Wie Restaurantbetreiber mit automatisierten Sales-Prognosen Lebensmittelverschwendung und Personalkosten senken.
Die Zahlen: Was schlechte Prognosen kosten
Ein Restaurant mit 80 Sitzplätzen und 500 EUR Tagesumsatz: Bei 15 % Lebensmittelverschwendung durch Überbestellung entstehen monatlich 2.250 EUR Verlust durch weggeworfene Ware. Bei 20 % überbesetzten Personalstunden (4 Mitarbeiter × 3 h × 15 EUR) weitere 1.080 EUR. Gesamt: 3.330 EUR verschwendet pro Monat — allein durch fehlende Prognose.
Welche Daten die Prognose antreiben
Verlässliche Sales-Prognosen brauchen historische Daten aus deinem Kassensystem (POS): Umsatz nach Tag, Uhrzeit und Wochentag. Zusätzlich verbessern folgende Signale die Genauigkeit: lokale Veranstaltungen (Messen, Konzerte), Wetterdaten (Sonnenschein = Terrasse), Feiertage und Schulferien.
| Datenpunkt | Einfluss auf Prognose | Quelle |
|---|---|---|
| POS-Umsatz letzte 90 Tage | Hoch | Kassensystem API |
| Wetter (Temperatur/Niederschlag) | Mittel | Open-Meteo API (kostenlos) |
| Lokale Events | Hoch (tagesabhängig) | Manuell einpflegen / Eventbrite |
| Feiertage | Sehr hoch | Fixer Kalender |
Wie der Prognose-Workflow aufgebaut ist
n8n zieht täglich Daten aus POS-System und Wetter-API. Ein einfaches Regressionsmodell (Python-Skript oder GPT-4 Analyse) berechnet den Prognose-Umsatz für die nächsten 7 Tage. Das Ergebnis wird als Tabelle an den Betreiber und den Einkäufer gesendet — mit Bestellempfehlung für die wichtigsten Warengruppen.
Realistisches Einsparpotenzial
Erfahrungswerte aus VIS2LEAD-Projekten: Lebensmittelverschwendung −30 bis −50 %, Überbesetzung −20 %. Bei einem Restaurant mit 15.000 EUR Monatsumsatz: Einsparung 800–1.500 EUR/Monat. Einrichtungsaufwand: 3–5 Werktage.