10. April 2026
Künstliche Intelligenz für Restaurants: Wo sie hilft, was sie kann und was nicht
Künstliche Intelligenz für Restaurants ist ein unterstützendes System, das aus den eigenen Bestell-, Menü-, Lager- und Kundendaten eines Betriebs einen Sinn ableitet und dem Betreiber konkrete Empfehlungen sowie fertige Entwürfe liefert. Wie viele Portionen sollten am Freitagabend vorbereitet werden, welches Gericht bleibt am Tisch liegen, frisst aber in der Küche Zeit, welcher Gast war seit drei Wochen nicht mehr da und wie gewinnt man ihn zurück: Auf solche Fragen findet sie die Antwort innerhalb der Daten. Das Ziel ist nicht, anstelle des Betreibers zu entscheiden, sondern eine klare Empfehlung und einen freigabefertigen Entwurf zu liefern, die die Entscheidung erleichtern.
Im Restaurantgeschäft vergeht der Tag mit Hunderten kleiner, auf Schätzungen beruhender Entscheidungen. Der Küchenchef entscheidet aus dem Bauch heraus, wie viel Fleisch er auftaut, der Betreiber startet eine Aktion nach Gefühl, der Kellner wählt nach eigener Gewohnheit, welches Gericht er empfiehlt. Die meisten dieser Entscheidungen erweisen sich als richtig, doch wenn zehn Prozent davon danebengehen, schlägt sich das als weggeworfene Ware, verlorene Gäste und umsonst bezahlte Arbeitszeit in der Rechnung nieder. Genau an diesem Punkt setzt KI an: Sie nährt die Intuition mit Vergangenheitsdaten und will so die Treffsicherheit erhöhen.
Dieser Leitfaden behandelt die Bereiche, in denen KI für Restaurants wirklich nützlich ist (Bedarfsprognose, Aktionsvorschläge, Menü-Rentabilität, Schichtplanung und Betreiber-Assistent), einen nach dem anderen. Bei jedem Punkt trennen wir klar, was die KI tut und was nicht, stellen den Bezug zu den vorhandenen Funktionen von RestApp her und verweisen auf vertiefende Unterleitfäden. Eines sagen wir gleich zu Beginn deutlich: Die KI-Funktionen von RestApp sind noch nicht live, sie werden im Early Access entwickelt. Dieser Beitrag erklärt, was kommt und welches reale Problem es lösen soll.
Kadıköy is ~32% below its usual Tuesday. Draft a 2-hour happy-hour promo?
38 regulars haven’t ordered in 90+ days. Send a win-back coupon?
Mozzarella will likely run out in ~2 weeks. Reorder 24 units?
Was ist KI für Restaurants genau?
Künstliche Intelligenz für Restaurants ist ein unterstützendes System, das die ohnehin im Betrieb anfallenden Daten liest und in nützliche Empfehlungen umwandelt. Jede Bestellung, jede Stornierung, jeder Stundenumsatz, die Verkaufsgeschwindigkeit und die Kosten jedes Menüpunkts, der Besuchsabstand eines Stammgastprogramm-Mitglieds: All das wird auch heute schon erfasst. Der Unterschied liegt darin, dass diese Daten in den meisten Restaurants im Bericht liegen bleiben und sich niemand hinsetzt, um sie Punkt für Punkt zu lesen. Das KI-System durchsucht diesen Datenberg, findet das aussagekräftige Muster und macht daraus eine kurze Empfehlung im Sinne von 'Du könntest darüber nachdenken, dies zu tun'.
In der Praxis erzeugt sie drei Arten von Ergebnissen. Erstens die Prognose: Sie blickt auf vergangene Verkäufe, Tag und Wetter und sagt den morgigen Bedarf voraus. Zweitens die Empfehlung: Sie macht aufmerksam, etwa 'Die Portionskosten dieses Gerichts sind um acht Prozent gestiegen, überprüfe den Preis'. Drittens der Entwurf: Sie schreibt eine fertige erste Version, etwa einen Aktionstext, eine Menübeschreibung oder eine Rückgewinnungsnachricht an einen Gast. In allen drei Fällen hat der Betreiber das letzte Wort; das System empfiehlt und entwirft, setzt aber nicht um.
