Mehrsprachiger KI-Concierge
Ein Wiener Vier-Sterne-Stadthotel wollte Gästeanfragen rund um die Uhr in acht Sprachen beantworten, ohne die Rezeption zusätzlich zu belasten. Wir haben einen KI-Concierge gebaut, der über WhatsApp und einen Zimmer-QR-Code erreichbar ist, an das Mews-PMS und den Room-Service-POS angeschlossen ist und Grenzfälle sauber an das Hotelpersonal eskaliert.
Ausgangslage
Das Haus hat rund hundertzwanzig Zimmer und liegt zentral in Wien. Der Gästemix ist international: deutschsprachige Geschäftsreisende, US-amerikanische und britische Touristen, viel französische und italienische Kundschaft im Sommer, dazu eine wachsende Zahl an Gästen aus dem nahen Osten und Ostasien. Die Rezeption ist gut besetzt, aber abends und nachts brachen Anfragen wie "Können wir noch etwas essen bestellen?", "Wie ist das WLAN-Passwort?", "Gibt es Bügeleisen?" oder Anfragen zu Late Checkout, Frühstückszeiten und Sehenswürdigkeiten regelmäßig den Workflow an der Rezeption. Das Hotel wollte zwei Dinge: Routineanfragen rund um die Uhr in der Muttersprache der Gäste beantworten, und das Personal von wiederkehrenden Fragen entlasten, damit die persönliche Zuwendung dort bleibt, wo sie zählt — bei Check-in, Empfehlungen und Sondersituationen.
Lösung
Wir haben einen Concierge-Agenten auf Basis von Claude gebaut, der über zwei Kanäle erreichbar ist: einen Zimmer-QR-Code, der direkt eine WhatsApp-Konversation startet, und eine zentrale WhatsApp-Nummer des Hotels. Der Orchestrierungs-Layer ist in Langflow gebaut, die Geschäftslogik und Webhook-Anbindungen laufen über n8n. Acht Sprachen sind aktiv abgedeckt: Deutsch, Englisch, Französisch, Italienisch, Spanisch, Tschechisch, Arabisch und Mandarin — die Sprache wird automatisch aus der ersten Nachricht erkannt. Der Agent ist über die Mews-API an das PMS angebunden und kann den Zimmerstatus, die Reservierungsdaten und die Checkout-Zeit des Gastes prüfen, Late-Checkout-Anfragen vormerken und Bestellungen über die POS-Schnittstelle des Room Service aufgeben. Eskalationspfade sind explizit definiert: Beschwerden, medizinische Anfragen, Sicherheitsthemen und alles, was außerhalb des definierten Skill-Sets liegt, werden sofort an die Rezeption übergeben, mit vollständiger Konversations-Historie. Die Konversationen werden in PostgreSQL auf unserer Hetzner-Infrastruktur in Frankfurt gespeichert, alle Datenflüsse innerhalb der EU. Ein AVV nach Artikel 28 DSGVO regelt die Auftragsverarbeitung.
Ergebnis
Nach den ersten drei Monaten wickelte der Agent rund fünfundsechzig Prozent aller WhatsApp-Anfragen vollständig ohne menschliches Eingreifen ab. Die Rezeption berichtet von spürbar weniger Routineanrufen am Abend und in der Nacht. Besonders gut funktioniert der Kanal bei Room-Service-Bestellungen — der Agent kennt das Menü, prüft die Verfügbarkeitszeiten und gibt die Bestellung direkt an die Küche weiter. Die Gästezufriedenheit, gemessen an einer kurzen Folgenachricht nach Check-out, liegt für die KI-Interaktionen im selben Bereich wie für menschliche Antworten. Die Reservierungsleitung schätzt vor allem, dass das System klar weiß, wann es nicht mehr antworten soll, statt zu halluzinieren.
Was wir daraus gelernt haben
Drei Lehren aus dem Projekt. Erstens: Die Sprachenerkennung in einer einzigen Nachricht ist überraschend zuverlässig, aber wir mussten lernen, dass Gäste manchmal innerhalb derselben Konversation die Sprache wechseln — etwa weil sie zunächst auf Englisch schreiben und dann doch lieber Deutsch fortsetzen. Unsere erste Version hielt stur an der zuerst erkannten Sprache fest; wir haben das auf eine pro-Nachricht-Erkennung mit Sticky-Override umgestellt. Zweitens: Die Anbindung an Mews war technisch unkompliziert, aber konzeptionell anspruchsvoll, weil das PMS nicht immer den aktuellsten Zimmerstatus hat. Wir mussten Cache-Strategien einbauen, damit der Agent nicht aus Versehen sagt "Ihr Zimmer ist bereit", wenn die Reinigung tatsächlich noch im Gange ist. Drittens: Die Eskalation an Menschen ist mindestens so wichtig wie die KI-Antwort selbst. Wir haben das Eskalations-Routing gemeinsam mit dem Front-Office iteriert — wer wird wann benachrichtigt, in welchem Kanal, mit welcher Latenz. Das ist der unsichtbare Teil eines guten Concierge-Systems.
Ähnliches Problem?
Schreiben Sie uns kurz, wir antworten innerhalb eines Werktages.
Projekt anfragen