4. April 2026
Nachfrageprognose mit KI im Restaurant: Welcher Tag, welches Produkt, wie viel?
Freitagabend, 20 Uhr, der Gastraum ist voll, auf dem Küchenmonitor stapeln sich Dutzende Bestellungen. Doch der Teig für die Hähnchenpizza ist alle, die Wurst ist ausverkauft und der Koch kann die Hälfte der eingehenden Bestellungen in der nächsten halben Stunde nicht bedienen. Anfang der Woche war es genau umgekehrt: zu viel Fleisch angerichtet, nichts verkauft, am Abend in die Tonne gewandert. Beide Szenen stammen aus derselben Woche desselben Restaurants. Das Problem liegt in der Prognose, genauer gesagt darin, dass sie aus dem Bauch heraus gemacht wird.
Genau hier setzt die von RestApp entwickelte KI-Nachfrageprognose an. Sie wertet Ihre bisherigen Bestellungen, die Bewegungen nach Tag und Uhrzeit sowie den Einfluss von Wetter und Kalender gemeinsam aus und versucht, folgende Frage zu beantworten: Welche Stunden werden am kommenden Tag voll, welches Produkt verkauft sich ungefähr wie oft, und wie viel Vorbereitung in Portionen und wie viel Bestand braucht es dafür? Ziel ist es, Ihnen zu helfen, den Plan beim Öffnen am Morgen nicht auf Schätzung, sondern auf Daten zu stützen.
Ein wichtiger Hinweis: Diese Funktion befindet sich derzeit im Early Access in der Entwicklung und ist noch nicht in allen Konten aktiv. Jede erzeugte Prognose ist eine Empfehlung; wie viel Sie einkaufen und welche Schicht Sie verstärken, entscheiden immer Sie. Eine Prognose ist keine Garantie, sie zeigt anhand von Vergangenheit und Muster die wahrscheinliche Nachfrage. In diesem Beitrag erklären wir anhand eines konkreten Beispiels, wie die Nachfrageprognose funktioniert, was sie Ihrem Restaurant bringen kann und wie sie sich mit den vorhandenen RestApp-Funktionen verbindet.
Warum ist die Nachfrageprognose im Restaurant so schwer?
Die Nachfrageprognose ist einer der ältesten Schmerzpunkte im Restaurant. Richten Sie zu wenig an, sind Sie ausverkauft, der Gast fragt nach einem Gericht auf der Karte und bekommt es nicht, und Sie verlieren sowohl den Umsatz als auch die Zufriedenheit. Richten Sie zu viel an, bleibt die Ware liegen, frische Produkte verderben, und am Tagesende schreiben Sie Verlust. Die Mitte zwischen beidem zu treffen erfordert Erfahrung, aber selbst die Erfahrung kann nicht immer im Kopf behalten, worin sich Freitag und Montag, Monatsanfang und Monatsende, Regentag und Sonnentag unterscheiden.
Sobald Variablen wie Aktionen, Feiertage, Spieltage oder Schulferien ins Spiel kommen, wird die Prognose noch schwieriger. Die meisten Betriebe steuern das über die Intuition des Küchenchefs oder anhand der Zahlen der Vorwoche. Diese Methode ist nicht schlecht, hängt aber am Gedächtnis einer einzelnen Person, und wenn diese in den Urlaub geht, geht auch das System in den Urlaub.
Was die KI-Nachfrageprognose versucht, ist, diese Intuition zu Papier zu bringen und die gesamten historischen Daten jeden Tag neu einzubeziehen. Der Mensch erinnert sich an die letzten Wochen, das Modell sieht gleichzeitig auch Monate zurück und bringt wiederkehrende Muster ans Licht.
Welche Daten nutzt die KI-Nachfrageprognose?
Eine Prognose entsteht nicht aus dem Nichts, sondern aus den eigenen Daten Ihres Restaurants. Auf der RestApp-Seite sammeln sich diese Daten ohnehin: an welchem Tag zu welcher Uhrzeit wie viele Rechnungen geöffnet wurden, wie viele Portionen von welchem Produkt verkauft wurden, wie hoch der durchschnittliche Warenkorb war, über welchen Kanal (Gastraum, Lieferung, online) sie kamen. Die Cloud-Berichte, die Sie auch heute schon nutzen, um diese Bewegungen zu sehen, bilden die Grundlage der Prognose.
