Housekeeping-Routenoptimierung Resort: Weniger Laufwege, schnellere Zimmerfreigabe

Das echte Ausmaß des Problems

In einem Resort mit 150 Zimmern verbringen Reinigungskräfte erfahrungsgemäß 20–35 Prozent ihrer Schichtzeit damit, sich zwischen Zimmern zu bewegen, nicht zu reinigen. Das nennt die Branche Moving-Around-Time (MAT). Ein Teil davon ist unvermeidlich: Leinenwagen muss zum Nachschubpunkt, Etagen müssen gewechselt werden. Aber ein erheblicher Teil entsteht durch Leerläufe: Das nächste Zimmer auf der Route ist noch belegt, die Reinigungskraft dreht um, sucht das nächste freie Zimmer auf gut Glück, oft eine oder zwei Etagen weiter weg.

Bei einem 180-Zimmer-Resort mit drei Gebäuden und 12 Reinigungskräften pro Schicht entstehen so täglich locker 60–80 Stunden kumulativer Leerweg-Zeit, Arbeit, die das Haus bezahlt, ohne dass ein einziges Zimmer dabei sauber wird. Laut einer Analyse von Optii Solutions sind Leerwegezeiten in traditionell organisierten Housekeeping-Operationen für bis zu 30 % der Lohnkosten mitverantwortlich.

Das Problem hat drei Quellen, die kombiniert eskalieren:

• Check-out-Unvorhersagbarkeit: Gäste schauen aus, wann es ihnen passt, nicht um 11:00 Uhr wie der Standardtermin vorsieht. Wer auf den Flur losgeht und nicht weiß, welche Zimmer aktuell frei sind, optimiert blind.
• DND-Schilder als Blackbox: Kein Plan weiß, wie lange DND aktiv bleibt. Ein Zimmer mit DND um 9:00 Uhr kann um 9:05 Uhr frei sein, oder bis 13:00 Uhr hängen bleiben. Ohne Echtzeit-Status wird die Route statisch gebaut und statisch läuft sie ins Leere.
• Zimmertyp-Unterschiede schlagen auf die Zeitplanung durch: Eine Standard-Abreise braucht 25 Minuten, eine Suite 50–60 Minuten, ein VIP-Zimmer mit Sonderwünschen länger. Wer Suiten und Standard-Zimmer in einer einzigen festen Route mischt, bringt das Timing der gesamten Etage durcheinander.

Das Ergebnis ist kein Effizienzproblem, das Mitarbeiter durch mehr Einsatz lösen können. Es ist ein Informationsproblem, das durch bessere Datenlage und dynamische Planung lösbar ist.

Check-out-Zeitfenster vs. Check-in-Druck, das echte Optimierungsproblem

Das zentrale Problem der Housekeeping-Routenoptimierung im Resort ist kein Routenproblem im klassischen Sinne. Es ist ein Zeitfenster-Synchronisationsproblem: Zwischen Standard-Check-out (11:00 Uhr) und Standard-Check-in (15:00 Uhr) liegen vier Stunden. In denen sollen alle oder fast alle Zimmer gereinigt werden, bei voller Belegung.

In der Realität laufen Check-outs über einen Zeitraum von 8:00 bis 13:00 Uhr, manchmal bis 14:00 Uhr bei Spät-Check-outs. Check-in-Anfragen beginnen um 12:00 Uhr, manchmal früher, insbesondere bei Gästen mit Frühankünften, Hochzeitsgruppen oder VIP-Vereinbarungen. Das schafft eine rollende Prioritätsliste: Zuerst die Zimmer, deren neue Gäste schon in der Lobby warten. Dann alle anderen.

Ein statischer Reinigungsplan ignoriert diese Dynamik. Er weist Zimmer nach Gebäude, Etage und festem Arbeitspaket zu, ohne zu wissen, welche Zimmer bereits leer sind und welche neuen Gäste in zwei Stunden ankommen. Das führt dazu, dass Reinigungskräfte Zimmer reinigen, die noch drei Stunden Zeit hätten, während ein Zimmer mit früher Ankunft unbereinigt wartet.

