Was unterscheidet einen Tourismuskunden im Beratungsalltag von einem Industriekunden – und was hat Dich persönlich an der Branche gepackt?

Der größte Unterschied: Tourismuskunden verkaufen Erlebnisse. Das klingt nach Marketing-Phrase, verändert aber fundamental, wie Daten gelesen werden müssen. Ein Industriekunde denkt in Lieferzeiten und Wiederkaufszyklen. Ein Hotelier denkt in Emotionen, Jahreszeiten, Lebensanlässen. Die Frage ist nie nur „Wer hat zuletzt gekauft?“ sondern „Wer wird nächsten Sommer buchen – und was bewegt ihn gerade?“ Das macht die Arbeit analytisch komplexer, aber auch ehrlicher: Wenn die Segmentierung stimmt, sieht man das sofort in den Conversion Rates. Was mich persönlich packt: Kaum eine Branche hat so viel Daten und nutzt so wenig davon. Da liegt ein echter Hebel – und den zu heben, macht Spaß.

Was ist die Frage, die Dir 2026 am häufigsten gestellt wird?

„Wie nutzen wir KI?“ – das ist die Frage, die mir 2026 am häufigsten gestellt wird. Fast wortgleich, quer durch alle Branchen. Was dahintersteckt, ist meistens noch unscharf: Soll KI Texte schreiben? Kampagnen steuern? Gäste verstehen? Das Bewusstsein ist da, das Zielbild oft nicht. Was ich dann erkläre: KI ist kein Schalter, den man umlegt. Wer einfach Kundendaten in ein LLM lädt, bekommt oberflächliche Outputs – und im schlimmsten Fall ein Compliance Problem. Was KI wirklich leistungsfähig macht, ist die Datenbasis darunter: konsolidierte, bereinigte, mit Drittdaten und Potenzialdaten angereicherte – und im Idealfall anonymisierte – Kundeninformationen. Erst dann kann KI sagen, wo Marktpotenziale liegen, welche Segmente wachsen können und wie man neue Zielgruppen datenbasiert erschließt. Viele Unternehmen wollen das Ergebnis, haben aber noch keinen Plan, wie sie dort hinkommen. Genau diesen Plan zu entwickeln – das ist unsere Arbeit.

Vom Datenhaus Schober zum Datatech Capaneo

Welche Rolle hat Tourismus historisch in Schobers Datenuniversum gespielt?

Tourismus war bei Schober nie das lauteste Segment – aber eines, das ich persönlich sehr tief kennengelernt habe. Als Analytiker habe ich in den 2000er Jahren für nahezu jedes Tourismussegment Kundenprofilanalysen erstellt: Pauschalreiseanbieter, Wellness-Hotels, Familienresorts, Luxus-Kreuzfahrtlinien, sogar Tourismusverbände. Der Auftrag war fast immer derselbe: statistische Zwillinge bilden, um die Katalogverteilung für die Neukundengewinnung zu optimieren. Was das gebracht hat, ist ein Branchenwissen, das ich bis heute nutze – ich verstehe nicht nur die Daten, sondern auch die Motivationen dahinter. Wer eine Kreuzfahrt bucht, denkt anders als der Campingurlauber, und wer in ein Wellness-Hotel fährt, reagiert auf andere Reize als der Städtereisende. Dieses Zielgruppenverständnis macht einen Unterschied, wenn es darum geht, Datenmodelle nicht nur technisch sauber, sondern auch inhaltlich sinnvoll zu bauen.

Aus Schober ist Capaneo geworden. Was bleibt vom DNA-Erbe – und was musste zurückbleiben?

Was bleibt: die Datentiefe und die Ernsthaftigkeit im Umgang mit Kundendaten. Schober hat nie auf Masse gespielt, sondern auf Qualität und Relevanz. Das ist ein kultureller Wert, den Capaneo mitgenommen hat. Was sich gewandelt hat: das Selbstverständnis als reiner Daten- und Lösungsanbieter. Früher lieferten wir Adressen und Selektionen – fertig. Heute sind wir in der Frage „Was machst du mit den Erkenntnissen?“ genauso tief drin wie in der Frage „Welche Daten brauchst du?“ Wir haben schon immer auch die DV-Seite ernst genommen – aber heute ist das gleichberechtigt mit der Datenintelligenz. Das erfordert andere Skills, eine andere Gesprächsführung und ein anderes Produkt. udo ist das sichtbare Symbol dieses Wandels.

