KI-Agenten für das Hotel revenue management sind Softwaresysteme, die Umsatzziele durch eigenständige Maßnahmen wie Preisanpassungen, Prognoseaktualisierungen und Nachfrageüberwachung mit minimalem menschlichen Eingriff verfolgen. Sie gewinnen zunehmend an Bedeutung, da sich die Umsatztechnologie von der Empfehlung von Entscheidungen hin zu deren Umsetzung entwickelt. Hotels, die frühzeitig die Grenzen der Autonomie festlegen, können ihre Preise schneller anpassen als Hotels, die abwarten.
Wichtigste Erkenntnisse:
|
–
Inhaltsverzeichnis
- Was sind KI-Agenten für das Hotel-Revenue-Management?
- Worin unterscheiden sich KI-Agenten von Revenue-Management-Systemen?
- Welche Umsatzaufgaben sollten KI-Agenten zuerst bearbeiten?
- Die Revfine Agentenautonomieleiter
- Wie sollten die Preisentscheidungen eines KI-Agenten gesteuert werden?
- Checkliste zur Vorbereitung von Finanzbeamten
- Wie sollten unabhängige Hotels KI-Agenten einsetzen?
- Welche Grenzen und Risiken bergen KI-Agenten?
- Welche Fähigkeiten benötigen Revenue Manager im Umgang mit KI-Agenten?
- Wie gelingt der Einstieg in den Einsatz von KI-Agenten im Revenue Management?
- Häufig gestellte Fragen
Was sind KI-Agenten für das Hotel-Revenue-Management?
Ein KI-Agent ist eine Software, die auf ein von Ihnen festgelegtes Ziel hinarbeitet, beispielsweise die Steigerung des RevPAR (Umsatz pro verfügbarem Zimmer) in den nächsten 90 Tagen. Dies geschieht durch die Planung von Aufgaben, die Nutzung Ihrer Systeme und selbstständiges Handeln. Dadurch unterscheidet er sich von einem Chatbot, der Fragen beantwortet, und von einem Copiloten, der Aufgaben für Sie entwirft.
In Revenue Management, Ein KI-Agent verbindet sich mit Ihrem Immobilienverwaltungssystem (PMS), Ihrem Preisvergleichsfeed und Ihrem Channel-Manager. Er kann Preisänderungen der Konkurrenz über Nacht überwachen, dynamische Preisanpassungen an Ihren besten verfügbaren Preis innerhalb Ihrer festgelegten Grenzen vornehmen, die Nachfrageprognose bei Änderungen der Belegungszahlen aktualisieren und die Abweichungsübersicht vor Ihrem morgendlichen Meeting erstellen.
Der Wandel ist auch außerhalb des Gastgewerbes bereits im Gange. Globale McKinsey-Umfrage zu KI, 62 Prozent der Befragten gaben an, dass ihre Organisationen zumindest mit KI-Agenten experimentieren.
Die Technologie zur Umsatzgenerierung in Hotels entwickelt sich ähnlich, und die Unternehmen hinter etablierten revenue management-Systemen integrieren ab 2026 Agentenfunktionen in ihre Plattformen. Die entscheidende Frage ist nicht, ob diese Technologie Ihr Hotel erreicht, sondern wie viel Preisbefugnis Sie unter welchen Bedingungen delegieren möchten.
Worin unterscheiden sich KI-Agenten von Revenue-Management-Systemen?
Ein Revenue-Management-System (RMS) unterstützt üblicherweise Prognosen, Preisgestaltung und Verfügbarkeitsentscheidungen. Ein KI-Agent arbeitet aufgabenübergreifend. Er kann Daten aus dem PMS, RMS, Channel-Manager, Veranstaltungskalender, der Reputationsplattform und der Buchungsmaschine abrufen und anschließend einen Workflow koordinieren, der andernfalls eine manuelle Prüfung erfordern würde.