Auf Seiten von RestApp wird dieses System nicht bei null aufgebaut, sondern auf der bestehenden Infrastruktur. Die Bestelldaten kommen aus der provisionsfreien Online-Bestellung und dem Tisch- & Cloud-POS-Fluss, die Kostendaten aus der Rezeptur- und Kalkulations-Engine, die Kundendaten aus dem Treue- & Aktionsmodul. KI ist also keine neue Datensammelaufgabe, sondern die Aufgabe, aus bereits gesammelten Daten Wert zu schöpfen. Das Gesamtbild findest du im RestApp KI-Leitfaden.
Bedarfsprognose: Wie viele Portionen am Freitagabend vorbereiten?
Der teuerste Schätzfehler eines Restaurantinhabers passiert in der Küche. Stell dir ein mittelgroßes Lokal für Hausmannskost vor: Am Montag weicht es Hülsenfrüchte für 40 Portionen Bohneneintopf ein, doch an diesem Tag regnet es und es werden nur 24 Portionen verkauft. Die Kosten der übrigen 16 Portionen landen im Müll. Auch das Gegenteil kommt vor: Am Spielabend werden 60 Portionen erwartet, es kommen 95 Bestellungen, die Vorräte gehen aus und 35 Gäste werden mit einem 'ausverkauft' abgewiesen. In beide Richtungen geht Geld verloren.
Das Bedarfsprognose-System liest die vergangene Verkaufshistorie zusammen mit Tag, Uhrzeit, Wetter und besonderen Anlässen und schlägt für morgen pro Gericht eine Spanne vor: 'Am Freitagabend zwischen 19:00 und 22:00 Uhr geschätzt 70 bis 85 Portionen, basierend auf dem Durchschnitt der letzten vier Freitage und dem Trend dieser Woche'. Der Betreiber legt diese Zahl der Küchenvorbereitung, dem Auftauen und dem Personalabruf zugrunde. Die Prognose ist keine feste Zahl, sondern eine Spanne; die Entscheidung bleibt beim Betreiber.
Diese Vorhersage gewinnt an Kraft, wenn sie mit den Rezeptur- und Kostendaten verknüpft wird, denn dann lässt sich die geschätzte Portionsmenge direkt in Kilo Fleisch, Kilo Zwiebeln und Anzahl Fladenbrote umrechnen. Auf der Küchenbildschirm-Seite (KDS) zeigt das System wiederum live an, ob die Prognose hält, indem es die Bestellgeschwindigkeit im Tagesverlauf verfolgt. Die Wege zur Senkung der Lebensmittelkosten vertiefen wir in einem eigenen Leitfaden; die Bedarfsprognose ist das oberste Glied dieser Bemühung.
Aktionsvorschlag: Zur richtigen Zeit, am richtigen Gericht
Die meisten Restaurants starten eine Aktion entweder mit Blick auf die Konkurrenz oder aus Panik, weil der Umsatz sinkt. Beides ist ein Schuss ins Blaue. Ein Café-Inhaber sieht vielleicht, dass am Dienstagnachmittag die Stunden leer bleiben, und startet eine Aktion nach dem Motto 'Wer zwei Kaffee kauft, bekommt das Dessert zum halben Preis'. Doch wenn dieses Dessert ohnehin teuer in der Herstellung ist, bringen die gefüllten Tische statt Geld in die Kasse einen Verlust. Das Problem liegt nicht an der Idee einer Aktion, sondern daran, dass ohne Daten ausgewählt wird, auf welches Gericht und in welche Uhrzeit man sie legt.
Das KI-System leistet hier zwei Dinge. Zunächst findet es die Lücke: An welchem Tag und zu welcher Uhrzeit ist die Tischauslastung niedrig, welches Gericht hat sich in den letzten drei Wochen schlechter verkauft, welche Gruppe von Treuemitgliedern beginnt sich zu entfernen. Dann schlägt es einen zu dieser Lücke passenden Aktionsentwurf vor, etwa 'Probiere dienstags zwischen 14:00 und 17:00 Uhr das margenstarke Filterkaffee-plus-hausgemachte-Kekse-Combo mit 15 Prozent Rabatt, die geschätzte Wirkung ist diese'. Es schreibt auch den Text und markiert die Zielgruppe.
