Die Illusion des Ausverkauft-Status: Wie viel Kapazität geht bei Gruppenbuchungen verloren?

In Wirklichkeit ist ein ausgebuchter Termin oft nur ein Status im Kalender, nicht eine tatsächliche reale Auslastung. Bei Gruppenveranstaltungen, Kursen und Trainings führen Nichterscheinen und kurzfristige Stornierungen regelmäßig zu freien Plätzen — selbst wenn das Buchungssystem bereits „voll“ anzeigt.

Dieser Bericht erklärt, warum dies geschieht, wie groß der Verlust sein kann und welche operative Logik erforderlich ist, damit „voll“ wirklich voll bedeutet.

Zentrale Erkenntnisse

• „Voll“ ist oft nicht identisch mit maximaler Teilnahme: die tatsächliche Auslastung ist typischerweise geringer.
• Bei Gruppenbuchungen können bis zu 10–25% der Kapazität durch Nichterscheinen und Stornierungen verloren gehen.
• Der Verlust ist nicht nur „Pech“: er wird typischerweise durch systembedingte Ursachen verursacht (statische Voll-Logik, fehlende Warteliste, langsames Nachrücken).
• Der Unterschied wird durch Reaktionszeit und Nachrücklogik bestimmt: wie schnell ein frei gewordener Platz die richtige interessierte Person erreicht.

Internationale Evidenz zum Zusammenhang zwischen Nichterscheinen, Stornierungen und Kapazitätsverlust

Executive Summary

Bei Gruppenbuchungen (Kurse, Workshops, Veranstaltungen, Trainings) ist der Status „ausverkauft“ oft nur eine administrative Illusion: Aufgrund von Stornierungen und Nichterscheinen kann die tatsächliche Teilnahme (und damit die genutzte Kapazität) deutlich unter der Anzahl der Buchungen/Registrierungen liegen. Dies wird sowohl durch peer-reviewte Forschung (echte Buchungsprotokolle/Zugangsdaten) als auch durch große Plattform-Benchmarks (Webinar/Event) gestützt.[1]

Zentrale quantitative Erkenntnisse:

• Bei schwedischen Fitness-Gruppenkursbuchungen werden 42% der Buchungen storniert und etwas über 5% erscheinen nicht; die überwiegende Mehrheit der Stornierungen erfolgt am selben Tag (82%) und 61% in den letzten 6 Stunden vor Beginn.[3]
• Im Schweizer Profifußball verpassten Dauerkarteninhaber durchschnittlich etwa 21 Heimspiele von 72 (≈ 28,8% Nichterscheinen-Rate im Beobachtungszeitraum).[5]
• Bei B2B-Events und Webinaren liegt die Conversion von Registrierung → Live-Teilnahme typischerweise im Bereich von ~33–58% laut mehreren Plattform-Benchmarks.[8]
• Laut einem Plattform-Benchmark zeigen Veranstaltungen mit erfasster Teilnahme eine durchschnittliche Teilnahmequote von 52%.[10]

Basierend auf Monte-Carlo-Modellierung von Parameterbereichen können feste, vorab gebuchte Gruppensessions realistisch etwa 14–35% Kapazitätsverlust aufweisen, und etwa 10–27% bei verbessertem Nachrücken.[11]

Definitionen und Messrahmen

In der Literatur bedeutet „no-show“ typischerweise nicht bloß Abwesenheit, sondern Nichterscheinen ohne vorherige Ankündigung zu einer geplanten Sitzung; dies unterscheidet sich von „Stornierung“ und „Umbuchung“. Bei fester Kapazität sind No-Shows besonders kostspielig, weil Anbieter/Gemeinschaft den frei gewordenen Platz oft nicht mehr neu vergeben können (oder nur mit Verlust und Hektik).[13]

Bei Gruppenbuchungen gibt es zwei Verlustmetriken:

Verlorene Kapazität: der Prozentsatz verfügbarer Plätze, die zum Startzeitpunkt ungenutzt bleiben. Dies ist besonders relevant für Klassen/Workshops/Präsenzveranstaltungen mit festen Plätzen.[11]

Registrierung → Teilnahme-Lücke: der Prozentsatz der Registrierten, die nicht live teilnehmen (Webinar, Konferenz, B2B-Event). Dies ist nicht immer identisch mit „Kapazitätsverlust“ (da die Registrierung oft nicht kapazitätsbegrenzt ist), aber ein guter Proxy für Engagement-/Planungsprobleme.[14]

Quellen und extrahierte Kennzahlen

Die folgende Tabelle fasst No-Show-/Stornierungsraten und Kontexte aus Primärquellen (peer-reviewt / Plattform-Benchmark / große Stichprobe) zusammen. Wo die Quelle eine Conversion berichtet, wurde die No-Show-Rate als (1 – Conversion) berechnet (explizit gekennzeichnet).