Dieser Unterschied verändert Ihre tägliche Rolle. Mit einem RMS prüfen und genehmigen Sie Empfehlungen. Mit einem Agenten definieren Sie Grenzen und überprüfen Ergebnisse.
Fergus Boyd, Hotelberater bei HFTP, vermerkt am Hospitality Net Das:
“Vorhersagefähige KI (P-KI) ist seit Jahrzehnten ein Kernbestandteil von revenue management/Preissystemen.”
Die neue Entwicklung besteht nicht darin, dass KI Prognosen erstellen kann. Sie besteht vielmehr darin, dass agentenbasierte Systeme auf Basis dieser Prognosen mehrstufige Arbeitsabläufe planen und ausführen können.
Die nachstehende Tabelle zeigt, in welchen Dimensionen sich die beiden Systeme unterscheiden, die für Ihren Betrieb relevant sind.
| Dimension | Traditioneller Effektivwert | KI-Agent |
| Kernausgabe | Preis- und Bestandsempfehlungen | Erledigte Aufgaben zur Erreichung eines definierten Umsatzziels |
| Handlungsspielraum | Preisgestaltung und Prognosen innerhalb einer Plattform | Arbeiten Sie mit PMS, RMS, Channel-Manager und Reporting-Tools zusammen. |
| Ihre Rolle | Prüfung und Genehmigung jeder Empfehlung | Grenzen setzen und Ausnahmen prüfen |
| Anpassung | Die Modelle werden gemäß dem Zeitplan des Anbieters aktualisiert. | Das Verhalten passt sich an, wenn sich Ergebnisse und Anweisungen ändern. |
| Typischer Ausfallmodus | Gute Empfehlungen, die niemand umsetzt | Falsche Handlungen werden schnell und in großem Umfang ausgeführt. |
Keines der beiden ersetzt das andere. Die leistungsstärksten Systeme kombinieren die Preisgestaltung eines RMS mit der Ausführungsebene eines Agenten. Daher sollten Sie Agenten als Ergänzung zu Ihrem bestehenden System und nicht als Ersatz dafür betrachten.
Welche Umsatzaufgaben sollten KI-Agenten zuerst bearbeiten?
Ein KI-gestützter Umsatzagent sollte anhand seiner Wirksamkeit und nicht anhand einer beeindruckenden Produktdemo beurteilt werden. Die besten Workflows in der frühen Phase zeichnen sich durch hohe Frequenz, umfangreiche Datenverarbeitung, Messbarkeit und einfache Überprüfbarkeit bei fehlerhaften Empfehlungen aus.
Zu den praktischsten Jobs im Bereich der Einnahmengenerierung gehören:
- Dynamische Preisgestaltung: Die Preise werden im Laufe des Tages an die sich ändernde Nachfrage, die Nachfrage und die Preise der Konkurrenz angepasst.
- Nachfragevorhersage: Früherkennung von Bewegungen durch Abholung, lokale Ereignisse, Suchinteressen und Buchungsfenster.
- Vertriebsmanagement: Überprüfung der Herkunft der Nachfrage und ob die Kanalkosten die Preisentscheidung stützen.
- Gruppenverschiebungsanalyse: Vergleich des Gruppenwerts mit der kurzfristigen Nachfrage, die dadurch entstehen kann.
- Gesamteinnahmenmanagement: Verknüpfung der Zimmerpreise mit den Einnahmen aus Parkplätzen, Speisen und Getränken, Spa-Behandlungen, Veranstaltungen und Pauschalreisen.
Die Aufgabenteilung sollte in allen fünf Bereichen klar sein. Der Agent ist für die kontinuierliche Überwachung und die strukturierte Umsetzung zuständig. Ihr Revenue Leader legt die kommerziellen Ziele, Genehmigungsgrenzen und Risikorahmen fest.
Wenn Ihr Team jeden Morgen noch drei dieser Aufgaben von Hand erledigt, dann ist das die Zeit, die Sie jetzt damit verbringen, anstatt dass ein Agent etwas zurückgeben soll.
