KI-Tools sind günstig und leistungsstark. Alle nutzen sie. Doch im Foodservice sind die Ergebnisse oft enttäuschend. Die Gastronomiebetriebe, die den größten Nutzen aus KI ziehen, haben keine besseren Tools. Sie haben bessere Daten.
Dieser Artikel erklärt, wie man KI in einem standortübergreifenden Gastronomiebetrieb zum Funktionieren bringt.
Im Foodservice liegen zu viele Fakten am falschen Ort
Gastronomiebetriebe haben reichlich Daten, doch diese sind über Tabellen, WhatsApp-Nachrichten und das Gedächtnis der Mitarbeitenden verstreut. Wenn KI auf fragmentierten Informationen aufsetzt, muss sie raten – und sie klingt überzeugend, selbst wenn sie falsch liegt.
Ein Mangel an Daten war im Foodservice noch nie das eigentliche Problem. Die Herausforderung liegt darin, wo diese Informationen liegen.
Eine Gebindegröße ändert sich, doch das ist nur auf einer Rechnung sichtbar. Ein Koch weiß von einer Ersatzzutat, das zentrale System jedoch nicht. Ein Rezept hat standortspezifische Varianten, die nur in einer Tabelle oder in jemandes Kopf existieren.
All das sind operative Fakten. Aber sie werden im Betrieb über Tabellen, E-Mails, WhatsApp-Nachrichten, handschriftliche Notizen und das Gedächtnis der Mitarbeitenden weitergereicht.
An einem einzelnen Standort ist das in der Regel beherrschbar. Über 40, 80 oder 300 Standorte hinweg wird es zu einem ernsten Problem. Solche Datensilos und Behelfslösungen lassen den Gastronomiebetrieb nicht nur wie eine Blackbox wirken – sie lösen auch eine Kettenreaktion von Ungenauigkeiten aus.
Nehmen wir den Küchenbetrieb (Back of House) als Beispiel.
Eine Änderung der Gebindegröße wirkt sich auf die Rezepturkosten aus → die Rezepturkosten beeinflussen die Margen auf der Speisekarte → Lieferantensubstitutionen beeinflussen den Einkauf → was wiederum die Lagerbestände, das Allergen-Tracking und die Produktkonsistenz betrifft.
Die Daten sind im Unternehmen noch irgendwo vorhanden, doch es verliert eine verlässliche Version der Realität: was ein Produkt tatsächlich ist, was ein Rezept wirklich enthält oder welcher Lieferantenpreis korrekt ist.
Und genau hier wird KI riskant.
KI funktioniert am besten, wenn sie Zugriff auf vernetzte, vertrauenswürdige operative Daten hat.
Die Untersuchungen von McKinsey verdeutlichen genau diesen Punkt. Wenn Informationen über voneinander getrennte Systeme und informelle Prozesse verstreut sind, muss die KI die Lücken selbst überbrücken. Mit anderen Worten: Sie muss Annahmen treffen. Manchmal stimmen diese Annahmen. Manchmal nicht.
Ein KI-Assistent könnte zum Beispiel melden, dass die Wareneinsatzkosten gestiegen sind, weil die Lieferantenpreise angezogen haben. Das klingt plausibel. Doch wenn zentrale Datensätze fehlen, könnte er die tatsächlichen Ursachen völlig übersehen – etwa Rezepturänderungen oder eine uneinheitliche Erfassung des Warenverlusts.
Die Schwierigkeit ist, dass KI sehr überzeugend klingt, selbst wenn sie falsch liegt.
Für Führungsteams ist das ein echtes Risiko. KI behebt fragmentierte F&B-Abläufe nicht wie von Zauberhand. Und weil Menschen den Antworten der KI oft vertrauen, besteht die Gefahr, dass sie diese für bare Münze nehmen – selbst wenn sie nicht nachvollziehen können, wie die KI zu ihren Schlussfolgerungen gelangt ist.