Capaneo wirbt mit 70 Mio. Consumer- und 4,6 Mio. Unternehmensdaten. Welche Merkmale sind für Tourismuskunden besonders wertvoll?

Reiseaffinität ist das Offensichtliche – aber das allein reicht nicht. Was Tourismuskunden wirklich unterscheidet: Sie brauchen Kontextwissen. Wer reist wie, wann, wie oft, mit wem – und vor allem: Warum wechselt jemand die Marke? Deshalb sind für unsere Tourismuskunden besonders relevant: Lifestyle-Segmente (Reiseerfahrenheit, Präferenzen), Haushaltszusammensetzung (Familie mit Kindern vs. Best Ager), Kaufkraft und Bonitätsmerkmale sowie geografische Mobilitätsmuster aus Bewegungsdaten. Letztere sind vergleichsweise neu, aber hochrelevant: Sie zeigen, welche Orte jemand tatsächlich aufsucht – nicht nur, was er angibt. Und sie eignen sich insbesondere für die Reaktivierung von Altbuchern mit dem Wissen, dass ein hohes Reisevolumen nach wie vor gegeben ist.

udo: Was eine CDP mit KI-Agenten anders macht

Was ist udo – und was ist es ausdrücklich nicht?

udo ist das System, das deine Kundendaten versteht, bewertet und in Aktionen übersetzt – ohne dass du dafür einen Data Engineer brauchst. Es ist kein weiteres E-Mail-Tool, kein klassisches CRM, das Kontakte verwaltet und Tickets schreibt. Es ist auch kein BI-Dashboard, das hübsche Grafiken zeigt, aber keine Handlungsempfehlung liefert. udo verbindet: Datenkonsolidierung, Analyse, KI-gestützte Entscheidungslogik und Kampagnensteuerung in einem System, das mit bestehenden Tools spricht, statt sie zu ersetzen. Für Hotels konkret: Du weißt endlich, welche Gäste reaktivierbar sind, welche abzuwandern drohen, und was du ihnen wann anbieten solltest. Und ganz wichtig: udo bringt eigene Daten mit – Merkmale, mit denen Kunden profiliert und Neupotenziale identifiziert werden können. Neben der Marktpotenzialsicht lassen sich so gleich konkrete Maßnahmen ableiten.

Der CDP-Markt ist voll – Salesforce, Tealium, Bloomreach, Adobe. Wo zieht Ihr die Linie zu den großen US Plattformen?

Salesforce, Adobe, Bloomreach – die sind für Enterprise gebaut und für Enterprise-Budgets. Wer als mittelständischer Reiseveranstalter eine dieser Plattformen einführt, kauft sich gleichzeitig einen mehrjährigen Implementierungsprozess, externe Consultants und eine Abhängigkeit, die schwer zu lösen ist. Wir ziehen die Linie dort, wo Time-to-Value beginnt. Ein Kunde sollte innerhalb von Wochen erste Erkenntnisse sehen, nicht nach Quartalen, meist eher Jahren. Außerdem: Datenhoheit. Bei den großen US-Anbietern fließen Kundendaten in globale Plattforminfrastrukturen. Bei udo bleiben sie, wo sie hingehören – unter Kontrolle des Kunden, in Deutschland, DSGVO konform.

Ein zentrales Versprechen ist, dass sensible Geschäftsdaten nicht direkt in ein LLM fließen. Wie funktioniert das technisch?

Das ist einer der wichtigsten technischen Punkte, gerade für Hospitality-Kunden. Gästedaten sind hochsensibel – Buchungshistorie, Zahlungsverhalten, persönliche Präferenzen. Das alles darf nicht unvorbereitet in ein Large Language Model fließen, das auf externen Servern betrieben wird. udo löst das so: Bevor ein KI-Agent aktiv wird, hat udo die Rohdaten bereits aufbereitet und anonymisiert – das heißt, udo bringt die Daten in eine Form, die sicherstellt, dass LLMs faktenbasiert und ohne Halluzination arbeiten, ohne dabei Personendaten zu kennen. Der Agent arbeitet also nicht mit dem Datensatz „Herr Müller, Zimmer 214, hat dreimal storniert und ist VIP“ – sondern mit einer anonymisierten Form: Fakten zu Stornoverhalten und Kundenstatus, ohne Personenbezug. Die Intelligenz liegt in der Datenbasis, nicht im Prompt.