Die Revfine KI-Agenten-Autonomieleiter
Die Revfine Agent Autonomy Ladder gibt Ihrem Team eine gemeinsame Sprache für die Preisgestaltung. “Wir nutzen KI.” ist zu ungenau. Ein Revenue-Team muss genau wissen, wer eine Tarifänderung genehmigt, wer eine Einschränkung prüft und wann das System ohne Wartezeit handeln kann.
- Stufe 1: Beratung. Der Agent analysiert Daten und empfiehlt Maßnahmen, aber Ihr Team setzt jede Änderung um.
- Stufe 2: Überwachte Ausführung. Der Beauftragte bereitet die Aktion vor und führt sie erst nach ausdrücklicher Genehmigung aus.
- Stufe 3: Begrenzte Autonomie. Der Agent agiert innerhalb festgelegter Grenzen, wie z. B. Mindestpreise, Höchstpreise, maximale tägliche Preisänderungen oder definierte Zimmertypen.
- Stufe 4: Orchestrierte Autonomie. Spezialisierte Agenten koordinieren Preisgestaltung, Prognosen, Vertrieb und Berichtswesen, während die Umsatzleitung das System steuert.
Die Stufenstruktur funktioniert pro Aufgabe, nicht pro System. Ihre Konfiguration könnte beispielsweise für Einzelpreise an Wochentagen auf Stufe 3 laufen, während sie für Gruppenangebote auf Stufe 1 bleibt. Diese Aufteilung ist eher ein Zeichen von Disziplin als von Misstrauen.
Beförderungen sollten verdient werden. Eine praktikable Regel ist, dass eine Aufgabe nach acht aufeinanderfolgenden Wochen, in denen Sie jede vom Mitarbeiter vorgeschlagene Aktion genehmigt haben, um eine Stufe aufsteigt.
Wie sollten die Preisentscheidungen eines KI-Agenten gesteuert werden?
Governance ist der Ort, an dem KI-Agentenprojekte stehen und fallen, und die Beweise jenseits der Gastfreundschaft sind eindeutig. Der McKinsey-Bericht über agentenbasierte KI ergab dass etwa 90 Prozent der funktionsspezifischen KI-Anwendungsfälle noch im Pilotstadium stecken bleiben, und dass dieselbe Studie unkontrollierte Autonomie und mangelnde Rückverfolgbarkeit zu den Risiken zählt, die diese Systeme mit sich bringen.
Für ein Hotel bedeutet das, dass Sie drei Kontrollmechanismen einrichten sollten, bevor Sie dem KI-Agenten Autonomie gewähren. Sie sollten Genehmigungsregeln festlegen, die bestimmen, welche Aufgaben der KI-Agent auf welcher Ebene ausführen darf. Außerdem sollten Sie die Rückverfolgbarkeit der Quelle fordern, d. h. jede Aktion wird mit dem auslösenden Signal protokolliert, sodass Sie nachvollziehen können, warum sich eine Rate geändert hat.
Die dritte Kontrollmaßnahme ist ein Rollback-Plan, der die gestrigen Kurse innerhalb weniger Minuten über alle Kanäle wiederherstellen kann. Allen drei Maßnahmen liegen strenge Richtlinien zugrunde: Mindestkurse, Höchstkurse und eine maximale Änderung pro Tag, die durch keine Anweisung außer Kraft gesetzt werden kann.
Ihre wichtigste Frühwarnkennzahl ist die Korrekturrate, also der Anteil der Agentenaktionen, die Sie wöchentlich rückgängig machen oder korrigieren. Eine stabile, niedrige Korrekturrate zeigt an, dass die Rahmenbedingungen zu Ihrem Markt passen. Eine steigende Rate signalisiert hingegen, dass sich das Modell des Agenten und Ihre tatsächliche Nachfrage auseinanderentwickelt haben und die Autonomie reduziert werden sollte.
