Kurz gesagt
KI-Preisgestaltung im Hotel heißt: Ein Prognosemodell schätzt aus Auslastung, Buchungseingang, Vorlaufzeit und Ereignissen die Nachfrage der kommenden Tage und schlägt dafür einen Zimmerpreis vor. Es ersetzt keine Preisstrategie. Du legst Mindest- und Höchstpreise fest, entscheidest, ob jede Empfehlung freigegeben wird, und prüfst regelmäßig, ob die Vorschläge zu deinem Haus passen.
Das Wichtigste in Kürze
- Ein Preismodell prognostiziert Nachfrage und rechnet daraus einen Preisvorschlag. Die Strategie und die Grenzen legst du fest.
- Die Qualität der Empfehlung hängt von sauberen Buchungsdaten ab, vor allem von Stornos, Sperren und echten Preisen der Vergangenheit.
- Mindestpreis, Höchstpreis und Freigabe sind die Leitplanken, die ein Modell sicher machen, dazu ein fester Kontrolltermin pro Woche.
- Eine Studie der Universität Salzburg rät, das Wissen erfahrener Revenue Manager mit dem Modell zu verbinden.
Was KI-Preisgestaltung im Hotel bedeutet
KI-Preisgestaltung ist ein Verfahren, bei dem ein Rechenmodell aus früheren und aktuellen Buchungsdaten die Nachfrage für kommende Tage schätzt und daraus einen Zimmerpreis vorschlägt. Das Modell liefert eine Empfehlung. Ob der Preis im Kalender landet, bestimmt die Einstellung im System und am Ende dein Team.
Der Unterschied zur klassischen Preisregel liegt im Rechenweg. Eine Regel sagt: „Ab 80 Prozent Auslastung plus 10 Euro.“ Ein Modell gewichtet mehrere Signale gleichzeitig und kann Muster erkennen, die du beim Blick in den Kalender nicht siehst, etwa dass Buchungen für ein bestimmtes Wochenende diesmal früher eintreffen als in den Vorjahren.
Beide Verfahren haben ihren Platz. Regeln sind leicht zu prüfen und passen, wenn deine Nachfrage stabil ist. Modelle lohnen sich, wenn viele Einflüsse zusammenkommen und du nicht jeden Tag den Kalender lesen kannst.
Was das Modell tatsächlich rechnet
Ein Preismodell arbeitet in zwei Schritten. Zuerst prognostiziert es, wie viele Zimmer an einem Datum voraussichtlich gebucht werden, wenn der Preis unverändert bleibt. Danach bewertet es, wie sich ein höherer oder niedrigerer Preis auf Auslastung und Erlös auswirken dürfte. Der vorgeschlagene Preis ist das Ergebnis dieser zweiten Rechnung.
Für die Prognose nutzt das Modell, was dein Haus ohnehin aufzeichnet: Auslastung, Buchungseingang, Vorlaufzeit und bekannte Ereignisse am Ort. Je länger die Geschichte, desto stabiler die Schätzung. Ein Betrieb mit ein bis zwei Jahren sauberer Buchungsdaten liefert dem Modell mehr als ein Haus, das gestern umgestellt hat.
Was das Modell nicht weiß, steht in keiner Datenbank. Dass die Straße vor dem Haus ab Montag gesperrt ist, dass die Hochzeitsgesellschaft nächste Woche vier Zimmer mehr braucht oder dass Stammgäste immer im Mai kommen, ohne früh zu buchen, weißt du. Deshalb bleibt die Freigabe bei Menschen.
Signale, die in eine Empfehlung einfließen
Die Auslastung für das Zieldatum zeigt, wie voll das Haus schon ist. Der Buchungseingang (Pickup) zeigt, wie schnell sich das Haus in den letzten Tagen gefüllt hat. Die Vorlaufzeit sagt, wie viele Tage vor Anreise deine Gäste üblicherweise buchen. Ereignisse wie Messen, Feiertage oder Ferien erklären Ausschläge, die kein Normalmuster zeigt.
Wettbewerberpreise nutzen manche Anbieter als weiteres Signal. Prüfe bei jedem System, woher diese Preise stammen und ob du den Abgleich überhaupt willst. Ein Haus mit eigenem Profil muss sich nicht am Nachbarn ausrichten.
