Fallbeispiel: Wie KI ein Gastro­unternehmen entlastet

Wer Restaurantbetriebe über mehrere Standorte hinweg effizient steuern will, braucht heute mehr als eine gemeinsame Mailbox und gute Erreichbarkeit. Das Gastrounternehmen Seven Fires hat für seine Marke Williams Butchers Table ein KI-Assistenzsystem von Molinoteq eingeführt, welches pro Monat mehrere Hundert Buchungen und Dutzende Jobanfragen automatisch verarbeitet und für eine klar strukturierte, schnellere Kommunikation sorgt.

Ausgangslage

Williams Butchers Table zählt zu den bekanntesten Steakhouse- und Restaurantmarken der Schweiz und betreibt mehrere Standorte, unter anderem in Zürich, Bern und Zug. Die Marke positioniert sich als hochwertiges, auf Fleisch und Service spezialisiertes Gastrokonzept mit hohem Anspruch an Qualität, Wiedererkennbarkeit und Servicekonsistenz über alle Standorte hinweg. Mit der wachsenden operativen Komplexität steigt in solchen Strukturen auch die Belastung der Kommunikationsprozesse. Reservierungen, Gruppenanfragen, Bewerbungen, Lieferantenkontakte, Feedback und allgemeine Anfragen müssen nicht nur schnell, sondern auch konsistent und standortübergreifend verarbeitet werden. Das war vor der Einführung des KI-Assistenzsystems nicht der Fall: Eingehende Kommunikation wurde bis dahin standortweise und manuell bewirtschaftet. Für ein Unternehmen mit hoher Sichtbarkeit und mehreren Kontaktpunkten ist das gleich doppelt kritisch. Einerseits steigt der interne Aufwand, weil Anfragen weitergeleitet, bewertet und priorisiert werden müssen. Andererseits nimmt das Risiko zu, dass Antworten sprachlich oder prozessual nicht zur Marke passen. Das Projekt adressierte daher nicht nur einen Effizienzbedarf, sondern auch ein Qualitäts- und Skalierungsproblem.

Lösung und Architektur

Molinoteq entwickelte das Assistenzsystem MaitreAI, das auf drei KI-Ansätzen aufbaut. Erstens klassifiziert eine diskriminative Komponente eingehende E-Mails in sechs Hauptkategorien. Zweitens generiert ein auf historischen Restaurant-Antworten feinjustiertes Sprachmodell markenkonforme Antworten. Drittens übernehmen symbolisch-regelbasierte Workflows klar definierte Abläufe wie Gruppen- und Eventanfragen sowie Bewerberprozesse. Die Grundidee einer solchen Architektur liegt in der Arbeitsteilung zwischen generativer KI und regelbasierten Prozessen. Nicht jeder Fall muss kreativ beantwortet werden; standardisierte Vorgänge können deterministisch abgewickelt werden, während offene Anfragen eine semantisch passende, aber kontrollierte Antwort erhalten. Das reduziert Fehlerrisiken und erhöht die Skalierbarkeit der Lösung.
Ergänzt wird der KI-Stack durch eine retrieval-gestützte Wissensdatenbank, die vom Kunden selbst handhabbar ist und Inhalte wie Lieferanten, Produkte, Menüs oder Öffnungszeiten umfasst. Damit kann das System ohne tiefen IT-Eingriff aktuell gehalten werden, was für den laufenden Betrieb und für schnelle Anpassungen im Gastronomiealltag ein wesentlicher Vorteil ist.

Integration in die Abläufe

Besonders relevant für Entscheider ist die Integration in bestehende Systeme. Die Lösung wurde direkt an das Reservationssystem angebunden, sodass Buchungen auf Kundenzuruf automatisch ausgeführt werden können. Zusätzlich erfolgten eine bidirektionale E-Mail-Integration und standortspezifische Google-­My-Business-Anbindungen. Damit entstand keine isolierte KI-Anwendung, sondern ein in die Prozesslandschaft eingebettetes Assistenzsystem. Genau dieser Punkt entscheidet häufig über den wirtschaftlichen Erfolg solcher Vorhaben: Eine Lösung bringt nur dann messbaren Mehrwert, wenn sie Medienbrüche reduziert und sich reibungslos in bestehende IT- und ­Betriebsprozesse einfügt. Das Projekt ist so aufgebaut, dass mehrere Prozessdomänen in einer Architektur zusammenlaufen: Reservierungen, Gruppen- und Eventanfragen, Lieferantenkommunikation, Bewerbermanagement und Kundenfeedback. Das senkt den Integrations- und Pflegeaufwand gegenüber getrennten Einzellösungen.

