Besucherprogramm-Planung mit KI

Das echte Ausmaß des Problems

Fachmessen leben von der Qualität der Begegnungen. Nicht von der Anzahl der Besucher, sondern davon, wie viele dieser Besucher die richtigen Aussteller treffen, und umgekehrt. Das Versprechen einer Fachmesse ist: Hier findest du Lieferanten, Lösungen und Kontakte, die du sonst nicht findest. Dieses Versprechen wird auf den meisten Messen noch zu einem erheblichen Teil dem Zufall überlassen.

Eine im Februar 2024 veröffentlichte Statista-Umfrage zur KI in der Messebranche zeigt: 80 Prozent der Befragten glauben, dass generative KI Vertrieb, Marketing und Kundenbeziehungen in der Eventbranche beeinflussen wird. Gleichzeitig setzen erst 37 Prozent tatsächlich KI im Messebetrieb ein, der Abstand zwischen Erwartung und Praxis ist groß.

Die wirtschaftlichen Konsequenzen fehlgeleiteter Besucherströme sind konkret:

• Aussteller, die viel Geld in Stand und Reise investiert haben, kehren nicht wieder, weil ihre Kontaktqualität enttäuschend war, nicht wegen mangelnder Besucher, sondern wegen falscher Besucher
• Besucher, die den richtigen Anbieter nicht gefunden haben, kommen nicht zum Abschluss, der potenzielle Kauf findet woanders statt oder gar nicht
• Veranstalter verlieren langfristig an Attraktivität, wenn die Wiederkehrquote sinkt, und Fachmessen sind auf loyale Stammbesucher angewiesen

Ein bekanntes Beispiel aus der Praxis: Ein Maschinenbauunternehmen, das auf einer B2B-Fachmesse KI-gestütztes Matchmaking nutzte, berichtete von 73 Prozent mehr vertieften Gesprächen durch kontextsensitive Empfehlungen gegenüber rein zufälligen Standkontakten. Solche Zahlen sind Einzelberichte, nicht repräsentative Studien, aber sie zeigen die Richtung.

Mit vs. ohne KI, ein ehrlicher Vergleich

¹ Erfahrungswerte aus Event-App-Plattformen; keine unabhängig verifizierten Durchschnittswerte, Varianz je nach Messe, Branche und App-Nutzungsrate stark.

Der größte Unterschied liegt nicht im Durchschnitt, sondern in der Tail-Erfahrung: Die Besucher, die ohne System nichts relevantes finden, sind mit gutem Matchmaking die Besucher mit den besten Gesprächen. Und die Aussteller in ungünstigen Hallenlagen gewinnen überproportional.

Einschätzung auf einen Blick

Zeitersparnis, niedrig (2/5) Dieser Anwendungsfall spart primär Besucherzeit, nicht Teamzeit. Der interne Aufwand für das Setup ist hoch: Ausstellerprofile strukturieren, Matchmaking-Kriterien definieren, die App betreiben, Besucher zur Vorab-Nutzung motivieren. Das Projektteam arbeitet mehr, nicht weniger. Der Nutzen entsteht auf der anderen Seite, bei Besuchern und Ausstellern, die mehr Qualitätskontakte machen.

Kosteneinsparung, niedrig (2/5) Direkter Kosteneffekt ist schwer zu isolieren. Die Logik lautet: bessere Matches → zufriedenere Aussteller → mehr Buchungen bei der nächsten Messe → Umsatzwachstum des Veranstalters. Das stimmt im Prinzip, aber die Kausalzuordnung über mehrere Jahre ist schwer herzustellen. Kurzfristig entstehen neue Kosten für die Plattform. Mittelfristig ist der Business Case überzeugend, aber er braucht Geduld.

Schnelle Umsetzung, sehr niedrig (1/5) Das ist der schwierigste Punkt: Ein gutes KI-Besucherprogramm braucht strukturierte Ausstellerprofile (die oft nicht vorhanden sind), ein funktionierendes Besucher-Profiling vor der Messe (das Besucher aktiv befüllen müssen), eine App-Infrastruktur, und ausreichend kritische Masse an Nutzern, damit das System sinnvolle Empfehlungen macht. 12–20 Wochen Vorlauf sind realistisch. Wer das unterschätzt, startet mit einem halbfertigen System und frustrierten Ausstellern.