Fakten brauchen Software
KI ist hervorragend im Interpretieren und Erklären, aber das falsche Werkzeug, um grundlegende Fakten wie Rezepturkosten oder Allergene vorzuhalten. Klassische Software folgt festen Regeln und liefert jedes Mal dieselbe Antwort. Man braucht beides: Software, um die Datensätze zu führen, und KI, um sie zu deuten.
KI ist brillant in der Analyse. Sie erkennt Muster, erklärt Abweichungen und bringt Erkenntnisse ans Licht, für die Menschen weitaus länger bräuchten. Aber sie kennt eine Produkt-ID nicht wie von selbst, sofern sie nicht bereits Zugriff auf die richtige Quelle der Wahrheit hat.
Jedes Unternehmen läuft auf Fakten. Diese müssen stabil, konsistent und überprüfbar sein.
Im Foodservice haben Produkte Gebindegrößen, Zutaten haben Kosten, und Gerichte auf der Speisekarte tragen Allergendaten. Diese Angaben müssen jedes Mal korrekt sein – ohne Mehrdeutigkeit, ohne Raterei. Eine Allergenkennzeichnung darf sich nicht ändern, nur weil jemand eine Frage anders formuliert hat.
Aber so arbeitet KI nicht.
KI ist darauf ausgelegt, Sprache, Muster und Kontext zu interpretieren. Genau das macht sie so leistungsfähig, wenn es darum geht, das Geschehen zu verstehen und zu erklären. Doch ebendas macht sie zu einer riskanten Instanz, wenn es um die Pflege zentraler operativer Datensätze geht.
Klassische Software hingegen ist genau dafür gebaut.
Wird ein Softwaresystem nach den Kosten eines Rezepts gefragt, stellt es keine fundierte Vermutung an. Es folgt einem Satz vordefinierter Regeln und Berechnungen und liefert jedes Mal eine konsistente, reproduzierbare Antwort.
Deshalb lösen KI und klassische Software unterschiedliche Probleme – und deshalb spielen sie unterschiedliche Rollen im Technologie-Stack der Gastronomie. Software pflegt den Datensatz. KI hilft den Menschen zu verstehen, was der Datensatz bedeutet.
Das heißt nicht, dass KI bei der Datenpflege keine Rolle spielt. Ganz im Gegenteil. Sie kann Rechnungen auslesen, Produktzuordnungen vorschlagen, Anomalien erkennen und auf Probleme hinweisen, die Aufmerksamkeit verdienen. Doch diese Ergebnisse sollten innerhalb eines regelbasierten Systems liegen, das die Daten validiert und steuert. KI kann bei der Pflege von Informationen helfen; sie sollte nicht die letzte Instanz darüber sein.
Die Qualität der KI-Erkenntnisse wird immer von der Qualität der zugrunde liegenden Daten abhängen.
Und genau hier stehen viele Betreiber vor einer Herausforderung. Laut einer Deloitte-Umfrage unter Führungskräften der Gastronomie planen 73 %, ihre Investitionen in KI zu erhöhen – doch weniger als jeder Fünfte glaubt, über die nötige Governance-Infrastruktur zu verfügen, um diese zu tragen.
Mit anderen Worten: Viele Unternehmen investieren in den Motor, bevor sie die Straße fertig gebaut haben. Ohne vertrauenswürdige operative Daten kann selbst die ausgefeilteste KI nur ein unvollständiges Bild analysieren. Das Ergebnis sind nicht zwangsläufig bessere Entscheidungen – sondern schnellere Entscheidungen auf Basis unsicherer Informationen.
Was bedeutet „Governed Data“?
Governed Data – gesteuerte, kuratierte Daten – bedeutet: Geschäftsbegriffe und Kennzahlen sind standardisiert, sodass alle dieselben Definitionen verwenden. Der Zugriff ist geregelt, sodass nur berechtigte Nutzer sensible Informationen einsehen oder bearbeiten können. Das Unternehmen kann nachvollziehen, woher Daten stammen und wie sie sich verändert haben. Und Fehler, Dubletten und Inkonsistenzen werden erkannt und korrigiert.