KI-basierte Routenoptimierung löst genau dieses Problem: Das System kennt aus dem PMS, welche Zimmer wann ausgecheckt wurden, welche frühen Check-ins angekündigt sind, und kann die Reinigungsreihenfolge in Echtzeit priorisieren, statt nach Plan zu arbeiten.

PMS-Integration: Opera, Protel, Mews und was dahinter steckt

Der Kern des Systems ist die Verbindung zum Property-Management-System (PMS). Ohne zuverlässige, echtzeitnahe Check-out-Daten aus dem PMS läuft die Routenoptimierung blind, sie kann nur historische Muster schätzen, keine Live-Prioritäten setzen.

Die gute Nachricht: Moderne PMS-Systeme wie Mews, Apaleo, Protel Air und Oracle Opera Cloud bieten API-Schnittstellen, die Zimmer-Status-Events (Check-out, DND, Room-Clean, Freigemeldet) per Webhook in Echtzeit weitergeben. Das bedeutet: Eine Reinigungskraft kann die App öffnen und sieht, dass Zimmer 317 in den letzten zwei Minuten ausgecheckt wurde, noch bevor die Rezeption die Folio-Abrechnung abgeschlossen hat.

Die schlechte Nachricht: Nicht jedes PMS liefert diese Events in ausreichender Geschwindigkeit. Ältere Oracle Opera On-Premise-Installationen (nicht Opera Cloud) verwenden oft noch Polling-Abfragen statt Webhooks, das bedeutet, die Housekeeping-App erfährt von einem Check-out mit 10–20 Minuten Verzögerung. In diesem Zeitfenster hat die Reinigungskraft vielleicht bereits die falsche Route eingeschlagen. Der Vorteil der Echtzeit-Optimierung ist weg.

Vor der Entscheidung für eine Routenoptimierungssoftware solltest du klären:

• Liefert euer PMS Zimmer-Status-Webhooks in unter 5 Minuten?
• Ist euer PMS als Cloud-Version aktiv (Mews, Opera Cloud, Protel Air, Apaleo) oder als ältere On-Premise-Installation?
• Hat die Housekeeping-App einen zertifizierten Konnektor zu eurem spezifischen PMS, oder braucht ihr eine Custom-Integration?

Diese Fragen bestimmen, ob die Optimierungstiefe wirklich funktioniert, oder ob ihr nur digitales Aufgabenmanagement ohne echte Dynamik bekommt.

Reinigungsstandards-Varianz: Warum Zimmertypen das Routing bestimmen

Eine der unterschätzten Stellschrauben der Routenoptimierung ist die Reinigungszeit-Varianz zwischen Zimmertypen. Ein gut trainiertes Modell weiß, dass es einen Unterschied macht, in welcher Reihenfolge Zimmertypen in die Route einfließen:

Wenn eine Reinigungskraft in ihrer Route eine Suite, dann drei Standard-Zimmer, dann eine VIP-Suite direkt nacheinander hat, entsteht ein Zeitblock von knapp zwei Stunden für einen Bereich. Wenn die nächste Reinigungskraft auf der gleichen Etage nur Stayover-Reinigungen hat, ist sie in 90 Minuten fertig, und hat eine Stunde Leerzeit.

Ein gutes Routenoptimierungsmodell verteilt die Suite-Blöcke so, dass keine einzelne Reinigungskraft einen überproportional langen Zeitblock bekommt. Es kalibriert dabei auf echte, gemessene Reinigungszeiten, nicht auf pauschale Schätzwerte aus dem Handbuch. Optii Solutions nennt dieses Feature „AI-predicted cleaning times by room type” und sammelt die Daten durch Tracking innerhalb der Housekeeping-App in den ersten Wochen nach Einführung.

Frühankunft-Anfragen als dynamische Variable

Frühankünfte sind das lauteste Rauschen im Housekeeping-Plan. Ein Gast, der um 10:00 Uhr einchecken möchte, obwohl das Standard-Check-in erst um 15:00 Uhr ist, zieht die gesamte Priorisierungs-Logik eines Stockwerks neu auf, solange er nicht frühzeitig als Sonderfall markiert ist.