Darauf kommt der Einfluss von Kalender und Saison: der Unterschied zwischen Wochentagen und Wochenende, gesetzliche Feiertage, die Betriebsamkeit zum Monatsanfang, die Trennung von Sommer- und Winterkarte. Mit der Zeit können auch externe Signale wie das Wetter in das Modell einfließen; an einem regnerischen Abend können die Lieferbestellungen steigen, während der Gastraumverkehr sinkt, und dieses Muster wird in den Daten sichtbar.
Dazu kommt die Struktur der Karte selbst. Wenn auf der Seite von Rezeptur und Kosten definiert ist, aus welchen Zutaten ein Produkt besteht, lässt sich die Verkaufsprognose direkt in den Lagerbedarf übersetzen. Es wird also nicht nur möglich zu berechnen, wie viele Pizzen Sie verkaufen, sondern auch, wie viel Kilo Mehl und wie viele Packungen Mozzarella Sie dafür benötigen.
Konkretes Beispiel: Der Freitagsplan der Pizzeria Bella Forno
Nehmen wir an, Sie betreiben eine mittelgroße Pizzeria namens Bella Forno. Die Nachfrageprognose, die auf die Daten der letzten drei Monate schaut, erstellt für den kommenden Freitag etwa folgendes Bild: Zwischen 19 und 22 Uhr liegt das vollste Zeitfenster mit geschätzt 120 Rechnungen. Die drei meistverkauften Produkte werden voraussichtlich die gemischte Pizza (etwa 70 Portionen), die Hähnchenpizza (45 Portionen) und Pommes (90 Portionen) sein.
Verbunden mit der Rezeptur werden diese Zahlen zu einer Vorbereitungsliste: etwa 18 Kilo Pizzateig, 6 Kilo Mozzarella, 5 Kilo Kartoffeln. Wenn am vergangenen Freitag 14 Portionen Hähnchenpizza ausverkauft waren und Sie Bestellungen ablehnen mussten, sieht das System auch das und schlägt vor, den Bestand diese Woche etwas höher anzusetzen. Die vorgeschlagene Zahl, etwa 200 Gramm zusätzliche Vorbereitung beim Hähnchen, erscheint als Notiz auf dem Bildschirm.
Die Entscheidung liegt wieder bei Ihnen. Sie können die Prognose von 120 Rechnungen sehen und sagen: 'Diese Woche ist im benachbarten Einkaufszentrum eine Veranstaltung, ich bereite mich auf 140 vor.' Die KI setzt die Zahl nicht von allein um, bestellt keine Ware, ändert keinen Preis. Sie legt nur einen konkreten Ausgangspunkt auf den Tisch, auf den Ihr lokales Wissen aufsetzt. Verkauft sich ein Produkt schneller als erwartet, sieht die Küche das in Echtzeit über das Küchendisplay KDS und setzt innerhalb der Schicht Prioritäten.
Verschwendung und Ausverkauf gleichzeitig verringern
Der konkreteste Nutzen der Nachfrageprognose ist, dass sie beide Enden gleichzeitig zusammenführt. Auf der einen Seite steht der Verderb: zu viel angerichtete frische Ware, am Tagesende weggeworfene Zutaten, verdorbener Bestand. Auf der anderen Seite steht der entgangene Umsatz: die wegen eines ausverkauften Produkts abgelehnte Bestellung, der Eindruck, den der Satz 'Das ist leider aus' beim Gast hinterlässt. Betriebe lösen meist das eine, während sie das andere vergrößern; sie richten zu wenig an und sind ausverkauft oder richten zu viel an und werfen weg.
