Die Datenlandschaft im Travel-Bereich kartieren: PMS, GDS, CRS und mehr

# Die Datenlandschaft im Travel-Bereich kartieren: PMS, GDS, CRS und mehr

Eine Gästin namens Maria bucht über die App eines Hotels ein Zimmer in Rom. Drei Monate später, beim Check-in, findet der Mitarbeiter an der Rezeption ihre Frühstückspräferenz nicht, das Loyalty-Team hat keinen Eintrag zu ihrem Aufenthalt, und im Forecast des Revenue Managers war ihre Buchung nie enthalten. Dieselbe Reservierung, vier Systeme, vier verschiedene Versionen. Das ist kein Fehler. So wurde die Dateninfrastruktur im Travel-Bereich seit den 1970er-Jahren aufgebaut, Schicht für Schicht.

Warum aus einer Buchung vier Datensätze werden

Marias Reservierung berührt mindestens vier Systeme, jedes mit eigener Datenbank, eigenen Identifikatoren und eigener Vorstellung von „der Wahrheit“.

CRS (Central Reservation System): das zentrale Buchungsrepository der Hotelkette. Es weist Maria eine Bestätigungsnummer zu und hält Rate, Zimmerkategorie und Daten.

GDS (Global Distribution System): Netzwerke wie Amadeus, Sabre und Travelport, die Reisebüros, Corporate-Booking-Tools und einige Online-Kanäle mit dem Inventar von Hotels und Airlines verbinden. Hätte Maria über ein Reisebüro gebucht, hätte das GDS einen eigenen Datensatz mit einem anderen Locator Code erzeugt.

PMS (Property Management System): das System im Haus (Beispiele: Oracle Opera, Mews, Cloudbeds), das den physischen Aufenthalt verwaltet: Zimmerzuweisung, Folio, Housekeeping-Status. Es zieht Marias Reservierung aus dem CRS, speichert sie aber unter einer internen Gastprofil-ID.

CRM (Customer Relationship Management): die Loyalty- und Marketing-Datenbank. Sie sollte Marias Aufenthalt mit ihrem Lifetime-Profil verknüpfen, aber nur, wenn ihre Identität systemübergreifend übereinstimmt (gleiche E-Mail, gleiche Loyalty-Nummer).

Jede Übergabe ist ein potenzieller Fehlerpunkt. Ein falsch geschriebener Name, ein doppeltes Profil oder eine verzögerte Synchronisation bedeutet, dass Marias Aufenthalt in Rom im CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen → nie mit ihrem Aufenthalt in London zusammengeführt wird und die Kette sie als zwei Kunden zählt statt als einen loyalen Gast.

Die zentralen Datensätze, auf die es ankommt

Jenseits der vier oben genannten Systeme treiben fünf Datenkategorien die meisten kommerziellen Entscheidungen in Hospitality und Travel:

• Raten- und Inventardaten: Zimmerpreise, Verfügbarkeit, Restriktionen (Mindestaufenthalt, Closed-to-Arrival), über einen Channel Manager an die Kanäle verteilt.
• Buchungs- und Transaktionsdaten: der Reservierungsdatensatz selbst, dazu Änderungen, Stornierungen und No-Shows.
• Gastprofildaten: Präferenzen, Aufenthaltshistorie, Kontaktdaten, Consent-Status.
• Operative Daten: Housekeeping-Status, Wartungstickets, F&B-Transaktionen (Food and Beverage) am Point of Sale.
• Distributions- und Kanaldaten: welche OTA (Online Travel Agency, z. B. Booking.com, Expedia), welche Metasearch-Seite (Google Hotel Ads, Trivago) oder welcher Direktkanal die Buchung erzeugt hat, und zu welchen Kosten.

Airlines ergänzen PNR-Daten (Passenger Name Record), den in einem CRS oder GDS erzeugten Datensatz mit Reiseverlauf und Passagierdetails, der unter Regularien wie der EU-DSGVO (Datenschutz-Grundverordnung) auch datenschutzrechtlich im Fokus steht.

