„Buying AI is easy. Getting value from it is not.“ KI zu kaufen ist leicht, einen Nutzen daraus zu ziehen nicht. Das sagte Bhanu Chopra, Gründer des Softwareanbieters RateGain, im September in Lissabon. Dort stellte er mit der New York University und dem Branchenverband HEDNA den Bericht „State of Distribution 2026“ vor.
Laut der Pressemitteilung zum Bericht nutzt mehr als die Hälfte der Hotels generative KI oder kauft sie gerade ein. Weniger als jedes zehnte Haus sagt aber, die KI habe seine Handarbeit um mehr als 30 Prozent verringert. Und in über 80 Prozent der kommerziellen Teams, also Vertrieb, Marketing und Revenue Management, gehen weiterhin ein bis zwei Tage pro Woche für Berichte drauf, die von Hand gebaut und ausgewertet werden.
Meine These: In vielen Häusern ist KI schon da. Was fehlt, ist ein umgebauter Ablauf, in dem die KI Arbeit tatsächlich abnimmt. Solange jeder für sich in einem Chatfenster ausprobiert, bleibt die Arbeit, wo sie war.
Was die Zahlen hergeben
Die Beratung h2c aus Ratingen hat für ihre „AI Opportunity Study 2026“ 113 Hotelketten befragt, zusammen mehr als 8.200 Häuser. Gesponsert wurde die Studie von acht Technikanbietern, darunter Apaleo und Shiji. Das Ergebnis ist trotzdem unbequem für die Branche: 91 Prozent der Ketten setzen KI ein. Einen messbaren Return on Investment melden 13 Prozent. Eine unternehmensweite KI-Strategie, die von der Geschäftsleitung getragen wird, haben 28 Prozent. Ihr eigenes KI-Wissen schätzen die Ketten auf 3,4 von 10 Punkten.
Für Deutschland gibt es Zahlen über alle Branchen. Laut Institut für Arbeitsmarkt- und Berufsforschung (IAB) nutzte 2025 knapp jeder vierte Betrieb generative KI, 2023 waren es 5 Prozent. Das Gastgewerbe liegt mit 13 bis 15 Prozent im unteren Feld. 90 Prozent der Betriebe, die KI nutzen, arbeiten mit allgemein zugänglichen Modellen, etwa ChatGPT. Von allen Betrieben, die generative KI nutzen, haben 21 Prozent interne Regeln dafür, 27 Prozent bieten Weiterbildungen an.
Ich lese das so: Genutzt wird KI in vielen Betrieben. Regeln, Schulung und einen messbaren Nutzen hat davon nur ein kleiner Teil.
Warum der Ertrag ausbleibt
McKinsey hat im Mai und Juni 2026 weltweit 1.719 Beschäftigte aus Unternehmen aller Branchen und Hierarchiestufen befragt. 37 Prozent sagen, KI habe zum Betriebsergebnis beigetragen. Etwa 6 Prozent zählt McKinsey zu einer Spitzengruppe: Sie führen 5 Prozent oder mehr ihres operativen Ergebnisses auf KI zurück und berichten von deutlichem Nutzen. Was diese Gruppe anders macht, zeigt der Bericht recht deutlich. Fast drei Viertel von ihnen haben ihre Abläufe wegen der KI grundlegend umgebaut. Bei den übrigen ist es etwa ein Viertel. Und sie haben doppelt so oft festgelegt, wie sie die Wirkung messen.
Ein Beispiel, wie das im Hotel aussehen kann: Eine Mitarbeiterin an der Rezeption lässt sich von ChatGPT eine Antwort an einen verärgerten Gast formulieren. Das spart ihr ein paar Minuten. Der Ablauf bleibt aber gleich. Sie sucht die Buchung im PMS, kopiert Daten hin und her, fragt die Leitung, ob sie eine Gutschrift geben darf. Die gesparten Minuten verteilen sich über den Tag und tauchen in keiner Kennzahl auf.
Bei den Berichten ist es ähnlich. Ein Chatfenster ersetzt nicht den Montag, an dem jemand Zahlen aus PMS, Revenue-System und Excel zusammenträgt. Das tut erst ein Bericht, der sich aus diesen Quellen selbst füllt und an dem die KI nur noch die Abweichungen erklärt. Dafür muss jemand festlegen, woher welche Zahl kommt und wer sie freigibt, und das Werkzeug hilft dabei wenig.
Was dagegen spricht
Man kann einwenden, dass Teams vor allem durch Ausprobieren lernen. Wer KI erst nach einer fertigen Strategie zulässt, wartet zu lange. Und gerade in kleineren Häusern ist ein ROI schwer zu messen, wenn es um Minuten an der Rezeption geht.
Das stimmt. Ausprobieren ist richtig, ich würde es sogar fördern. Schwierig wird es, wenn ein Versuch kein Ziel und keinen Endpunkt hat. Dann läuft er weiter, weil niemand ihn beendet, und keiner weiß, ob er etwas gebracht hat. Wer vorher nicht festlegt, woran er den Erfolg misst, wird sich nach drei Monaten schwertun, mehr zu sagen als: Es hat sich gut angefühlt.
Fünf Schritte für die nächsten 90 Tage
1. Mit einem Ablauf anfangen. Nehmen Sie den Ablauf, der in Ihrem Haus die meisten Stunden frisst und sich leicht messen lässt, zum Beispiel Wochenberichte, das Reservierungspostfach oder die Schichtübergabe. Welches Werkzeug passt, entscheiden Sie danach. In einer Gruppe darf das für die Zentrale ein anderer Ablauf sein als für die Häuser.
2. Vorher messen. Wie viele Stunden pro Woche kostet der Ablauf heute? Wie oft muss nachgebessert werden? Ohne diesen Ausgangswert wird es in drei Monaten schwer, eine Wirkung zu belegen, weder nach oben noch nach unten.
3. Den Ablauf neu aufschreiben. Woher kommen die Daten, was macht die KI, wer gibt frei, was passiert mit Ausnahmen? Erst wenn das auf einer Seite steht, lohnt es sich, ein Werkzeug auszuwählen.
4. Die Rollen trennen. Die Zentrale setzt den Rahmen: welche Werkzeuge, welche Daten, welche Regeln. Die Häuser finden die Anwendungen, weil sie die Arbeit kennen. Im Privathotel sind das vielleicht dieselben zwei Personen, die Trennung hilft trotzdem.
5. Nach 90 Tagen entscheiden. Behalten, ausweiten oder beenden. Alle drei Ergebnisse sind in Ordnung, solange es eine Entscheidung gibt.
Was ich nicht tun würde: Lizenzen für alle kaufen und auf Wirkung hoffen. Und die Zahl der Nutzer als Erfolg melden. Dass viele Menschen ein Werkzeug öffnen, sagt nichts darüber, ob sich etwas verbessert hat.
Woran es sich messen lassen muss
Ich würde zwei Dinge beobachten: ob an der Rezeption jemand mehr Zeit für den Gast hat und ob das Revenue-Team den Montag für Entscheidungen nutzen kann statt für Tabellen. Daran sollte sich jede KI-Investition messen lassen.
Bei 5213 LABS würden wir ein KI-Vorhaben deshalb mit einer Stundenrechnung beginnen. Welches Modell am Ende passt, ist danach oft die kleinere Frage.