Checkliste zur Vorbereitung von Finanzbeamten
Ein Hotel sollte einem KI-Agenten keinen Zugriff auf die Preisinformationen gewähren, nur weil die Technologie technisch Preisänderungen durchführen kann. Die entscheidende Frage ist, ob Ihr Hotel die Maßnahme kontrollieren, überprüfen und gegebenenfalls rückgängig machen kann, falls die Empfehlung falsch ist.
Hoteliers können diese Checkliste verwenden, bevor sie einen Arbeitsablauf vom Beratungsmodus in den überwachten Ausführungsmodus oder in den Modus mit begrenzter Autonomie überführen:
Sind drei oder mehr Bereiche schwach, sollte der Agent im Berichtsmodus bleiben. Sind die meisten Bereiche der Checkliste positiv, sollte ein risikoarmer Arbeitsablauf vier bis acht Wochen lang getestet werden, bevor der Zugriff erweitert wird.
Wie sollten unabhängige Hotels KI-Agenten ohne Enterprise-Technologie einsetzen?
Unabhängige Hotels sollten KI-Agenten als spezialisierte Vertriebsassistenten einsetzen, nicht als Teil unternehmensweiter Transformationsprojekte. Ein Hotel ohne dedizierten Revenue Analysten, Data Engineer oder Cluster Revenue Manager kann das Betriebsmodell einer globalen Marke nicht kopieren. Bei einem überschaubaren Aufgabenbereich ist das kein Nachteil.
Die KI-Umfrage von McKinsey ergab Unternehmen mit einem Umsatz von unter 100 Millionen US-Dollar hatten seltener eine KI-Skalierung erreicht als größere Firmen; nur 29 Prozent befanden sich in der Skalierungsphase. Für unabhängige Unternehmen deutet dies darauf hin, dass die Workflow-Gestaltung Vorrang vor ambitionierten Plattformstrategien haben sollte.
Ein Stadthotel mit 55 Zimmern in Porto kann mit einem einzigen Agenten-Workflow starten. Jeden Morgen vergleicht der Agent die Auslastung des Vortages mit der Prognose, identifiziert drei Tage mit veränderter Auslastung und erstellt eine kurze Empfehlung für den Eigentümer oder Hoteldirektor. Die Entscheidungsgewalt liegt weiterhin vor Ort, die Analyse wird jedoch schneller und konsistenter.
Der Immobilieneigentümer sollte drei Dinge messen: die wöchentlich eingesparten Stunden, die Anzahl der akzeptierten Empfehlungen und die Veränderung des RevPAR an den jeweiligen Stichtagen. Wenn der Makler zwar Zeit spart, die Empfehlungen aber vom Team abgelehnt werden, liegt das Problem nicht in der Akzeptanz, sondern in der Qualität der Entscheidungen.
Als Chris Crowley, Chief Revenue Officer bei Duetto, erzählt PhocusWire,
“In fünf Jahren werden generative KI-Werkzeuge die Norm sein und leichter zugänglich, was zur Demokratisierung von revenue management führen könnte, sodass jeder unabhängig von seinen Fähigkeiten oder seiner Erfahrung von den Werkzeugen von revenue management profitieren wird.‘
Welche Grenzen und Risiken bestehen bei KI-Agenten im Revenue Management?
KI-Systeme stoßen an ihre Grenzen: Datenqualität, Geschäftsregeln, Systemzugriff und ihre Entscheidungsbefugnisse sind begrenzt. Sie können stadtweite Ereignisse falsch interpretieren, auf Preisnachlässe der Konkurrenz überreagieren oder eine Preisänderung empfehlen, die zwar alternative Streitbeilegungsangebote schützt, aber gleichzeitig die Geschäftsbeziehungen schädigt. Der berechtigte Einwand ist einfach: Fehlende Automatisierung kann zu Fehlentscheidungen im Umsatzbereich führen.
Dieser Einwand ist berechtigt.