Wie autonom agieren die KI-Agenten in der Praxis – wo bleibt der Marketing-Manager Pilot?

Der Marketing-Manager bleibt Pilot – immer. Die Agenten übernehmen das, was Zeit kostet und keine kreative Entscheidung erfordert: Zielgruppen analysieren, Kampagnenideen skizzieren, Inhalte in einem ersten Entwurf formulieren, Ansprechpartner recherchieren. Was der Mensch tut: prüfen, entscheiden, freigeben. Ich sage gern: udo macht dich schneller, nicht überflüssig. Der eigentliche Gewinn ist Fokus – statt drei Stunden Listenarbeit vor jeder Kampagne kannst du die Zeit für die Frage nutzen, die wirklich nur du beantworten kannst: Was wollen wir mit diesem Kontakt erreichen?

Ihr sprecht von „Kontrollagenten“, die Halluzinationen verhindern sollen. Wie sieht so ein Kontrollmechanismus konkret aus?

Konkret bedeutet das: udo arbeitet mit einer definierten, validierten Datenbasis. Wenn ein Agent eine Segmentierungsempfehlung macht oder eine Subject Line vorschlägt, basiert das nicht auf freier Assoziation, sondern auf Mustern, die wir zuvor aus echten Kundendaten abgeleitet haben. Ein Kontrollagent prüft im Hintergrund, ob die Ausgabe mit den Parametern übereinstimmt – Zielgruppengröße plausibel? Tonalität passend zum Segment? Keine widersprüchlichen Aussagen? Das ist kein Allheilmittel gegen Fehler, aber es ist ein Unterschied zu einem blanken ChatGPT-Prompt. Das System weiß, was es nicht weiß – und gibt das auch an.

Tourismus-Use-Cases in der Praxis

alltours ist Euer prominenter Tourismus-Case. Was war dort der entscheidende Hebel?

Bei alltours war der Ausgangspunkt klassisch: Buchungsdaten lagen verteilt vor, die Kommunikation war weitgehend Broadcast, und das Cross-Selling von Zusatzleistungen – Reiseversicherungen, Transfer, Upgrades – lief über undifferenzierte Massenaussendungen. udo wurde individuell angepasst: Datenkonsolidierung, Datenbereinigung und -veredelung sowie Anreicherung mit dem integrierten Datenuniversum von 70 Millionen Konsumenten. Das Ergebnis: eine KI-basierte Zielgruppenselektion, die auf echtem Kundenverhalten basiert. Buchungszahlen und Umsatz stiegen bereits nach kurzer Zeit. Der entscheidende Hebel war nicht ein einzelnes Feature – sondern die Kombination aus sauberer Datenbasis, präziser Segmentierung und vollautomatisierter Kampagnensteuerung. Dr. Georg Welbers, Geschäftsführer Marketing und Vertrieb bei alltours, fasst es so zusammen: Das Kundenmanagement wurde spürbar optimiert, Umsatz und Kundenzufriedenheit nachhaltig gesteigert.

Wie unterscheiden sich CDP-Setups zwischen Pauschalreise-Anbietern, Hotelketten und Destinationen?

Die Datenlogik ist fundamental anders. Ein Reiseveranstalter wie alltours hat transaktionale Daten im Überfluss – Buchungspfade, Stornierungen, Zusatzprodukte. Ein Hotel hat dagegen häufig fragmentierte Daten: PMS, Loyalty Programm, Buchungsplattform – drei Systeme, drei Realitäten. Eine Destination hat gar keine direkten Buchungsdaten, sondern muss über Umwege arbeiten – Bewegungsdaten, Touristenkarten, Partner-Feeds. Das bedeutet: der CDP-Ansatz muss jeweils anders kalibriert werden. Was identisch bleibt: die Kernfrage. Wer ist mein Gast wirklich, was bewegt ihn – und was ist der nächste sinnvolle Kontaktpunkt?

Welche Tourismus-Datenquellen bindet Ihr typischerweise an – PMS, IBE, Loyalty?