Daten-Hubs mit austauschbarer KI
Gastronomiebetriebe sind zu komplex für ein einziges System. Jeder Geschäftsbereich braucht eine spezialisierte Plattform, die über APIs verbunden ist. Die KI sitzt oben auf diesem Stack. KI-Modelle kommen und gehen. Daten bleiben. Ist die Datenarchitektur verlässlich, lässt sich die KI austauschen, ohne den Betrieb zu stören.
Wenn operative Informationen über voneinander getrennte Systeme, Tabellen und das Wissen der Mitarbeitenden verstreut sind, lautet die naheliegende Frage: Wo sollten diese Informationen eigentlich liegen?
Die Antwort ist nicht ein einziges Riesensystem.
Moderne Foodservice-Unternehmen arbeiten am besten mit einem vernetzten Verbund spezialisierter Plattformen, von denen jede für einen bestimmten Geschäftsbereich verantwortlich ist und genau die Daten steuert, die sie am besten versteht.
Finanzsysteme steuern Finanzdaten. Workforce-Management-Plattformen verwalten Personal und Dienstplanung. CRM-Systeme verwalten Gästedaten. Und der Küchenbetrieb braucht seine eigene operative Plattform – etwa Apicbase –, die versteht, wie Rezepte, Lagerbestand, Warenverlust, Einkauf und Margen zusammenhängen.
Wenn diese Systeme vernetzt sind, kann die KI als Reasoning-Schicht darüber liegen.
Dieser Ansatz ist als Best-of-Breed-Architektur bekannt. Statt jede Geschäftsfunktion in eine einzige Plattform zu zwängen, nutzen Gastronomiebetreiber spezialisierte Systeme, die ihre Informationen über APIs teilen. Jedes System tut das, was es am besten kann, und trägt zugleich zu einem umfassenderen, vernetzten Technologie-Ökosystem bei.
Bei größeren Gastronomiegruppen mit komplexeren Technologie-Stacks werden die Informationen aus diesen operativen Systemen häufig in einem Data Lake oder Data Warehouse zusammengeführt.
So entsteht ein dreischichtiger Technologie-Stack:
- Anwendungsschicht (Application Layer)
Hier findet das Tagesgeschäft statt.
Dazu gehören Systeme wie F&B-Management-Software (Apicbase), POS-Plattformen, Workforce-Planungstools und Finanzsysteme. Diese Anwendungen führen Arbeitsabläufe aus, setzen Geschäftsregeln durch und erstellen und aktualisieren operative Datensätze. - Datenschicht (Data Layer)
Dies ist das zentrale Informationsrepository des Unternehmens.
Daten aus den operativen Systemen werden gesammelt, gespeichert und in einem Data Lake oder Data Warehouse organisiert und schaffen so eine konsistente Grundlage für Reporting, Analyse und Entscheidungsfindung. - KI-Schicht (AI Layer)
Diese Schicht sitzt oben auf den Daten.
KI kann Kontext interpretieren, Muster erkennen, Prognosen erstellen, Informationen zusammenfassen, Handlungen empfehlen und Fragen beantworten. Statt selbst Datensätze zu pflegen, nutzt die KI vertrauenswürdige operative Daten, um den Menschen zu helfen zu verstehen, was geschieht und was als Nächstes zu tun ist.
Der vielleicht überraschendste Teil dieser Architektur ist, dass die Wahl des KI-Tools oft die einfachste Entscheidung ist.
Claude, Copilot, ChatGPT, Gemini, Mistral und andere sind allesamt leistungsfähig, erschwinglich und leicht einzuführen. Die eigentliche Herausforderung besteht nicht in der Auswahl eines Modells, sondern darin, dass die dahinterliegenden Daten korrekt, vernetzt und vertrauenswürdig sind.
Die Modelle selbst werden sich weiterentwickeln. Neue Anbieter werden auftauchen, Fähigkeiten werden sich verbessern und Kosten werden sich verändern. Unternehmen sollten die Flexibilität haben, mit der Entwicklung des Marktes zwischen KI-Anbietern zu wechseln.