Reisebericht von McKinsey und Skift Eine Studie ergab, dass 90 Prozent der befragten Führungskräfte in der Reisebranche angaben, ihre Unternehmen nutzten generative KI in irgendeiner Form, aber nur 2 Prozent gaben an, dass agentenbasierte KI in ihren Unternehmen weit verbreitet sei. Der Markt befindet sich derzeit noch in einer frühen Phase und ist nicht ausgereift.
Am sichersten ist es, die Empfehlungsbefugnis von der Ausführungsbefugnis zu trennen. Ein Revenue Agent kann beispielsweise vorschlagen, den Samstagstarif von $189 auf $209 zu erhöhen, da die Nachfrage die Prognose übertrifft. Die öffentlich zugänglichen Tarife sollten jedoch nicht kanalübergreifend geändert werden, solange Genehmigungsregel, Rücknahmeplan und Prüfprotokoll nicht bereits definiert sind.
Risiken lassen sich mithilfe von Ausnahmeprotokollen messen. Falsche Empfehlungen, unautorisierte Aktionen, Kanalkonflikte und Beschwerden von Gästen bezüglich der Preise werden erfasst. Verursacht ein Mitarbeiter Störungen, sollte der Workflow eingeschränkt und der Zugriff erweitert werden.
Welche Fähigkeiten benötigen Revenue Manager im Umgang mit KI-Agenten?
Revenue Manager benötigen ausgeprägtere Interpretationsfähigkeiten, sobald KI-Systeme in den Arbeitsablauf integriert werden. Ihre Aufgabe verlagert sich vom Sammeln von Daten hin zur Beurteilung, ob die Empfehlung zur Marktposition des Hotels, den Zielen des Eigentümers, der Kanalstrategie und dem Gästemix passt.
Zu den nützlichsten Fähigkeiten gehören:
- Handelsauslegung: Beurteilung, ob die Empfehlung zur Positionierung des Hotels passt.
- Datendisziplin: Schwache Eingangssignale erkennen, bevor sie zu schwachen Handlungen führen.
- Kanalverständnis: Zu wissen, wann OTA-Abholung sinnvoll ist und wann sie zu Margenverlusten führt.
- Prognosebeurteilung: Die Entscheidung, wann historische Nachfragemuster nicht mehr gelten.
- Governance-Denken: Festlegung von Genehmigungsregeln, Grenzwerten und Rücksetzungsprozessen.
- Kommunikation: Erläuterung der von den Agenten getroffenen Entscheidungen gegenüber Eigentümern, Vertriebsteams und dem operativen Bereich.
Bei unabhängigen Hotels liegen diese Kompetenzen oft eher beim Hoteldirektor oder Inhaber als bei einem festangestellten Revenue Manager. Daher sind klare Erklärungen unerlässlich.
Massimiliano Terzulli, Internationaler Geschäftsentwickler, Franco Grasso Revenue Team“Wer in diesem Bereich arbeiten möchte, muss unbedingt über fundierte Kenntnisse im Bereich KI verfügen – er muss verstehen, wie KI “denkt”, um personalisierte Antworten auf spezifische Anfragen zu geben, welche Art von Daten sie berücksichtigt, wo sie Fehler machen kann, wo sie verbessert werden muss und wo sie mehr Daten und Training benötigt.“. Heute ist es schwer, sich die Arbeit ohne KI vorzustellen. Von der einfachen Analyse und Zusammenfassung sehr langer Texte oder großer Datensätze bis hin zur Transformation und Erstellung kundenspezifischer Berichte gibt es unzählige Aktivitäten, die KI ermöglicht, unendlich viel schneller als zuvor ausgeführt zu werden – oder sogar Aufgaben, die zuvor unvorstellbar waren.” Klicke hier Um mehr von unserem Expertenpanel für Hotel-Revenue-Management zu erfahren. |
Wie gelingt der Einstieg in den Einsatz von KI-Agenten im Revenue Management?