Datenqualitätsmetriken, die tatsächlich getrackt werden

Datenqualität ist in diesem Sektor nichts Abstraktes. Revenue Manager und IT-Teams verfolgen konkrete, messbare Indikatoren:

Match Rate: der Prozentsatz der Gastprofile, die systemübergreifend (etwa PMS zu CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen →) über Matching-Keys wie E-Mail oder Loyalty-ID erfolgreich verknüpft werden. Eine Kette mit einer Match Rate von 70 % verliert die Sichtbarkeit auf 3 von 10 Aufenthalten.

Duplicate Profile Rate: der Anteil der Gastdatensätze, die tatsächlich Duplikate eines bestehenden Gasts sind. Große Hotelgruppen berichten vor Deduplizierungsprojekten routinemäßig zweistellige Duplikatsraten; die exakten Werte schwanken stark je Kette und werden selten veröffentlicht, jede konkrete Prozentzahl ist also als Schätzung zu behandeln.

Data Completeness: Anteil der Reservierungen, bei denen die erforderlichen Felder gefüllt sind (E-Mail, Consent-Flag, Rate Code). Fehlende Consent-Flags sind ein Compliance-Risiko, nicht nur eine Analytics-Lücke.

Latency: der Zeitverzug zwischen einem Ereignis (einer Buchung, einer Stornierung) und seiner Verfügbarkeit im nachgelagerten Reporting. Eine CRS-zu-PMS-Synchronisationsverzögerung von wenigen Stunden kann in einer ausgebuchten Nacht zu Overbooking führen.

Rate Parity Accuracy: ob die auf der eigenen Hotelwebsite gezeigte Rate mit dem übereinstimmt, was auf OTAs und im GDS erscheint. Geprüft wird das, weil Inkonsistenz das Vertrauen der Gäste untergräbt und vertragliche Streitigkeiten mit Distributionspartnern auslösen kann.

Ein einfaches Rechenbeispiel: Match Rate

Angenommen, eine mittelgroße Hotelgruppe hat in einem Jahr 500.000 Aufenthaltsdatensätze. Ihr CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen → verknüpft 340.000 davon erfolgreich mit einem bestehenden oder neuen einheitlichen Gastprofil.

Match Rate = 340.000 / 500.000 = 68 %

Liegt das Ziel der Gruppe (ein vernünftiger Branchenanspruch, kein universeller Benchmark) bei 85 %, entspricht die Lücke von 17 Punkten rund 85.000 Aufenthalten, die für Loyalty-Marketing und Personalisierung unsichtbar sind. Das ist der Unterschied, ob Maria als sechsmaliger Gast erkannt wird, dem ein personalisiertes Upgrade-Angebot zusteht, oder ob sie jedes Mal wie eine Fremde behandelt wird.

Governance: wer die Daten besitzt und nach welchen Regeln

Governance bedeutet definierte Verantwortlichkeiten und Regeln dafür, wie Daten erhoben, gespeichert und genutzt werden.

• DSGVO (EU) verlangt eine ausdrückliche Einwilligung für die Marketingnutzung von Gastdaten und gibt Gästen das Recht auf Auskunft und Löschung. Eine Hotelkette mit Betrieb in Paris und Berlin muss Löschanfragen in CRS, PMS und CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen → gleichzeitig umsetzen, was schwierig ist, wenn die Profil-IDs nicht übereinstimmen.
• CCPA/CPRA (California Consumer Privacy Act / Privacy Rights Act) räumt vergleichbare Rechte für Daten von Einwohnern Kaliforniens ein, relevant für jede globale Kette mit Gästen aus Kalifornien.
• PCI DSS (Payment Card Industry Data Security Standard) regelt, wie bei Buchung oder Check-in erfasste Zahlungsdaten gespeichert und übertragen werden, entscheidend, da sowohl PMS als auch CRS Kartentoken verarbeiten.

Eine praktische Governance-Metrik: die Consent Coverage Rate, der Anteil der aktiven Gastprofile mit einem gültigen, aktuellen Marketing-Consent. Unterhalb dieser Schwelle dürfen Marketingteams Gäste rechtlich nicht anschreiben, egal wie gut das Personalisierungsmodell ist.

