AI & Analytik

Forecasting

Kiosa Glossar AI & Analytik Von Sven Schneider · Aktualisiert am 2. Juli 2026

Forecasting bezeichnet die Prognose zukünftiger Umsätze basierend auf historischen Daten, Wochentagen, Saisonalität, Wetter und lokalen Events. In der Gastronomie ist es die Grundlage für umsatzbasierte Dienstplanung, Wareneinkauf und Liquiditätsplanung.

Grundlegende Einflussfaktoren

  • Wochentag: Der größte Einzelfaktor — Samstag vs. Dienstag kann Faktor 3 bedeuten
  • Saisonalität: Monatliche und jährliche Schwankungen nach Konzept und Lage
  • Wetter: Aussentemperatur, Regen und Sonnenschein beeinflussen Gästezahlen signifikant
  • Lokale Events: Messen, Konzerte, Sportevents, Schulferien
  • Feiertage: Muttertag, Valentinstag, Weihnachten — mit z.T. extrem hohen Abweichungen
  • Langfristiger Trend: Wachstum oder Rückgang über mehrere Monate

Methoden

Einfache Methoden verwenden gleitende Durchschnitte der Vorwoche oder des Vorjahres. Fortgeschrittene Ansätze nutzen Machine-Learning-Modelle (z. B. Gradient Boosting, neuronale Netze), die alle Faktoren gleichzeitig gewichten. Moderne ML-Modelle erzielen einen Mean Absolute Percentage Error (MAPE) unter 10 % auf Tagesbasis — das reicht für prazise Dienstplanung.

MAPE als Gütemaßstab

MAPE = ∅(|Prognose − Ist| / Ist) × 100

MAPEQualität
< 5 %Exzellent
5–10 %Gut — für Personalplanung geeignet
10–15 %Akzeptabel
> 15 %Unzureichend

Quelle: Erfahrungswerte aus 10 eigenen Betrieben (Mama Trattoria, Hamburg) und Kiosa-Kundendaten.

Anwendung in der Praxis

Mit einem Forecast für die nächste Woche können Dienstpläne automatisch auf den erwarteten Umsatz abgestimmt werden. Statt fixer Wochenschichten wird die Personalstärke tag- und schichtgenau angepasst. Eine Reduzierung der Überbesetzung um 10 % spart bei einer Kette mit 10 Standorten schnell sechsstellige Beträge pro Jahr.


Verwandte Begriffe


Diese KPI automatisch tracken

Kiosa berechnet alle gastronomischen KPIs täglich automatisch — für jeden Standort, ohne Tabellenkalkulationen.

Kiosa Demo buchen →