Agentenwäsche: Warum manche Restaurantbetreiber gegenüber übertrieben gehypten KI skeptisch sind

Für die Gastronomie scheint die Einführung von KI auf holprigem Terrain zu laufen.

Im Frühjahr schaltete Starbucks ein Computer‑Vision‑System zur Bestandszählung ab, bevor es ein Jahr alt war. Im selben Monat verklagten die größten Franchisenehmer von Pizza Hut die Kette auf 100 Millionen Dollar und behaupteten, eine verpflichtende KI‑Plattform sei in mehr als 110 Restaurants ausgefallen. Das Lesen dieser Schlagzeilen lässt leicht die Schlussfolgerung ziehen: KI ist für dieses Geschäft noch nicht bereit.

Es hilft nicht, dass die meisten KI‑Angebote, denen ein Betreiber begegnet, reine Aufregung sind. Auf der diesjährigen National Restaurant Association Show war der Messestand voller KI‑Behauptungen, darunter ein Anbieter, der einen Hauben‑Entfettungsservice verkaufte, der angeblich auf künstlicher Intelligenz basierte. Khara Mangiduyos, Inhaberin von Kalei’s Kitchenette in San Diego, war nicht überzeugt. „Wer wird das Öl abkratzen?“ fragte sie einen Reporter von Restaurant Business. „Kein Bot. Keine KI.“

Sowohl die Taktik des Anbieters als auch die Fehlerschlagzeilen erzeugen ein nachvollziehbares, doppelschichtiges Misstrauen gegenüber der Technologie selbst. Gräbt man jedoch tiefer, sieht der derzeitige KI‑Erfolg, der die Branche skaliert, weder nach den bekannten Flops noch nach den KI‑verwässerten Produkten aus.

Fehler zu machen ist Teil des Versands. Das Falsche zu kaufen ist es nicht

Die Systeme, die am sichtbarsten scheitern, sind meist die ambitionierten, die für die schwierigsten und am wenigsten vorhersehbaren Aufgaben konzipiert sind. Häufig bedeutet das Entwickeln neuer Technologie, sie in die Praxis zu bringen, ihr Stolpern zu beobachten und sie zu korrigieren.

Taco Bell ist ein aktuelles Beispiel. Die Kette hat kürzlich ihr erweitertes KI‑Sprachbestellsystem auf mehr als 890 Drive‑Thrus, etwa zwei Jahre, nachdem eine frühere Version viral ging, weil sie eine Bestellung von 18 000 Wasserbechern annahm. Aber solche gescheiterten Rollouts können mit einem hohen Preis verbunden sein, den hauptsächlich Unternehmen auf Enterprise‑Ebene tragen können. Es ist ein Risiko, das nicht jeder verkraften kann.

Gelegentlich ist die Lücke zwischen Behauptung und Realität kein Stolpern, sondern eine Erfindung. Im Januar 2025 anklagte die SEC das Drive‑Thru‑Sprachunternehmen Presto Automation wegen Aussagen an, dass sein System „die Notwendigkeit menschlicher Bestellannahme eliminiert“ habe. Tatsächlich stellten die Regulierungsbehörden fest, dass das Unternehmen auf Arbeiter auf den Philippinen und in Indien zurückgriff, um die meisten Bestellungen auszuführen.

Presto ist ein extremes Beispiel für dieselbe Instinkthandlung, die dem wachsenden Problem der sogenannten Agentenwäsche zugrunde liegt. In diesem Fall bestand die „KI“ zum Teil aus Menschen. Agentenwäsche bedeutet konkret, etwas als autonomes KI‑Agenten‑Produkt zu vermarkten, obwohl es das nicht ist.

Die Täuschung betrifft das Niveau der KI‑Fähigkeiten. Das ist das Umfeld, vor dem Gartner Käufer warnt, in einem Markt, in dem das Wort „Agent“ als das beste neue KI‑Werkzeug verkauft wird – angeblich zu einem höheren Preis.

„SCP‑Führungskräfte sollten sich auf eine agentenbasierte KI‑Zukunft vorbereiten, aber sie müssen sinnvolle Fähigkeiten vom Marktrauschen trennen“, sagte Jan Snoeckx, Senior Director Analyst im Supply‑Chain‑Bereich von Gartner. „Die Priorität liegt heute nicht in voller Autonomie, sondern im Aufbau von operativer Disziplin, architektonischer Flexibilität und Entscheidungsrahmen, die es agentenbasierter KI ermöglichen, zu skalieren, wenn die Technologie reift.“

Das Problem ist nicht, dass ambitionierte KI gelegentlich scheitert; sondern dass diese Fehlversuche die öffentliche Wahrnehmung der gesamten Kategorie prägen, einschließlich der bescheidenen Werkzeuge, die nie versucht haben, das Schwierige zu leisten.

Hierbei gleitet die Agentenwäsche in das, was oft als „Jumping the Shark“ bezeichnet wird – der Moment, in dem ein Trend ein Gimmick so weit nach vorne treibt, dass das Publikum das Interesse verliert. Wenn genügend Anbieter „KI“ auf genügend Produkte kleben, bläht sich das Etikett auf, bis es auf etwas Absurdes trifft, etwa einen Entfetter.

Gartner rät Käufern, das Wort eines Anbieters, dass ein Werkzeug autonom sei, nicht ungeprüft zu übernehmen. Vieles, das als Agent verkauft wird, kann nicht eigenständig funktionieren. Es folgt einem Skript und bezeichnet das als Intelligenz.

Stattdessen sollte einfache Automatisierung für repetitive Aufgaben eingesetzt werden, die Agenten für hochvolumige Arbeiten reserviert werden, bei denen ein Fehler wenig kostet, und die volle Autonomie sollte noch nicht für schwierige Probleme übergeben werden.