Das Problem: In vielen Hotels landen Frühankunft-Anfragen in der Rezeptionssoftware, aber nicht automatisch in der Housekeeping-Priorisierung. Die Hausdame erfährt davon per Funk um 11:15 Uhr, also genau dann, wenn die Route für diesen Bereich schon abgearbeitet wurde.

Ein integriertes Routenoptimierungssystem zieht Frühankünfte aus dem PMS (oder dem Guest-Management-System) und markiert die entsprechenden Zimmer beim Start der Schicht als Priorität-1-Objekte. Die Route passt sich automatisch an: Zimmer, das um 12:00 Uhr frei sein soll, bekommt einen früheren Slot, auch wenn es geografisch ungünstig liegt.

Das erfordert, dass Frühankünfte im PMS konsequent als solche eingetragen werden, eine organisatorische Disziplin, die die Technologie erst möglich macht.

Mit vs. ohne KI, ein ehrlicher Vergleich

¹ Ritz-Carlton Cleveland nach Optii-Einführung: 16–18 Zimmer statt 12–14 (Anbieter-Fallstudie). ² Schätzwert aus Optii-Kundenpublikationen; stark abhängig von PMS-Integrationsqualität und Datenpflege bei Frühankünften.

Einschätzung auf einen Blick

Zeitersparnis, hoch (4/5) Wenn Leerwegezeiten 25–35 % der Schichtzeit ausmachen und auf 12–18 % sinken, ist das 30–60 Minuten je Reinigungskraft und Schicht, täglich, auf jeder Etage. Bei zwölf Reinigungskräften im Großresort sind das 360–720 Minuten Schichtkapazität, die für tatsächliche Zimmerreinigung zur Verfügung stehen. Das ist einer der höchsten Zeitersparnis-Hebel in der Hotel-KI-Landschaft, deshalb Platz 4 in dieser Kategorie.

Kosteneinsparung, mittel (3/5) Rhapsody Resort sparte 30 % Lohnkosten im Housekeeping-Bereich, das klingt nach Platz 5. Aber der Einwand ist berechtigt: Das setzt voraus, dass das Haus tatsächlich Überbesetzung abbaut oder Überstunden eliminiert, nicht nur Effizienz steigert ohne Personalabbau. Die Implementierungskosten (PMS-Integration, ggf. IoT-Sensoren, Lizenz) belaufen sich auf 3.000–15.000 € einmalig. Die laufenden Lizenzkosten liegen bei 100–300 $/Monat. Im Mittelfeld des Branchenvergleichs, ein solider, aber kein extremer Kostenhebel.

Schnelle Umsetzung, niedrig (2/5) PMS-Integration, Datenerhebungsphase für Reinigungszeiten je Zimmertyp, Sensorinstallation (falls IoT-Türstatus genutzt wird), Schnittstellen-Testing, Staff-Training: realistisch 3–6 Monate bis zum produktiven Betrieb. Das ist der langsamste Implementierungsweg im Vergleich zu SaaS-Lösungen, die in einer Woche laufen. Dafür ist das Ergebnis robuster als ein schnell aufgesetztes Tool ohne Datenbasis.

ROI-Sicherheit, hoch (4/5) Housekeeping-KPIs sind unter den präzisesten Metriken im Hotelbetrieb: MAT-Anteile, Zimmer pro Schicht, Minuten pro Zimmer, Zimmerfreigabezeit nach Check-out, alles direkt messbar, stündlich. Anders als bei Upselling-KI oder Chatbots ist der Kausalzusammenhang zwischen Routenoptimierung und gemessener Effizienz klar und direkt. Der ROI-Nachweis ist hier einfacher als bei fast allen anderen Hotel-KI-Anwendungen, daher Platz 4 trotz des schwer vorauszusagenden Lohnkosteneffekts.

Skalierbarkeit, mittel (3/5) Das Routenmodell kennt die Geometrie eines Hauses, Flurführungen, Etagenstruktur, Gebäudeabstände. Jedes neue Gebäude oder jede neu hinzukommende Etage erfordert eine Neu-Kalibrierung des Modells. Das bedeutet: Skalieren ist möglich, aber nicht kostenlos. Für Multi-Property-Hotels funktioniert es gut, wenn alle Häuser dasselbe PMS nutzen, bei gemischten PMS-Landschaften wird die Integration zum eigentlichen Skalierungshindernis.

