Bevor Sie KI für Ihr Hotel kaufen, sollten Sie sich diese sechs Fragen stellen.

Jeder Anbieter von Hotel-KI kann Ihnen derzeit eine professionelle Demo präsentieren. Nur wenige können Ihnen jedoch konkret erklären, auf welchen Daten die KI tatsächlich basiert, und diese Unterscheidung ist wichtiger, als die Demo vermuten lässt.

Hoteliers sehen sich seit einigen Jahren mit Angeboten für KI-gestützte Preisgestaltung, Gästenachrichten-Bots und prädiktive Dashboards konfrontiert. Die Funktionen vervielfachen sich quartalsweise, doch was in Verkaufsgesprächen selten zur Sprache kommt, ist die zugrundeliegende Ebene: Sind die hoteleigenen Daten vernetzt, aktuell und konsistent genug, damit diese Tools verlässliche Ergebnisse liefern können?.

Zwei Tools können in einer kontrollierten Demo bemerkenswert ähnliche Ergebnisse liefern, obwohl sie auf grundlegend unterschiedlichen Grundlagen basieren. Das eine arbeitet möglicherweise mit aktuellen, vernetzten Daten aus dem gesamten Hotel. Das andere hingegen greift auf eine engere oder verzögerte Sichtweise zurück, die aus verschiedenen Systemen zusammengetragen wird. Der Unterschied ist nicht unbedingt auf dem Bildschirm sichtbar, aber er zeigt sich in den Entscheidungen der KI.

6 Fragen, die Sie sich vor einer Investition in Hotel-KI stellen sollten

Bevor Sie irgendetwas unterschreiben, sollten Sie sich sechs Fragen stellen.

1. Was kann diese KI tatsächlich sehen?

Die meisten KI-Tools werden isoliert betrachtet: Funktioniert die Preisberechnung der Algorithmen? Beantwortet der Chatbot Gästefragen korrekt? Das Problem ist, dass in einem Hotel fast nichts isoliert abläuft. Eine Preisänderung wirkt sich auf den Vertrieb aus. Ein Servicefehler schlägt sich in einer Bewertung nieder und beeinflusst die zukünftige Nachfrage. Für die Erfolgsmessung im Marketing ist es entscheidend zu wissen, über welchen Kanal der Gast tatsächlich gewonnen wurde.

Ein KI-System kann nur systemübergreifend argumentieren. Hat es lediglich Einblick in die Reservierungen, erkennt es niemals die in Ihren Reinigungsprotokollen oder Ihren Kassendaten verborgenen Betriebsmuster.

Fragen: Wenn ich eine Frage stellen würde, die Umsatz, Gästehistorie und Betriebsabläufe gleichzeitig umfasst, könnte dieses Tool sie tatsächlich beantworten, oder würde es Halluzinationen erzeugen und es müsste jemand die Antwort manuell zusammensetzen?

2. Wie aktuell sind die Daten, die der Empfehlung zugrunde liegen?

Hotels arbeiten nicht nach einem festen Zeitplan. Eine Reservierung geht ein, eine andere wird storniert, ein Gruppenkontingent wird hinzugefügt, die Verfügbarkeit ändert sich über verschiedene Kanäle, ein Gast checkt früher ein und die Preise werden aktualisiert – manchmal innerhalb weniger Minuten. Jedes dieser Ereignisse verändert die Ausgangslage, mit der ein KI-System arbeiten sollte.

Durch Integrationen entsteht bei jeder Systemübergabe eine Verzögerung: ein Synchronisierungsintervall, eine nächtliche Stapelverarbeitung, ein geplanter Export. Für die KI, die die Daten verarbeitet, ist diese Verzögerung nicht sichtbar. Ein Modell weiß beispielsweise nicht, dass seine Belegungszahlen vier Stunden alt sind; es gibt einfach eine Empfehlung aus, als wären sie aktuell.

In Betracht ziehen Revenue Management. Werden mehrere Zimmer kurz nacheinander gebucht, diese Buchung aber noch nicht im Preissystem erfasst, empfiehlt die KI möglicherweise weiterhin Preise basierend auf nicht mehr verfügbaren Zimmern. Oder wenn eine Stornierung noch nicht gemeldet wurde, kann sie eine Nachfrage und Auslastung anzeigen, die in Wirklichkeit nicht vorhanden sind. Dasselbe Problem kann sich auf die Gästekommunikation, die Verfügbarkeit, die Prognosen und die betrieblichen Entscheidungen auswirken. Je länger die Verzögerung, desto größer die Diskrepanz zwischen der von der KI erfassten und der tatsächlichen Auslastung des Hotels.

Dies entwickelt sich zu einer umfassenderen Einschränkung für die Einführung von KI: 72% bemängelt einen Mangel an Echtzeit-Dateninfrastruktur behindert aktiv die Skalierbarkeit von KI in ihrer Organisation. Für Hotels geht es in der Praxis nicht nur darum, ob Systeme integriert sind, sondern auch darum, wie schnell Informationen zwischen ihnen ausgetauscht werden.

