Case Study
Restaurant senkt Personalkosten durch Forecasting
Ein Stadtrestaurant mit 180 Sitzplätzen und sieben Öffnungstagen pro Woche hat die Personalkosten innerhalb von acht Monaten um 11 % gesenkt — bei gleichzeitig um 16 % gesteigerter Personalproduktivität (Umsatz je Einsatzstunde). Grundlage war ein KI-gestütztes Forecasting, das die bedarfsgerechte Besetzung stundenscharf und nicht mehr in Schichtblöcken steuert.
Ausgangslage
Untersucht wird ein Stadtrestaurant mit 180 Sitzplätzen in einer westdeutschen Großstadt. Das Konzept ist ein Vollservice-Betrieb mit mittags dominanter Geschäftskundschaft (Büroumfeld) und abends gemischter Privat- und Geschäftskundschaft. Geöffnet ist montags bis samstags von 11:00 bis 23:00 Uhr, sonntags von 11:30 bis 21:00 Uhr. Stationen: Küche (warm/kalt), Pass, Service (Tischservice mit zwei Zonen), Theke/Bar, Kasse.
Das Team umfasst 28 Mitarbeitende, davon 20 im Service- und Küchenbereich. Die Dienstplanung wurde bisher über eine Mischung aus fixen Schichtblöcken (Mittagsschicht 11:00–16:00, Abendschicht 17:00–22:00) und Schichtleitungserfahrung erstellt. Überstunden wurden als Puffer eingesetzt, wenn das Aufkommen höher als geplant ausfiel; FrühFeierabende gab es an schwachen Tagen. Eine systematische Messung des Aufkommens und der Produktivität fand nicht statt.
Problem
Die Personalkostenquote lag im Jahresmittel bei 34,8 % und damit am oberen Rand der Branchenbandbreite für Vollservice (typisch 30–35 %). Eine interne Auswertung der letzten zwölf Monate zeigte drei Treiber:
- Schichtblöcke überbesetzen Randzeiten. Die Mittagsschicht 11:00–16:00 Uhr war von der Besetzung auf die Hauptlastzeit 12:00–14:00 Uhr ausgelegt. Vor 11:45 Uhr und nach 14:30 Uhr lag die Auslastung im Service bei unter 25 %, die Stunden fielen ohne Umsatz an. Gleichzeitig war die Hauptlastzeit 12:30–13:30 Uhr mit der gleichen Besetzung nur knapp ausreichend versorgt.
- Überstunden als Routinepuffer. Im Mittel fielen 7,8 Überstunden pro Woche und Mitarbeitenden im Service an, überwiegend an Tagen mit unterschätztem Aufkommen. Die Überstunden wurden mit 25 % Zuschlag vergütet und trieben die Personalkostenquote um rund 1,8 Prozentpunkte nach oben.
- Wochenendplanung ignorierte Aufkommensstruktur. Samstags lag das Aufkommen fast auf Werktagniveau, sonntags deutlich niedriger — besetzt wurde aber an beiden Tagen mit gleicher Kopfzahl. Sonntags resultierten regelmäßige Frühfeierabende, ohne dass die freigewordenen Stunden in andere Zeiten verlagert wurden.
Die Personalproduktivität, gemessen als Umsatz je Einsatzstunde, lag bei 52 Euro und damit rund 9 % unter dem Branchenbenchmark für vergleichbare Vollservice-Betriebe (57 Euro). Eine Gästebefragung zeigte keine nennenswerten Servicequalitätsprobleme — die Kosten waren also nicht die Folge besonderer Servicequalität, sondern einer unpräzisen Besetzung. Überbesetzung und reaktive Überstunden statt präventiver, bedarfsgerechter Planung waren die Kernursachen.
Datenbasis
Die Auswertung basiert auf 24 Monaten Kassen- und Einsatzdaten (1. Januar 2022 bis 31. Dezember 2023). Datengrundlagen:
- Kassenbons je Tisch, Artikel und Zeitstempel (Bestellung, Ausgabe, Bezahlung), 24 Monate, ca. 1,1 Mio. Transaktionen.
- Erfassungssystem Einsatzdaten mit Schichtbeginn/-ende, Stationszuordnung und Überstunden je Mitarbeitendem und Tag.
- Wetterdaten für den Standort (Temperatur, Niederschlag, Sonnenscheindauer).
- Ferienkalender und lokale Feiertage.
- Veranstaltungskalender für das Einzugsgebiet (Messen, Stadion-Events, Innenstadtfeste).