Richtwerte, stark abhängig von Hausgröße, PMS-Reife und Sensorinfrastruktur.

Was das System konkret macht

Der technische Ansatz kombiniert drei Bausteine, die zusammen erst Wirkung entfalten:

1. PMS-Echtzeit-Feed. Das Housekeeping-System verbindet sich per API mit dem PMS (Mews, Opera Cloud, Protel Air, Apaleo, Cloudbeds u. a.) und empfängt Zimmer-Status-Events: Check-out vollzogen, DND-Schild aktiv, DND-Schild entfernt, Frühankünfte markiert. Diese Events kommen idealerweise per Webhook in unter fünf Minuten, das ist die Grundvoraussetzung für echte Echtzeit-Priorisierung.

2. Routenoptimierung via Machine Learning. Das Herzstück ist ein Optimierungsalgorithmus, der das Problem als Variante des Vehicle-Routing-Problems (VRP) mit Zeitfenstern behandelt: mehrere „Fahrzeuge” (Reinigungskräfte), mehrere „Ziele” (Zimmer), jeweils mit Zeitfenstern (Check-out erfolgt, Frühankünfte bis X Uhr), Gewichten (Suite dauert länger als Standard) und Constraints (DND blockiert). Google OR-Tools oder ähnliche Solver lösen diese Klasse von Problemen in Sekunden, die Herausforderung liegt nicht im Algorithmus, sondern in der Qualität der Eingabedaten.

3. Mobile Housekeeping-App. Die Reinigungskraft sieht auf ihrem Smartphone nicht eine statische Liste, sondern eine dynamisch aktualisierte Prioritätenreihenfolge: „Zimmer 317 jetzt (ausgecheckt), danach 319 (ausgecheckt), danach Warteposition 421 (DND, Schätzung frei um 11:45 Uhr).” Ändert sich der Status von 421 früher, aktualisiert die App sofort.

Das Ergebnis: Keine Reinigungskraft läuft mehr in ein DND-Zimmer, kein Zimmer mit Frühankunft wartet, weil jemand vergessen hat es als Priorität zu markieren, und die Schichtleiterin sieht auf ihrem Dashboard in Echtzeit, welche Etage noch auf welche Zimmer wartet.

Konkrete Werkzeuge, was wann passt

Optii Housekeeping, wenn Routenoptimierung die Hauptanforderung ist Die einzige spezialisierte Lösung auf dem Markt, die echte KI-gestützte Routen- und Zeitfensteroptimierung liefert. Besonders stark bei MAT-Tracking und Reinigungszeitprognosen je Zimmertyp. Fallstudien belegen 30 % Lohnkosteneinsparung (Rhapsody Resort) und 25 % Effizienzsteigerung (Q1 Resort). Auf Anfrage. Kein deutschsprachiger Support, für internationale Resorts typisch, für reine DACH-Häuser ein Reibungspunkt. Datenhaltung international, kein EU-Hosting garantiert.

Flexkeeping, wenn digitales Aufgabenmanagement und EU-Hosting Priorität haben Kroatische Lösung mit EU-Hosting und breiten PMS-Integrationen (Mews, Opera Cloud, Apaleo, Cloudbeds). Weniger stark bei Echtzeit-Routenoptimierung, sehr gut bei mobiler Aufgabenverteilung und digitalem Inspektionsmanagement. Revo Munich sparte 352 Stunden/Monat. Ideal für Hotels, die weg von Papier und Funk wollen, ohne komplexe Optimierungsalgorithmen zu betreiben. Preise auf Anfrage, ab ca. 250 $/Monat.

Hotelkit, wenn Operations-Plattform und KI-Wissensassistent gemeinsam gesucht werden Hotelkit ist primär eine Operations-Plattform (Schichtübergaben, Reparaturmeldungen, SOPs, Housekeeping-Koordination), keine Routenoptimierungslösung. Aber: Wer Hotelkit bereits einsetzt und das Housekeeping-Modul nutzt, bekommt gute PMS-Integration (Mews, Opera, apaleo) und digitale Aufgabenverteilung, ohne separate Housekeeping-App. EU-Hosting in Frankfurt/Wien. Ab ca. 2 €/Zimmer/Monat für die Basis.