Der entscheidende Punkt ist dieser: Das System startet die Aktion nicht von selbst. Es ändert keinen Preis, nimmt keinen Rabattcode live, versendet keine Nachricht. Alles landet als Entwurf vor dem Betreiber; er liest, ändert, gibt frei oder verwirft. Die freigegebene Aktion läuft über das Treue- & Aktionsmodul und ihr Ergebnis wird in den Cloud-Berichten gemessen. Wie du ein Treueprogramm von Grund auf aufbaust, erklären wir in einem eigenen Leitfaden.
Menü-Rentabilität: Welches Gericht bringt Geld, welches zehrt?
Nicht jeder Menüpunkt ist gleich. Manche verkaufen sich stark, bringen aber wenig ein, andere verkaufen sich selten, haben aber eine hohe Marge, wieder andere verkaufen sich selten und beanspruchen zudem unverhältnismäßig viel Arbeit in der Küche. Die meisten Betreiber wissen instinktiv, welches Gericht in welche Kategorie gehört, kennen es aber nicht in Zahlen. Die Menü-Rentabilitätsanalyse kreuzt die Verkaufsmenge mit den Portionskosten und teilt jedes Gericht in vier Gruppen ein: Sterne, Arbeitspferde, Rätsel und Lasten.
Reden wir konkret. In einem Restaurant verkaufen sich gegrillte Frikadellen monatlich 800 Mal, bringen aber wegen der hohen Portionskosten netto wenig ein; die Linsensuppe im selben Menü verkauft sich monatlich 300 Mal, lässt aber pro Portion einen deutlich höheren Betrag übrig. Das KI-System erstellt diese Tabelle und gibt eine Empfehlung wie 'Überprüfe das Portionsgewicht oder den Preis der Frikadellen, mache die Suppe im Menü sichtbarer'. Diese als Menü-Engineering bezeichnete Arbeit von Hand zu erledigen kostet Stunden; mit Daten Minuten.
Die Genauigkeit dieser Analyse hängt von der Solidität der Rezeptur- und Kostenverwaltung ab; ist die Rezeptur unvollständig, ist auch die Schätzung unvollständig. In RestApp wird die Analyse schärfer, je mehr Produktrezepturen und aktuelle Einkaufspreise eingetragen werden. Auch die Menübeschreibung oder das neue Preisschild über die QR-Speisekarte zu aktualisieren, ist mit einem Federstrich erledigt. Eine Empfehlung ist immer nur eine Empfehlung; die Entscheidung, das Gewicht zu reduzieren oder den Preis zu erhöhen, trifft der Betreiber.
Schicht und Betrieb: Personal nach dem Bedarf planen
Die Personalkosten sind nach den Lebensmittelkosten der größte Ausgabenposten eines Restaurants und der am leichtesten verschwendete. Wenn an einem ruhigen Dienstagmittag vier Kellner arbeiten, während die Hälfte der Tische leer ist, schreibt man sich zwei überflüssige Arbeitsstunden ans Bein. Arbeiten an einem vollen Samstagabend zwei Personen zu wenig, kommt das diesmal als langsamer Service, verärgerte Gäste und sinkendes Trinkgeld zurück. Die richtige Anzahl an Personen zur richtigen Zeit auf der Fläche zu halten, ist ein klassisches, auf Schätzungen beruhendes Gleichgewichtsproblem.
Wird die Bedarfsprognose mit der Schichtplanung verknüpft, erstellt das System einen Entwurf wie 'Für den erwarteten Andrang am Samstag zwischen 20:00 und 23:00 Uhr werden 5 Personen im Service und 4 in der Küche empfohlen, basierend auf dem Durchschnitt der letzten drei Samstage'. Der Betreiber passt diesen Vorschlag an Urlaubslage, Stärke des Teams und sein eigenes Wissen an. Die KI ruft niemanden zur Arbeit, gibt keine Überstunden frei; sie legt nur einen zum Bedarf passenden Startplan auf den Tisch.
Dieser Plan wird im Lauf der Zeit treffsicherer, dank der echten Bestellgeschwindigkeit, die vom Küchenbildschirm (KDS) kommt. Für alle, die den gesamten Betrieb digitalisieren wollen, bietet der Leitfaden zur Restaurant-Digitalisierung einen breiten Rahmen, der auch die Schichtplanung umfasst. Das KI-System hier ist der Baustein, der die Prognose-Seite dieses Rahmens nährt.