Hinweis zur Tabelle: Bei Präsenzveranstaltungen gibt es oft keine einheitliche Definition, wie „Stornierung“ aus der Registrierungsbasis entfernt wird (z. B. gelöschte Registrierung vs. passiver No-Show). Daher liegen Konferenz-/Webinardaten typischerweise in der Sprache der „Conversion“ vor, während bei buchungsbasierten Kursen (Fitness) Stornierung und No-Show viel klarer getrennt sind. [15]

Kapazitätsverlust-Modellierung

Methodik und Annahmen

Ziel der Modellierung ist es abzuschätzen, wie viel ungenutzte Kapazität in Gruppensessions mit fester Kapazität und Vorabbuchung durch Stornierungen und Nichterscheinen entstehen kann.

Ich habe den Kapazitätsverlust wie folgt angenähert:

Kapazitätsverlust ≈ (Stornierungen × (1 − Nachrücken)) + (No-Show × (1 − Spätfüllung))

Die am besten kalibrierten Eingaben stammen aus den schwedischen Fitnessdaten (Stornierungs-/No-Show-Verhältnisse und Timing), da dort die Systemlogik explizit ist: Warteliste + 1-Stunden-Stornierungsfrist + Drop-in + No-Show-Gebühr.[3]

Wichtig: Veröffentlichte Quellen berichten im Allgemeinen nicht direkt, welcher Anteil der stornierten Plätze tatsächlich nachbesetzt wird (dies ist oft veranstalter- und nachfrageabhängig). Daher wurden Nachbesetzungsraten mit Szenario-Bandbreiten behandelt und eine Monte-Carlo-Simulation durchgeführt.

Simulationseinrichtung (kurz)

• Die No-Show-Rate und die „Stornierung (mit Ankündigung)“-Rate wurden mit Dreiecksverteilungen um die schwedischen Fitnessdaten modelliert (No-Show ~5%, Stornierung 42%), jedoch mit größerer Bandbreite für andere Sektoren.[3]
• Die Häufigkeit von „hoher Nachfrage / Warteliste vorhanden“ wurde ebenfalls als Bandbreite behandelt; schwedische Daten zeigen Wartelisten bei 30,7% der Kurse zu irgendeinem Zeitpunkt.[3]
• Das Timing der Stornierungen wurde an die schwedischen Verhältnisse gekoppelt (82% am selben Tag, 61% in den letzten 6 Stunden).[3]
• Zwei Durchläufe:

Baseline: „gemischtes“ Nachrücken (viele späte Stornierungen, teilweise manuelle/langsame Nachbesetzung).

Verbessert: höheres Nachrücken (bessere Warteliste/Benachrichtigung/Umbuchung), besonders in den letzten Stunden.

Ergebnisse

Simulationsergebnisse (Gruppensessions mit fester Kapazität und Vorabbuchung):

• Baseline Kapazitätsverlust: 13,8–35,2% (5–95-Perzentil), Median 24,2%.
• Verbessert (besseres Nachrücken) Kapazitätsverlust: 10,3–26,9% (5–95-Perzentil), Median 18,0%.

Die konservative Bandbreite — die informative Überlappung von Baseline und verbessert:

„~10–35% Kapazitätsverlust“ bei Gruppenbuchungen mit fester Kapazität (basierend auf 90%+ Simulationsbändern), insbesondere dort, wo ein erheblicher Anteil der Stornierungen in den letzten Stunden erfolgt.[3]

Diese Bandbreite ist konsistent mit anderen Umgebungen fester Kapazität mit „Teilnahme“ (z. B. Dauerkarten), wo allein Nichterscheinen zweistellige Werte erreichen kann (≈28,8% aus Schweizer Dauerkartendaten).[5]

Was treibt den Verlust am stärksten?