Wo Modelle an Grenzen stoßen
Ein Modell kann nur aus Mustern lernen, die in den Daten vorkommen. Bei neuen Situationen liegt es daneben: ein neu eröffnetes Haus, ein umgebautes Zimmerangebot, ein Ereignis, das es am Ort noch nie gab. In solchen Wochen ist die Empfehlung ein Hinweis und keine Antwort.
Verzerrte Daten verzerren auch die Prognose. Waren Zimmer im vergangenen Sommer wegen einer Renovierung gesperrt und wurde die Sperre nicht als Sperre erfasst, liest das Modell eine schwache Nachfrage, die es nie gab. Stornierte Buchungen, Gruppenpreise und Sonderkonditionen wirken ähnlich.
Eine Studie der Universität Salzburg untersuchte mehr als fünf Millionen Preisempfehlungen eines Hotel-Revenue-Management-Systems. Nach Angaben der Wirtschaftskammer Steiermark hielten die Verantwortlichen die Empfehlungen für wertvoll, setzten sie aber oft nicht oder nur teilweise um. Die Studie rät, Erfahrung und Modell zu verbinden, weil erfahrene Revenue Manager Wissen besitzen, das dem Modell fehlt.
Leitplanken und Freigabe festlegen
Leitplanken sind Grenzen, die ein Preismodell nicht überschreiten darf. Sie sind der Grund, warum ein Hotel einem Modell vertrauen kann, ohne jede Zahl selbst zu rechnen. Drei Leitplanken gehören in jedes Setup: ein Mindestpreis, ein Höchstpreis und eine Regel, wer Änderungen freigibt.
Der Mindestpreis schützt deine Kosten und dein Preisniveau. Lege ihn je Zimmerkategorie fest, etwa nach deiner Deckungsbeitragsrechnung. Der Höchstpreis schützt das Verhältnis zu Stammgästen und zu deiner Direktbuchungsseite. Beide Grenzen gelten auch dann, wenn das Modell einen Ausreißer berechnet.
Bei der Freigabe hast du zwei Wege. Beim ersten gibt eine Person jede Empfehlung frei. Beim zweiten übernimmt das System Empfehlungen innerhalb enger Grenzen selbst, etwa bis zu 10 Prozent Abweichung vom aktuellen Preis, und fragt nur bei größeren Sprüngen. Starte mit dem ersten Weg, bis du dem Modell über mehrere Wochen vertraust.
Diese Leitplanken legst du vor dem Start fest
- Mindestpreis je Zimmerkategorie, begründet aus deinen Kosten
- Höchstpreis je Zimmerkategorie, abgestimmt auf Stammgäste und Direktbuchungsseite
- Maximale Änderung pro Tag, bei der noch automatisch übernommen wird
- Person, die Empfehlungen freigibt, und ihre Vertretung
- Tage, an denen nie automatisch geändert wird, zum Beispiel Gruppen- und Messezeiten
- Wöchentlicher Termin, an dem du Empfehlungen und Ergebnisse vergleichst
Beispiel: eine Empfehlung im Hotel Nordlicht
Angenommen, das Hotel Nordlicht mit 24 Zimmern hat für ein Wochenende in sechs Wochen ein Doppelzimmer Standard zu 129 Euro im Kalender. Das Modell sieht, dass das Haus in diesem Zeitraum schneller füllt als im Vorjahr, und schlägt 149 Euro vor. Die Zahlen sind ein Rechenbeispiel, keine Marktangabe.
Die Inhaberin prüft die Empfehlung. Dein Mindestpreis liegt bei 110 Euro, der Höchstpreis bei 180 Euro, der Vorschlag liegt dazwischen. Du weiß aber, dass am selben Wochenende zum ersten Mal ein Stadtfest stattfindet. Der Termin steht erst seit gestern fest und ist noch nicht als Ereignis erfasst. Sie gibt 159 Euro frei, einen Wert, den das Modell ohne dieses Wissen nicht vorschlagen konnte.
So sieht das in STRYK aus
STRYK Pricing Intelligence ist ein Zusatzmodul, das Preisempfehlungen aus Auslastung, Buchungseingang, Vorlaufzeit und Ereignissen berechnet. Du setzt die Grenzen und gibst Empfehlungen frei oder lässt sie innerhalb dieser Grenzen automatisch anwenden. Zu jeder Empfehlung zeigt STRYK die Begründung.
