»Optimizes«: Wenn die KI die Speisekarte (und den Umsatz) verbessert

Die Selbstbeschreibung »Operational Intelligence« klingt ein wenig nach Geheimdienst, doch Michael Fortner winkt ab. Denn die Daten, auf deren Basis die Empfehlungen seiner KI erfolgen, sind keineswegs mysteriös. Im Gegenteil: »Wir arbeiten mit der Analyse der Verkaufsdaten, die sich direkt aus der Registrierkasse speisen«. Bereits daraus ließen sich wesentliche Entscheidungen ablesen, wissen Fortner und Alexander Donath, der gemeinsam mit ihm in der »Hyatt«-Gruppe in Wien tätig war. Der Area Director Revenue Management (Donath) und der Director of Operations (Fortner) erarbeiteten die konkreten Empfehlungen für den F&B-Bereich anfangs selbst – »ganz einfach einmal in einer Excel-Tabelle«.

Analyse des Belege-Wusts

Die Datenanalyse der beiden Auskenner bestand schnell den Praxistest. Im schwächsten Quartal für Stadt-Hotels (Q 1) konnte der Umsatz sogar gesteigert werden. Denn aus den Verkäufen, die sich pro Gast, aber auch pro Sitzplatz oder Stunde aufschlüsseln lassen, ergibt sich eine Fülle an Verbesserungsmöglichkeiten. Arbeitet z. B. ein Kellner besser als der andere, kann ebenso reagiert werden wie mit der Empfehlung der profitabelsten Gerichte am Gast. Schnell entschieden sich die beiden Hotelführungskräfte daher, gemeinsam mit einem technisch versierten Programmierer selbst in die Profitabilitätsberatung für Gastronomie-Kollegen einzusteigen. Und nach vielen Jahren im »Sofitel« bzw. dem »Andaz« fand sich das Duo in der Start-up-Szene wieder.

»Otimizes« gibt für die Gründer vor allem auf eine Frage Antwort, die nichts mit der Größe des Betriebs zu tun hat: Bin ich profitabel und warum bin ich es (nicht)? Was sich sonst meist erst am Ende eines Quartals oder gar Jahres zeigt, gibt die Software nun tagesaktuell aus.

Preis-Niveau auf Bezirksebene

Zudem operiert das System stets mit Netto-Zahlen. Es gibt also kein böses Erwachen am durch spätere Abzüge oder Zahlungsverpflichtungen, war den Abrechnungsprofis wichtig. Dazu kommen individuelle Fragen und Benchmarks, die man in die KI einspeisen kann. Mittels Geo-Tracking kann das Preisniveau in einem Stadtviertel oder politischen Bezirk herangezogen werden, um Vergleiche anzustellen. Auch der Durchschnittspreis bei Mitbewerbern oder in einer anderen Stadt (für Lokal-Filialen) ist als Parameter anlegbar.

Die klassische händische Analyse der »Renner« und »Penner«, wie man das im BWL-Kurs gelernt hat, übernimmt ohnehin die App. Sie erstellt konkrete Empfehlungen der Marke »Der Schweinsbraten könnte ruhig 1,20 Euro teurer sein«. Als Praktiker ist es Fortner und Donath aber wichtig, dass das System sich selbst »verdient«. Das Baukastensystem rund um die KI kostet nach der Basis-Einstellung monatlich 150 Euro in der einfachsten Konfiguration. »Aber auch mit Zusatzmodellen wollen wir nie über 300 Euro kommen«. Was wäre das auch für eine Profitabilitätslösung, die selbst den Gewinn anknabbert?