Fragen: Wenn sich die Belegungszahlen jetzt ändern würden, wie lange würde es dauern, bis alle vernetzten Systeme und alle darauf aufbauenden KI-Tools mit den aktualisierten Zahlen arbeiten?

3. Erkennt es denselben Gast überall?

Ein Gast, der zunächst direkt, dann über ein Online-Reisebüro und schließlich zu einem ausgehandelten Preis bucht, kann je nach Anzahl der beteiligten Systeme in drei oder vier separaten Datensätzen existieren. Jedes KI-Modell, das mit einem dieser Datensätze trainiert wurde, übernimmt seine eigene Version des Gastes, und keine dieser Versionen bildet die Person vollständig ab.

Das ist relevant, sobald KI personalisierte Inhalte bereitstellen soll. Ein wiederkehrender Gast könnte als Erstbesucher behandelt werden, weil sein vorheriger Aufenthalt unter einem anderen Profil geführt wird. Ein KI-Assistent könnte eine beim letzten Besuch dokumentierte Servicepräferenz übersehen. Ein Marketingsystem könnte einem Gast, der bereits fünfmal übernachtet hat, ein Angebot senden, während er in der Berichterstattung weiterhin als mehrfacher Gast gezählt wird.

Innerhalb einer Hotelgruppe verschärft sich das Problem. Jemand, der in drei Hotels übernachtet hat, könnte wie drei unabhängige Gäste erscheinen, anstatt wie ein treuer Kunde mit einer Historie in allen Hotels. Die KI kann Muster nur in den Identitäten erkennen, die ihr die zugrundeliegende Architektur vorgibt.

Und dieses Problem löst sich nicht von selbst, wenn ein Hotel wächst. Im Gegenteil, es verstärkt sich. Mehr Standorte, Kanäle und Systeme erhöhen die Wahrscheinlichkeit, dass dieselbe Person unter verschiedenen Datensätzen erscheint, sofern die Architektur keine einheitliche Methode zur Identifizierung der Gäste bietet.

Fragen: Wenn ein Stammgast morgen über einen anderen Kanal als üblich bucht, wird er dann von allen Systemen als dieselbe Person erkannt oder wird eine neue Datei angelegt?

4. Wer hat Zugriff auf diese Daten, und können Sie dies beweisen?

Bereitschaft bedeutet nicht nur, wie viele Daten verknüpft sind, sondern auch, ob der Zugriff auf diese Daten bewusst gesteuert wird. Stellen Sie sich vor, Sie bitten einen KI-Assistenten, einen VIP-Gast vor dessen Ankunft zusammenzufassen. Sollte er die Buchungshistorie einsehen können? Sicher. Frühere Wartungsanfragen? Vielleicht. Zahlungsdetails? Wahrscheinlich nicht.

Stellen Sie sich nun vor, diese Frage betrifft ein ganzes Hotel oder eine Hotelgruppe. Ein Mitarbeiter an der Rezeption, ein Revenue Manager, ein Hoteldirektor und ein Verwaltungsmitarbeiter sollten nicht unbedingt Zugriff auf dieselben Informationen haben, und das gilt auch für die KI-Tools, die in ihrem Auftrag arbeiten.

Das wird umso wichtiger, je mehr KI von der Beantwortung von Fragen zur eigenständigen Handlung übergeht. Ein Assistent, der die Ankünfte von morgen zusammenfassen kann, birgt ein bestimmtes Risiko. Ein anderer, der Preise ändern, Rückerstattungen veranlassen, Reservierungen anpassen oder Gästen Nachrichten senden kann, birgt ein ganz anderes Risiko. Die zugrundeliegende Architektur muss daher nicht nur festlegen, was die KI sehen kann, sondern auch, was sie tun darf, für wen und mit welchen Berechtigungen.

Früher war dies ein eher nebensächliches IT-Thema. Heute nicht mehr. Regulatorische Rahmenbedingungen fordern zunehmend von Unternehmen den Nachweis, auf welche Daten ein KI-System zugreifen kann. Ein Anbieter sollte erläutern können, wie der Zugriff kontrolliert, sensible Daten geschützt und diese Kontrollen überprüfbar sind.

Fragen: Könnten Sie genau erklären, worauf dieses KI-Tool zugreifen kann und – ebenso wichtig – worauf es explizit nicht zugreifen kann?

5. Führt die Erkenntnis zu einer Handlung oder zu einem weiteren Export?

Der eigentliche Test für eine KI-Funktion besteht nicht darin, ob sie eine Empfehlung ausgibt. Sondern darin, ob diese Empfehlung dort landet, wo sie sofort umgesetzt werden kann, ohne dass das Tool gewechselt, eine Datei exportiert oder bereits vorhandene Informationen erneut eingegeben werden müssen.