Was sich nicht ändern sollte, ist die Qualität der zugrunde liegenden Daten.
Diese Grundlage muss verlässlich, strukturiert und gesteuert bleiben – ganz gleich, welches KI-Modell sie gerade analysiert.
Letztlich brauchen Gastronomiebetriebe Systeme, die abbilden, wie sie tatsächlich arbeiten.
Wenn operative Daten in den richtigen Systemen verwaltet und über das gesamte Unternehmen hinweg vernetzt werden, können sowohl Menschen als auch KI von derselben Version der Realität ausgehen. Und genau das macht aus KI von einer Hype-Technologie eine wirklich nützliche.
Warum nicht ein großes System, das alles kann?
Große ERP-Systeme wie SAP funktionieren im Einzelhandel. Foodservice ist anders: Zutaten werden zu Rezepten verarbeitet, vorbereitete Artikel wandern zurück in den Bestand, und Gerichte zehren den Lagerbestand auf komplexe Weise ab. Das braucht ein System, das für die Logik der Gastronomie gebaut ist.
Auf den ersten Blick erscheint es logisch, dass große Gastronomiegruppen alles in einem einzigen Unternehmenssystem wie SAP oder Oracle NetSuite zentralisieren würden. Eine einzige Plattform verspricht weniger Datensilos, einfacheres Lieferantenmanagement und einen einzigen Ort zur Verwaltung von Informationen.
Yet, according to McKinsey, many enterprise organisations are moving away from that approach.
Warum ist das so?
Weil der Foodservice eine operative Komplexität aufweist, für die generische ERP-Systeme nie ausgelegt waren.
Im Einzelhandel werden Produkte in der Regel als ein und derselbe Artikel eingekauft, gelagert und verkauft. Ein Supermarkt kauft eine Flasche Wasser, lagert sie und verkauft dann genau diese Flasche Wasser. Der Warenfluss ist relativ linear, und ERP-Systeme sind außerordentlich gut darin, ihn in großem Maßstab zu steuern.
Doch der Foodservice funktioniert ganz anders.
Zutaten werden ständig verarbeitet, bevor sie den Gast erreichen.
Eine Kiste Tomaten wird vielleicht in den Bestand aufgenommen, zu Tomatensoße verarbeitet, als Halbfertigprodukt in den Bestand zurückgeführt, in mehreren Rezepten verwendet und dann erneut abgebaut, sobald Gerichte verkauft werden.
Dieselbe Zutat kann mehrere Produktionsstufen durchlaufen, bevor sie überhaupt auf dem Teller eines Gastes landet.
Die Steuerung dieses Prozesses erfordert ein grundlegend anderes operatives Modell innerhalb des Systems.
Das System muss Rezepturhierarchien, Produktionsabläufe, Ausbeuteberechnungen, Warenverlust, Substitutionen, Vorbereitungsprozesse, Bestandsbewegungen und Lieferantenbeziehungen verstehen. Das ist deutlich mehr als nur Finanztransaktionen und Bestandsumbuchungen.
Deshalb ist Software mit spezifischer Fachexpertise so wichtig.
Was zunächst ein operatives Anliegen war, wurde auch zu einem KI-Anliegen.
Wie Gartner angemerkt hat, zählen mangelhafte Datenqualität und schwache Datengrundlagen weiterhin zu den Hauptgründen, warum KI-Initiativen keinen Mehrwert liefern. Fehlen einem Unternehmen die Systeme, um die Realitäten des Küchenbetriebs zu erfassen und zu steuern, hat KI kaum eine Chance, verlässliche Erkenntnisse zu liefern.
Kann MCP das nicht lösen?
Nein. MCP (Model Context Protocol) gibt KI-Tools wie ChatGPT und Copilot eine sichere Möglichkeit, auf externe Daten zuzugreifen. Apicbase stellt ein MCP bereit, sodass Nutzer Verkaufs-, Bestands- und Einkaufsdaten direkt aus diesen Tools abfragen können.
