KI-Agenten in der Hotellerie: So gelingt der Einstieg

Scripted Chatbots haben ein grundlegendes Problem: Sobald ein Gast fragt „Kann ich check-out" class="glossary-link" title="Late Check-out – Glossar">Late Check-out haben, ein Taxi brauche ich auch – und gibt es noch das vegane Frühstücks-Set?“, bricht der Dialog zusammen. Drei Anliegen, drei Systeme, null Kontext. Genau hier setzen KI-Agenten an – und der Unterschied ist fundamental.

Was KI-Agenten von Chatbots trennt

Klassische Chatbots folgen Entscheidungsbäumen. KI-Agenten dagegen nutzen Large Language Models (LLMs) mit direktem Zugriff auf Buchungssysteme, Gastprofile und Echtzeit-Inventar. Sie können mehrstufige Anfragen durchdenken, Kontext über eine gesamte Konversation halten und im Namen des Gastes oder Mitarbeiters handeln – also tatsächlich buchen, stornieren, upgraden.

Mews beschreibt diesen Wandel in seinem aktuellen Leitfaden zu Agentic AI als Paradigmenwechsel: Nicht mehr der Gast navigiert durch Menüs, sondern der Agent orchestriert ganze Workflows. Das betrifft Front Office, Revenue Management und Back-Office-Prozesse gleichermaßen.

Fünf Schritte: Hotel-Rollen auf KI-Potenzial analysieren

Bevor du in Technologie investierst, brauchst du Klarheit darüber, welche Aufgaben in deinem Haus überhaupt für KI-Automatisierung geeignet sind. Das Framework aus der Not Done Weekly-Analyse gibt dafür eine strukturierte Methode.

Schritt 1: Aufgaben-Inventur pro Rolle

Nimm eine konkrete Position – z.B. Front Desk Agent – und liste alle Aufgaben in einer typischen Schicht auf. Unterscheide zwischen wiederkehrenden, regelbasierten Tasks (Check-in, FAQ-Antworten, Zimmer-Upgrades) und situativem Urteilsvermögen (Gästebeschwerde, Überbuchungsmanagement).

Schritt 2: Komplexitäts-Scoring

Bewerte jede Aufgabe nach zwei Achsen: Wie hoch ist die Wiederholungsrate? Wie klar ist die Entscheidungslogik? Aufgaben mit hoher Rate und klarer Logik sind Prime Candidates für Automatisierung. Aufgaben mit hoher Empathie-Anforderung bleiben beim Menschen.

Schritt 3: Systemanbindung prüfen

Ein KI-Agent ist nur so gut wie die APIs, auf die er zugreifen kann. Prüfe für jede Kandidaten-Aufgabe: Gibt es eine offene Schnittstelle zum PMS? Zu deinem CRM? Zum Channel Manager? Ohne API-Zugang kein echter Agent – nur ein weiterer Chatbot.

Schritt 4: Quick Wins identifizieren

Starte nicht mit dem komplexesten Prozess. Voice AI für häufige Gästeanfragen (Weckruf, Restaurantreservierung, Taxi) oder automatische Antworten auf Bewertungsplattformen sind typische Quick Wins mit messbarem ROI in unter 90 Tagen.

Schritt 5: AI Visibility optimieren

Dieser Schritt wird oft vergessen: Wenn Gäste zukünftig über KI-Assistenten (ChatGPT, Perplexity, Google AI Overview) Hotels recherchieren, muss dein Haus dort auffindbar und korrekt dargestellt sein. Das erfordert strukturierte Daten, aktuelle Google Business Profiles und konsistente Informationen über alle Kanäle.

Drei Einsatzfelder, die Hotels jetzt angehen können

Guest Engagement: Mehr als FAQ

Der häufigste Einstiegspunkt. KI-Agenten übernehmen eingehende Nachrichten über WhatsApp, SMS oder das hoteleigene Chat-Widget – rund um die Uhr, in mehreren Sprachen. Der Unterschied zu alten Bots: Der Agent kennt den Buchungsstatus des Gastes, weiß welches Zimmer gebucht ist und kann Zusatzleistungen direkt hinzubuchen. Anbieter wie Mews bauen diese Agenten-Logik direkt ins PMS ein, sodass keine externe API-Integration nötig ist.

Voice AI: Der Telefondienst der Zukunft

Telefonanrufe im Hotel sind teuer – ein Mitarbeiter bindet für drei Minuten Weckruf-Koordination seine volle Aufmerksamkeit. Voice-AI-Systeme übernehmen genau diese Calls: Restaurantreservierungen, Taxibestellungen, Housekeeping-Anfragen. Die Technologie ist 2025 weit genug, um natürliche Sprache zuverlässig zu verstehen – auch bei Akzenten und Hintergrundgeräuschen.

Revenue Management: Dynamische Preisfindung automatisieren

Revenue Manager verbringen heute Stunden damit, Marktdaten zu lesen und Raten manuell anzupassen. KI-gestützte Pricing Engines wie Duetto oder IDeaS analysieren Nachfrage, Wettbewerb und historische Daten in Echtzeit und schlagen – oder setzen – Preise automatisch. Der Revenue Manager verschiebt sich vom Ausführenden zum Strategen.

Anbieterlandschaft 2025: Wer macht was?

Der Markt ist fragmentiert. Das ist gut – Spezialisierung bedeutet tiefere Funktionalität. Das ist schlecht – Integration kostet Zeit und Budget. Hier ein Überblick nach Kategorie:

Häufige Fehler beim KI-Einstieg

• Mit dem komplexesten Use Case starten statt mit dem einfachsten
• KI-Projekt ohne klaren API-Plan lancieren – Tool läuft dann im Silo
• Team nicht einbinden: Mitarbeiter, die KI als Bedrohung erleben, sabotieren Rollouts aktiv
• Keine Baseline messen – ohne Vorher-Zahlen ist kein ROI-Nachweis möglich
• Einen Chatbot kaufen und ihn „KI-Agent“ nennen – das ist kein semantisches Problem, sondern ein strategisches
• AI Visibility vergessen: Wenn ChatGPT falsche Öffnungszeiten deines Restaurants kennt, bucht der Gast woanders

Was jetzt zu tun ist

Der Einstieg in KI-Agenten muss kein Millionenprojekt sein. Viele Anbieter bieten Pilotphasen für einzelne Anwendungsfälle an – oft mit direkter PMS-Anbindung an bestehende Systeme wie Mews oder Apaleo. Drei Fragen, die du diese Woche beantworten solltest:

1. Welche drei Aufgaben in deinem Front Office wiederholen sich täglich mehr als zehnmal?
2. Hat dein PMS eine offene API – und wer in deinem Team kennt sie?
3. Was steht in deinem Google Business Profile unter Öffnungszeiten und Telefonnummer – und ist es aktuell?

Wer diese Fragen nicht beantworten kann, fängt dort an. Nicht bei der Technologie – bei der Grundlage.