Im Kern sind es drei Schichten. Erstens die transaktionalen Systeme: PMS wie Protel oder Apaleo, Buchungsmaschinen wie OPTIRES oder Nemo, Channel Manager. Zweitens die kommunikativen Systeme: E-Mail-Marketing-Tools, CRM. Drittens externe Anreicherungsquellen: Bewegungsdaten, Kaufkraftdaten, Lifestyle-Merkmale aus unserer eigenen Datenbasis. Loyalty-Programme sind oft der spannendste Anknüpfungspunkt, weil dort echte Opt-ins vorliegen. Die Kunst liegt nicht darin, alles anzubinden – sondern die richtigen Quellen in der richtigen Reihenfolge zu priorisieren.

Hast Du ein konkretes Beispiel, wo ein Tourismuskunde durch udo ein „Aha-Erlebnis“ hatte?

Das prägnanteste Beispiel ist, wenn ein Hotelier zum ersten Mal sieht, wie viele seiner „verlorenen“ Gäste eigentlich noch reaktivierbar wären – segmentiert nach Reaktivierungswahrscheinlichkeit. Einer unserer Kunden stellte im ersten Schritt fest: Ein Drittel der als inaktiv geführten Kontakte war gar nicht inaktiv – die wurden nur nicht korrekt erkannt, weil sie unter einer anderen E-Mail-Adresse erneut gebucht hatten. Dieses Duplikatproblem zu lösen war kein KI-Moment – das war Datenhygiene. Aber das Ergebnis war, dass die reaktivierbare Basis plötzlich 21 % größer war als angenommen. Erst danach konnte man sinnvoll über Personalisierung reden.

Wie Tourismuskunden mit CDP-Daten arbeiten

Welche drei bis fünf Use Cases zahlen sich im Tourismus am schnellsten aus?

Nach meiner Erfahrung sind es diese fünf, in ungefährer Reihenfolge der Time-to-Value: Erstens Reaktivierung inaktiver Kunden – niedrige Kontaktkosten, bekannte Personen, hohe Conversion, wenn das Angebot stimmt. Zweitens Cross-Selling von Zusatzleistungen – Versicherung, Upgrade, Transfer – weil hier Muster sehr gut modellierbar sind. Drittens Newsletter-Personalisierung: weniger Aussendungen, mehr Relevanz, messbar in Öffnungs- und Klickraten. Viertens Win-Back nach Stornierungen – ein oft unterschätzter Kontaktpunkt. Und fünftens Lookalike-Audiences für digitale Kanäle: Wenn ich weiß, wer meine besten Kunden sind, kann ich sie digital spiegeln. Das ist kein neues Konzept, aber mit sauberer Datenbasis deutlich treffsicherer. Was uns dabei von generischen Plattform-Lookalikes unterscheidet: Wir arbeiten mit echten Markenmerkmals- und Standortscorings. Das heißt, wir können für ein Hotel nicht nur „ähnliche Menschen“ identifizieren, sondern solche, die nachweislich Affinität zu dieser Marke und dieser Destination mitbringen – ein entscheidender Unterschied in der Conversion-Qualität.

Booking-Verhalten hat sich seit Corona dauerhaft verändert. Was zeigen Eure Datenmuster dazu?

Kürzere Vorlaufzeiten sind real und bleiben – das ist keine Überraschung mehr. Was uns interessiert, ist die Segmentierung dahinter: Last-Minute ist nicht gleich Last-Minute. Es gibt einen Kundentyp, der strukturell kurzfristig bucht und trotzdem loyal ist. Und es gibt den Gast, der früher früh gebucht hat und jetzt zögert – ein Zeichen von sinkender Markenbindung oder wirtschaftlichem Druck. Wer das unterscheidet, kann gezielter kommunizieren. Was wir außerdem beobachten: Flexibilität als Buchungsmerkmal ist ein klarer Predictor für Abwanderungsrisiko. Wer nur noch flexibel buchbare Angebote wählt, ist vergleichssensitiver.

Wie genau wird eine Lookalike-Audience in udo gebaut und in Adform, Google oder Meta aktiviert?