ROI-Sicherheit, mittel (3/5) Die relevanten Kennzahlen sind messbar: App-Adoptionsrate, Anzahl vorgebuchter Meetings, NPS-Veränderung, Aussteller-Feedback. Was schwieriger ist: zu beweisen, dass das System die Ursache der Verbesserung war und nicht andere Faktoren (besseres Programm, mehr Besucher, andere Halle). Für interne Entscheidungen reicht die Messbarkeit aus, für einen wasserdichten Drittnachweis ist sie etwas zu indirekt.

Skalierbarkeit, hoch (4/5) Einmal aufgebaut, skaliert das System sehr gut. Von 500 auf 50.000 Besucher wächst der manuelle Aufwand kaum, das Recommender-System arbeitet für jeden Besucher gleich aufwändig. Nicht ganz maximal bewertet, weil bei sehr großen Veranstaltungen die Qualität der Ausstellerprofile zum Engpass wird, und diese Pflege wächst mit der Ausstellerzahl.

Richtwerte, stark abhängig von Messe-Branche, Besucherstruktur und App-Adoptionsrate.

Was ein KI-Besucherprogramm konkret macht

Das System besteht aus drei Teilen, die zusammenspielen müssen:

1. Profiling vor der Messe Besucher werden bei der Registrierung gebeten, ihr Profil zu befüllen: Branche, Rolle, gesuchte Lösungen, Technologieinteressen. Je detaillierter, desto besser die Empfehlungen. Das ist der kritische Engpass: Viele Besucher füllen Profile unvollständig aus. Moderne Plattformen wie Swapcard nutzen deshalb auch implizite Signale, welche Aussteller-Seiten der Besucher in der App angeklickt hat, welche Sessions er in seinen Plan aufgenommen hat.

2. Matching-Algorithmus Das System vergleicht Besucherprofil mit Ausstellerprofil. Nicht nur nach Stichwörtern, sondern semantisch: Ein Besucher, der “Qualitätssicherung Metallteile” sucht, bekommt auch Aussteller mit “optische Messtechnik” empfohlen, wenn das Profil zeigt, dass beide in derselben Branche und Anwendung liegen. Moderne Plattformen nutzen dafür Sprachmodelle für die semantische Interpretation beider Profile.

3. Terminmanagement und Navigation Aus den Empfehlungen können Besucher direkt Termine bei Ausstellern buchen, nicht nur “merken”, sondern einen festen Slot reservieren. Das ist der Schritt, der aus einer Empfehlung eine verbindliche Interaktion macht. Aussteller können ihre Terminslots verwalten und Besucherprofile vorab einsehen.

Was das System nicht macht: Es ersetzt nicht das spontane Entdecken, die zufällige Begegnung, das überraschende Gespräch. Es ergänzt den Messebetrieb um eine strukturierte Schicht, für die Besucher, die gezielt suchen und planen, nicht für alle gleich.

Konkrete Werkzeuge, was wann passt

Swapcard, Auf Matchmaking spezialisierte Event-App, EU-Hosting, White-Label-fähig. Swapcard ist auf genau diesen Anwendungsfall ausgerichtet: Profil-basiertes Matchmaking, Terminbuchung bei Ausstellern, Analytics-Dashboard für Veranstalter. Gut geeignet für B2B-Fachmessen mit qualifiziertem Fachpublikum. Einstieg ab ca. 3.000–8.000 EUR/Event, Jahreslizenz ab ca. 15.000 EUR. Kernrisiko: Qualität des Matchmakings hängt stark von vollständigen Ausstellerprofilen ab.

Cvent mit Attendee Hub, Cvent bietet mit dem Attendee Hub eine integrierte Event-App mit Matchmaking-Empfehlungen. Vorteil: direkte Integration mit dem Cvent-Ausstellerportal, das ohnehin schon genutzt wird. Nachteil: Weniger spezialisiert als Swapcard für reines Matchmaking; teurer im Gesamtpaket. Sinnvoll, wenn Cvent bereits für Ausstellerverwaltung im Einsatz ist.

Brella, Alternatives Matchmaking-Tool mit starkem Fokus auf 1:1-Meeting-Buchungen. Besonders populär bei Konferenzen und professionellen Networking-Events. Weniger Feature-Reichtum auf der Ausstellerseite als Swapcard, dafür stärkeres Meeting-Management. Preise auf Anfrage.

Custom-Entwicklung mit ChatGPT/Claude-API, Für Veranstalter mit eigener App-Infrastruktur: ein LLM-gestützter Empfehlungsassistent, der Besucher per Chat durch das Programm führt. Besucher stellen im Chat Fragen wie “Ich suche einen Lieferanten für recycelte Kunststoffe in der Automobilindustrie”, das Sprachmodell extrahiert die Suchintention und gibt eine Liste passender Aussteller zurück. Technisch anspruchsvoller, aber sehr flexibel und ohne feste Pro-Besucher-Kosten.