Die KI, die häufig funktioniert, ist nicht besonders glamourös

Die Werkzeuge, die still für Restaurants liefern, sind jene, die für eine einzelne, klar abgegrenzte Aufgabe konzipiert sind.

Mariano Jurich, Senior Product Leader bei Making Sense, der mittelständische und von Private‑Equity unterstützte Unternehmen berät, welche KI sie tatsächlich kaufen sollten, sagt, das Problem beginne bereits beim Wort selbst in einer Branche, die nie einig war, was ein „Agent“ ist.

„Wenn Sie das Werkzeug in einem Wenn‑Dann‑Dann‑Satz beschreiben können, ist es wahrscheinlich zu 100 % nicht agentenbasiert“, sagt er. Das ist kein Vorwurf an einfachere Werkzeuge. Für das meiste, was einige Teams benötigen, fügt er hinzu: „Agentenbasiert ist wahrscheinlich übertrieben“. Ist die Aufgabe repetitiv und regelgebunden, übernimmt die Automatisierung sie ohne die Kosten oder das Risiko, eine Maschine eigenständig Entscheidungen treffen zu lassen.

Das Risiko besteht, wenn ein agentenbasiertes Modell eingeführt wird, um kundenorientierte Anfragen oder finanzielle Entscheidungen zu verwalten, ohne angemessene menschliche Aufsicht, wenn es darauf ankommt. Es improvisiert häufig, was das Letzte ist, was man in Kundennähe oder bei einer Rechnung haben möchte.

Das Stockholm‑Café, das einer KI die Back‑Office‑Aufgaben überließ, veranschaulicht gut, wie das im Rahmen eines Experiments aussehen kann. Im Frühjahr übergab das Forschungslabor Andon Labs einem Gemini‑gestützten Agenten namens Mona die Kontrolle über alles außer der Espressomaschine, Bestellungen, Genehmigungen, Einstellungen, Lieferantenverträge und ließ ihn eigenständig Entscheidungen treffen. Er kaufte 3 000 Gummihandschuhe und 6 000 Servietten für ein winziges Café, lagerte Dosentomaten, die auf der Speisekarte nie verwendet werden, und schrieb Baristas nach Feierabend über Slack an. Das Labor schrieb die Fehler dem kurzen Gedächtnis des Agenten zu.

James Tice arbeitete zunächst auf Restaurantflächen, bevor er in die Technologiebranche wechselte, und ist jetzt Head of Growth bei Tab Commerce, einer Finanzplattform, die von einigen der größten Namen der Gastronomie genutzt wird. Er verbringt seine Zeit damit, mit Betreibern zu sprechen, um zu verstehen, was funktioniert und was nicht.

„„Keep a human in the loop“ wird in Bezug auf KI in so vielen Branchen so oft gesagt, dass es inzwischen wie ein Füllwort klingt“, sagt Tice, der der Ansicht ist, dass viele Technologieunternehmen Schwierigkeiten haben zu verstehen, wie Betreiber arbeiten.

Die KI, die diese Hürde überwindet, sei laut ihm die Art, über die niemand schreibt: das Abgleichen von Rechnungen, das Aufspüren von Lieferantenüberpreisen, das schnellere Abschließen der Bücher. „Betreiber legen speziell Wert auf Finanzen. Sie benötigen die lästige Arbeit weg, damit sie wieder auf dem Boden arbeiten können.“

Er fügt hinzu, dass die Effizienz nicht das Ziel sei, sondern das, was die Effizienz ermöglicht. „Es geht darum, menschliche Zeit zu erhöhen“, sagt Tice. „Es geht nicht darum, Gäste zu entfernen oder das Erlebnis zu kürzen. Es geht darum, das Erlebnis zu überbetonen.“

Deshalb meint er, dass das Silicon Valley die Technologie oft falsch misst. „In einem Restaurant gibt es keine Zeiteinsparungen. Es gibt nur Zeitzuweisung.“

Ein Werkzeug, das einem Betreiber dreißig Minuten zurückgibt, hat nur die halbe Aufgabe erledigt, wenn es nicht die nächste Frage beantworten kann: „Wovon nehmen wir effektiv Zeit weg und wo investieren wir die Zeit?“ Ein gutes Werkzeug, fügt er hinzu, „muss eine Zeiteinheit im Wert von $1 wegnehmen und $10 zurückgeben. Es muss jedoch sowohl die $10‑Zeit finden als auch die $1‑Zeit.“

Für Tice weist all diese zurückgewonnene Zeit auf einen konkreten Ort hin, und das ist das Eine, das seiner Meinung nach keine Software berühren sollte. Was ein Gast kauft, ist nie wirklich das Essen. „Sie geben 50 Dollar für einen Teller Essen aus, Sie kaufen nicht $50 Essen, sondern $50 Erlebnis“, sagt er.

Er argumentiert, ein Raum, in dem eine andere Person Sie bedient, wird nur noch wertvoller, „die Bedeutung des Restaurants bleibt dennoch gleich.“ Die Werkzeuge, die versuchen, die Person daraus zu entfernen, haben seiner Ansicht nach das gesamte Geschäft missverstanden. „Jedes Mal, wenn KI versucht, das zu reduzieren, sagt sie, sie verstehe unsere Branche nicht.“

Weder Jurich noch Tice argumentieren gegen KI, sondern versuchen zu verstehen, welche KI wo hingehört.

„KI ist nur ein weiteres Werkzeug, das Sie in Ihrem Werkzeugkasten haben, um ein Problem zu lösen“, sagt Jurich. „Und deshalb sollte sie so behandelt werden.“