Der Ausgangspunkt ist immer der Bestand: Wer sind meine wertvollsten Kunden – gemessen an CLV, Buchungsfrequenz, Zusatzumsatz? Aus diesem Kern bilden wir ein Profil, das auf einem neuronalen Netz aus echten Merkmalen basiert: soziodemografisch, geografisch, nach Verhaltensmerkmalen. Dieses Profil wird dann gegen unsere externe Datenbasis von 70 Mio. Konsumenten gespiegelt – und die ähnlichsten Profile werden selektiert. Das Ergebnis ist eine Lookalike-Audience mit echtem Datenanker, nicht nur mit algorithmusgenerierten Näherungen wie bei Meta. Für die Aktivierung haben wir etablierte Schnittstellen zu jeglichen digitalen Plattformen – DSPs wie Adform oder Google, aber auch großen Audience-Plattformen. Die Übergabe erfolgt pixelbasiert oder über Hashmatching – DSGVO-konform.

Stichwort First-Party-Daten-Strategie: Welche Tourismuskunden sind Euch besonders weit voraus?

Die Vorreiter machen vor allem eines anders: Sie behandeln Daten nicht als IT-Thema, sondern als Geschäftsstrategie. Das klingt banal, ist es aber nicht. In der Praxis bedeutet das: Datenstrategie steht im Marketingplan, nicht nur im Technikbudget. Opt-in-Gewinnung ist ein aktives Ziel, nicht ein Nebenprodukt. Und die Frage „Was machen wir mit diesem Datenpunkt?“ wird gestellt, bevor er erhoben wird – nicht danach. Was diese Kunden konkret anders machen: Sie investieren in saubere Permission-Strukturen, bauen Loyalty-Programme als Datenquellen und nutzen Buchungsstrecken aktiv zur Profilanreicherung.

Mehrwert konkret messbar

Ihr werbt mit 30 % mehr Umsatzpotenzial, 90 % mehr Freiraum, 25 % weniger Prozesskosten. Wie kommen diese Zahlen zustande?

Diese Zahlen basieren auf aggregierten Erfahrungswerten aus unserer Kundenbasis – sie sind keine Garantie, sondern Orientierung. Die 30 % Umsatzpotenzial sehen wir am häufigsten im Reaktivierungs- und Cross-Selling-Kontext, und sie sind in der Regel das Ergebnis des ersten Jahres, nicht des ersten Monats. Die 90 % Freiraum bei Marketing Ressourcen beschreibt etwas Reales: Wenn Kampagnenselektion, Segmentierung und Inhaltsentwurf automatisiert werden, verschiebt sich die Arbeit vom Doing zum Entscheiden. Die 25 % Prozesskosten sind am schwierigsten zu messen – aber bei Kunden, die vorher manuelle Reportings und externe Dienstleister hatten, häufig sogar konservativ geschätzt.

Woran erkennt ein Hoteldirektor oder CMO in 12 Monaten, dass ein udo-Projekt erfolgreich war?

Die Kennzahlen, über die wir in Quarterly Reviews sprechen: Reaktivierungsrate inaktiver Kunden, Öffnungs- und Klickraten im Vergleich zum Vorjahr, Cross-Selling-Quote bei Zusatzleistungen, Datensauberkeit im Bestand (Duplikatquote, Zustellbarkeit) und – wenn vorhanden – CLV-Entwicklung der besten Segmente. Was genauso wichtig ist, aber seltener gemessen wird: Wie viel Zeit spart das Marketing-Team pro Kampagne? Wenn die Antwort nach einem Jahr acht Stunden pro Woche ist, hat sich udo bereits gerechnet. Die weichen KPIs sind oft die ehrlichsten Indikatoren dafür, ob ein System wirklich genutzt wird – oder nur läuft.

DSGVO, EU AI Act, Datenhoheit

„Hosted and made in Germany“ ist im Marketing oft eine Worthülse. Was bedeutet das bei Capaneo wirklich?

Es bedeutet konkret: Alle Daten werden ausschließlich in deutschen Rechenzentren verarbeitet und gespeichert – unter deutschem Recht und DSGVO-konformer Auftragsverarbeitung nach Art. 28. Kein Datentransfer in Drittstaaten ohne explizite Rechtsgrundlage. Auftragsverarbeitung nach Art. 28 DSGVO ist bei uns Standard, nicht optional. Pseudonymisierung greift auf mehreren Ebenen, bevor Daten in Analyse- oder KI-Prozesse fließen. Was das für Hotelkunden bedeutet: Gästedaten – inklusive Buchungshistorie und persönlicher Präferenzen – verlassen nicht den definierten Verarbeitungsrahmen. Das ist für europäische Häuser kein Marketing-Argument, sondern eine juristische Notwendigkeit. Und eine, die wir erfüllen.