Betreiber-Assistent: Daten fragen, die Antwort in Alltagssprache erhalten
Das größte Problem von Berichten ist, die richtige Frage stellen zu können. Der Betreiber fragt sich 'Warum ist der Gewinn diesen Monat gesunken', doch dies in einen Tabellenfilter zu übersetzen, erfordert Zeit und Übung. Der Betreiber-Assistent wird als Schnittstelle entworfen, die diese Frage in einfacher Alltagssprache gestellt aus den Daten beantwortet: 'Welches Gericht hat sich gegenüber dem Vormonat am stärksten schlechter verkauft', 'Wie hoch ist dienstags die durchschnittliche Tischdauer', 'Welche Treuemitglieder kommen seit einem Monat nicht mehr' und Ähnliches.
Der Assistent liefert nicht nur die Zahl; bei Bedarf bietet er auch eine Empfehlung und einen Entwurf für den nächsten Schritt. Er sagt etwa 'Es gibt 120 Treuemitglieder, die seit einem Monat nicht mehr da waren, ich habe ihnen eine Rückkehr-Nachricht mit diesem Inhalt vorbereitet, sie wird versendet, wenn du sie freigibst'. Die Nachricht zu schreiben, die Zielgruppe auszuwählen und den Versand zu planen, ist Sache des Assistenten; der Versand, also die endgültige Freigabe, liegt beim Betreiber. Diese Trennung bleibt von Anfang bis Ende gewahrt.
Die Stärke des Assistenten kommt aus der Breite der Daten, an die er angebunden ist. Weil provisionsfreie Online-Bestellung, Tisch- & Cloud-POS und das Cloud-Backoffice im selben System liegen, kann der Assistent nicht ein bruchstückhaftes, sondern ein ganzheitliches Bild lesen. Das macht ihn weit nützlicher als einen Assistenten, der Berichte aus einzelnen Programmen einsammeln und zusammenführen muss.
RestApp KI ist noch nicht live: Was bedeutet Early Access?
Die in diesem Beitrag beschriebene Bedarfsprognose, der Aktionsvorschlag, die Menü-Rentabilität, die Schichtplanung und der Betreiber-Assistent sind allesamt Bausteine des KI-Systems, das RestApp gerade entwickelt. Ehrlich gesagt warten diese Funktionen derzeit nicht fertig im Panel der Kunden; sie reifen im Early Access, getestet mit echten Restaurantdaten. 'Bald' zu sagen ist richtig, 'jetzt verfügbar' zu sagen wäre falsch. Sie werden schrittweise freigeschaltet, sobald sie fertig sind.
Early Access bedeutet, die Funktionen vor dem Go-live gemeinsam mit echten Betrieben zu erproben. Denn Restaurantdaten sind komplex; dieselbe Empfehlung, die bei einem Grillrestaurant funktioniert, kann bei einem Café danebengehen. Deshalb wird das System zunächst mit einer begrenzten Zahl von Betrieben getestet, bis die Qualität der Empfehlungen verlässlich ist. Das Ziel ist, kein System zu veröffentlichen, das vor dem Funktionieren bloß glänzend aussieht, sondern eines, das wirklich richtige Empfehlungen gibt.
In diesem Prozess gibt es zwei Prinzipien, die unverändert bleiben. Erstens: Die KI empfiehlt und entwirft, Entscheidung und Freigabe liegen immer beim Betreiber; das System ändert nicht von selbst Preise, startet keine Aktion, gibt keine Bestellung auf, versendet keine Nachricht. Zweitens: Die Daten gehören dem Betrieb, werden konform zur DSGVO verarbeitet und nicht dazu verwendet, mit anderen Betrieben geteilte Modelle zu trainieren. Mit den schon heute Wert schaffenden Berichten sowie der Rezeptur-Kosten- und Treue-Infrastruktur kannst du dagegen jetzt schon beginnen; du kannst kostenlos testen und loslegen.
Wichtigste Punkte
- KI für Restaurants liefert dem Betreiber bei prognosebasierten Entscheidungen wie Bedarfsprognose, Aktionsvorschlag, Menü-Rentabilität, Schichtplanung und Betreiber-Assistent Empfehlungen und fertige Entwürfe.
- Die KI empfiehlt und bereitet Entwürfe vor; jede Entscheidung und die endgültige Freigabe, etwa Preise ändern, eine Aktion starten oder eine Nachricht versenden, bleibt stets beim Betreiber.