Das Modul garantiert keine Umsatzsteigerung und nutzt keine Wettbewerberpreise. Es arbeitet mit nachvollziehbaren Regeln und Modellen. Es ist nicht im Grundpreis enthalten. Du testest es einen Monat kostenlos. Danach kostet es nur nach ausdrücklicher Aktivierung 1,9 % des in STRYK nachgewiesenen Zimmerumsatzes, solange das Modul aktiv ist.
Eine Wochenroutine, die Empfehlungen prüfbar macht
Ein Preismodell braucht einen festen Termin, an dem Menschen hinsehen. Plane 20 bis 30 Minuten pro Woche ein, am besten montags, wenn die Zahlen der Vorwoche vollständig sind. Teilnehmen sollten die Person, die Preise freigibt, und die Rezeption, die den Gästekontakt hat.
Vergleiche bei jedem Termin drei Dinge. Wo lagen Empfehlung und freigegebener Preis auseinander und warum? Welche Tage sind schneller oder langsamer gefüllt als erwartet? Welche Ereignisse der nächsten acht Wochen kennt das Modell nicht? Notiere die Antworten, damit du nach einem Quartal siehst, ob das Modell in deinem Haus besser trifft als deine Preisregeln.
Der Wochentermin in vier Schritten
Abweichungen ansehen
Liste die Tage, an denen du die Empfehlung geändert oder abgelehnt hast, mit Begründung in einem Satz.
Buchungsverlauf prüfen
Vergleiche Auslastung und Buchungseingang der kommenden acht Wochen mit dem Vorjahr.
Ereignisse ergänzen
Trage Feste, Gruppen und Sperren ein, die dem Modell fehlen.
Grenzen anpassen
Änder Mindest- oder Höchstpreise nur, wenn mehrere Wochen dasselbe Muster zeigen.
Häufige Fragen
Kann KI die Hotelpreise ganz allein festlegen?
Technisch ja, empfehlenswert ist es nicht. Ein Modell kennt nur Daten, keine lokalen Besonderheiten. Lege Mindest- und Höchstpreis fest und lass das System erst nach einigen Wochen mit manueller Freigabe innerhalb dieser Grenzen automatisch ändern.
Ab wie vielen Zimmern lohnt sich ein Preismodell?
Eine feste Zimmergrenze gibt es nicht. Entscheidend ist, ob deine Nachfrage stark schwankt und ob du genug Buchungsdaten hast. Ein Haus mit 12 Zimmern und stabiler Nachfrage kommt mit Preisregeln oft aus, ein Haus mit starken Saisonspitzen profitiert eher von Empfehlungen.
Welche Daten braucht ein Preismodell?
Mindestens die Buchungshistorie mit Anreise, Abreise, Kategorie, Preis, Stornos und Sperren. Je sauberer diese Daten sind, desto belastbarer ist die Prognose. Fehlende Sperren und falsch erfasste Gruppenpreise verzerren die Empfehlung.
Wie erkenne ich, ob eine Preisempfehlung gut war?
Vergleiche nach vier bis acht Wochen Auslastung, Durchschnittspreis und Erlös pro verfügbarem Zimmer (RevPAR) mit dem Vorjahr und mit deinen bisherigen Preisregeln. Berücksichtige dabei Ereignisse und Sperren, sonst vergleichst du unterschiedliche Bedingungen.
Ersetzt ein Preismodell die Revenue-Management-Strategie?
Nein. Die Strategie beantwortet, welche Gäste du wann und zu welchem Preisniveau willst. Das Modell rechnet innerhalb dieses Rahmens. Ohne klare Strategie und Grenzen rechnet es auf Ziele, die nicht zu deinem Haus passen.
Quellen
- Wirtschaftskammer Steiermark: Wenn KI die Hotelpreise neu denkt (Studie Universität Salzburg, Prof. Alexander Wagner), abgerufen am 13. Oktober 2026
Teste STRYK mit deinem echten Hotelalltag
14 Tage kostenlos, ohne Einrichtungsgebühr. Wir richten deine Zimmer, Preise und ersten Abläufe gemeinsam mit dir ein.