Ein guter Start ist wichtiger als ein großer Anfang, denn was diese Projekte scheitern lässt, ist nicht schlechte Technologie. Es ist vielmehr ein Pilotprojekt, das es nie in die Serienproduktion schafft. Das ergab eine Studie von McKinsey. Fast zwei Drittel der Unternehmen haben noch nicht mit der Skalierung von KI begonnen. unternehmensweit werden auch Hotels, die Agenten als Nebenexperiment behandeln, dieser Gruppe beitreten.
Ihr erster Schritt ist eine Bestandsaufnahme. Sie sollten alle wiederkehrenden Umsatzaufgaben auflisten, die Ihr Team wöchentlich erledigt, und dann diejenigen markieren, die wiederholbaren Regeln folgen und bei denen ein Fehler nur geringe Kosten verursacht.
Aus dieser Auswahlliste sollten Sie einen einzelnen Workflow auswählen, beispielsweise die nächtliche Überwachung von Wettbewerbs-Sets mit einer morgendlichen Zusammenfassung, und diesen vier bis acht Wochen lang auf Stufe 1 des Autonomiemodells ausführen. Während dieses Zeitraums sollten Sie Ihre Übereinstimmungsrate erfassen, also den Anteil der Agentenempfehlungen, die Sie unverändert umgesetzt hätten.
Eine Übereinstimmungsrate, die Ihre Komfortschwelle übersteigt, führt dazu, dass diese Aufgabe in die Phase der überwachten Ausführung übergeht. Eine Phase, in der Sie nicht aufgefordert werden, zuerst die Eingaben zu korrigieren.
Die Datenqualität, nicht die Modellqualität, ist der entscheidende Faktor für frühzeitige Tests. Saubere PMS-Datensätze, ein zuverlässiger Datenfeed zum Preisvergleich und eine konsistente Segmentkodierung entscheiden darüber, ob die Markteinschätzung des Maklers der Realität entspricht.
Häufig gestellte Fragen zu KI-Agenten im Hotel-Revenue-Management
KI-Agenten können den Hotelprozess revenue management verbessern, wenn sie als kontrollierte, kommerzielle Arbeitsabläufe und nicht als unabhängige Entscheidungsträger behandelt werden. Hotels, die zuerst davon profitieren, definieren Aufgaben, Verantwortliche, Genehmigungsregeln und Leistungskennzahlen, bevor sie den Agenten Zugriff auf die Preisgestaltung gewähren.
Hat Ihnen dieser Artikel über KI-Agenten im Hotel-Revenue-Management gefallen?
Folgende Artikel könnten Sie auch interessieren:
- KI-Agenten für Hotelmarketing wählen bereits die Gewinner aus
- KI-Agenten für Hotelrezeptionen und was zuerst automatisiert werden sollte
- KI-Agenten in der Reisebranche: Anwendungsfälle, ROI und Strategie
Weitere Tipps zum Wachstum Ihres Unternehmens
Revfine.com ist die führende Wissensplattform für die Hotel- und Reisebranche. Fachleute nutzen unsere Erkenntnisse, Strategien und umsetzbaren Tipps, um sich inspirieren zu lassen, den Umsatz zu optimieren, Prozesse zu erneuern und das Kundenerlebnis zu verbessern.Entdecken Sie Expertenratschläge zu Management, Marketing, revenue management, Betrieb, Software und Technologie in unserem speziellen Hotel, Gastfreundschaft, und Reise Tourismus Kategorien.
Dieser Artikel wurde geschrieben von:
Hallo, ich bin Martijn Barten, Gründer von Revfine.com. Mit 20 Jahren Erfahrung in der Hotelbranche bin ich auf die Optimierung des Umsatzes durch die Kombination von revenue management mit Marketingstrategien spezialisiert. Ich habe revenue management und Marketingstrategien für einzelne Immobilien und Portfolios mit mehreren Immobilien erfolgreich entwickelt, implementiert und verwaltet.
Leave A Comment