- Die Qualität der Empfehlungen hängt von der Solidität der vorhandenen Daten ab; je sauberer Rezeptur-Kosten-, Bestell- und Treuedaten sind, desto treffsicherer ist die Prognose.
- Die KI-Funktionen von RestApp sind noch nicht live; sie werden im Early Access mit echten Restaurantdaten getestet und entwickelt und schrittweise freigeschaltet, sobald sie fertig sind.
- Die Daten gehören dem Betrieb, werden konform zur DSGVO verarbeitet und nicht dazu verwendet, geteilte Modelle anderer Betriebe zu trainieren.
Häufig gestellte Fragen
Sind die KI-Funktionen von RestApp aktuell live, ab wann kann ich sie nutzen?+
Nein, noch nicht live. Bedarfsprognose, Aktionsvorschlag, Menü-Rentabilitätsanalyse, Schichtplanung und Betreiber-Assistent werden derzeit im Early Access mit echten Restaurantdaten getestet und entwickelt. Sobald die Qualität der Empfehlungen verlässlich ist, werden die Funktionen schrittweise freigeschaltet. In der Zwischenzeit kannst du vorhandene Funktionen wie Berichte, Rezeptur-Kosten und Treueprogramm schon heute nutzen.
Trifft die KI die Entscheidung oder ich?+
Die Entscheidung triffst immer du, also der Betreiber. Die KI liefert nur Empfehlungen und fertige Entwürfe; sie schreibt etwa einen Aktionstext oder schlägt eine Preisüberprüfung vor. Doch das letzte Wort beim Ändern eines Preises, beim Starten einer Aktion, beim Versenden einer Nachricht oder beim Bestätigen einer Bestellung liegt bei dir. Das System setzt keine Aktion von selbst um.
Sind meine Daten sicher, werden sie mit anderen Restaurants geteilt?+
Deine Daten gehören dir und werden konform zur DSGVO verarbeitet. Deine Bestell-, Menü-, Lager- und Kundendaten werden ausschließlich dazu verwendet, Empfehlungen für deinen eigenen Betrieb zu erzeugen; sie werden nicht dazu verwendet, mit anderen Betrieben geteilte gemeinsame Modelle zu trainieren. Die Daten jedes Betriebs bleiben in sich.
Muss ich für die KI-Empfehlungen gesondert Daten eingeben?+
Nein. Die Schicht nutzt die in RestApp ohnehin gesammelten Daten: die Verkäufe aus dem Online-Bestell- und Tisch-POS-Fluss, die Produktkosten aus dem Rezeptur-Kosten-Modul und die Kundenhistorie aus dem Treuemodul. Es ist keine neue Datensammelaufgabe, sondern die Aufgabe, aus vorhandenen Daten Wert zu schöpfen. Je aktueller deine Rezepturen und Preise sind, desto treffsicherer sind die Empfehlungen.
Wie genau ist die Bedarfsprognose?+
Die Bedarfsprognose gibt keine feste Zahl, sondern eine Spanne; sie schlägt etwa für den Freitagabend eine bestimmte Portionsspanne vor. Ihre Genauigkeit hängt von der Menge der Vergangenheitsdaten, von Variablen wie Tag und Wetter und von der Stabilität des Menüs ab. Je mehr sich das System mit den real eintretenden Verkäufen korrigiert, desto höher die Treffsicherheit. Die Entscheidung über Vorbereitung und Personal triffst dennoch du, gemeinsam mit deinem eigenen Wissen.
Ich habe einen kleinen Betrieb, ist das KI-System auch für mich geeignet?+
Ja. Der KI-Assistent ist gerade für kleine und mittlere Betriebe ohne eigenes Analyseteam gedacht; er will die Last des Lesens komplexer Berichte erleichtern, indem er einfache Fragen in Alltagssprache beantwortet. Die einzige Voraussetzung ist, dass du über RestApp regelmäßig Verkaufs- und Menüdaten sammelst. Je mehr Daten zusammenkommen, desto stärker werden die Empfehlungen auf deinen Betrieb zugeschnitten.
Zahlen Sie keine Provision mehr auf Ihre Bestellungen
Starten Sie Ihr eigenes provisionsfreies Online-Bestellsystem mit RestApp.