Das MCP ist die Verbindung, nicht die Intelligenz. Man kann sich das MCP wie einen Schlüssel vorstellen. Es öffnet die Tür zu den Daten, entscheidet aber nicht, welche Daten korrekt sind. Das tut Apicbase.
Wie funktioniert das im Küchenbetrieb?
Apicbase ist das Betriebssystem für den Küchenbetrieb (Back of House), das standortübergreifenden Gastronomiebetrieben das saubere Datenfundament liefert, das KI benötigt.
Betreiber nutzen Apicbase, um Rezepte, Lagerbestand, Einkauf und Wareneinsatz an einem Ort zu verwalten.
Apicbase löst das Problem des F&B-Datenfundaments auf vier Arten.
- Single Source of Truth
Zutaten, Lieferantenartikel, Rezepte, Halbfertigprodukte, Allergene, Bestandsbewegungen und Outlets liegen alle in einem einzigen, gemeinsam genutzten Datenmodell.
Lieferantenartikel sind direkt mit Zutaten verknüpft. Vorbereitete Chargen können in den Bestand zurückgeführt werden. Der Bestand wird automatisch reduziert, sobald Gerichte verkauft werden.
Apicbase versteht, wie diese Entitäten zueinander in Beziehung stehen, und schafft so einen gesteuerten operativen Datensatz über jeden Standort hinweg. - Vernetzter Betriebskreislauf
Die Abläufe im Küchenbetrieb sind keine getrennten Workflows. Der Einkauf beeinflusst den Bestand. Der Bestand beeinflusst die Rezepturkosten. Die Rezepturkosten beeinflussen die Marge. In Apicbase ist dieser Kreislauf fest ins System eingebaut.
Die Mitarbeitenden müssen keine Tabellen abgleichen, um zu verstehen, was vor sich geht.
Ändert sich ein Lieferantenpreis, fließt die Auswirkung automatisch durch Rezepturkosten, Speisekartenmargen, Einkaufsentscheidungen und operatives Reporting. - Integrierter Tech-Stack
Apicbase ist keine isolierte Plattform. Es verbindet sich direkt mit dem breiteren Technologie-Ökosystem der Gastronomie. Es kann POS-Verkaufsdaten einlesen, sodass Bestand, Margenanalyse und Prognosen in Echtzeit widerspiegeln, was über alle Standorte hinweg tatsächlich verkauft wird.
Außerdem teilt es strukturierte F&B-Daten mit Finanzplattformen, ERP-Systemen und BI-Tools, sodass jedes nachgelagerte System mit denselben Daten arbeitet. - Das Fundament für verlässliche KI
Die von Apicbase erzeugten Daten sind strukturiert, vernetzt und konsistent. Das versetzt KI in die Lage, Margenbewegungen zu erklären, Einkaufsentscheidungen vorzuschlagen, die Nachfrage zu prognostizieren und Anomalien aufzuzeigen – mit großer Genauigkeit.
Apicbase verfügt über eine integrierte KI und ein MCP, das Daten sicher für Claude, ChatGPT, Copilot und andere KI-Tools freischaltet.
Daten sind Ihr Vorsprung
KI-Tools sind günstig, leistungsstark und einfach zu nutzen. Sie liefern in Minuten, wofür früher ganze Analystenteams Wochen brauchten. Doch es gibt einen Haken: Das Ergebnis ist nur so gut wie die Daten dahinter. Das bedeutet, dass der eigentliche Vorsprung aus der Datenschicht kommt – nicht aus der KI selbst.
Apicbase gibt F&B-Betreibern dieses Fundament und ordnet Rezeptur-, Bestands- und Compliance-Daten über jeden Standort hinweg.
Mit verlässlichen Daten als Grundlage können Unternehmen größeres Vertrauen in ihr Reporting, ihre Abläufe und die darauf aufbauenden KI-gestützten Erkenntnisse haben.
Möchten Sie sehen, wie das für Ihr Unternehmen aussieht?