Wann welcher Ansatz:

• Spezialisiertes Matchmaking für B2B-Fachmesse → Swapcard
• Cvent bereits im Einsatz → Cvent Attendee Hub
• Konferenz mit 1:1-Meeting-Fokus → Brella
• Eigene App-Infrastruktur, hohe Flexibilität gewünscht → Custom mit LLM-API

Datenschutz und Datenhaltung

Besucherprofile enthalten typischerweise: Name, Unternehmen, Position, Branche und ggf. sehr spezifische Informationen zu Kaufabsichten und Budgetrahmen, alles personenbezogen im Sinne der DSGVO. Das hat zwei Konsequenzen:

Erstens: Die Einwilligung zur Profilnutzung für Matchmaking muss beim Registrierungsprozess ausdrücklich eingeholt werden, nicht im Kleingedruckten, sondern als bewusste opt-in Entscheidung. Die Formulierung muss klar machen, was passiert: “Dein Profil wird genutzt, um dir passende Aussteller zu empfehlen und umgekehrt Ausstellern, die zu deinem Profil passen, dein Profil anzuzeigen.”

Zweitens: Aussteller sehen Besucherprofile, bevor ein Meeting stattfindet. Das muss im Einwilligungstext abgedeckt sein. Wenn ein Besucher sein Profil nicht für Aussteller freigeben will, darf er das System deshalb nicht gar nicht nutzen, es braucht einen opt-out Pfad.

Für Swapcard mit EU-Hosting ist die technische DSGVO-Konformität gut abgedeckt. Der AVV muss trotzdem aktiv abgeschlossen werden. Für Cvent (US-Hosting) muss EU-Datenresidenz explizit vereinbart werden.

Wichtig: Die Besucherprofile dürfen nicht nach der Veranstaltung dauerhaft an Aussteller weitergegeben werden, nur für den unmittelbaren Matchmaking-Zweck während der Veranstaltungsperiode.

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

• Systemauswahl und Plattformkonfiguration: 1.500–4.000 Euro (intern oder Berater)
• Ausstellerprofile aufbauen und strukturieren: 2–4 Wochen Teamaufwand, je nach Ausgangssituation
• Besucher-Onboarding-Prozess designen (Profil-Erfassungsformular, Anleitung): 1.000–2.000 Euro
• Gesamteinrichtung erste Veranstaltung: 4.500–10.000 Euro

Laufende Kosten

• Swapcard: ab ca. 3.000 EUR/Event oder ca. 15.000 EUR/Jahr für mehrere Events
• Brella: auf Anfrage, ähnliche Größenordnung
• Cvent Attendee Hub: im Cvent-Gesamtpaket enthalten (kein Aufpreis, aber Cvent-Jahrespreis nötig)
• Teamaufwand pro Event: ca. 1–2 Wochen für Profil-Auffrischung, Aussteller-Onboarding, App-Konfiguration

ROI-Logik (ehrlich) Der direkte ROI ist schwer in Euro zu beziffern. Die Logik: Zufriedenere Besucher kommen wieder → Wiederkehrquote steigt um X Prozentpunkte → Mehreinnahmen aus Tickets und Ausstellerbuchungen. Aber dieser Effekt zeigt sich erst über 2–3 Veranstaltungszyklen. Wer nach der ersten Veranstaltung Zahlen will, sollte sich auf zwei Kennzahlen konzentrieren: Meeting-Buchungsrate (hat das System tatsächlich zu geplanten Gesprächen geführt?) und Aussteller-NPS (bewerten Aussteller die Kontaktqualität besser als vorher?). Das sind die Führungsindikatoren für den langfristigen ROI.

Was du dagegen rechnen kannst: Ein Aussteller, der nicht wiederbucht, kostet typisch 5.000–40.000 Euro Standumsatz je nach Veranstaltung. Wenn besseres Matchmaking auch nur 5–10 Aussteller pro Veranstaltung zur Wiederbuchung bringt, ist das ein siebenstelliger Effekt im Jahresverlauf, für Veranstalter mittlerer Größe.

