Bestellmengen für die Küche mit KI vorbereiten

Das Problem

Am Mittwoch muss die Bestellung für Freitag bis nächsten Mittwoch raus. Wie viel Fleisch, Gemüse, Milchprodukte? Bestellt man zu viel, verdirbt Ware. Bestellt man zu wenig, fehlt etwas am Samstagabend, und der Gast bekommt nicht, was auf der Karte steht. Die meisten Küchenchefs entscheiden aus Erfahrung und Gefühl, und das funktioniert oft erstaunlich gut. Aber es hängt an einer Person und ist schwer weiterzugeben.

Ausserdem gibt es mehr Einflussfaktoren, als man im Kopf behalten kann: Wochentage, Wetter, Ferien, Anlässe in der Gemeinde, Reservierungen, Aktionen. Wenn dann noch jemand krank ist, wird geraten.

Daten können helfen: Was wurde in den letzten Wochen verkauft? Wie war das Wetter? Wie viele Gäste kamen an welchem Tag? Eine KI kann solche Daten ordnen, Muster beschreiben und Bestellungen vorbereiten. Prognosen bleiben aber unsicher, und ihre Zuverlässigkeit hängt von der Datenqualität ab.

So lösen Sie es mit KI – Schritt für Schritt

1. Ziel festlegen. Was soll besser werden: weniger Abfall, weniger Fehlmengen, weniger Zeit für die Bestellung? Wählen Sie eines.

1. Daten sammeln. Sie brauchen Verkaufszahlen pro Gericht oder Zutat der letzten Wochen, idealerweise nach Tag, dazu Reservierungen, Lagerbestand und besondere Ereignisse. Aus der Kasse können Sie meist Auswertungen exportieren.

1. Daten bereinigen. Prüfen Sie die Tabelle: Fehlen Tage? Gab es Aktionen oder Schliessungen, die Zahlen verzerren? Notieren Sie das als Bemerkung. Siehe Datenqualität und KI.

1. Muster beschreiben lassen. Geben Sie die Zahlen (ohne Namen) in die KI und verwenden Sie die Vorlage unten. Lassen Sie Durchschnitte nach Wochentag und auffällige Ausreisser beschreiben.

1. Zutatenbedarf ableiten. Rechnen Sie aus den erwarteten Portionen den Bedarf pro Zutat mit Ihren Rezepten. Die Rechnung machen Sie in der Tabelle, die KI strukturiert und erinnert an Besonderheiten.

1. Lagerbestand abziehen. Prüfen Sie, was noch da ist, und berücksichtigen Sie Haltbarkeit. Ergänzen Sie nur, was nötig ist.

1. Unsicherheit einplanen. Bestimmen Sie Reserven: bei lang haltbarer Ware eher grosszügig, bei Frischem knapp. Entscheiden Sie, wo Sie lieber etwas zu viel haben und wo lieber etwas zu wenig.

1. Mit Erfahrung korrigieren. Wissen Sie von einem Anlass im Dorf, Schlechtwetter oder einem Fest? Passen Sie die Menge an. Die KI weiss davon nichts.

1. Ergebnis auswerten. Notieren Sie nach der Woche, wie nahe Sie an der tatsächlichen Nachfrage waren, und lernen Sie daraus.

Vorlage zum Kopieren

Du unterstützt einen Küchenchef eines Schweizer Restaurants bei der Vorbereitung der Bestellung. Du machst keine Prognosen als Tatsache, sondern beschreibst Muster.

Unten stehen die Verkaufszahlen der letzten [6] Wochen: Datum | Wochentag | Gericht | verkaufte Portionen | Bemerkung (z. B. Wetter, Anlass, Aktion, Feiertag).

