohne technisches Setup: Hotel-Dokumente hochladen (bis zu 50 Quellen), direkt Fragen stellen. Gut für den Proof of Concept und für Häuser mit kleinerem Dokumentenvolumen. Einschränkung: Kein Team-Zugang in der kostenlosen Version, keine Zugriffsrechte-Steuerung.

Notion AI — Wenn das Hotel bereits Notion als Wiki nutzt: Notion AI beantwortet Fragen auf Basis der vorhandenen Notion-Seiten. Einfache Integration, kein separates System. Ab 20 Euro/Person/Monat (Business-Tarif).

Custom RAG mit ChatGPT / Claude + Vektordatenbank — Für Hotels, die maximale Kontrolle wollen: Dokumente in eine Vektordatenbank (Chroma, selbst gehostet; oder Pinecone, cloud-basiert) laden, Anfragen über die OpenAI- oder Anthropic-API beantworten. Vollständige Kontrolle über Datenhaltung und Zugriffsrechte. Einrichtungsaufwand: 2–4 Wochen mit Entwicklerunterstützung.

Microsoft 365 Copilot — Wenn das Hotel Microsoft 365 (SharePoint, Teams) nutzt: Copilot durchsucht alle M365-Inhalte, zu denen der Mitarbeitende Zugriff hat. Sehr gut integriert, keine Migration nötig. Ca. 30 Euro/Person/Monat zusätzlich zur M365-Lizenz.

Hotelkit Wissensdatenbank — Hotelkit bietet neben Housekeeping- und Ticket-Management auch eine Wissensdatenbank-Funktion. Wenn Hotelkit bereits im Einsatz ist, ist das die naheliegendste Erweiterung. Keine separate KI-Suche, aber strukturiertes Dokumentenmanagement.

Datenschutz und Datenhaltung

Interne Wissensdatenbanken enthalten HR-relevante Informationen (Gehaltsstrukturen, Urlaubsregelungen), operative Prozesse und ggf. Kundendaten in Prozessbeschreibungen. Zu beachten:

• DSGVO Art. 88 (Beschäftigtendatenschutz): HR-Informationen in der Wissensdatenbank müssen auf Zugriff beschränkt sein — nicht alle Mitarbeitenden brauchen Zugriff auf alle HR-Dokumente
• Zugriffsrechte: Abteilungsspezifische Informationen (Housekeeping-Protokolle, Küchen-HACCP) sollten nur für relevante Abteilungen zugänglich sein
• Datenhaltung: NotebookLM (Google) und Notion AI verarbeiten Daten in den USA — für sensible HR-Dokumente EU-basierte Lösungen oder on-premise bevorzugen
• Betriebsrat: Wenn das System Rückfrage-Protokolle der Mitarbeitenden erfasst, kann § 87 BetrVG greifen

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten

• Dokumente zusammenstellen und strukturieren: 2–4 Tage intern
• Technische Einrichtung: 0 Euro (NotebookLM) bis 5.000 Euro (Custom RAG)
• Pilottest mit dem Team: 1 Woche

Laufende Kosten (monatlich)

• NotebookLM: kostenlos (Einzelperson) bis Google One AI Premium (22 Euro/Monat)
• Notion AI: 20 Euro/Person/Monat
• M365 Copilot: 30 Euro/Person/Monat
• Custom RAG: 50–200 Euro/Monat (Infrastruktur)

ROI-Rechnung Hotel mit 30 Mitarbeitenden, 10 neue Mitarbeitende pro Jahr (33 % Fluktuation). Aktuell Einarbeitungszeit bis Selbstständigkeit: 6 Wochen. Mit Wissensassistent: 4 Wochen. 2 Wochen Produktivitätsdifferenz × 10 Mitarbeitende × 18 Euro Bruttostundenlohn × 40 Stunden = 14.400 Euro jährlicher Onboarding-Nutzen. Kosten System: 200–500 Euro/Monat. Amortisation: 1–2 Monate.

Typische Einstiegsfehler

1. Das System mit veralteten oder widersprüchlichen Dokumenten befüllen. Der klassische Fehler: alle vorhandenen Dokumente einlesen, auch 3 Jahre alte Versionen. Das System antwortet dann mit widersprüchlichen Informationen. Vor dem Indexieren: welche Version ist aktuell? Nur die aktuellste Version indexieren, alte Versionen archivieren.

2. Das System ohne klare Erwartungssteuerung einführen. „Fragt einfach das System” ist keine ausreichende Einführung. Das Ergebnis: Das Team stellt eine Frage, bekommt eine unsichere oder unvollständige Antwort, und vertraut dem System danach nicht mehr. Besser: Eine einseitige Übersicht erstellen — „Das beantwortet das System zuverlässig” (Policy-Fragen, Standard-Prozesse) vs. „Das entscheidet immer die Schichtleitung” (Ausnahmen, Gästebeschwerden, Sicherheit).

