Im ersten Teil dieser dreiteiligen Blogserie haben wir erläutert, warum die pauschale Forderung nach „KI“ zu kurz greift und häufig zu Missverständnissen führt – und damit kein geeigneter Ansatz ist, um einen echten Mehrwert für Ihr Unternehmen zu schaffen.
Deutlich mehr Nutzen entsteht, wenn Sie und Ihre Teams ein klares Verständnis in drei zentralen Bereichen entwickeln: Ihrer Datenbasis, Ihrer wichtigsten Herausforderungen und Pain Points sowie der beteiligten Menschen und Prozesse.
Die folgende Checkliste zur KI‑Vorbereitung unterstützt Sie und Ihre Teams dabei, genau hier anzusetzen.
Checkliste zur KI‑Vorbereitung
Abschnitt A: Ziele und Umfang
✅ Können wir ein bis drei konkrete Geschäftsergebnisse benennen, die wir erreichen möchten? (z. B. Senkung des Energieverbrauchs, Reduzierung reaktiver Arbeitsaufträge, bessere Ressourcennutzung)
✅ Liegen dokumentierte Basiskennzahlen aus den letzten 6 bis 12 Monaten vor, anhand derer wir den Erfolg messen können?
✅ Haben wir klar festgelegt, welche Standorte einbezogen werden, welchen Zeitraum (6 bis 10 Wochen) die Initialphase umfasst und welche Themen explizit außerhalb des Projektumfangs liegen?
Abschnitt B: Datenbasis
✅ Haben wir alle relevanten Systeme identifiziert, die die benötigten Daten enthalten? (z. B. Gebäudeleittechnik, Instandhaltungssysteme, Zähler, Präsenz‑ und Anwesenheitssensoren)
✅ Verfügen wir über die rechtlichen und technischen Voraussetzungen, um diese Daten zu extrahieren (z. B. über Schnittstellen oder Exporte)? Und sind die verantwortlichen Personen („Gatekeeper“) für den Datenzugriff benannt?
✅ Wurden die Daten geprüft, um mögliche Hindernisse frühzeitig zu erkennen, z. B. fehlende Zähler, inkonsistente Asset-Bezeichnungen oder unstrukturierte Notizen, die die KI behindern könnten?
✅ Können Assets, Räume und Arbeitsaufträge in einer einheitlichen, für KI interpretierbaren Struktur abgebildet werden – auch wenn diese noch nicht vollständig optimiert ist?
Abschnitt C: Governance, Sicherheit und Risiko
✅ Sind klare Regelungen zum Umgang mit personenbezogenen Daten, zur Datenaufbewahrung und zur Datenverarbeitung definiert?
✅ Hat die IT‑ bzw. Security‑Organisation einen pragmatischen Freigabeprozess für dieses Pilotprojekt geschaffen, der Sicherheitsanforderungen erfüllt, das Projekt aber nicht unnötig verzögert?
✅ Gibt es eine verantwortliche Person, die KI‑basierte Handlungsempfehlungen prüft und freigibt, um intransparente oder automatisierte Entscheidungen ohne Kontrolle zu vermeiden?
Abschnitt D: Menschen und Prozesse
✅ Ist ein klarer Prozess definiert, wie KI‑gestützte Erkenntnisse an die operative Ebene weitergegeben werden? (z. B. Bewertung → Einsatzplanung → Umsetzung → Verifikation)
✅ Gibt es einen praxisnahen Schulungsansatz für Mitarbeitende (30 bis 60 Minuten) sowie eine strukturierte Feedbackschleife, insbesondere für Techniker und operative Teams?
Vier Schritte für den Start innerhalb von 90 Tagen
- Pain Points und Daten erfassen. Starten Sie mit einem kurzen Workshop mit Stakeholdern aus Facility Management / Real Estate, IT und Finance, um zentrale Herausforderungen und verfügbare Daten gemeinsam zu identifizieren.
Geeignete Pilotanwendungen auswählen Wählen Sie ein bis zwei klar abgegrenzte Anwendungsfälle und halten Sie den Umfang bewusst überschaubar. Typische Einsatzfelder für erste KI Pilotprojekte im Immobilien und Facility Management sind:
- Adaptive Instandhaltung: Vorhersage von Geräte und Anlagenstörungen.
- Komfortsteuerung: Automatische Anpassung von HLK Anlagen und Beleuchtung auf Basis tatsächlicher Nutzungsmuster.
- Energieverbrauch: Früherkennung von Anomalien und ungewöhnlichen Verbrauchsmustern.
- Flächennutzung : Empfehlungen zur optimierten Flächen und Raumverteilung. Identifikation untergenutzter Räume und Verbesserung von Buchungsprozessen.
- Workplace Services: Bearbeitung von Serviceanfragen über kurze, verständliche Texte statt komplexer Formulare.
- Bestehende Plattformen nutzen Arbeiten Sie eng mit Ihrem Plattform oder Softwareanbieter zusammen, um zu prüfen, welche Funktionen bereits verfügbar sind und welche Konfigurationen oder Ergänzungen notwendig sind.
- Kennzahlen und Lernschleifen definieren. Legen Sie klare Erfolgskennzahlen fest und etablieren Sie eine kontinuierliche Lern und Optimierungsschleife. Streben Sie keine Perfektion an, sondern eine klar messbare Verbesserung.
Das Potenzial von Künstlicher Intelligenz zwingt Unternehmen auf mehreren Ebenen dazu, ihre bestehenden Prozesse kritisch zu hinterfragen. Dabei ist wichtig: Sie benötigen keinen fünfjährigen Masterplan, um zu starten.
Ein erstes, gut gewähltes Experiment, das in einen größeren strategischen Kontext eingebettet ist, liefert bereits wertvolle Erkenntnisse und schafft die Grundlage für weitere Schritte.
Dies ist Teil 2 der dreiteiligen Blogserie „Künstliche Intelligenz für Real Estate & Facility Management“. Im nächsten Beitrag beleuchten wir das Thema Ausschreibungen (RFPs) und zeigen, wie Teams ihre Fragen so formulieren, dass sie die KI gestützten Lösungen erhalten, die sie tatsächlich benötigen.