Da die Prognose versucht, die Vorbereitung der erwarteten Nachfrage anzunähern, zielt sie darauf, beide Enden einzuengen. Man muss realistisch bleiben: Keine Prognose trifft zu hundert Prozent, es gibt überraschenden Andrang ebenso wie einen leeren Abend. Aber eine datenbasierte Prognose verkleinert gegenüber der Bauchschätzung mit der Zeit die Fehlerquote und macht besonders an regelmäßigen, wiederkehrenden Tagen einen deutlichen Unterschied.
Diese Einsparung können Sie in den Berichten verfolgen. Sie stellen den prognostizierten Verkauf neben den tatsächlichen und sehen, an welchen Tagen Sie wie stark abgewichen sind. Da das Modell jede Woche mit neuen Daten aktualisiert wird, versucht sich die Prognose anzupassen, sobald sich Ihre Karte oder Ihr Gästeprofil ändert.
Zusammenspiel mit Treueprogramm und Aktionen
Die Nachfrageprognose ist nicht unabhängig von Aktionen, im Gegenteil, gemeinsam mit ihnen wird sie aussagekräftiger. Wenn Sie auf der Seite von Treue und Promotion eine Aktion planen, etwa 'mittwochs die zweite Pizza zum halben Preis', steckt in den Daten, wie diese Aktion in der Vergangenheit die Nachfrage beeinflusst hat. Beim erneuten Aufsetzen einer ähnlichen Aktion versucht die Prognose, den möglichen Nachfrageanstieg an jenem Tag einzubeziehen.
Umgekehrt gilt das ebenso. Zeigt die Prognose, welche Tage von Natur aus ruhig verlaufen, können Sie überlegen, ein spezielles Angebot für Ihre Treuemitglieder zu gestalten, um diese leeren Zeitfenster zu füllen. Die Prognose ist also nicht nur eine Eingabe, 'um den vollen Tag vorzubereiten', sondern auch, 'um den ruhigen Tag zu beleben'.
Auch hier bleibt die Linie dieselbe: Die KI kann eine erste Idee dazu liefern, welche Aktion an welchem Tag funktionieren könnte, aber die Aktion aufsetzen, den Rabattsatz festlegen und live schalten tun Sie. Das System startet von sich aus keine Promotion.
Ist diese Funktion bereits live? Hinweis zum Early Access
Sprechen wir es offen aus: Die KI-Nachfrageprognose ist derzeit kein fertiges Produkt, sondern wird innerhalb von RestApp im Early Access entwickelt. Sie ist nicht in allen Konten automatisch aktiv, und die Beispielzahlen, die Sie sehen, dienen dazu zu erklären, wie die Funktion arbeiten wird. Wir sagen nicht 'morgen in Ihrem Konto verfügbar'; sie wird schrittweise und getestet freigeschaltet, sobald sie fertig ist.
Das Grundprinzip bleibt in diesem Prozess unverändert. Die KI ist die Seite, die vorschlägt und Entwürfe vorbereitet, Entscheidung und Freigabe liegen immer beim Menschen. Eine Prognose ist eine Empfehlung, keine Anweisung. Das System bestellt keine Ware in Ihrem Namen, ändert keine Preise, startet keine Aktion. Wie viel Sie vorbereiten und welche Empfehlung Sie umsetzen oder übergehen, entscheiden Sie.
Auch bei den Daten machen wir es klar. Die Daten Ihres Restaurants gehören Ihnen und werden DSGVO-konform verarbeitet. Mit Ihren Daten werden keine gemeinsamen Modelle trainiert, die an andere Betriebe verkauft oder weitergegeben werden. Die Prognose lernt aus Ihrer eigenen Vergangenheit, das Ergebnis bleibt wieder bei Ihnen. Wenn Sie sich für den Early Access interessieren, können Sie RestApp kostenlos testen, die vorhandene Berichts- und Rezepturinfrastruktur schon heute aufbauen und mit fertigen Daten einsteigen, sobald die Funktion freigeschaltet wird.
Wichtigste Punkte
- Die KI-Nachfrageprognose versucht, ausgehend von Ihren bisherigen Bestelldaten zu schätzen, welcher Tag und welche Uhrzeit voll werden und welches Produkt wie viel verkaufen könnte.