Zusammenfassung: Wann welcher Ansatz

• Hauptziel ist Leerweg-Reduktion und Echtzeit-Priorisierung → Optii Housekeeping
• Hauptziel ist digitale Schichtorganisation und EU-Compliance → Flexkeeping
• Bereits Hotelkit-Nutzer, kein Bedarf für tiefe Routenoptimierung → Hotelkit Housekeeping-Modul
• PMS-zentrierter Ansatz (Mews, Cloudbeds native) → PMS-eigenes Housekeeping-Modul als Einstieg prüfen

Datenschutz und Datenhaltung

Housekeeping-Optimierungssoftware verarbeitet Gästedaten aus dem PMS, Check-out-Zeiten, Zimmer-Zuordnungen, Frühankünfte, VIP-Status. Das sind keine sensiblen Sonderkategorien im Sinne der DSGVO, aber personenbezogene Daten, die einen Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO erfordern.

Optii Solutions ist ein US-australischer Anbieter. Datenhaltung erfolgt nicht primär in der EU, ein AVV ist erhältlich, aber echte EU-Datenresidenz ist nicht garantiert. Für DSGVO-sensitive Häuser ist das ein Klärungspunkt vor dem Vertragsabschluss: Wo werden Check-out-Events und Reinigungsdaten gespeichert? Welche Sub-Auftragsverarbeiter gibt es?

Flexkeeping ist ein kroatischer Anbieter mit EU-Datenhaltung. Kroatien ist EU-Mitglied, DSGVO gilt vollumfänglich. Ein AVV ist verfügbar.

Hotelkit hostet ausschließlich in Deutschland und Österreich (Frankfurt, Karlsruhe, Wien) bei ISO-27001-zertifizierten Rechenzentrumspartnern, der DSGVO-sauberste Weg in dieser Kategorie.

Praxisempfehlung: Für deutsche Resorts mit datenschutzsensiblem Gästeklientel (Unternehmensreisen, behördennahe Buchungen) ist Flexkeeping oder Hotelkit der bessere Ausgangspunkt. Optii bietet mehr Optimierungstiefe, erfordert aber eine sorgfältigere DSGVO-Prüfung.

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

• Software-Integration (PMS-Konnektor, API-Setup): 1.500–5.000 € je nach PMS-Komplexität
• IoT-Türstatussensoren (optional, falls PMS-Webhooks zu langsam): 50–120 € je Sensor, bei 180 Zimmern = 9.000–21.600 €; Installation circa 30–60 % auf die Sensor-Hardware-Kosten obendrauf
• Staff-Training (Reinigungskräfte + Schichtleitung + Hausdame): 2–4 Tage extern oder intern
• Gesamteinmalkosten (ohne IoT): 3.000–8.000 €; mit IoT-Sensoren: 15.000–35.000 €

Laufende Kosten (monatlich)

• Optii Solutions: ca. 100–300 $/Monat (Property-Lizenz, Staffelpreise)
• Flexkeeping: ab ca. 250 $/Monat
• Hotelkit (Housekeeping-Modul): ab ca. 2 €/Zimmer/Monat Basis + Housekeeping-Add-on

Wie du den Nutzen tatsächlich misst Der direkteste Beweis ist die MAT-Rate vor und nach Einführung. Gute Housekeeping-Software (Optii, Flexkeeping) erfasst diese automatisch. Zusätzlich: Durchschnittliche Zimmerfreigabezeit nach Check-out und Anzahl Zimmer je Reinigungskraft pro Schicht, beides ist täglich messbar, ohne aufwendige Erhebung.