Drei typische Einstiegsfehler

1. App starten ohne Besucher-Onboarding-Strategie. Das System kann nur so gut sein wie die Profile, die es kennt. Wenn Besucher die App erst auf dem Messegelände zum ersten Mal öffnen und ihr Profil leer ist, kann das Matchmaking keine relevanten Empfehlungen geben. Die Vorbereitungsphase, 4 Wochen vor der Messe, Einladungs-E-Mails an registrierte Besucher, kurze Videos die zeigen, wie das Profil ausgefüllt wird, ist mindestens genauso wichtig wie das technische Setup. Wer hier spart, hat nach der Messe schöne Technik und enttäuschte Rückmeldungen.

2. Ausstellerprofile unstrukturiert lassen. Aussteller beschreiben sich selbst, und tun das ohne Vorgaben in den unstrukturiertesten Texten. “Wir sind Marktführer in der Entwicklung innovativer Lösungen für die Industrie” ist für den Matchmaking-Algorithmus wertlos. Das System braucht strukturierte Angaben: Branche, Lösungsart, Zielkundengröße, spezifische Technologien. Das muss der Veranstalter vorgeben, in Form eines strukturierten Formulars, nicht eines Freitextfeldes. Das setzt einen Aufwand voraus, der oft unterschätzt wird: Aussteller müssen gecoacht werden, wie sie sich für das Matching beschreiben sollen, nicht für das Marketing.

3. Den Erfolg nur nach der ersten Veranstaltung messen. Nach einem ersten Einsatz wird das System noch nicht optimal performen. Die Matchmaking-Qualität verbessert sich mit jedem Event: bessere Profile, mehr historische Daten, verfeinerte Kriterien. Wer nach einer Veranstaltung keine merkliche Verbesserung sieht und das Projekt einstellt, hat die Anlaufkurve missverstanden. Sinnvoll ist ein expliziter 3-Veranstaltungen-Plan: Version 1 (Grundbetrieb), Version 2 (Optimierung nach Feedback), Version 3 (messbares Ziel-Niveau).

Was mit der Einführung wirklich passiert, und was nicht

Die Einführung eines Matchmaking-Systems offenbart oft eine strukturelle Schwäche: Ausstellerprofile existieren nicht in der Tiefe, die das System bräuchte. Das zwingt das Team in eine umfangreiche Profilierungsarbeit mit Ausstellern, Formulare, Nachfassen, Qualitätskontrolle. Das ist kein Nebeneffekt, das ist eine Kernaufgabe.

Auf Besucherseite gibt es typischerweise drei Gruppen: die frühen Übernehmer (15–25 Prozent), die das Profil sofort ausfüllen und aktiv nutzen; die Letzminuten-Gruppe (30–40 Prozent), die die App erst vor Ort nutzt und kaum vom Matchmaking profitiert; und die Nicht-Nutzer (40–50 Prozent), die die App gar nicht herunterladen. Mit diesem Realitätsbild im Kopf sollte das System bewertet werden: Nicht “hat jeder Besucher gute Matches gefunden?”, sondern “haben die aktiven Nutzer signifikant mehr qualifizierte Kontakte gemacht?”

Der häufigste Widerstand kommt von Ausstellern mit Eckständen und guter Lauflage: Sie haben schon immer viele Besucher gehabt und sehen wenig Vorteil im System, zurecht. Matchmaking ist ein Equalizer: Es hilft den Ausstellern in ungünstiger Position und den Besuchern mit wenig Orientierung. Wer schon gewinnt, gewinnt nicht wesentlich mehr.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Unsere Besucher laden keine Apps herunter.” Dieser Einwand ist nicht falsch, aber er ist lösbar. Erstens gibt es web-basierte Versionen, die keinen App-Store-Download erfordern. Zweitens ist die Nutzungsquote stark davon abhängig, wie früh und wie überzeugend die App kommuniziert wird. Eine einzige E-Mail vier Tage vor der Messe reicht nicht. Eine Kommunikationskampagne über 4–6 Wochen mit konkretem Nutzenversprechen (“Finde die 8 Aussteller, die genau zu deiner Suche passen, vorab, nicht zufällig”) funktioniert besser als jede technische Lösung.

„Die Aussteller wollen nicht, dass wir ihre Daten nutzen.” Das Gegenteil ist die Regel: Die meisten Aussteller sind dankbar für mehr qualifizierte Leads, das ist der Hauptgrund, warum sie an einer Messe teilnehmen. Was sie nicht wollen, ist unqualifizierter Traffic. Ein System, das ihnen Besucher mit echtem Kaufinteresse zuführt, ist ein Vorteil, kein Eingriff. Der Einwand kommt meistens nicht von Ausstellern, sondern von Vertriebs-Kolleginnen, die befürchten, die Ausstellerbeziehung zu beschädigen. Lösung: Aussteller proaktiv über das System informieren und ihnen zeigen, welche Besucher das System ihnen zeigen würde, die Reaktion ist fast immer positiv.