Die Sensitivitätsanalyse zeigt, dass sich der Kapazitätsverlust stark reduziert, wenn sich die Nachbesetzungsrate von Stornierungen innerhalb der letzten 6 Stunden verbessert. Dies ist kritisch, da in den schwedischen Fitnessdaten die meisten Stornierungen genau in diesem Zeitfenster auftreten (61%).[3]

Einschränkungen und Interpretationshinweise

Typische Einschränkungen der Quellen:

• No-Show und Stornierung sind sektor-, preis-, motivations- und formatabhängig. Die Webinar-„Registrierung → Live-Teilnahme“-Lücke sollte nicht automatisch als „physischer Kapazitätsverlust“ interpretiert werden. Dies sind zwei unterschiedliche Metriken (siehe Definitionen).[26]
• Plattform-Bias / Selektion: ON24 / Goldcast / Bizzabo-Daten spiegeln deren eigene Kundenbasis wider; Ergebnisse können je nach Branche und Region variieren.[14]
• Unterschiedliche Definitionen: „Stornierung“ und „No-Show“ sind nicht immer sauber getrennt (im Fitnessbereich schon; bei Konferenzen weniger).[27]
• Fehlende Nachbesetzungsdaten als Lücke: veröffentlichte Materialien geben selten an, welcher Anteil der stornierten Plätze tatsächlich nachbesetzt wird; daher der Simulationsansatz.[3]

Was verstehen wir unter „voll“ — und warum ist das irreführend?

In den meisten Buchungsprozessen bedeutet voll:

• die Kapazität hat ihr Maximum erreicht,
• das System blockiert neue Buchungen,
• der Veranstalter entspannt sich: „erledigt“.

Bei Gruppendienstleistungen passieren jedoch regelmäßig zwei Dinge zwischen Buchung und Teilnahme:

• No-Show: der Buchende erscheint nicht,
• Stornierung: der Buchende storniert (oft spät).

Wenn das System bei voll „schließt“, während die reale Teilnahme sinkt, zementiert voll tatsächlich die Unterauslastung.

Das Ausmaß des Kapazitätsverlusts

Die zentrale Aussage des Berichts ist, dass bei Gruppenbuchungen bis zu 10–25% der Kapazität durch No-Shows und Stornierungen verloren gehen können.

Dies ist nicht „immer“ der Fall und nicht in jeder Branche gleich. Der entscheidende Punkt: zweistellige Kapazitätsverluste sind in vielen Situationen realistisch — und aus Geschäftssicht bereits schmerzhaft.

Warum in Bandbreiten denken?

• weil No-Show und Stornierung stark von Regeln abhängen (Stornofenster, Gebühren, Erinnerungen),
• vom Servicetyp abhängen (kostenlos vs. bezahlt, einmalig vs. passbasiert),
• von Nachfrageschwankungen abhängen (Saison, Tageszeit).

Warum passiert das tatsächlich?

Die Voll-Illusion wird nicht durch „schlechte Kunden“ verursacht, sondern durch die Prozess- und Systemlogik.

Statische Voll-Logik

Die meisten Systeme „stoppen“ einfach bei voll. Sie berücksichtigen nicht, dass sich voll dynamisch verändert.

Fehlende Warteliste (oder nur kosmetische Warteliste)

An vielen Stellen gibt es keine Warteliste. Oder es gibt eine, aber:

• manuelles Anrufen/E-Mailen ist erforderlich,
• es gibt keine Priorisierung,
• es gibt kein automatisches Tracking,
• es gibt kein zeitgesteuertes Angebot (wer zuerst reagiert, kommt rein).

Langsames Nachrücken

Selbst wenn der Ausfall bemerkt wird, ist die Reaktionszeit zu langsam:

• die Stornierung kommt spät,
• der Veranstalter sieht sie spät,
• der Ersatz erfolgt spät,
• und dann ist niemand mehr da, der einspringt.

Multi-Event-Verzerrung (insbesondere bei Pässen/Serien)

Wenn mehrere Zeitfenster parallel laufen, versucht der Veranstalter mental „smart zu füllen“:

• hierhin lenken, nicht dorthin,
• hier halten, dort freigeben,
• und am Ende optimiert das System nicht — es driftet auseinander.

Das Geld: wie viel Umsatz bleibt liegen?

Die geschäftliche Auswirkung von Kapazitätsverlust wird klar, wenn man sie in ein einfaches Modell übersetzt.