3. Keine Verantwortlichkeit für Dokument-Updates. Das System ist nur so gut wie die Dokumente. Wenn Prozesse sich ändern und niemand die Dokumente aktualisiert, gibt das System falsche Auskunft. Jedes Dokument braucht einen Verantwortlichen, der Updates einpflegt.

4. Das System nach der Einführung sich selbst überlassen. Ein Wissensassistent, der einmal befüllt und dann nicht gepflegt wird, verliert innerhalb weniger Monate an Qualität: Prozesse ändern sich, neue Mitarbeitende kommen, Angebote werden erweitert. Wenn das Indexierungsschema veraltet oder die Dokumente nicht mehr aktuell sind, gibt das System falsche Antworten — und das Vertrauen des Teams geht schnell verloren. Ein monatlicher Pflege-Slot von 30 Minuten ist die Mindestvoraussetzung für dauerhaften Nutzen.

Was mit der Einführung wirklich passiert — und was nicht

Häufigste Reaktion des Teams: Skepsis in den ersten zwei Wochen, weil das System nicht jede Frage perfekt beantwortet. Das ist normal — die Wissensdatenbank ist anfangs unvollständig. Jede unbeantwortete Frage ist ein Signal: dieses Thema fehlt noch.

Was hilft: Die ersten 4 Wochen als „Aufbauphase” kommunizieren. Das Team soll aktiv Fragen stellen, die das System nicht beantworten kann — und diese werden dann als neue Dokumente oder FAQ-Einträge aufgenommen. Das Team wird zum Mitgestalter, nicht zum Bewerter.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Wir haben das alles bereits im Mitarbeiterhandbuch.” Das Mitarbeiterhandbuch ist ein Dokument, das niemand im Arbeitsalltag aufschlägt. Ein Assistent, der direkte Antworten auf konkrete Fragen gibt, ist ein anderes Medium — obwohl er dieselbe Information enthält.

„Unser Team ist zu klein für so ein System.” Auch für ein Team von 10 Personen mit 30 % Fluktuation ist der Effekt spürbar. Der Einrichtungsaufwand ist bei kleinen Teams gering (weniger Dokumente), und NotebookLM kostet nichts.

Woran du merkst, dass das zu dir passt

• Neue Mitarbeitende stellen in der ersten Woche täglich viele Fragen, die eigentlich dokumentiert sind
• Erfahrene Mitarbeitende beschreiben es als störend, immer wieder dieselben Fragen zu beantworten
• Ihr habt Mitarbeiterhandbücher und Prozessbeschreibungen, die niemand liest
• Fluktuation ist hoch und Einarbeitung kostet merklich Zeit des gesamten Teams

Wann es sich noch nicht lohnt: Sehr stabile Teams mit fast keiner Fluktuation und wenig Änderungen in Prozessen. Oder wenn überhaupt keine strukturierte Dokumentation existiert — dann ist der erste Schritt Dokumentation, nicht KI. Und wenn das Team so klein ist, dass Wissen ausschließlich durch direkte Übergaben und persönliche Gespräche vermittelt wird (unter 10 Mitarbeitende ohne komplexe Spezialrollen) — dann ist ein KI-Wissensassistent ein Overkill für ein Problem, das ein gut gepflegtes Google-Drive-Verzeichnis löst.

Das kannst du heute noch tun

Öffne NotebookLM und lade eure fünf wichtigsten internen Dokumente hoch (Mitarbeiterhandbuch, Schichtplanungsrichtlinie, FAQ häufige Gästefragen, Zimmer-Kategorien-Übersicht). Stelle dann die fünf Fragen, die neue Mitarbeitende in der ersten Woche am häufigsten stellen. Das zeigt dir in 20 Minuten, ob das Konzept für euer Haus funktioniert.

Quellen & Methodik

• Fluktuation im deutschen Gastgewerbe: DEHOGA, Beschäftigungsstatistik Gastgewerbe (2023); Statistisches Bundesamt.
• Einarbeitungszeiten Hotellerie: IHA-Studie „Fachkräftemangel und Onboarding in der Hotellerie” (2024).
• RAG-Technologie und Implementierung: Eigene Erfahrungswerte aus KMU-Projekten (2022–2025).
• § 87 BetrVG (Mitbestimmung bei technischen Einrichtungen): Betriebsverfassungsgesetz in gültiger Fassung.
• DSGVO Art. 88 (Beschäftigtendatenschutz): Datenschutz-Grundverordnung in gültiger Fassung.
• Tool-Preisangaben: Veröffentlichte Tarife NotebookLM, Notion AI, M365 Copilot (Stand April 2026).