Fachbeitrag
Personal nach Gästen planen: Wie ein Netz den Dienstplan vorschlägt
Ein Restaurant in Köln, 1.004 echte Wettertage und ein kleines neuronales Netz: So wird aus einer Gästeprognose ein Dienstplan, der zum Andrang passt.
Textfassung
1. Sonntagabend, Restaurant in Köln: Ein leerer Dienstplan füllt sich mit Fragezeichen, dann jeden Tag gleich mit 4 Service, 3 Küche, 1 Theke. Warmer Freitag: zu wenig Leute. Verregneter Dienstag: zu viele.
2. 1.004 echte Tage Kölner Wetter als Säulen, gefärbt nach Temperatur; dazu Wochentag, Feiertag, Ferien, Karneval, Weihnachtsfeiern. Hinweis: Demo, echte Wetterdaten, erfundene Gäste.
3. Ein Netz lernt in 30 Durchgängen. Abweichung je Tag: ± 12 %, geprüft an 26 unbekannten Wochen.
4. Prognose für die Woche ab 1. Juni 2026; Mittwoch vor Fronleichnam: 154 Gäste.
5. Daraus ein Dienstplan: 9 Leute, 51 statt 67 Stunden.
6. Ganze Woche: 355 statt 435 Stunden, 1.680 € weniger Lohnkosten.
7. Was wäre, wenn die Sonne scheint: 227 Gäste, 12 Leute, 63 Stunden.
8. Von Hand planen: Stunden. Vorschlag prüfen: Minuten.
9. Welche Planung kostet Sie Zeit? fk-onlineservices.de
Sonntagabend, der Dienstplan wartet
In vielen Restaurants entsteht der Dienstplan für die nächste Woche am Sonntagabend. Die Inhaberin schaut auf den Wetterbericht, in den Reservierungskalender, vielleicht ins Vorjahr, und verteilt dann Schichten nach Gefühl. Oder sie spart sich das und besetzt jeden Tag gleich: vier im Service, drei in der Küche, eine Person an der Theke.
Beides geht meistens irgendwie gut. Aber der feste Plan kostet zweimal: am warmen Freitagabend fehlen Leute, und die Gäste warten. Am verregneten Dienstag stehen zu viele herum, und der Lohn läuft trotzdem.
Genau dieses Problem habe ich in meiner Demo-Anwendung nachgebaut. Sie zeigt Schritt für Schritt, wie aus den eigenen Zahlen eines Betriebs eine Gästeprognose und aus der Prognose ein Dienstplan-Vorschlag wird.
Das Beispiel: ein Restaurant in Köln
Das Restaurant in der Demo hat 90 Plätze innen und 60 auf der Terrasse. Geöffnet ist dienstags bis freitags mittags und abends, am Wochenende durchgehend, montags ist Ruhetag.
Die Grundlage sind 1.004 echte Tage Kölner Wetter von Januar 2024 bis September 2026, dazu die echten Feiertage und Schulferien in NRW, Karneval und die Weihnachtszeit. Die Gäste dagegen sind erfunden. Sie folgen Mustern, wie sie in der Gastronomie üblich sind. Mit echten Kassendaten funktioniert es genauso, nur dass dann Ihre Gäste statt erfundener drinstehen.
Schritt 1: Was die Gäste treibt
Schon ein Blick auf die Daten zeigt, wie stark das Aufkommen schwankt. Jede Säule ist ein Tag, die Farbe zeigt die Höchsttemperatur. In diesen Daten bringt ein warmer, trockener Sommertag rund die Hälfte mehr Gäste als ein verregneter, der Abend vor einem Feiertag gut die Hälfte mehr als ein normaler Abend, und ein Samstag mehr als doppelt so viele wie ein Dienstag.
Kein Mensch hält all diese Einflüsse gleichzeitig im Kopf, schon gar nicht am Sonntagabend. Ein Rechenmodell kann das.
Schritt 2: Das Netz lernt
In der Demo lernt ein kleines neuronales Netz direkt im Browser. Es bekommt für jede halbe Stunde 23 Angaben: Wochentag, Uhrzeit, Monat, Temperatur, Regen, Sonne, Feiertag, ob morgen frei ist, Schulferien, Karneval, Weihnachtszeit. Daraus soll es vorhersagen, wie viele Gäste in dieser halben Stunde kommen.
Gelernt hat es an 27 Monaten, rund 11.000 halbe Stunden. Geprüft wird es an den 26 Wochen von April bis September 2026, die es nie gesehen hat. In meinem Durchlauf lag die Prognose im Schnitt um 12 % neben den tatsächlichen Gästen je Tag. Weil das Netz bei jedem Training etwas anders startet, schwankt der Wert leicht; in meinen Durchläufen lag er zwischen 11 und 15 %.
Das klingt nach wenig Genauigkeit, ist aber der entscheidende Punkt: Für einen Dienstplan muss niemand wissen, ob 154 oder 160 Gäste kommen. Es reicht zu wissen, ob es ein ruhiger Dienstag oder ein voller Abend vor dem Feiertag wird.