Was du dagegenrechnen kannst Bei einem Resort mit 150 Zimmern und 12 Reinigungskräften à 14 €/Stunde, die 8-stündige Schichten leisten: Wenn jede Reinigungskraft 30 Minuten Leerweg pro Schicht einspart, sind das 6 Stunden täglich × 14 € = 84 € täglich oder ca. 25.000 € im Jahr. Konservativ gerechnet (nur 50 % der möglichen Einsparung): 12.000–15.000 €/Jahr. Ein System ohne IoT-Sensorik amortisiert sich dabei in 3–8 Monaten. Die Lohnkostenwirkung hängt stark davon ab, ob Überstunden reduziert oder Schichten gestrafft werden können, das ist eine Managemententscheidung, keine rein technische.

Typische Einstiegsfehler

1. PMS-Integration als Randthema behandeln. Das häufigste Problem: Die Software ist gekauft, der Housekeeping-Plan läuft, aber das PMS liefert Check-out-Daten mit 20-minütiger Verzögerung statt in Echtzeit. Der Algorithmus optimiert dann auf veralteten Daten, und bringt kaum Vorteil gegenüber manueller Planung. Lösung: PMS-Kompatibilität und Webhook-Geschwindigkeit müssen Teil des Pflichtenhefts sein, bevor überhaupt eine Demo vereinbart wird.

2. Reinigungszeiten pauschal einprogrammieren statt messen. Viele Hotels geben bei der Konfiguration Pauschalwerte ein: 30 Minuten pro Zimmer, egal ob Standard oder Suite. Das Routenmodell optimiert dann auf falschen Annahmen, Suiten blockieren mehr Zeit, als das System weiß, und die Reihung stimmt nicht. Lösung: Zwei bis vier Wochen Datenerhebungsphase einplanen, in der das System echte Reinigungszeiten je Zimmertyp und Mitarbeiterin erfasst, bevor der Algorithmus die volle Verantwortung übernimmt.

3. Das System einführen, ohne die Schichtleitung einzubinden. Housekeeping-Optimierung verändert, wie die Hausdame und die Schichtleitung ihre Arbeit erleben: weniger manuelle Anpassungen, aber auch weniger direktes Gefühl der Kontrolle. Wer das System „top-down” einführt, ohne die Erfahrung der Schichtleiterinnen in die Kalibrierung einfließen zu lassen, erzeugt Widerstand, das Team findet Wege, die App zu umgehen und doch nach eigenem Plan zu arbeiten. Lösung: Die Schichtleiterin als erste Testnutzerin und Kalibrierungspartner einbinden, ihr Feedback auf die ersten Routing-Vorschläge ist die wertvollste Quelle für Modellverbesserungen in den ersten Wochen.

4. IoT-Sensoren als Pflicht betrachten statt als Option. IoT-Türstatussensoren liefern DND-Status in Echtzeit direkt in die App, theoretisch. In der Praxis: WLAN-Abdeckung muss zuverlässig sein (in Stahlbeton-Altgebäuden oft nicht), Batterien müssen regelmäßig gewechselt werden, Software-Updates der Sensoren können Ausfälle verursachen. Viele Resorts fahren gut damit, DND-Status manuell über die App zu melden (Reinigungskraft tippt: „DND aktiv”) statt auf Sensordaten zu setzen. Das ist weniger präzise, aber zuverlässiger und ohne Hardwareinvestition.

Was mit der Einführung wirklich passiert

Die Technik funktioniert schneller als erwartet. Die Veränderung der Arbeitsweise dauert länger.

Reinigungskräfte, die seit Jahren denselben festen Bereich haben, Etage 3 links, immer, stehen plötzlich vor einer App, die ihnen sagt: Heute zuerst Etage 2, dann zurück zu Etage 3, dann Etage 4. Das fühlt sich chaotisch an, auch wenn es effizienter ist. Wer diesen Widerstand nicht einkalkuliert, erlebt, dass die App zwar läuft, das Team sie aber ignoriert und nach gewohntem Muster arbeitet.

