KI-gestützte Erlebnisempfehlungen für Gäste vor Ort

Das echte Ausmaß des Problems

Der typische Tourismusgast verbringt die erste Stunde am neuen Ort damit, Google zu befragen, TripAdvisor zu scrollen und WhatsApp-Gruppen zu fragen. Das Ergebnis ist eine Liste der zehn beliebtesten Touristenattraktionen, genau die, die jeder kennt und die an jedem sonnigen Wochenende überfüllt sind.

Für Reiseveranstalter und Hotels liegt hier eine doppelte Chance: Passende Empfehlungen verbessern die Gästezufriedenheit und damit Bewertungen, und sie schaffen kommerzielle Möglichkeiten durch Zusatzleistungen.

Wie viel Zusatzumsatz daraus entsteht, dazu kursieren Prozentzahlen, deren Herkunft wir nicht bestätigen konnten. Messen kannst du es trotzdem, im eigenen Haus: Schick die Empfehlungsmail an jede zweite Buchung und vergleiche nach einer Saison die gebuchten Extras beider Gruppen.

Das ist der Unterschied zwischen einem Hotel, das Zimmer verkauft, und einem, das Erlebnisse verkauft. Er kann sich auch in den Bewertungen zeigen: Wer einen Gast zu einem Erlebnis führt, das wirklich passt, gibt ihm einen Grund, das in der Bewertung zu erwähnen.

Das Ressourcenproblem: Gute Empfehlungen kosten Rezeptions- und Concierge-Zeit. Zeit, die an der Rezeption immer knapp ist. Das Ergebnis: Standardtipps für alle statt personalisierter Empfehlung für jeden.

Mit vs. ohne KI, ein ehrlicher Vergleich

Einschätzung auf einen Blick

Zeitersparnis, niedrig (2/5) Das System spart Personal-Zeit für Concierge-Empfehlungen, real, aber kein dominanter Effekt. Der Hauptwert liegt in besserer Gästezufriedenheit und Zusatzumsatz, nicht in Zeitersparnis. Personal wird entlastet, nicht ersetzt.

Kosteneinsparung, niedrig (2/5) Der Zusatzumsatz-Effekt ist stark von der Qualität der Wissensbasis und den verfügbaren buchbaren Extras abhängig. Ohne aktiv beworbene Zusatzleistungen gibt es keinen direkten Umsatzeffekt. Im Branch-Vergleich steht dem Revenue Management (direkte ADR-Steigerung) ein indirekter, stark konditionaler Upselling-Hebel gegenüber.

Schnelle Umsetzung, hoch (5/5) Eine segmentierte Welcome-E-Mail mit personalisierten Empfehlungen ist in 2–3 Tagen eingerichtet, kein Entwickleraufwand, kein API-Setup. Zusammen mit den personalisierten Reiserouten und der Content-Erstellung der schnellste produktive Einstieg im Branch: Mailchimp, eine lokale Wissensbasis und ein strukturierter Prompt reichen für den ersten Tag.

ROI-Sicherheit, hoch (4/5) Gebuchte Zusatzleistungen stehen in der Abrechnung, das macht die Messung einfach. Ein Vorher-Nachher-Vergleich vermischt den Effekt aber mit Wetter, Saison und Gästemix. Sauber wird es mit Vergleichsgruppe: Jede zweite Buchung bekommt die Empfehlungsmail, die andere nicht. Bei einigen tausend Aufenthalten im Jahr ist das machbar, und damit ist die Messung sicherer als bei Bewertungsanalyse oder Destinationsmarketing.

Skalierbarkeit, hoch (4/5) Mehr Gäste bedeuten mehr automatische Empfehlungen ohne Mehraufwand. Die Wissensbasis muss gepflegt werden, aber das ist ein konstanter, nicht linear wachsender Aufwand. Bei mehreren Standorten skaliert das System sehr gut.

Richtwerte, stark abhängig von Qualität der Wissensbasis, Buchungssegmenten und verfügbaren Zusatzleistungen.

