Agentic AI – also KI, die nicht nur empfiehlt, sondern eigenständig handelt – wird zur existenziellen Bedrohung für Legacy-Software-Anbieter in der Hotellerie. Wer proprietäre Daten besitzt und Workflows tief eingebettet hat, ist besser geschützt. Wer auf generische Punkt-Lösungen setzt, muss sich jetzt ernsthaft Sorgen machen.
Private Equity bewertet Technologie nüchtern. Vivek Bhogaraju, Executive in Residence bei mehreren PE-Firmen, verfolgt keine KI-Hype-Zyklen – er beobachtet, wohin Kapital fließt. Und gerade fließt es in Richtung agentic AI. In einem Interview mit Skift erklärt er, warum das für einen Großteil der bestehenden Hospitality-Tech-Landschaft ein Problem ist.
Von „KI schlägt vor“ zu „KI handelt“
Der Unterschied klingt technisch, hat aber massive operative Konsequenzen. Bisherige KI-Tools in der Hotellerie – Rate-Empfehlungen, Chatbots, Revenue-Management-Hinweise – liefern Vorschläge. Ein Mensch entscheidet dann. Agentic AI überspringt diesen Schritt.
Bhogaraju beschreibt den Wandel direkt: „We are moving from AI that suggests to AI that acts.“ Was das konkret bedeutet, macht er an vier Beispielen fest:
- Autonomes Competitive Rate Shopping ohne manuelle Auslösung
- Pricing- und Inventory-Optimierung in Echtzeit
- Gäste-Kommunikation, die selbstständig auf Anfragen reagiert
- Meetings & Groups Proposals – vollständig end-to-end automatisiert
Für Legacy-Anbieter ist das keine theoretische Bedrohung. Bhogaraju nennt es direkt: „This is a reckoning for legacy hotel software vendors sitting on tech debt and walled gardens.“ Der Kern des Problems: Agenten interessieren sich nicht für proprietäre Lock-in-Strukturen. Sie wollen Ergebnisse.
Warum fragmentierte Stacks das eigentliche Problem sind
Hotels kämpfen seit Jahren mit dem gleichen strukturellen Problem: zu viele Insellösungen, zu viele Datensilos, zu wenig Integration. PMS, CRM, Channel Manager, RMS, POS – jedes System hat seine eigene Logik, oft seinen eigenen Datenhaushalt.
Bhogaraju sieht genau hier den Hebel für agentic AI:
Hotels have been held back for years by fragmented tech stacks, information silos, and subscale solution providers that kept digital transformation at scale out of reach. AI agents are the perfect antidote, stitching together disparate datasets to unlock revenue and boost profitability that were operationally impossible before.
– Vivek Bhogaraju, Executive in Residence, Private Equity
Das inkrementelle Potenzial, so Bhogaraju, übersteige die gesamten heutigen Software-Ausgaben in Hospitality und Travel. Eine starke These – aber eine, die sich mit der Kapitalallokation in der Branche deckt: Skift und andere Branchenbeobachter berichten seit Monaten von wachsenden Investitionen in KI-native Hotel-Tech-Startups, die genau diese Stack-Fragmentierung als Angriffspunkt nutzen.
Nicht jedes Unternehmen ist gleich gefährdet
Hier korrigiert Bhogaraju die populärste Fehleinschätzung: KI bedrohe alles gleichzeitig. Das stimmt nicht.
Besser geschützt: Unternehmen mit tiefen proprietären Daten, eingebetteten Workflows und echter Domain-Expertise. Ihr Kern ist schwer replizierbar – auch für KI-Agenten.
Gefährdet: Punkt-Lösungen, die auf öffentlich verfügbaren Daten aufbauen und keinen proprietären Vorteil haben. Hier kann ein gut trainierter Agent die gleiche Leistung zu deutlich geringeren Kosten erbringen.
Am stärksten bedroht: Legacy-Anbieter mit hohem Tech-Debt, Walled-Garden-Architekturen und langsamen Entwicklungszyklen – also genau die Unternehmen, die jahrelang von Lock-in profitiert haben.
Der Unterschied zwischen beiden Gruppen ist nicht die Größe oder das Budget. Es ist die Datenarchitektur. Wer heute eine proprietäre semantische Schicht aufbaut und Workflows so gestaltet, dass Agenten sinnvoll mit Menschen interagieren können, positioniert sich für die nächste Phase.
AI Readiness: Der unterschätzte Engpass
Bhogaraju benennt den wichtigsten Einzelfaktor für skalierbaren KI-Einsatz ohne Umschweife: AI Readiness. Nicht das Modell, nicht das Budget – sondern die Datengrundlage.
If your data is trapped in silos, inconsistent, or inaccessible, no amount of AI investment will move the needle.
– Vivek Bhogaraju
Das ist für viele Hotels keine abstrakte Warnung. Wer kein sauberes Data Warehouse hat, wessen Gästeprofil über drei verschiedene Systeme verteilt ist und wessen Buchungsdaten nicht in Echtzeit fließen, kann keine Agenten deployen, die verlässlich handeln.
Was AI Readiness in der Praxis bedeutet
- Konsolidiertes, konsistentes Gästeprofil über alle Touchpoints
- Echtzeit-Datenzugang für Revenue-relevante Systeme (PMS, RMS, CRM)
- Klare API-Architektur, die externe Agenten ansprechen können
- Definierte Human-Agent-Interaktionspunkte – wo entscheidet der Mensch, wo der Agent?
- Governance-Strukturen für automatisierte Entscheidungen (z.B. Preis-Änderungen)
Menschliches Urteil bleibt ein Wettbewerbsvorteil
Bhogaraju macht einen Punkt, der im KI-Diskurs oft untergeht: Hospitality ist ein menschliches Geschäft. Brute-Force-Automatisierung greift zu kurz.
Teams, die Daten-Disziplin mit menschlichem Urteilsvermögen kombinieren, werden laut Bhogaraju die Nase vorn haben. Das klingt nach einem Platitude – ist aber eine konkrete Absage an rein automatisierte Modelle, die den Service-Charakter aus Hotels herausoptimieren.
Die Konsequenz für Hotel-Tech: Die besten Produkte der nächsten Generation werden keine KI-Autopiloten sein, sondern gut designte Human-Agent-Interfaces. Wer diese Schicht heute baut, formt die Monetarisierung von KI im Travel von morgen.