Datenqualität war hoch. In den Einsatzdaten fielen 2,1 % der Einträge auf unscharfe Stationszuordnungen (Springer zwischen Stationen) und wurden für die Stationsauswertung bereinigt, für die Tagesprognose jedoch belassen. Die Vorab-Analyse bestätigte erwartbare Treiber: Ferientage senken das Mittagsgeschäft um 8 %, Messtage heben das Abendgeschäft um 17 %, sonnige Abende heben das Privataufkommen um 12 %.
Besonders aufschlussreich war die Gegenüberstellung von Einsatzstunden und Aufkommen je Stunde: Im Mittel lag das Verhältnis über alle Öffnungsstunden bei 1,43 Einsatzstunden pro 100 Euro Umsatz. In den Randstunden (vor 11:45, nach 14:30) lag es bei 3,1 — ein klarer Indikator für systematische Überbesetzung an den Rändern.
Analyse
Die Auswertung machte vier Befunde sichtbar, die die bisherige Blockplanung nicht erfasste:
- Aufkommen folgt einer Doppelhelix, nicht einem Block. Der Mittagsgipfel liegt zwischen 12:00 und 14:00 Uhr, der Abendgipfel zwischen 18:30 und 21:00 Uhr. Dazwischen fällt das Aufkommen zwischen 15:00 und 17:30 Uhr auf unter 30 % der Spitzenlast. Eine durchgehende Mittagsschicht mit gleicher Besetzung überbesetzt das Nachmittagsfenster strukturell.
- Wochenendprofile sind werktagverschieden. Samstags verschiebt sich der Abendgipfel um eine Stunde nach hinten (19:30–22:00 Uhr) und fällt höher aus. Sonntags konzentriert sich das Aufkommen auf das Mittagsgeschäft (12:00–14:30 Uhr), das Abendgeschäft ist marginal. Eine samstags- und sonntagsgleiche Besetzung ist in beide Richtungen falsch.
- Überstunden sind kein Zufall. 71 % der Überstunden fielen an Tagen mit unterschätztem Aufkommen — meistens nach Messtagen oder an unvorhergesehen sonnigen Abenden. Das heißt: Überstunden sind die Folge einer Prognose, die diese Treiber nicht enthält.
- Stundenverteilung ist unausgewogen. 38 % der Einsatzstunden fielen in Stunden mit unter 30 % der Spitzenauslastung, nur 22 % in Stunden mit über 70 %. Eine effizientere Verteilung müsste dieses Verhältnis spiegeln.
Aus der Analyse ergab sich die Zielvorgabe: Stunden aus überbesetzten Randzeiten abbauen, Stunden in die echten Spitzenfenster und an die Engpass-Station verschieben, Überstunden durch präzise Prognose reduzieren — ohne dass die Servicequalität in den Spitzenfenstern sinkt.
Lösung
Umgesetzt wurde ein KI-gestütztes Forecasting mit stundenscharfer, bedarfsgerechter Besetzung. Die methodischen Grundlagen werden in der Pillar-Page zur Personaleinsatzplanung und im Beitrag zum Restaurant Forecasting dargestellt.
- Stundenscharfes KI-Forecasting. Auf Basis der 24-Monats-Daten wurde ein Forecasting-Modell trainiert, das für jede Öffnungsstunde der kommenden vier Wochen das erwartete Gästeaufkommen prognostiziert — inklusive Wochentag, Wettervorhersage (72 Stunden im Voraus), Ferienkalender und Veranstaltungskalender. Mittlere Prognosegüte (MAPE): 7,9 % auf Stundenebene, 5,4 % auf Tagesebene.
- Stundenscharfe statt blockweise Besetzung. Aus Prognose und gemessenen Durchsatzraten je Station wurde der Personalbedarf je Stunde und Station berechnet. Statt einer fixen Mittagsschicht 11:00–16:00 Uhr gibt es jetzt eine gestaffelte Besetzung: An die Spitzenstunden 12:00–14:00 Uhr werden mehr Kräfte eingeplant, an die Randstunden davor und danach deutlich weniger. Randstunden werden mit Teilzeit- und Minijob-Kräften abgedeckt, die explizit für 2–3-Stunden-Schichten verfügbar sind.
- Versetzte Schichtstarts und -enden. Anstelle zweier Blöcke (Mittag 11:00–16:00, Abend 17:00–22:00) gibt es jetzt vier bis fünf gestaffelte Schichten je Tag (z. B. 11:00–15:00, 11:30–14:30, 17:30–22:30, 18:00–21:00). Das bildet die Doppelhelix ab und vermeidet Rand-Überbesetzung.