Analytics- und Measurement-Benchmarks

Sobald die Daten einigermaßen sauber und verknüpft sind, verfolgt der Sektor einen Standardsatz an Performance-Metriken, die meist Belegung, Rate und Distributionsdaten kombinieren:

• RevPAR (Revenue Per Available Room): Gesamtzimmerumsatz geteilt durch die Gesamtzahl verfügbarer Zimmer, die zentrale Produktivitätskennzahl der Branche.
• ADR (Average Daily Rate): Gesamtzimmerumsatz geteilt durch verkaufte Zimmer.
• Occupancy Rate: verkaufte Zimmer geteilt durch verfügbare Zimmer.
• Channel Mix / Cost of Distribution: Anteil der Buchungen je Kanal (direkt, OTA, GDS) und die jeweiligen Provisionskosten. Direktbuchungen haben typischerweise die niedrigsten Distributionskosten, weshalb Ketten stark in Loyalty-Apps investieren.
• Booking Lead Time: Tage zwischen Buchungsdatum und Anreisedatum, genutzt für Demand-Forecast und Preisanpassung.
• Cancellation Rate: Anteil der vor Anreise stornierten Buchungen, branchenweit stark gestiegen mit dem Wachstum der von OTAs beworbenen Raten mit kostenloser Stornierung.

Laut STR (einem bekannten Hospitality-Datenanbieter, inzwischen Teil von CoStar) werden diese Metriken global nahezu täglich zum Benchmarking berichtet; konkrete Zahlen des laufenden Jahres für RevPAR in den USA oder Europa sollten immer aus STRs veröffentlichten Reports gezogen und nicht angenommen werden, da sie sich mit den Makrobedingungen verschieben.

Eine kleine technische Illustration

Hier eine vereinfachte Vorstellung davon, wie ein Match Key zur Verknüpfung von Datensätzen zwischen PMS und CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen → konstruiert sein kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnte, mit E-Mail und Nachname als zusammengesetztem Schlüssel:

SELECT
  pms.reservation_id,
  crm.guest_id,
  pms.email,
  pms.last_name
FROM pms_reservations pms
LEFT JOIN crm_profiles crm
  ON LOWER(TRIM(pms.email)) = LOWER(TRIM(crm.email))
  AND LOWER(TRIM(pms.last_name)) = LOWER(TRIM(crm.last_name))
WHERE crm.guest_id IS NULL;

Diese Query zeigt Reservierungen, die kein bestehendes CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen →-Profil gematcht haben, also genau die Population, die die zuvor besprochene Match Rate drückt. Im Produktivbetrieb nutzen Teams Fuzzy Matching und Identity-Resolution-Tools statt exakter String-Vergleiche, aber die Logik beginnt hier.

🎬 [VIDEO: "How Hotel Distribution Systems Work (GDS, CRS, Channel Managers Explained)" - youtube.com - suchen Sie diesen Titel auf YouTube für einen verständlichen Durchgang, wie eine Buchung vom Bildschirm eines Reisebüros bis ins Rezeptionssystem eines Hotels wandert]

Key Takeaways

• Eine einzelne Reservierung existiert typischerweise als separate, lose verknüpfte Datensätze in CRS, GDS, PMS und CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen →; schlechtes Identity Matching zwischen ihnen ist die Grundursache der meisten Lücken in Gasterlebnis und Reporting.
• Verfolgen Sie konkrete Datenqualitätsmetriken, Match Rate, Duplikatsrate, Completeness, Latency, statt „Datenqualität“ als vages Ziel zu behandeln.
• Governance ist kein optionaler Overhead: DSGVO, CCPA/CPRA und PCI DSS schaffen rechtliche Pflichten, die ganz konkret davon abhängen, wie gut Systeme verbunden sind und wie Consent erfasst wird.
• Standard-Performance-Benchmarks (RevPAR, ADR, Belegung, Channel Mix, Cancellation Rate) sind nur so verlässlich wie die Buchungsdaten, die sie speisen; Arbeit an der Datenqualität verbessert also direkt die kommerzielle Entscheidungsfindung.
• Beziehen Sie aktuelle Benchmark-Zahlen immer von Anbietern wie STR, statt sich auf gemerkte Werte zu verlassen, da Belegungs- und Ratenniveaus mit den Marktbedingungen schwanken.