Schritt 3: Aus Gästen wird ein Bedarf
Für die Woche ab dem 1. Juni 2026 sagt das Netz jeden Tag wie ein Wetterbericht voraus. Am Mittwoch, dem Abend vor Fronleichnam, rechnet es mit 154 Gästen, die meisten um 19:30 Uhr, bis zu 65 gleichzeitig im Haus. Tatsächlich kamen an diesem Tag 134.
Aus den Gästen im Haus wird der Personalbedarf, mit Kennzahlen, die jeder Betrieb selbst festlegt: wie viele Gäste eine Servicekraft betreut, wie viele Essen ein Koch pro Stunde schafft, wie lange Gäste abends sitzen. In der Spitze braucht der Mittwoch 4 Leute im Service, 3 in der Küche und 2 an der Theke.
Schritt 4: Der Dienstplan-Vorschlag
Aus dem Bedarf je halbe Stunde entstehen zusammenhängende Schichten von mindestens drei Stunden, mittags und abends, teils als geteilter Dienst. Für den Mittwoch sind das 9 Leute und 51 Stunden. Der feste Plan hätte 67 Stunden gebraucht.
Wichtig: Der Vorschlag enthält nur Rollen wie „Service 1“ oder „Küche 2“, keine Namen. Wer welche Schicht übernimmt, entscheidet weiter der Mensch, der seine Leute kennt.
Was die ganze Woche bringt
Über die ganze Woche gerechnet kommt der Vorschlag mit 355 statt 435 Personalstunden aus. Bei 21 € je Stunde sind das 1.680 € weniger Lohnkosten in einer Woche.
Spannender ist aber die andere Seite. Der feste Plan war nicht einfach zu großzügig, er lag an den falschen Stellen: 164 Stunden standen Leute ohne Arbeit herum, und in 21 Stunden fehlten Leute, weil zu viele Gäste auf einmal kamen. Eine Prognose verschiebt Personal dorthin, wo es gebraucht wird. Das spart nicht nur Lohn, sondern auch Wartezeiten und Stress.
Was wäre, wenn die Sonne scheint?
Der Mittwoch in der Demo war verregnet. Was passiert, wenn der Wetterbericht umschlägt? Ohne Regen und mit 30 °C erwartet das Netz 227 statt 154 Gäste, und der Dienstplan wächst sofort auf 12 Leute und 63 Stunden. Die Terrasse ist offen, der Abend vor dem Feiertag zieht.
Genau so arbeitet man damit im Alltag: Der Wetterbericht ändert sich am Donnerstag, der Plan für Samstag rechnet sich neu, und man sieht auf einen Blick, ob noch jemand dazukommen sollte.
Und die Planungszeit? Eine Beispielrechnung
Wie viel Zeit ein Dienstplan von Hand kostet, misst die Demo nicht, und das ist in jedem Betrieb anders. Deshalb hier eine Beispielrechnung mit offenen Annahmen, die Sie durch Ihre eigenen Werte ersetzen können:
| Von Hand | Mit Vorschlag | |
|---|---|---|
| Wetter, Reservierungen, Vorjahr ansehen und Bedarf schätzen | 1,5 Stunden | entfällt, das macht die Prognose |
| Schichten verteilen und abstimmen | 1 Stunde | 45 Minuten: Vorschlag prüfen, Namen zuordnen |
| je Woche | 2,5 Stunden | 45 Minuten |
Unter diesen Annahmen bleiben je Woche rund 1¾ Stunden übrig, über ein Jahr mit 50 Arbeitswochen also knapp 90 Stunden. Das ist kein Messwert, sondern eine Rechnung. Der größere Hebel ist ohnehin, was in der Tabelle nicht steht: Der Plan passt besser zum tatsächlichen Andrang.
Was das Netz bewusst nicht macht
- Keine Mitarbeiterdaten. Die Prognose arbeitet nur mit Gästen je halbe Stunde, nicht mit der Leistung einzelner Menschen.
- Keine automatische Einteilung. Es schlägt Rollen und Zeiten vor; wer arbeitet, entscheidet ein Mensch.
- Keine Daten außer Haus. In der Demo rechnet das Netz komplett im Browser. Bei einer echten Anwendung liegen die Daten auf einem Server in Deutschland.
Nicht nur für die Gastronomie
Das Muster funktioniert überall, wo das Aufkommen schwankt und Personal danach geplant wird: im Einzelhandel, in Arztpraxen, im Callcenter, im Freizeitbad oder in der Werkstatt. Statt Gästen sind es dann Kunden, Patienten, Anrufe oder Aufträge je halbe Stunde.
Was es braucht, sind Zahlen, die Sie meist schon haben: Kassenbelege oder Umsatz je Stunde, Reservierungen oder Termine, idealerweise aus ein bis zwei Jahren. Wetter, Feiertage und Ferien hole ich aus öffentlichen Quellen dazu. Mehr dazu steht auf der Seite Personal nach Bedarf planen. Die Übung aus diesem Beitrag können Sie in der Demo-Anwendung selbst ausprobieren.
Wann ist bei Ihnen am meisten los?
Beschreiben Sie in drei Sätzen Ihren Betrieb und welche Zahlen Sie haben. Sie bekommen eine kostenlose Ersteinschätzung, ob sich eine Prognose für Sie lohnt, und bevor Sie etwas beauftragen, prüfe ich an einem Ausschnitt Ihrer Daten, wie gut sich Ihr Betrieb vorhersagen lässt.