3,2 Prozent Marge – und das nach elf Jahren
Andreas B. ist kein Anfänger in der Gastronomie. Drei Restaurantstandorte in der Rhein-Main-Region, 34 Mitarbeitende, ein Jahresumsatz von rund 2,8 Millionen Euro. Nach über einem Jahrzehnt im Geschäft kannte er jeden Handgriff – und trotzdem blieb am Jahresende eine Nettomarge von 3,2 Prozent.
Das klingt nach einem Branchenproblem, das man einfach hinnehmen muss. Ist es aber nicht.
Ein Blick in die Zahlen zeigte drei Kostentreiber, die Andreas jahrelang unterschätzt hatte:
Warenverlust durch Fehlbestellungen. Jedes Wochenende landeten frische Lebensmittel im Müll – weil das Wetter nicht mitspielte, eine Reservierung kurzfristig storniert wurde oder schlicht zu viel eingekauft worden war. Geschätzter Verderb: rund 7 Prozent des gesamten Wareneinsatzes.
Manuelle Bestellprozesse. Jeden Montag verbrachte der Küchenchef drei Stunden damit, Lagerbestände zu zählen, Menüpläne abzugleichen und Bestelllisten zu schreiben – manuell, für jeden Standort separat. Hochgerechnet: fast 40 Stunden pro Monat für eine Aufgabe, die kein kreatives Talent erfordert.
Delivery-Plattform-Abhängigkeit. Rund 38 Prozent des Umsatzes liefen über externe Bestellplattformen, die 25 bis 30 Prozent Provision nehmen. Die Kundendaten blieben bei der Plattform – nicht bei Andreas. Er produzierte, die Plattform verdiente.
Ergebnis: Trotz voller Restaurantsäle und starker Bewertungen blieb am Jahresende kaum etwas übrig. Andreas nannte sich selbst ironisch den „beschäftigsten Plattform-Subunternehmer Frankfurts".
„In der Gastronomie steckt KI-Potenzial in jedem Kühlschrank – und in jedem Klick, den ein Stammkunde macht. Wer diese Daten nicht nutzt, zahlt dafür jeden Monat still und leise drauf." – Marc Böhler, Gründer infinitask.ai
Drei KI-Module, die in der Gastronomie tatsächlich funktionieren
Marc Böhler von infinitask.ai begleitet regelmäßig Gastronomiebetriebe und kennt dieses Muster gut. Sein Ansatz beginnt nicht mit einem Tool-Katalog, sondern mit einer Frage: Wo verlierst du gerade am meisten Geld – und wo liegen die einfachsten Datenquellen?
Bei Andreas waren das drei klar abgegrenzte Bereiche.
Modul 1: KI-gestützte Bedarfsprognose
Jedes moderne Kassensystem (POS) speichert Verkaufsdaten auf Artikelebene – oft über Jahre hinweg. Kombiniert man diese historischen Daten mit externen Signalen wie Wettervorhersagen, lokalen Veranstaltungen und Feiertagen, entsteht eine Prognose, die Bestellmengen automatisch empfiehlt.
Andreas nutzte dafür ein SaaS-Tool, das sich direkt in sein bestehendes POS-System integrieren ließ. Der Einrichtungsaufwand betrug zwei Wochen inklusive historischer Datenübernahme.
Das Ergebnis: Das System empfiehlt täglich, was für die nächsten fünf Tage bestellt werden soll – inklusive Sicherheitspuffer und Mindestbestandswarnung. Der Küchenchef prüft die Liste, passt bei Bedarf einen Wert an und bestätigt per Klick. Was vorher drei Stunden dauerte, braucht jetzt zwanzig Minuten.
Modul 2: Automatisierter Bestellprozess
Der zweite Schritt war, die freigegebene Bestellliste direkt an die Lieferanten zu übermitteln – ohne E-Mail, ohne Fax, ohne Anruf. Über eine einfache API-Verbindung gehen Bestellungen jetzt automatisch raus.
Das klingt technisch, ist es aber nicht. Die meisten Großhändler im Lebensmittelbereich unterstützen heute digitale Bestellformate. Was oft fehlt, ist nur die Verbindung zwischen dem POS-System und dem Lieferanten – eine Lücke, die sich mit fertigen Middleware-Lösungen in wenigen Tagen schließen lässt. Für Lieferanten ohne API-Anbindung funktioniert auch eine automatisiert generierte Bestell-E-Mail nach festem Format.