Woran du merkst, dass das zu dir passt

• Du veranstaltest eine echte Fachmesse, mit definierter Zielbranche, qualifiziertem Fachpublikum und Ausstellern, die B2B-Leads suchen, keine Konsumentenmesse
• Aussteller klagen über schlechte Kontaktqualität, nicht über zu wenig Besucher, das ist das Signal, dass das Problem Matching ist, nicht Traffic
• Du hast mindestens 150 Aussteller und 2.000 registrierte Besucher, unter diesen Schwellen fehlt die kritische Masse für sinnvolles Matching
• Du bist bereit, 4–6 Wochen Onboarding-Arbeit mit Ausstellern zu leisten, bevor das System live geht

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

1. Publikumsmesse oder B2C-Event. Matchmaking funktioniert für definierte B2B-Absichten, Einkäufer, die einen Lieferanten suchen. Bei Publikumsmessen mit breitem Konsumentenpublikum gibt es keine ausreichend strukturierten Profile und keine gemeinsame Sprache zwischen Aussteller- und Besucher-Anforderungen.

2. Keine Bereitschaft oder Kapazität, Ausstellerprofile aktiv zu strukturieren. Wenn die Aussteller-Basis ihre Profile nicht in der nötigen Tiefe befüllen kann oder will, und der Veranstalter diese Arbeit nicht aktiv begleitet, werden die Empfehlungen oberflächlich und das System enttäuscht. Ein halbherziges Matchmaking ist schlimmer als keines: Es schürt Erwartungen, die es dann nicht erfüllt.

3. Erstveranstaltung ohne historische Daten. Das Matching-System lernt aus Daten, mit welchen Kombinationen wurden Meetings gebucht, welche haben zu Gesprächen geführt, welche Profile passen strukturell zusammen. Bei der allerersten Veranstaltung fehlt diese Basis. Ein Recommender-System zur Debut-Messe einzuführen ist möglich, aber der Mehrwert ist begrenzt. Besser: zuerst eine Veranstaltung Daten sammeln, dann das System einführen.

Das kannst du heute noch tun

Führe ein kurzes Audit mit drei Ausstellern durch: Bitte sie, ihre Top-3-Besucher-Typen zu beschreiben, Branche, Rolle, konkretes Kaufinteresse. Und frag dann drei Besucher der letzten Veranstaltung, welche Aussteller sie gesucht hätten und nicht gefunden haben. Wenn sich diese Listen überschneiden, wenn Aussteller sagen “wir suchen genau solche Besucher” und Besucher sagen “ich habe genau solche Anbieter nicht gefunden”, dann hast du einen Matchmaking-Fall mit realer Substanz.

Für den ersten strukturierten Schritt: Leg ein Ausstellerprofil-Template an, das die wichtigsten Matching-Dimensionen abdeckt. Das funktioniert auch ohne App und ohne Plattform, einfach als Google-Formular, das du beim nächsten Ausstellerbriefing verschickst.

Quellen & Methodik

• 80 % glauben an KI-Einfluss auf Messebetrieb: Statista-Umfrage zur KI in der Messebranche (Februar 2024). 37 % setzen KI bereits ein.
• 73 % mehr vertiefte Gespräche durch Matchmaking: Einzelbericht eines Maschinenbauunternehmens, veröffentlicht in DUP-Magazin (2024). Kein repräsentativer Durchschnittswert.
• KI-Tools für personalisierte Messeerlebnisse (Swapcard, Brella, CventIQ): Herstellerdokumentationen und unabhängige Event-Tech-Reviews (Stand April 2026).
• AUMA-Studie “Messen im Zeitalter von KI”: AUMA (2024). Chancen und Einschätzungen der deutschen Messeveranstalter.
• Swapcard, Cvent, Brella: Preisangaben auf Basis veröffentlichter Tarife und Kontaktanfragen (Stand April 2026); Jahreslizenzen auf Anfrage je nach Event-Größe.
• Art. 28 DSGVO (AVV), Einwilligungspflichten bei Profiling: Datenschutz-Grundverordnung in der aktuell gültigen Fassung.

Du willst wissen, ob deine Ausstellerprofile für ein sinnvolles Matchmaking tief genug sind? Meld dich, wir schauen gemeinsam, ob der Aufwand bei deiner Messestruktur gerechtfertigt ist.