Die Türen sind zu laut, die Schalldämmung in einigen Zimmern reicht nicht. Das weiss jeder Direktor, der seine Gäste kennt. Für den Eigentümer bleibt es trotzdem ein Gefühl, und für ein Gefühl gibt niemand gerne Geld aus. Dabei steht die Begründung oft längst in den Gästebewertungen.

Viele Hotels behandeln Bewertungen dennoch als Pflichtaufgabe: lesen, antworten, weiter. Bei den Imlauer Hotels, fünf familiengeführten Häusern in Salzburg, Wien und der Steiermark, übernimmt das Antworten weitgehend die KI von MARA Solutions. «Das ist eine Menge Arbeit, die nicht mehr gemacht werden muss, weil das System 90 Prozent übernimmt», sagt Hoteldirektor Johannes Rott. Das schafft Zeit für die eigentliche Frage: Was verraten die Rückmeldungen über den Betrieb?

Der Beweis für den Eigentümer
«Die Bewertungen bestätigen, was wir vermuten, etwa dass die Schalldämmung nicht gut genug ist oder Türen ersetzt werden müssen», sagt Johannes Rott. «Das ist der Beweis. Wenn man zum Eigentümer geht und sagt, wir müssen investieren, weil wir die Daten von Kundenseite haben, macht es das einfacher.» Bei Imlauer stehen Bewertungen deshalb jede Woche auch im Revenue-Meeting auf der Agenda. Denn steigt der Score von 8,3 auf 8,5, wirkt sich das direkt auf den Umsatz aus.

Diesen Zusammenhang macht MARA mit dem Revenue Impact sichtbar. Hat ein Thema wie Schalldämmung oder Sauberkeit einen negativen Einfluss auf die Bewertungen, rechnet MARA diesen in einen voraussichtlichen Umsatzverlust um. So lässt sich eine wiederkehrende Beschwerde direkt mit den Kosten ihrer Behebung vergleichen.

Wissen, das bei den Teams ankommt
Oft erreichen Erkenntnisse aus Bewertungen nicht die Menschen, die etwas verändern können. Der AI Research Assistant von MARA dreht das um und informiert Mitarbeitende proaktiv darüber, was Gäste kritisieren und loben. Der F&B-Manager eines Hauses erhält etwa monatlich automatisch eine Zusammenfassung aller Bewertungen zu Restaurant und Frühstück, inklusive ihres Einflusses auf das Gesamtrating, per E-Mail und ohne eigenen Zugang zur Plattform. So kommt Lob dort an, wo es motiviert, und Kritik dort, wo sie behoben werden kann.

Noch direkter geht es bei Mängeln. Erwähnt ein Gast einen defekten Fernseher, erstellt MARA daraus automatisch ein Ticket für Housekeeping oder Haustechnik, samt Zimmernummer aus dem PMS. «Es muss niemand mehr morgens Bewertungen lesen und Wartungsthemen von Hand eintippen», sagt Rott.

Für Fortgeschrittene: Bewertungen mit Betriebsdaten verknüpfen
Führende Anbieter stellen inzwischen sogenannte MCP-Schnittstellen bereit, über die sich Bewertungsdaten direkt mit KI-Systemen wie Claude oder ChatGPT verbinden lassen. Auch MARA bietet eine solche Schnittstelle. Zusammen mit Daten aus dem PMS lassen sich so Fragen beantworten, für die es früher einen Datenanalysten gebraucht hätte: Wie hängen Bewertungen mit der Auslastung zusammen? Bewerten Kurzfristbucher anders als Frühbucher? Und wie verändert sich die Zufriedenheit, wenn die ADR steigt?

Am Ende geht es um den Unterschied zwischen «Ich glaube, das muss erneuert werden» und «So viele Gäste sagen es, und so viel ist es wert». Mit dem zweiten verhandelt es sich beim Eigentümer deutlich leichter.