- Sonntags spezifische Planung. Sonntags entfällt die Abendschicht weitgehend, das Team wird auf eine mittagskonzentrierte Besetzung umgestellt. Freigewordene Stunden werden in die Samstags-Abendspitze verschoben, wo der Bedarf höher ist.
- Überstunden-Reduktion durch präzise Prognose. Da das Modell Mess- und Veranstaltungstage erkennt, wird das Aufkommen für diese Tage präventiv höher besetzt. Überstunden sinken, weil die Stunden vorher eingeplant statt nachträglich gepuffert werden.
- Wöchentliches Produktivitäts-Review. Ein Dashboard zeigt Einsatzstunden, Umsatz je Stunde, Personalproduktivität und Überstunden je Tag und Station. Abweichungen > 10 % zur Prognose werden analysiert und ins nächste Modell-Update eingespeist.
Begleitend wurde die Schichtleitung in der Engpass-Logik und der stundenscharfen Bedarfsableitung geschult — Grundlagen dazu im FAQ zur Stationsoptimierung. Detailfragen zur Schichtgestaltung werden im Artikel Schichtplan in der Gastronomie richtig erstellen behandelt, zur Berechnung des Personalbedarfs im Artikel Personalbedarf im Restaurant berechnen.
Ergebnis
Gemessen wurde über acht Monate nach Einführung (Mai 2024 bis Dezember 2024) im Vergleich zum Vorjahreszeitraum. Berücksichtigt wurden nur Voll- und Teilzeit-Stunden sowie Überstunden, nicht investive Stunden (Schulung, Reinigung außerhalb Öffnungszeit).
| Kennzahl | Vorher | Nachher | Veränderung |
|---|---|---|---|
| Personalkostenquote (% Umsatz) | 34,8 % | 31,0 % | −3,8 Pkt. |
| Personalkosten absolut (Index) | 100 | 89,0 | −11,0 % |
| Einsatzstunden pro Monat | 3.420 | 3.180 | −7,0 % |
| Personalproduktivität (Umsatz/Einsatzstunde, Euro) | 52 | 60,3 | +16,0 % |
| Überstunden pro Woche und Kopf | 7,8 | 2,6 | −66,7 % |
| Einsatzstunden in Stunden < 30 % Spitzenlast | 38 % der Stunden | 18 % | −20 Pkt. |
| Einsatzstunden in Stunden > 70 % Spitzenlast | 22 % | 41 % | +19 Pkt. |
| Mittlere Wartezeit Tischservice Spitze (Min.) | 6,1 | 5,8 | −4,9 % |
| Gäste pro Öffnungsstunde | 26 | 28 | +7,7 % |
| Planungsaufwand Schichtleitung (Min./Woche) | 120 | 45 | −62,5 % |
Die Personalkosten sanken um 11 %, die Einsatzstunden um 7 %. Die Differenz erklärt sich aus dem Überstundenabbau (−67 %): Überstunden wurden mit 25 % Zuschlag vergütet, ihr Wegfall senkt die Kosten überproportional zur Stundenreduktion. Die Personalkostenquote sank um 3,8 Prozentpunkte auf 31,0 % und liegt damit im mittleren Branchenbereich.
Die Personalproduktivität stieg um 16 %, weil zwei Effekte zusammenkamen: Die Stundenmenge sank, und der Umsatz stieg leicht (+7,7 % Gäste pro Öffnungsstunde), da die Spitzenfenster besser besetzt waren und die Servicequalität dort nicht sank. Die Wartezeit im Tischservice verbesserte sich marginal (−4,9 %) — das war erwartbar, weil das Ausgangsniveau bereits gut war und die Maßnahme nicht primär auf Wartezeit, sondern auf Kosten abzielte. Die Stundenverteilung drehte sich von überbesetzten zu spitzenlastigen Stunden: Der Anteil in Stunden über 70 % Spitzenlast stieg von 22 % auf 41 %.
Der Planungsaufwand der Schichtleitung sank um 62,5 %, weil die Besetzung aus der Prognose kommt und nur noch korrigiert wird. Frei werdende Zeit wurde in Produktivitäts-Review und Gästekommunikation verlagert. Überstundenabbaubedingte Mehrzufriedenheit im Team zeigte sich in einem Krankenstand, der von 6,1 % auf 4,4 % sank — ein willkommener, nicht primär angestrebter Nebeneffekt.