Was das System konkret macht

Schritt 1, Präferenzprofil beim Buchungsprozess: Bei Buchung oder Check-in werden kurze Präferenzfragen gestellt, als 3–5 Auswahlen: Ruhig oder aktiv? Stadt oder Natur? Kulinarisch oder kulturell? Familien- oder Paartourismus? Diese Informationen landen im Gästeprofil.

Schritt 2, Kontextsensitive Empfehlungen: Das System berücksichtigt aktuelle Variablen: Wetter, Tageszeit, verbleibende Aufenthaltsdauer, Wochentag, saisonale Besonderheiten. Auf Basis dieser Faktoren und des Präferenzprofils generiert es eine kurze, personalisierte Liste, nicht 50 Optionen, sondern 3–5 konkrete Vorschläge mit kurzer Begründung.

Schritt 3, Integration in Kommunikationskanal: Die Empfehlungen erreichen den Gast über den natürlichsten Kanal: Welcome-E-Mail 24 Stunden vor Check-in, WhatsApp-Nachricht nach dem Einchecken, QR-Code im Zimmer. Buchbare Extras (Touren, Restaurantreservierungen, Wellness) sind direkt aus der Empfehlung heraus buchbar, ein Klick, kein Formular.

Konkrete Werkzeuge, was wann passt

Mailchimp eignet sich für Pre-Stay- und During-Stay-E-Mail-Kommunikation: Segmentierte Kampagnen auf Basis des Buchungstyps senden automatisch personalisierte Empfehlungs-E-Mails. Kostenlos bis 250 Kontakte, Essentials ab 11,43 Euro im Monat mit einfachen Automatisierungen; mehrstufige Abläufe mit Bedingungen gibt es erst ab Standard für 17,59 Euro. Die Preise steigen mit der Kontaktzahl, die Arbeitsoberfläche ist Englisch.

Make.com orchestriert die Empfehlungs-Workflows: Wenn ein Gast eincheckt, löst Make.com automatisch eine personalisierte E-Mail oder WhatsApp-Nachricht aus, auf Basis des Buchungsprofils und des aktuellen Wetters. Ab 9 USD im Monat (Core, jährliche Zahlung).

HiJiffy ist ein Chatbot speziell für Hotels: FAQ, Buchung im Chat, digitaler Check-in und Upselling. Für Live-Verfügbarkeit muss er mit dem PMS verbunden werden (unterstützt werden unter anderem Opera, Mews und Protel), und das kostet Einrichtungsaufwand. Basic ab 99 Euro im Monat, Pro 159 Euro, Premium 319 Euro, dazu Setup-Gebühren.

Tidio eignet sich als günstiger Einstieg in den digitalen Concierge: Website-Chat ohne PMS-Anbindung, mit einfacher FAQ-Datenbank für lokale Empfehlungen konfigurierbar. Für kleine Unterkünfte ohne IT-Budget. Starter 29 Euro/Monat (24,17 Euro bei Jahreszahlung), KI-Antworten dauerhaft über Lyro ab 39 Euro zusätzlich. Die Chat-Daten liegen auf US-Servern.

Revinate bietet neben Bewertungsanalyse auch During-Stay-Kommunikation mit personalisierten Empfehlungen, gut für Hotels, die eine integrierte Guest-Journey-Plattform suchen.

ChatGPT API ermöglicht maßgeschneiderte Lösungen: Über die OpenAI-API lässt sich ein eigener Concierge mit deiner Empfehlungsdatenbank in App oder Website einbauen, das braucht einen Entwickler. Ein Custom GPT aus ChatGPT taugt dafür nicht: Er läuft nur innerhalb von ChatGPT, und OpenAI hat im September 2026 angekündigt, Custom GPTs in allen Plänen auslaufen zu lassen.

Datenschutz und Datenhaltung

Präferenzprofile von Gästen sind personenbezogene Daten, das erfordert DSGVO-Konformität.