Der EU AI Act tritt schrittweise in Kraft. Was ändert sich konkret für Tourismuskunden?

Die unmittelbar relevante Kategorie sind Systeme, die Empfehlungen mit Auswirkungen auf individuelle Entscheidungen generieren – also Targeting, Scoring, Preisempfehlungen. Diese fallen unter Transparenzpflichten: Der Nutzer muss wissen, dass KI im Spiel ist. Für Marketing-Automation im Tourismus bedeutet das in der Praxis: Dokumentationspflicht für verwendete Modelle, Erklärbarkeit von Entscheidungen (warum bekommt Segment X Angebot Y?) und klare Verantwortlichkeiten. udo adressiert das durch die Architektur selbst: Weil KI-Agenten auf interpretierten, nachvollziehbaren Daten arbeiten – nicht auf Black-Box-Algorithmen – ist die Erklärbarkeit strukturell verankert, nicht nachträglich zugefügt.

Ausblick

Wo siehst Du die Tourismus-Branche bei CDPs und KI-Agenten in drei Jahren – Standard oder Wettbewerbsvorteil?

Standard – aber nicht für alle gleichzeitig. Was sich verändert: Der Begriff CDP wird verschwinden, die Funktion bleibt. In drei Jahren wird kein Reiseveranstalter mehr erklären müssen, was Kundendatenkonsolidierung bedeutet. Die Frage wird sein, wer es besser macht. Die Vorreiter, die heute starten, haben einen strukturellen Vorteil: bessere Datenqualität, mehr historische Muster, trainierte Modelle. KI wird dabei nicht das Differenzierungsmerkmal sein – Datenbasis und Datenkultur im Unternehmen werden es sein. Das ist die eigentlich schwierige Hausaufgabe.

Wenn Du einem Marketing-Verantwortlichen in einem mittelständischen Hotel einen einzigen Rat geben dürftest – was wäre er?

Fang mit deinem Bestand an. Nicht mit neuer Technologie, nicht mit einer CDP-Ausschreibung. Frag dich: Wie viele meiner Kontakte sind heute tatsächlich erreichbar? Wie viele sind Dubletten? Wie viele haben keinen Permission Status? Das sind Zahlen, die du in vier Wochen haben kannst – und die dir sofort zeigen, wo du stehst. Aus dieser Analyse ergibt sich fast immer von selbst der sinnvollste nächste Schritt. Meistens ist es Datenhygiene, dann Segmentierung, dann Aktivierung. Wer mit der Aktivierung beginnt, baut auf Sand. Wer mit dem Bestand beginnt, baut auf Erkenntnis.

Was steht für udo und Capaneo 2026/2027 auf der Roadmap, das speziell Tourismuskunden interessieren dürfte?

Was ich sagen kann: Wir arbeiten daran, die Schnittstellen zu PMS- und IBE-Systemen weiter zu standardisieren – das ist der häufigste Reibungspunkt beim Onboarding von Hotelkunden. Außerdem entwickeln wir die Agentenfähigkeiten von udo weiter, konkret in Richtung automatisierter Kampagnensteuerung auf Basis von Echtzeitauslösern – also nicht mehr nur geplante Aussendungen, sondern kontextsensitive Trigger. Für Reiseveranstalter und Hotelketten mit Loyalty-Programmen arbeiten wir an tieferen CLV-Modellen, die Churn-Risiko und Upgrading-Potenzial kombinieren.

Das Ziel: weniger manuelle Modellpflege, mehr automatische Empfehlung. Was ich dabei betonen möchte: Natürlich haben wir eine klassische Roadmap – aber die eigentliche Stärke von Capaneo liegt in der Geschwindigkeit, mit der wir individuelle Kundenwünsche umsetzen. Was udo 2027 alles kann, lässt sich deshalb heute noch gar nicht vollständig sagen – weil die besten Weiterentwicklungen oft direkt aus der Zusammenarbeit mit unseren Kunden entstehen.