KI-gestützte Reservierung & Lagerverwaltung für eine Restaurantkette

Die Restaurantkette 'Zum Goldenen Löwen' betreibt vier Standorte in der Region Zürich mit insgesamt 280 Sitzplätzen. Jeder Standort ist auf traditionelle Schweizer Küche mit saisonalen Spezialitäten spezialisiert. Das Unternehmen beschäftigt 45 Mitarbeiter und verarbeitet durchschnittlich 150 Reservierungen pro Tag über Telefon, E-Mail, Instagram, die eigene Website und Walk-in-Anfragen. Mit steigender Beliebtheit wurde die manuelle Verwaltung der Reservierungen zum Engpass, und die Unvorhersehbarkeit der täglichen Gästezahlen führte zu regelmässiger Über- oder Unterproduktion in der Küche.

Inhaber Thomas Brunner führt die Restaurantkette in zweiter Generation. Er hatte bereits versucht, ein Online-Reservierungssystem einzuführen, aber die Lösung deckte nur den Website-Kanal ab, Telefonanrufe und Social-Media-Anfragen mussten weiterhin manuell bearbeitet werden. Die Fragmentierung der Kanäle führte zu Doppelbuchungen, und das Servicepersonal verbrachte täglich 2-3 Stunden allein mit Reservierungsverwaltung. Gleichzeitig lagen die No-Show-Raten bei 18-22%, was bei einem durchschnittlichen Gedeck von CHF 55 erhebliche Umsatzeinbussen bedeutete. In der Küche wurden Zutaten basierend auf Erfahrungswerten bestellt, was an manchen Tagen zu Engpässen und an anderen zu Verschwendung führte.

Die Kernprobleme liessen sich auf drei Bereiche verdichten: Erstens, die Multi-Kanal-Reservierungsverwaltung war fragmentiert und fehleranfällig. Reservierungen kamen über fünf verschiedene Kanäle, wurden aber in einem einzigen Papierbuch (und teilweise in einer Excel-Tabelle) verwaltet. Doppelbuchungen kamen wöchentlich vor. Zweitens, die hohe No-Show-Rate von durchschnittlich 20% kostete das Unternehmen schätzungsweise CHF 4'400 pro Monat an entgangenem Umsatz. Es gab kein systematisches Erinnerungssystem. Drittens, die Einkaufsplanung basierte auf Bauchgefühl. Der Küchenchef bestellte basierend auf langjähriger Erfahrung, konnte aber saisonale Schwankungen, Wettereinflüsse und lokale Events nicht systematisch berücksichtigen. Die Lebensmittelverschwendung lag bei geschätzten 15% des Einkaufsvolumens.

Wir implementierten eine zweiteilige KI-Lösung: Einen Reservierungs-Agenten und ein Nachfrageprognose-System. Der KI-Reservierungsagent wurde in alle fünf Kanäle integriert: Website-Widget, E-Mail-Parsing, Instagram-DM-Autoresponder, eine Telefon-Sprachschnittstelle und ein Walk-in-Tablet am Eingang. Der Agent versteht natürliche Sprache in Deutsch, Englisch und Französisch, bestätigt Reservierungen sofort, verwaltet Wartelisten bei voller Auslastung und sendet automatische Erinnerungen 24 Stunden und 2 Stunden vor dem Termin per SMS und WhatsApp. Bei No-Shows werden Wartelistenkunden automatisch benachrichtigt. Das Nachfrageprognose-System analysiert historische Reservierungsdaten, Wetterdaten, lokale Veranstaltungskalender und saisonale Muster. Es prognostiziert die erwartete Gästezahl und empfiehlt Einkaufsmengen für die 40 am häufigsten verwendeten Zutaten. Der Küchenchef erhält jeden Morgen um 6 Uhr eine optimierte Einkaufsliste per App.

Die Implementierung erfolgte in drei Phasen über 8 Wochen. In der ersten Phase (Woche 1-2) wurde die Datenanalyse durchgeführt: 18 Monate historische Reservierungsdaten wurden erfasst, Muster identifiziert und die KI-Modelle für Nachfrageprognose trainiert. In Phase 2 (Woche 3-5) wurde der Reservierungsagent aufgebaut und schrittweise in die einzelnen Kanäle integriert: zuerst Website, dann E-Mail, dann Instagram und Telefon. Das Walk-in-Tablet kam zuletzt. Parallel dazu wurde das Nachfrageprognose-System kalibriert. In Phase 3 (Woche 6-8) lief der Agent im Parallelbetrieb: Das Servicepersonal überprüfte jede vom Agenten angenommene Reservierung und gab Feedback. Die Genauigkeit der Einkaufsempfehlungen wurde täglich gegen den tatsächlichen Bedarf geprüft. Besonders wichtig war die enge Zusammenarbeit mit dem Küchenchef, der anfangs skeptisch war, aber nach der zweiten Woche die Vorteile der datenbasierten Einkaufsplanung anerkannte.

Nach drei Monaten Produktivbetrieb zeigten die Ergebnisse eine deutliche Verbesserung in allen Kernbereichen. Die No-Show-Rate sank von 20% auf 12%, eine Reduktion von 40%. Der automatische Erinnerungsservice per SMS und WhatsApp erwies sich als der entscheidende Faktor. Die monatlichen Einsparungen summierten sich auf CHF 3'200: CHF 1'760 durch weniger No-Shows, CHF 950 durch reduzierte Lebensmittelverschwendung und CHF 490 durch eingesparte Personalstunden in der Reservierungsverwaltung. Die Lebensmittelverschwendung sank um 35%, da die Einkaufsmengen jetzt datenbasiert statt erfahrungsbasiert geplant werden. Der Küchenchef berichtet, dass die Prognosen in 85% der Fälle innerhalb einer 10%-Toleranz des tatsächlichen Bedarfs liegen. Das Servicepersonal spart täglich 2 Stunden, die nun für die Gästebetreuung zur Verfügung stehen. Die Kundenzufriedenheit stieg messbar: Die Google-Bewertung verbesserte sich von 4.2 auf 4.5 Sterne, wobei mehrere Bewertungen das 'unkomplizierte Buchen' lobten.

Drei Erkenntnisse waren besonders wertvoll: Erstens, der Parallelbetrieb mit dem bestehenden Team war entscheidend für die Akzeptanz. Das Servicepersonal musste sehen, dass der KI-Agent ihre Arbeit nicht ersetzt, sondern die frustrierendsten Teile davon übernimmt. Zweitens, die Integration des Erinnerungssystems hatte den grössten einzelnen ROI-Beitrag, ein vergleichsweise einfaches Feature mit enormer Wirkung. Drittens, die Nachfrageprognose braucht mindestens 12 Monate historische Daten, um saisonale Muster zuverlässig zu erkennen. Mit weniger Daten funktioniert sie grundsätzlich, aber die Genauigkeit für saisonale Spezialitäten verbessert sich deutlich mit mehr Datenhistorie.