Kennzahlen im Überblick
Alle zentralen Ergebnisse auf einen Blick. Eine breitere Einordnung der Kennzahlen findet sich im Artikel Kennzahlen der Stationsoptimierung, Methoden zur Bedarfsberechnung im Artikel Personalbedarf im Restaurant berechnen.
| Personalkostenquote | −3,8 Pkt. (34,8 → 31,0 %) |
| Personalkosten absolut | −11 % (Index 100 → 89) |
| Einsatzstunden pro Monat | −7 % (3.420 → 3.180) |
| Personalproduktivität (Umsatz/Einsatzstunde) | +16 % (52 → 60,3 Euro) |
| Überstunden pro Woche/Kopf | −67 % (7,8 → 2,6) |
| Stunden in < 30 % Spitzenlast | −20 Pkt. (38 → 18 %) |
| Stunden in > 70 % Spitzenlast | +19 Pkt. (22 → 41 %) |
| Wartezeit Tischservice Spitze | −4,9 % (6,1 → 5,8 Min.) |
| Gäste pro Öffnungsstunde | +7,7 % (26 → 28) |
| Planungsaufwand Schichtleitung | −62,5 % (120 → 45 Min./Woche) |
| Krankenstand | −1,7 Pkt. (6,1 → 4,4 %) |
| Prognosegüte (MAPE) Stundenebene | 7,9 % |
Die Case Study zeigt, dass Personalkostensenkung in der Gastronomie nicht primär eine Frage der Lohnhöhe, sondern der Besetzungspräzision ist. Wer Stunden aus überbesetzten Randzeiten und aus reaktiven Überstunden in die echten Spitzenfenster verlagert, senkt die Kosten und hebt gleichzeitig die Produktivität — weil Stunden dort eingesetzt werden, wo sie Umsatz erzeugen. Voraussetzung ist ein verlässliches, stundenscharfes Forecasting.
Häufige Fragen zu dieser Case Study
Wie können Personalkosten sinken, ohne dass die Servicequalität leidet?
Weil die Stunden nicht pauschal gekürzt, sondern verlagert wurden: aus überbesetzten Randzeiten und reaktiven Überstunden in die echten Spitzenfenster. In den Spitzen stieg die Besetzung sogar, die Wartezeit sank leicht. Qualitätseinbußen traten nicht auf, weil die Kürzung an Stunden mit ohnehin geringem Aufkommen ansetzte.
Warum sanken die Kosten stärker als die Stunden?
Weil Überstunden mit 25 % Zuschlag vergütet wurden. Ihr Abbau senkt die Kosten überproportional zur Stundenreduktion. 71 % der Überstunden vorher waren Folge unterschätzten Aufkommens — mit präziser Prognose werden sie präventiv eingeplant statt nachträglich gepuffert.
Wie zuverlässig ist ein Forecasting mit 24 Monaten Daten?
24 Monate liegen im empfohlenen Korridor. Die Prognosegüte (MAPE) lag bei 7,9 % auf Stundenebene. Saisonalitäten und Veranstaltungseffekte sind gut abgebildet; langfristige Strukturbrüche (z. B. neue Konkurrenz im Einzugsgebiet) müssen manuell nachgeführt werden.
Sind die Ergebnisse auf andere Restaurants übertragbar?
Die Methode ist übertragbar, die konkreten Zahlen nicht. Der Hebel ist am größten bei Betrieben mit ausgeprägter Doppelhelix (Mittags- und Abendgeschäft), hohem Überstundenanteil und starker Wochentag-Schwankung. Reine Quick-Service-Betriebe haben ein etwas anderes Kostenprofil.
Was passiert, wenn die Prognose falsch liegt?
Abweichungen > 10 % werden im wöchentlichen Review analysiert und ins nächste Modell-Update eingespeist. Die Schichtleitung kann kurzfristig korrigieren (Springer, Nachbesetzung). Das Modell lernt aus jeder Abweichung — die Prognosegüte steigt im Lauf der Monate.
Wie lang dauerte die Einführung bis zu messbaren Ergebnissen?
Erste messbare Effekte nach sechs Wochen (Überstundenabbau, Stundenverschiebung). Die vollen 11 % Kostenreduktion waren nach acht Monaten erreicht — der Zeitraum, über den gemessen wurde. Im ersten Monat lag die Abweichung Prognose/Ist noch bei 14 %, nach drei Monaten unter 9 %.