Modul 3: Direktkanal mit KI-Personalisierung
Schritt drei war der schwierigste – aber auch der lukrativste. Ziel: Bestandskunden dazu bewegen, direkt über Andreas' eigene Kanäle zu bestellen statt über externe Plattformen.
Das geschah über einen WhatsApp-Business-Kanal mit automatisierten Nachrichten: Wochenmenü, Aktionshinweise, Geburtstagsgutscheine. Dazu kam eine einfache eigene Bestellapp auf White-Label-Basis – monatliche Lizenzgebühr statt teurer Eigenentwicklung.
Der KI-Einsatz hier: Personalisierungsregeln, die auf der Kaufhistorie basieren. Wer regelmäßig am Freitag bestellt, bekommt automatisch donnerstagnachmittags ein passendes Angebot – direkt, ohne Provision, mit den eigenen Kundendaten.
Schritt für Schritt: So lief die Implementierung bei Andreas
Der gesamte Prozess dauerte vier Wochen:
- Woche 1 – Datenstatus prüfen: Kassensystem-Daten der letzten 18 Monate exportieren, Qualität prüfen, Lücken identifizieren und nachpflegen (Feiertage, Sonderereignisse wie Stadtfeste)
- Woche 2 – Prognose-Tool einrichten: Historische Verkaufsdaten hochladen, erstes Modell trainieren, Testprognosen für die vergangenen vier Wochen gegen echte Bestellmengen validieren
- Woche 3 – Bestellprozess automatisieren: Lieferantenanbindung konfigurieren, Schwellenwerte festlegen, paralleler Testbetrieb neben dem alten manuellen Prozess
- Woche 4 – Direktkanal aufbauen: WhatsApp-Business-Account einrichten, erste Kampagne für Bestandskunden versenden, Bestellsystem freischalten und kommunizieren
Gesamtkosten der Einrichtung: rund 1.800 Euro (externer Berater plus Software-Setup). Laufende Kosten: 420 Euro pro Monat für alle drei Module kombiniert.
Das Ergebnis nach sechs Monaten – die echte ROI-Rechnung
Nach einem halben Jahr hat Marc Böhler gemeinsam mit Andreas die Zahlen zusammengezogen. Das Ergebnis:
| Bereich | Vorher | Nachher | Monatliche Einsparung |
|---|---|---|---|
| Warenverlust (Verderb) | 7 % des Wareneinsatzes | 4,1 % | 1.480 € |
| Bestellaufwand (Personalzeit) | 40 h/Monat | 9 h/Monat | 680 € |
| Plattform-Provision | 38 % extern | 26 % extern | 1.050 € |
| Gesamt Einsparung | 3.210 €/Monat | ||
| KI-Software (laufend) | − 420 €/Monat | ||
| Netto-Effekt | 2.790 €/Monat |
Jahreswirkung: rund 33.500 Euro netto – aus einem Betrieb, der vorher mit 3,2 Prozent Marge kämpfte.
Die Einrichtungskosten von 1.800 Euro waren in der ersten Woche nach Go-Live amortisiert.
Was nicht in der Tabelle steht: Der Küchenchef hat montags jetzt drei Stunden gewonnen, die er für Rezeptentwicklung und Mitarbeiterführung nutzt. Und Andreas schläft besser – weil er erstmals genau weiß, was er am Wochenende wirklich braucht.
Was bedeutet das für deinen Betrieb?
Gastronomie ist ein hartes Geschäft. Aber sie ist keine Ausnahme, wenn es um Digitalisierung geht – sie ist längst überfällig dafür.
Die Daten sind in fast jedem Betrieb schon vorhanden: in jedem POS-System, in jedem Lieferantenauftrag, in jedem Kundenprofil. Was fehlt, ist die Verbindung zwischen diesen Datenquellen – und der Wille, Entscheidungen nicht mehr mit Bauchgefühl, sondern mit Zahlen zu treffen.
Die gute Nachricht: Du brauchst dafür keinen Data Scientist und keine eigene IT-Abteilung. Die heute verfügbaren SaaS-Lösungen für die Gastronomie sind ab etwa 15 Mitarbeitenden und einem Monatsumsatz von 40.000 Euro wirtschaftlich sinnvoll – und die Integration mit bestehenden Kassensystemen dauert Wochen, nicht Monate.
Der erste Schritt ist immer derselbe: herausfinden, wo das meiste Geld verloren geht. Bei Andreas war es der Kühlschrank. Bei dir könnte es der Bestellprozess, die Plattform-Abhängigkeit oder die fehlende Kundenbindung sein.