- Verbunden mit der Rezeptur wird die Verkaufsprognose zu einem Plan für Vorbereitung und Bestand; sie zielt darauf, das Wegwerfen durch Überproduktion und den entgangenen Umsatz durch Ausverkauf gleichzeitig zu verringern.
- Eine Prognose ist keine Garantie; sie zeigt die wahrscheinliche Nachfrage und wird jede Woche mit neuen Daten aktualisiert. Entscheidung, Freigabe und das letzte Wort liegen immer beim Betreiber.
- Die Funktion ist derzeit nicht live, sondern wird im Early Access entwickelt. Wenn Sie schon heute Cloud-Berichte sowie Rezeptur- und Kosteninfrastruktur aufbauen, sind Sie bereit, sobald die Funktion freigeschaltet wird.
- Ihre Daten gehören Ihnen, werden DSGVO-konform verarbeitet und nicht dazu genutzt, mit anderen Betrieben geteilte Modelle zu trainieren.
Häufig gestellte Fragen
Ist die KI-Nachfrageprognose derzeit live, ab wann kann ich sie nutzen?+
Derzeit ist sie nicht live, sie wird innerhalb von RestApp im Early Access entwickelt und ist nicht in allen Konten automatisch aktiv. Sie wird schrittweise und getestet freigeschaltet. Wenn Sie in der Zwischenzeit Cloud-Berichte sowie Rezeptur- und Kosteninfrastruktur aufbauen, starten Sie mit fertigen Daten, sobald die Funktion erscheint.
Ist die Prognose eine Garantie, was passiert, wenn sie nicht zutrifft?+
Eine Prognose ist keine Garantie. Sie zeigt anhand historischer Daten und wiederkehrender Muster die wahrscheinliche Nachfrage. Ein überraschender Andrang oder ein unerwartet ruhiger Abend kann jederzeit vorkommen. Ziel ist es, die Fehlerquote gegenüber der Bauchschätzung zu verkleinern, nicht sie auf null zu setzen. Sie können Prognose und Ist-Werte in den Berichten nebeneinander sehen und die Abweichung verfolgen.
Trifft die KI die Entscheidung über Vorbereitung und Bestand?+
Nein. Die KI erstellt nur Empfehlungen und Entwürfe; wie viel Sie einkaufen und welche Schicht Sie verstärken, entscheiden Sie. Das System bestellt keine Ware in Ihrem Namen, ändert keine Preise, startet keine Aktion. Auf die vorgeschlagene Zahl setzen Sie Ihr eigenes lokales Wissen auf.
Sind meine Daten sicher, werden sie mit anderen Restaurants geteilt?+
Die Daten Ihres Restaurants gehören Ihnen und werden DSGVO-konform verarbeitet. Die Prognose lernt aus Ihrer eigenen Vergangenheit. Mit Ihren Daten werden keine gemeinsamen Modelle trainiert, die an andere Betriebe weitergegeben oder geteilt werden.
Welche Daten nutzt die Prognose?+
Ihre bisherigen Rechnungs- und Bestellbewegungen, die Auslastung nach Tag und Uhrzeit, die Verkäufe je Produkt, die Kanalverteilung (Gastraum, Lieferung, online) sowie der Einfluss von Kalender und Saison sind die grundlegenden Eingaben. Mit der Zeit können auch externe Signale wie das Wetter einfließen. Sind Rezepturen definiert, lässt sich die Verkaufsprognose direkt in den Lagerbedarf übersetzen.
Wie verbindet sie sich mit den vorhandenen RestApp-Funktionen?+
Die Datengrundlage der Prognose kommt aus den Cloud-Berichten, der Lagerbedarf wird über Rezeptur und Kosten berechnet, die Produktbewegung innerhalb der Schicht sehen Sie in Echtzeit über das Küchendisplay KDS, und für die Belebung ruhiger Tage arbeitet sie mit Treue- und Promotionsaktionen zusammen.
Zahlen Sie keine Provision mehr auf Ihre Bestellungen
Starten Sie Ihr eigenes provisionsfreies Online-Bestellsystem mit RestApp.