Was konkret hilft:

• Hausdame und Schichtleitung zur Pilotgruppe machen. Nicht als Tester, sondern als Mitgestalter. Was kalibriert das Modell falsch? Was passt zu diesem Haus nicht? Diese Rückmeldung in den ersten vier Wochen macht den Unterschied zwischen einem generischen Tool und einem Tool, das dieses Haus kennt.
• Ersten Monat als Lernmonat kommunizieren. Das Routing-Modell ist in Woche 1 noch ungenau, es kennt die Reinigungszeiten noch nicht, es hat keine echte Zimmertyp-Baseline. Das Team muss wissen, dass die Vorschläge zunächst eine Orientierung sind, keine verbindliche Anweisung.
• Quick Wins sichtbar machen. Die erste Woche, in der ein Frühankünftling um 12:00 Uhr eingecheckt werden kann, weil das Zimmer priorisiert wurde, das ist der Moment, der mehr überzeugt als jede Schulung. Diese Erfolge gehören aktiv kommuniziert, nicht stillschweigend in einem KPI-Report vergraben.

Erfahrungsgemäß braucht es sechs bis acht Wochen, bis ein Housekeeping-Team das optimierte Routing als selbstverständlich akzeptiert, danach gibt es kaum Rückfälle in alte Muster.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Unsere Reinigungskräfte kennen das Haus besser als jeder Algorithmus.” Das stimmt, nach Jahren Erfahrung wissen sie, welche Gäste früh auschecken, welche spät aufmachen, wo der Wäscheschacht blockiert. Kein Algorithmus kennt das am ersten Tag. Aber: Kein Mensch kann gleichzeitig 180 Zimmer im Auge behalten, in Echtzeit wissen welche ausgecheckt wurden, und trotzdem schon auf dem Weg in Etage 3 sein. Das System ergänzt das Erfahrungswissen, ersetzt es nicht, und die besten Kalibrierungen entstehen, wenn erfahrene Reinigungskräfte dem Modell Feedback geben.

„Wir brauchen erst neue Sensorik, das ist zu teuer.” Nicht unbedingt. Moderne PMS-Systeme liefern DND-Status und Zimmerstatus bereits ohne IoT-Sensoren, DND kann auch manuell in der App gemeldet werden. Viele Resorts starten mit reiner PMS-Integration (ohne Hardware) und erreichen bereits 60–70 % der möglichen Optimierungswirkung. IoT-Sensoren sind eine Erweiterung, keine Voraussetzung.

„Was, wenn das System ausfällt und wir keinen Backup-Plan haben?” Ein valides Risiko. Gute Housekeeping-Apps (Optii, Flexkeeping) laufen auf dem Smartphone und synchronisieren sich bei Verbindungswiederherstellung. Bei Systemausfall fällt das Team auf manuelle Verteilung zurück, was es vorher schon konnte. Das Risiko eines vollständigen Ausfalls ist real, aber nicht größer als der Ausfall des bisherigen Funk-Systems. Empfehlung: Eine Offline-Fallback-Liste für jede Etage als Papier vorhalten.

Woran du merkst, dass das zu dir passt

Du solltest diesen Weg gehen, wenn:

• Dein Resort mehr als 80–100 Zimmer hat und über mehrere Gebäude oder Etagen verteilt ist. Unter dieser Größe optimiert eine erfahrene Hausdame intuitiv besser als jedes Modell.
• Dein PMS-System ein modernes Cloud-System ist (Mews, Opera Cloud, Protel Air, Apaleo, Cloudbeds), das Zimmer-Status-Events per Webhook liefert. Ältere On-Premise-Systeme ohne Webhook-Support sind ein Einführungs-Stopper.
• Deine Check-out-Zeiten variieren stark, Gäste die zwischen 8:00 und 13:00 Uhr auschecken, Frühankünfte als gängiges Muster, DND-Schilder, die unvorhersehbar bleiben. Wenn alle Gäste pünktlich um 11:00 Uhr auschecken und es keine Frühankünfte gibt, bringt das Modell wenig.
• Du hast eine Hausdame oder Schichtleiterin, die bereit ist, sechs bis acht Wochen aktiv an der Kalibrierung mitzuarbeiten. Ohne diese Schlüsselperson funktioniert das System nur auf dem Papier.

Wann es sich (noch) nicht lohnt, drei harte Ausschlusskriterien:

1. Weniger als 80 Zimmer. Bei kleinen Häusern kennt die Hausdame jeden Gast und jeden Check-out intuitiv. Die Einrichtungskosten und die sechsmonatige Kalibrierungsphase sind unverhältnismäßig zu den erreichbaren Einsparungen. Housekeeping-Priorisierung mit einfachen digitalen Listen ist der bessere Einstieg.

