Wie voll wird es am Samstag? Die Antwort beeinflusst die Personalplanung, die Vorbereitung in der Gastronomie und das Marketing. Doch die entscheidenden Hinweise sind über viele Quellen verteilt: Besucherzahlen aus dem Vorjahr, Vorverkaufsdaten, Wetterprognosen, Schulferien und Veranstaltungen in der Umgebung. All das zusammenzuführen, dauert mitunter länger als die eigentliche Entscheidung.
In einem IAAPA-Webinar im September 2026 beschrieb Angie Judge, Chief Data & Intelligence Officer bei accesso, die klassische Prognoseplanung als „Raten oder Rechnen“: Entweder diskutieren Teams am Besprechungstisch über eine Zahl oder sie verbringen Stunden mit Tabellen. Gemeinsam mit Mike Evenson, Chief Commercial Officer, erläuterte sie, wie KI diese Arbeit verändern kann – und wie Teams in Attraktionen die bereits vorhandenen Informationen besser nutzen können.
Wer über den Einsatz von KI nachdenkt, sollte bei einer Entscheidung anfangen, die das eigene Team ohnehin regelmäßig trifft. Vier Fragen helfen dabei, den richtigen Ansatzpunkt zu finden.
1. Was würde eine bessere Prognose verändern?
An einem gut besuchten Samstag braucht es möglicherweise mehr Mitarbeitende am Einlass und in der Gastronomie. An einem ruhigeren Tag könnte es sinnvoll sein, eine Werbeaktion anders zu terminieren oder eine Warenbestellung anzupassen.
Die Besucherzahlen des Vorjahres sind ein guter Ausgangspunkt. Aber der Kalender sieht diesmal anders aus: Ferien liegen auf anderen Terminen, vielleicht läuft gerade eine Kampagne, und die Wettervorhersage ändert sich laufend. Judge zeigte, wie KI-gestützte Prognosen diese Faktoren zusammenbringen und aktualisiert werden können, sobald neue Informationen vorliegen.
So kann das Team genau in dem Zeithorizont planen, den es braucht: die Personaleinsatzplanung für morgen, die Planung für den kommenden Monat oder den längerfristigen Budgetzyklus. Mitarbeitende können zusätzliches Wissen einbringen, das dem Modell noch fehlt – etwa eine geplante Schließung – und durchspielen, was passiert, wenn sich diese Pläne ändern.
Finanzen, Marketing und Betrieb arbeiten damit auf Grundlage derselben Prognose, treffen aber jeweils die Entscheidungen, die für ihren Bereich relevant sind.
2. Was passiert, wenn ein Dashboard ein Problem meldet?
Dashboards und Berichte sind hilfreich, um die Geschäftsentwicklung im Blick zu behalten. Sie zeigen zum Beispiel, dass die Gastronomieumsätze an einem besucherstarken Tag zurückgegangen sind. Warum das so ist, verraten sie aber nicht unbedingt.
Vielleicht haben Gäste weniger pro Einkauf ausgegeben. Vielleicht war das Team während einer Stoßzeit unterbesetzt. Oder Gäste empfanden die Preise als zu hoch. Um der Ursache auf den Grund zu gehen, müssen möglicherweise Point-of-Sale-Daten, Besucherströme, Personaleinsatzpläne und Gästekommentare aus verschiedenen Systemen zusammengeführt werden.
Decision Intelligence hilft Teams, diese Informationen miteinander zu verknüpfen und gezielt nachzuforschen. Im Webinar sprach Judge außerdem über Berichte, die automatisch im Hintergrund laufen und Mitarbeitende benachrichtigen, sobald sie eine Auffälligkeit entdecken. So geht weniger Zeit dafür verloren, Berichte nach Problemen zu durchsuchen, die gar nicht existieren.
3. Sind wir uns einig, was die Zahlen bedeuten?
Bevor man eine KI nach den „Besucherzahlen“ fragt, muss klar sein, was genau dazugehört: Ticket-Scans, Eintritte von Mitgliedern und Gruppenbesuche können unterschiedlich gezählt werden. Auch beim Umsatz gelten je nach Ticketing, Einzelhandel und Mitgliedschaften eigene Regeln. Sind diese Definitionen nicht einheitlich, kann selbst eine überzeugend formulierte Antwort falsch sein.
Judge erläuterte, welche Arbeit hinter einer scheinbar einfachen Frage an die KI steckt: Datensätze bereinigen und verknüpfen, betriebliche Kennzahlen eindeutig definieren und zusätzliche Informationen wie Wetter und lokale Veranstaltungen berücksichtigen. Erst diese Grundlage ermöglicht Fragen, die den gesamten Betrieb betreffen, statt an einer einzelnen Systemgrenze zu enden.
Gästefeedback ist dafür ein gutes Beispiel. Einige Kommentare über zu teures Essen können Anlass sein, genauer hinzuschauen. Bevor das Team jedoch Speisekarte oder Preise verändert, sollte es prüfen, wie verbreitet die Kritik tatsächlich ist, ob sie zunimmt und wie sie im Vergleich zu relevanten Benchmarks einzuordnen ist.
4. Wer trifft die Entscheidung?
KI kann auf ein Problem hinweisen, eine Prognose erläutern oder dabei helfen, Szenarien zu testen. Welche Themen Priorität haben, welche Kompromisse vertretbar sind und welche Maßnahme zu den eigenen Gästen und zum Auftrag der Einrichtung passt, entscheidet weiterhin das Team vor Ort.
Führungskräfte müssen nachvollziehen können, worauf eine Empfehlung beruht – und sie hinterfragen können, wenn sie ihren eigenen Erfahrungen widerspricht. Ebenso wichtig sind klare Regeln für den Umgang mit Gästedaten. Eine schnelle Antwort bringt wenig, wenn niemand ihre Grundlage überprüfen kann.
Wählen Sie zunächst eine wiederkehrende Entscheidung aus – etwa die Personalplanung für ein besucherstarkes Wochenende oder die Untersuchung eines unerwarteten Umsatzrückgangs. Klären Sie dabei:
- Welche Informationen nutzen wir heute, und in welchen Systemen liegen sie?
- Welche externen Faktoren beeinflussen die Antwort?
- Wie häufig müssen wir die Entscheidung neu bewerten?
- Wer prüft die Empfehlung und entscheidet über die nächsten Schritte?
Die Antworten zeigen, wo Sie ansetzen sollten. Vielleicht braucht Ihre Attraktion zunächst sauberere Daten statt eines neuen KI-Modells. Vielleicht ist die Prognose bereits zuverlässig, erreicht aber noch nicht die Menschen, die den Tagesbetrieb planen.
accesso Intelligence ist eine Decision-Intelligence-Plattform für die Erlebniswirtschaft. Sie verbindet Betriebsdaten mit Branchenkontext, damit Teams in Attraktionen ihre Performance analysieren und vorausschauend planen können. Der erste Schritt: Benennen Sie die Entscheidung, für die Sie eine fundiertere Antwort brauchen.