Angenommen, die KI meldet, dass die Buchungen für ein bestimmtes Wochenende schneller steigen als prognostiziert. Steht diese Information erst am nächsten Morgen in einem Bericht, ändert sich nichts. Wird sie jedoch direkt im Workflow Ihres revenue management-Prozesses angezeigt, sodass Sie Preisänderungen direkt prüfen und genehmigen können, fließt die Erkenntnis in Ihre Entscheidung ein, solange sie noch relevant ist.

Das gleiche Prinzip gilt auch für andere Bereiche als die Preisgestaltung. Wenn die KI einen unzufriedenen Gast identifiziert, diese Information aber erst in ein anderes System übertragen werden muss, bevor die Rezeption reagieren kann, oder wenn sie eine Möglichkeit zum Upselling erkennt, aber die entsprechende Kommunikation mit dem Gast nicht auslösen kann, mag die Intelligenz zwar nützlich sein, der Arbeitsablauf bleibt aber manuell.

Damit KI mehr leisten kann als nur Empfehlungen auszusprechen, benötigt sie einen direkten Zugang zu den Systemen, in denen die eigentliche Arbeit stattfindet – mit den entsprechenden Berechtigungen und unter menschlicher Aufsicht. Andernfalls fügt man lediglich eine weitere Intelligenzebene hinzu, ohne die zugrundeliegende Arbeit zu ersetzen.

Fragen: Wie viele Klicks, Tools oder Übergaben trennen die Ausgabe dieses Tools von jemandem, der tatsächlich darauf reagiert?

6. Handelt es sich um ein natives Datenmodell oder wurde es nachträglich zusammengestellt?

Dies ist die entscheidende Frage. Zwei Plattformen können in einer Demo identisch aussehen und dennoch grundverschieden aufgebaut sein. Die eine ist vielleicht durch Zukäufe entstanden und vereint Produkte, die weiterhin auf separaten Datenbanken hinter einer gemeinsamen Anmeldeoberfläche laufen. Die andere basiert von Anfang an auf einem einzigen Datenmodell, bei dem jedes Produkt auf denselben Datensatz verweist.

Anbieter, die die zweite Art beschreiben, sollten Ihnen eine konkrete, datierte Entstehungsgeschichte geben können, keine vage Antwort. “tiefe Integrationen”.” Eine damit zusammenhängende, praktische Anschlussfrage: Sind alle Funktionen, die über die Benutzeroberfläche des Produkts verfügbar sind, auch über die API zugänglich? Plattformen, bei denen Benutzeroberfläche und externe API auf zwei unterschiedliche Ebenen zugreifen, bieten in der Regel eine minderwertige Integration, da Funktionen in der Benutzeroberfläche sichtbar sind, die Partnern und Entwicklern jedoch nicht zur Verfügung stehen.

Rund 38% von Hoteliers Sie nennen die Systemintegration bereits als ihren größten operativen Schwachpunkt – ein deutliches Zeichen dafür, dass diese Frage vor der Vertragsunterzeichnung und nicht erst danach gestellt werden sollte.

Fragen: Handelt es sich bei diesem Datenmodell um ein natives oder ein zusammengesetztes Modell? Wann genau erfolgte dies? Und verwendet Ihre eigene Schnittstelle dieselbe API, die Sie mir zur Verfügung stellen würden?

Kurzübersicht

Fazit

Keine dieser sechs Fragen bezieht sich darauf, ob ein Werkzeug Ergebnisse liefert. Es geht vielmehr darum, ob die Grundlage, auf der es steht, einer echten Entscheidung gewachsen ist.

Kann die KI genügend Einblicke in das Unternehmen gewinnen, um die Vorgänge zu verstehen? Sind diese Informationen aktuell? Weiß sie, wer der Gast ist? Ist der Zugriff ordnungsgemäß geregelt? Kann eine Erkenntnis tatsächlich Maßnahmen auslösen? Und basieren all diese Funktionen auf einer wirklich gemeinsamen Datengrundlage?

Diese Fragen sollte ein Anbieter problemlos beantworten können. Wenn KI mit dem Versprechen besserer Entscheidungen beworben wird, muss der Anbieter genau erklären können, welche Daten diesen Entscheidungen zugrunde liegen, wie diese Daten durch die Plattform fließen und was zwischen einem Ereignis im Hotel und der Reaktion der KI darauf geschieht. Die Demo ist nach wie vor wichtig. Doch bevor Sie von den Fähigkeiten der KI beeindruckt sind, sollten Sie herausfinden, was diese ermöglicht.

Vor Investitionen in KI im Hotelbereich sollten Führungskräfte die Datengrundlage jeder einzelnen Versprechen sorgfältig prüfen. Vernetzte Systeme, aktuelle Informationen, einheitliche Gästeidentitäten, eine solide Governance, umsetzbare Arbeitsabläufe und eine native Architektur entscheiden darüber, ob KI verlässliche Entscheidungen liefert oder die Komplexität erhöht.