Einfache Schätzung:

• Kapazität: 20 Personen
• Gebühr pro Teilnehmer: 8.000 HUF
• No-Show + Stornierung: 10–25%

Verlust pro Event:

• 20 × 8.000 = 160.000 HUF (Vollumsatz)
• 10% Verlust = 16.000 HUF
• 25% Verlust = 40.000 HUF

Wenn ein solches Event wöchentlich läuft, ist der Verlust kein „Kleingeld“ mehr, sondern systematischer, vorhersehbarer Umsatzabfluss.

(Die obige Berechnung ist ein Modell: entscheidend sind Mechanismus und Größenordnung.)

Was macht voll wirklich voll?

Der Schlüssel ist nicht unbedingt „mehr Marketing“, sondern Kapazitätsintelligenz: schnelles, konsistentes, transparentes Nachrücken frei gewordener Plätze.

Minimum: echte Warteliste und Automatisierung

Eine Warteliste funktioniert, wenn:

• das System den frei gewordenen Platz erkennt,
• sofort handelt,
• und das Angebot die richtige interessierte Person erreicht.

Angebotsbasiertes Füllen (Zeitfenster + Tracking)

Der größte Sprung entsteht, wenn der Platz:

• nicht nur „frei“, sondern angeboten wird,
• ein Antwortfenster existiert,
• und das System bei ausbleibender Reaktion weitergeht.

Multi-Event-Balancing

Bei parallelen Events reicht eine einzelne Voll-Logik nicht aus. Es ist Balancing erforderlich:

• wo die reale Knappheit liegt,
• wo Überfüllungsrisiko besteht,
• wie gefüllt werden soll, damit nicht „nur eines“ voll wird.

Abschließender Gedanke

Voll ist kein Ziel, sondern ein Zustand. Das Ziel ist maximale reale Auslastung.

Wenn Ihr System bei voll stoppt, werden No-Shows und Stornierungen keine Ausnahmen sein, sondern eingebaute Umsatzverluste. Die 10–25% Kapazitätsverlust sind kein Schicksal — sie sind typischerweise die Folge der Prozesslogik.

Basierend auf internationalen Daten entsteht ein erheblicher Anteil des Kapazitätsverlusts nicht durch fehlende Nachfrage, sondern dadurch, dass frei gewordene Plätze nicht in Echtzeit behandelt werden. Systeme, die automatisches Wartelisten-Management und schnelle Nachrücklogik einsetzen, können die Lücke zwischen voll und tatsächlicher Teilnahme deutlich reduzieren.

Methodischer Hinweis

Dieser Bericht formuliert eine Größenordnungs-Aussage (10–25%) auf Basis typischer No-Show- und Stornierungsmuster in Gruppensituationen mit Buchung. Der genaue Wert variiert je nach Branche und Regelwerk; Ziel ist es, die geschäftliche Bedeutung des Phänomens und den zugrunde liegenden Mechanismus klar zu demonstrieren.

---

Dieser Bericht wurde vom Bookcessful-Forschungs- und Produktentwicklungsteam auf Grundlage internationaler Literatur und Plattform-Benchmark-Analysen erstellt.

Quellenlinks

[1] [2] [3] [9] [11] [15] [27] [28] Experimental evidence of limited attention at the gym | Experimental Economics | Cambridge Core

[4] [12] [14] [20] [26] https://mlcircle.com/wp-content/uploads/2021/06/Webinar-benchmarks-report-2021.pdf

[5] [16] (PDF) Football spectator no-show behavior in Switzerland: Empirical evidence from season ticket holder behavior

[6] [8] [23] [25] https://www.goldcast.io/reports/b2b-webinar-benchmark-report-2025

[7] [13] https://www.researchgate.net/publication/362684808_What_do_we_know_about_no-show_behavior_A_systematic_interdisciplinary_literature_review

[10] [24] https://www.bizzabo.com/blog/event-marketing-statistics

[17] https://welcome.bizzabo.com/hubfs/Q125_BenchmarkingReport_2.18.pdf

[18] https://www.bizzabo.com/customer-stories/how-piano-used-bizzabox-for-in-person-conference

[19] https://images.g2crowd.com/uploads/attachment/file/120689/on24-benchmarks-20190228.pdf

[21] https://www.sellingsimplifiedinsights.asia/asset/Marketing-and-CRM/Webinar-Benchmarks-Report-APAC.pdf

[22] https://d24cdstip7q8pz.cloudfront.net/t/LeadSquared/content/common/documents/ON24_2016_Benchmark_Report_WP.pdf