Relevante Punkte:

• Rechtsgrundlage: Erstellung von Präferenzprofilen auf Basis von Check-in-Fragen erfordert entweder Einwilligung (Art. 6 Abs. 1 lit. a DSGVO) oder kann auf berechtigtes Interesse (Art. 6 Abs. 1 lit. f) gestützt werden, wenn der Zweck (besserer Service) klar kommuniziert wird.
• Datensparsamkeit: Nur Präferenzen erheben, die für Empfehlungen benötigt werden. Keine Gesundheitsdaten (Allergien etc.) ohne explizite Einwilligung.
• Löschfristen: Präferenzprofile löschst du, sobald ihr Zweck erfüllt ist. Eine feste Frist nennt die DSGVO nicht; leg eine eigene fest, dokumentier sie im Verarbeitungsverzeichnis und setz sie technisch um.
• Werbemails: Eine Empfehlungsmail mit buchbaren Extras ist Werbung. Ohne Einwilligung ist sie nur unter den Bedingungen von § 7 Abs. 3 UWG zulässig: E-Mail-Adresse aus der Buchung, Werbung für eigene ähnliche Leistungen, kein Widerspruch des Gastes und ein Hinweis auf das Widerspruchsrecht schon bei der Erhebung und in jeder Mail. Für Touren von Fremdanbietern holst du besser eine Einwilligung ein.
• Externe Tools: AVV mit Mailchimp, HiJiffy, Revinate, alle bieten Standard-AVVs. Hosting-Standort prüfen: Mailchimp und Tidio verarbeiten laut unseren Toolseiten in den USA, HiJiffy in der EU.

Was es kostet, realistisch gerechnet

Einstieg (Segmentierte Welcome-E-Mail):

• Mailchimp Essentials ab 11,43 Euro im Monat
• Make.com ab 9 USD im Monat
• Einrichtungsaufwand: 2–3 Tage für Empfehlungsinhalte und Segmentierungslogik
• Effekt: nicht belegt, mit Vergleichsgruppe messen

Skaliert (Digitaler Concierge mit Buchungsfunktion):

• HiJiffy Basic bis Premium: 99 bis 319 Euro im Monat plus Setup-Gebühr
• Integration mit Buchungssystem: 1.000–3.000 Euro einmalig (Schätzung, Angebot einholen)
• Einrichtungsaufwand: 5–10 Tage
• Effekt: nicht belegt, wie oben messen

Rechnung mit Aufenthalten statt Zimmernächten: Hotel, 40 Zimmer, 70 Prozent Auslastung: 40 mal 365 mal 0,7 ergibt rund 10.220 Zimmernächte im Jahr. Bei durchschnittlich 2,3 Nächten sind das rund 4.440 Aufenthalte, und nur an die geht eine Empfehlungsmail. Jeder zusätzliche Euro Zusatzumsatz je Aufenthalt bringt also rund 4.440 Euro Umsatz im Jahr, aber weniger Ertrag: Bei Touren von Fremdanbietern bleibt dir die Vermittlungsprovision, bei eigenen Leistungen wie Wellness der Deckungsbeitrag nach Material und Personal.

Die Einstiegslösung kostet 12 mal 11,43 Euro plus 12 mal 9 USD im Jahr und ist mit wenigen zusätzlich verkauften Extras bezahlt. Der Chatbot kostet 12 mal 99 bis 319 Euro, also 1.188 bis 3.828 Euro im Jahr, dazu Setup und Integration. Dafür muss der Ertrag je Aufenthalt um rund 0,27 bis 0,86 Euro steigen, die Einrichtung nicht mitgerechnet. Ob er das tut, zeigt die Vergleichsgruppe nach einer Saison.

Drei typische Einstiegsfehler

Fehler 1, Zu viele Empfehlungskontaktpunkte. Drei automatische Nachrichten in 24 Stunden wirken aufdringlich. Auf 2–3 relevante Kontaktpunkte beschränken: eine Pre-Stay-E-Mail mit Highlights und eine During-Stay-Nachricht am Tag nach Check-in. Weniger ist mehr.