2. Kein funktionierendes PMS oder ein älteres On-Premise-System ohne API-Webhooks. Ohne echtzeitnahe Zimmer-Status-Daten aus dem PMS optimiert das System auf veralteten Informationen, der Hauptvorteil gegenüber manueller Planung fällt weg. PMS-Upgrade oder Ablösung wäre dann der sinnvollere erste Schritt.

3. Saisonbetrieb unter sechs Monaten pro Jahr. Die Kalibrierungsphase (zwei bis vier Monate) und die anschließende Lernkurve passen nicht in eine kurze Saison. Das System wäre kaum kalibriert, wenn die Saison endet, und müsste im nächsten Jahr wieder neu beginnen.

Das kannst du heute noch tun

Starte nicht mit einer Software-Demo, sondern mit einer 30-minütigen Analyse eurer aktuellen Housekeeping-Daten. Was brauchst du dafür? Nur eine Schicht-Auswertung der letzten zwei Wochen.

Ermittle:

1. Wie viele Minuten vergehen im Durchschnitt zwischen Check-out und Zimmerfreigabe?
2. Wie oft melden Reinigungskräfte, dass das nächste Zimmer noch belegt/DND ist?
3. Wie viele Zimmer schafft eine Reinigungskraft im Durchschnitt pro Schicht?

Diese drei Zahlen sind deine Baseline. Mit ihnen kannst du in einem Demo-Gespräch mit Optii oder Flexkeeping genau fragen, was deren Lösung für euer spezifisches Haus bringen würde, statt allgemeinen Hochglanz-Versprechen zuzuhören.

Für die erste Optimierung, die du noch heute ausprobieren kannst: Nutze den folgenden Prompt, um eine erste manuelle Reinigungspriorität-Liste zu erstellen, die Check-outs priorisiert.

Quellen & Methodik

• Rhapsody Resort, Surfers Paradise (AU): Optii Solutions Fallstudie, Manager Neil Munro. 30 % Lohnkosteneinsparung im Housekeeping nach Einführung der Optii-Plattform. optiisolutions.com/case-studies/customer-story-the-rhapsody-resort (abgerufen Mai 2026).
• Q1 Resort and Spa, Gold Coast (AU): Optii Solutions Fallstudie. 25 % Effizienzsteigerung im Housekeeping insgesamt. optiisolutions.com/case-studies/customer-story-q1-resort-and-spa (abgerufen Mai 2026).
• Ritz-Carlton Cleveland: Optii Solutions Success Story (Hotel Tech Report). 16–18 Zimmer/Tag je Reinigungskraft nach Einführung, vorher 12–14. hoteltechreport.com/success-stories/marketing/optii/the-ritzcarlton-cleveland (abgerufen Mai 2026).
• Optii Solutions Produktseite Housekeeping: Angegebene Benchmarks 20 % Lohnkosten-Reduktion, 25 % Produktivitätssteigerung, 80 % Reduktion Zimmer-Wartezeiten. optiisolutions.com/housekeeping (abgerufen Mai 2026). Anbieterzahlen, keine unabhängige Verifikation.
• Moving-Around-Time (MAT) als Effizienz-Kennzahl: Verwendung in Optii-Publikationen und Branchendiskussion (Hotel Management Network, Hotel Tech Report 2024). Schätzwert 25–35 % MAT-Anteil basiert auf Anbieter-Kommunikation und Branchenberichten.
• PMS-Integrationsherausforderungen: AltexSoft, „How to Integrate with OPERA PMS” (2024); Edana, „Opera, Protel, Amadeus: Choosing a PMS, Integration, and Customization” (2025).
• Lohnkosten-Schätzung 14 €/Stunde: Orientierungswert für Reinigungskräfte im Hotelbetrieb; Destatis-Verdienstdaten Gastgewerbe Deutschland (Stand 2024).

Du willst wissen, ob euer PMS für Echtzeit-Integration bereit ist und welcher Ansatz zu eurem Haus passt? Schreib uns, das klären wir in einem kurzen Gespräch.