Einführung und Akzeptanz

Molinoteq übernahm die komplette Verantwortung für Konzeption, Entwicklung, Implementierung, Betrieb und Weiterentwicklung. Das reduziert Schnittstellen und erhöht die ­Umsetzungssicherheit, insbesondere bei Vorhaben, die neben technischer Leistung auch Organisationsentwicklung und Change-­Management erfordern. Die Einführung erfolgte als funktionsübergreifendes Projekt mit Einbindung von Geschäftsleitung, Betriebsleitung, Küche, Service, HR, Marketing und IT. Diese breite Beteiligung ist kein Nebenaspekt, sondern eine Voraussetzung für Akzeptanz, weil das System operative Arbeitsschritte verändert und nicht nur eine zusätzliche Software im Hintergrund darstellt. Für die interne Nutzung wurde ein Admin-Interface bereitgestellt, über das Wissen, Tonalität, Workflows und Freigabestufen ohne IT-Unterstützung gepflegt werden können. Das ist aus organisatorischer Sicht wichtig, weil es den Fachbereichen Kontrolle zurückgibt und die Pflege der Lösung nicht von einzelnen technischen Schlüsselpersonen abhängig macht. Hinzu kamen Schulungen sowie ein laufender Wartungs- und Weiterentwicklungsvertrag. Damit wurde der Übergang von der Implementierungsphase in den Regelbetrieb abgesichert; aktuell befindet sich Version zwei in aktiver Umsetzung.

Herausforderungen im Projekt

Bei diesem Projekt waren vor allem drei Herausforderungen zu lösen. Erstens musste aus sehr unterschiedlichen Anfragetypen eine belastbare Klassifikationslogik entwickelt werden. Und es brauchte für das Fine-Tuning eine kuratierte Datenbasis historischer Antworten, die sprachlich und fachlich geeignet war. Zusätzlich mussten die Systemintegrationen technisch sauber umgesetzt werden, insbesondere mit Reservationssystem, E-Mail-Infrastruktur und Standortdaten. Daneben spielte die Governance eine zentrale Rolle. Die Lösung verarbeitet Bewerber-, Reservierungs- und Kundendaten gesetzeskonform, inklusive automatisierter Löschfristen, Zweckbindung, Anonymisierung und Dokumentation. Zudem wurden Qualitätsmetriken und Monitoring eingesetzt, um Bias, Halluzinationen und Fehlklassifikationen zu erkennen und zu begrenzen. Für den Projekterfolg war auch die organisatorische Herausforderung entscheidend: Eine KI-Lösung im Kundenkontakt muss nicht nur funktionieren, sondern muss als verlässlich wahrgenommen werden. Genau deshalb ist die Kombination aus regelbasierten Workflows, kontrollierter Antwortgenerierung und administrierbarer Wissenspflege wirtschaftlich sinnvoll.

Nutzen und Wirkung

Der greifbare Nutzen liegt zunächst in der Automatisierung zentraler Kommunikationsprozesse. Reservierungen werden direkt vom System erkannt, kategorisiert und strukturiert aufbereitet. Pro Monat werden so mehrere hundert Buchungen über die Lösung verarbeitet. Zusätzlich werden Dutzende Jobanfragen im Gastro-Bereich automatisch verarbeitet. Das System erkennt die Anfrage automatisch, liest die für die ausgeschriebene Stelle relevanten Bewerberdaten aus, kategorisiert die Bewerbung und bereitet alle Informationen strukturiert für den Betrieb auf. Der Mitarbeitende prüft die Anfrage anschliessend nur noch und bestätigt oder lehnt sie mit einem Klick ab. Mit der Lösung konnte die manuelle Bearbeitung von Reservations- und Jobanfragen um rund 80 Prozent reduziert werden. Das System liest die relevanten Informationen automatisch aus, strukturiert die Daten und bereitet die Anfrage so auf, dass Mitarbeitende in vielen Fällen nur noch bestätigen oder ablehnen müssen. Ein weiterer Effekt ist die deutlich verbesserte Reaktionszeit. Weil innerhalb desselben Zeitraums wesentlich mehr E-Mails bearbeitet werden können, erhalten Anfragen schneller eine erste Bearbeitung oder Rückmeldung. Das entlastet die Teams im Alltag und sorgt gleichzeitig für einen konsistenteren und professionelleren Umgang mit eingehenden Anfragen. «Dank MaitreAI werden Reservations- und Jobanfragen effizienter verarbeitet und intern sauber strukturiert. Damit können wir uns noch stärker auf das Erlebnis unserer Gäste im Restaurant konzentrieren», sagt Philipp Oehler, Gründer und Geschäftsführer von Seven Fires. Das Projekt ist exemplarisch für eine neue Generation praxisnaher KI-Anwendungen im Mittelstand und in serviceorientierten Branchen. Entscheidend ist nicht der Einsatz von KI als Schlagwort, sondern die Kombination aus Datenaufbereitung, Prozesslogik, Systemintegration und Governance.