Fehler 2, Empfehlungsdatenbank ohne laufende Pflege. Restaurants schließen, Öffnungszeiten ändern sich, Touren werden abgesagt. Eine Empfehlungsdatenbank ohne monatliche Pflege wird zum Problem: falsche Informationen, frustrierte Gäste, schlechte Bewertungen. Verantwortlichkeit für Datenbankpflege muss definiert sein.

Fehler 3, Nur Touristenmagneten empfehlen. Wer immer dieselben Attraktionen empfiehlt, die auf Google ohnehin an erster Stelle stehen, liefert keinen Mehrwert. Der Wert liegt in den lokalen Geheimtipps: der versteckte Wasserfall, das Familienrestaurant abseits der Hauptstraße, die Wanderroute, die nicht im Reiseführer steht. Diese Tipps entstehen aus der eigenen Ortskenntnisse des Teams, nicht aus KI-Wissen.

Was mit der Einführung wirklich passiert, und was nicht

Was passiert: Gäste, die ein wirklich passendes Erlebnis machen, erwähnen das oft in der Bewertung. Ob sich dein Schnitt dadurch bewegt, siehst du erst über mehrere Monate; eine belastbare Studie zur Größe des Effekts kennen wir nicht.

Was nicht passiert: Das System verkauft von selbst. Die Empfehlung muss den Gast zu einem Erlebnis führen, das er ohne Impuls nicht gebucht hätte. Das gelingt nur, wenn die Empfehlung wirklich passt, und das erfordert eine qualitativ gute Wissensbasis.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Wir haben nicht die Ressourcen, eine Empfehlungsdatenbank zu pflegen.” Die Erstbefüllung dauert 1–2 Tage. Die laufende Pflege (Öffnungszeiten, Saisonalität) beträgt 1–2 Stunden pro Monat. Mit einem KI-Assistenten können Updates auch durch natürlichsprachige Eingaben erfolgen: „Das Restaurant XY hat jetzt montags geschlossen”, fertig.

„Das klingt nach App-Entwicklung.” Keine App nötig. Eine automatisierte E-Mail mit personalisierten Empfehlungen, verschickt 24 Stunden nach dem Check-in, ist in 2–3 Tagen eingerichtet. Der Einstieg ist niederschwelliger als die meisten annehmen.

Woran du merkst, dass das zu dir passt

Dieser Ansatz lohnt sich für dich, wenn:

• Deine Gäste häufig nach Empfehlungen fragen und das Team Zeit damit verbringt
• Du buchbare Zusatzleistungen (Touren, Transfers, Wellness) hast, die nicht aktiv empfohlen werden
• Der Bewertungsschnitt bei 3,8–4,2 stagniert und du weißt, dass mehr drin ist

Noch nicht das Richtige, wenn:

• Du keine buchbaren Zusatzleistungen hast, dann gibt es keinen Upselling-Effekt
• Dein Team keine Zeit hat, eine lokale Wissensbasis aufzubauen und zu pflegen
• Du weniger als 300 Gäste pro Jahr empfängst, bei diesem Volumen ist der manuelle Aufwand der Personalisierung vertretbar

Das kannst du heute noch tun

Schreibe in 30 Minuten die zehn besten lokalen Empfehlungen für deinen Standort auf, nicht die bekanntesten, sondern die besten, die du aus eigener Erfahrung kennst. Das ist dein erster Wissensbasis-Entwurf. Dann nutze das folgende Template, um daraus eine segmentierte Empfehlungs-E-Mail zu generieren.

Quellen & Methodik

• § 7 Abs. 3 UWG: Werbung per E-Mail an Bestandskunden ohne Einwilligung, vier Voraussetzungen.
• Preise: laut unseren Toolseiten, Stand September 2026; die Werkzeuge sind im Text verlinkt.
• Eigene Annahmen: Auslastung, Aufenthaltsdauer, Implementierungszeiten und Integrationskosten der Beispielrechnung sind Annahmen, keine Messung. Eine belastbare Studie zum Zusatzumsatz durch personalisierte Empfehlungen haben wir nicht gefunden.