Aufgabe:
1. Berechne den Durchschnitt pro Gericht und Wochentag und nenne die Zahl der Beobachtungen.
2. Nenne Tage mit auffälligen Abweichungen und mögliche Hinweise aus den Bemerkungen.
3. Schlage für die nächste Woche eine Spanne (von–bis) an Portionen pro Gericht vor, und kennzeichne sie als Schätzung.
4. Nenne Faktoren, die du nicht kennst, die aber die Nachfrage beeinflussen können (z. B. Anlässe, Wetter).
Regeln: Rechne nachvollziehbar und zeige die Rechnung. Gib keine Garantie. Wenn Daten fehlen, schreibe «zu wenig Daten».

Daten: [Tabelle einfügen]

Passen Sie Zeitraum und Gerichte an. Die vorgeschlagene Spanne dient Ihnen als Anhaltspunkt für die Bestellung.

Worauf Sie achten müssen

• Prognosen sind unsicher: Auch gute Muster können täuschen. Verlassen Sie sich nicht blind auf eine Zahl.
• Rechenfehler: Prüfen Sie Durchschnitte und Summen in der Tabelle. Verlangen Sie die Rechnung.
• Datenqualität: Fehlende Tage, Aktionen und Schliessungen verzerren das Bild. Notieren Sie sie.
• Frische und Haltbarkeit: Planen Sie Ware mit kurzer Haltbarkeit knapper als Lagerware. Beachten Sie Hygiene und Kühlketten.
• Allergene und Lieferanten: Wenn Sie Lieferanten oder Produkte wechseln, ändern sich unter Umständen Allergene und Qualität. Prüfen Sie die Deklaration.
• Vertrauliche Daten: Umsatzzahlen und Preise sind Geschäftsgeheimnisse. Prüfen Sie, welche Werkzeuge Sie nutzen dürfen.

Ein Beispiel aus der Praxis

Ein Beispiel: Ein Restaurant am Zürichsee bestellt jeden Dienstag für die Woche. Der Küchenchef Herr Tanner hat die Verkaufszahlen der letzten sechs Wochen aus der Kasse exportiert. Er ergänzt Bemerkungen zu Wetter und Anlässen und lässt die KI Muster beschreiben.

Sie zeigt: Samstag ist am stärksten, Montag am schwächsten, und an zwei sonnigen Tagen lag die Nachfrage nach Salaten deutlich höher. Eine Spanne für die kommende Woche liefert sie mit dem Hinweis «Schätzung». Herr Tanner kennt ein Dorffest am Samstag und erhöht die Bestellung für Bratwurst und Brot. Bei den Salaten bleibt er bei der Mitte der Spanne, weil Regen angekündigt ist. Am Ende der Woche notiert er die Abweichungen und lernt daraus.

So hilft Ihnen Alpasana

Wenn Sie Ihre Abläufe digital und datenbasiert verbessern möchten, unterstützt Sie Alpasana mit KI-Beratung und digitaler Transformation. Beschrieben sind das Aufnehmen von Prozessen, das Analysieren von KI-Potenzialen, Priorisierung und ein Umsetzungsplan, ausserdem digitale Workflows, Automatisierungen und Schnittstellen zwischen Systemen.

Projekte werden individuell offeriert. Eine fertige Prognosesoftware für Ihre Küche ist als Leistung nicht belegt, und eine Garantie für weniger Abfall gibt es nicht.

Häufige Fragen

Wie viele Wochen Daten brauche ich?

Sechs bis acht Wochen geben ein erstes Bild, mehr ist besser, vor allem wenn Saisonen eine Rolle spielen. Bei neuen Betrieben nutzen Sie Erfahrungswerte und beobachten.

Kann die KI Wetter und Anlässe einrechnen?

Nur, wenn Sie ihr diese Angaben liefern und sie in den Daten vermerkt sind. Selbständig kennt sie Ihren Dorfkalender nicht.

Ersetzt das den Küchenchef?

Nein. Es unterstützt die Entscheidung mit Zahlen. Erfahrung, Gespür und Kenntnis der Gäste bleiben zentral. Ergänzend hilft die Auswertung der Lebensmittelabfälle.