KI in der Immobilienverwaltung: Automatisierung im Mängelmanagement
Wie lassen sich Routineaufgaben in der Immobilienverwaltung schlanker und gleichzeitig effizienter gestalten? Mit dieser Frage hat sich die Manke Unternehmensgruppe in einer Machbarkeitsstudie gemeinsam mit KI.SH auseinandergesetzt. Ziel war es, zu untersuchen, wie Künstliche Intelligenz den Mängelprozess unterstützen kann, insbesondere durch die Automatisierung langwieriger Abläufe bei begrenzten Personalressourcen und steigenden Anforderungen an Geschwindigkeit und Transparenz.
Zeitintensive Bearbeitung von Mietanfragen
Als regionaler Bauträger mit rund 50 Beschäftigten ist Manke in der Neuerrichtung und Betreuung von Immobilien im Großraum Hamburg und an der Ostsee aktiv. Täglich müssen verschiedene Anliegen eingeschätzt und bearbeitet werden, von einfachen Auskünften bis zu komplexen Schadensmeldungen. Bislang begutachten Mitarbeitende Fotos, Texte und weitere Dokumente einzeln und leiten je nach Zuständigkeit alle Folgeschritte ein. Dies ist ein aufwändiger und ressourcenintensiver Prozess.
Ziel der Machbarkeitsstudie
Im Rahmen der Machbarkeitsstudie wurde untersucht, ob sich KI zur gezielten Unterstützung der Bild- und Textauswertung im Mängelmanagement eignet. Grundlage hierfür waren reale, bereits klassifizierte Schadensmeldungen sowie die dazugehörigen Bilddaten aus dem Unternehmensbestand. Wichtige Aspekte der Untersuchung waren die automatisierte Erkennung von Mängeln und ihre korrekte Zuordnung zu den zuständigen Gewerken. Hierbei wird ermittelt, welches Fachunternehmen, z.B. Dachdecker oder Klempner, einen festgestellten Mangel beheben sollte. Begleitet wurden die Machbarkeitsstudie vom KI.SH-Projektteam, bestehend aus Dominik Hirsch, Jan-Philipp Schreiter, Bennet Kahrs, Alwin Klick, Christopher Otto und Marvin Kühl.
Technische Umsetzung
Für die Mangelklassifikation kamen verschiedene Modelle aus dem Bereich der KI-Bildverarbeitung zum Einsatz: Neben jeweils rein bild- und textbasierten Modellen wurden auch multimodale Ansätze getestet. Die Gewerkklassifikation erfolgte mithilfe des textbasierten Modells ModernBERT. Dabei analysiert das Modell die Mängelbeschreibung und gibt mit hoher Zuverlässigkeit Vorschläge für weitere zuständige Gewerke aus.
ModernBERT
Das Sprachmodell ModernBERT ermöglicht eine präzise und ressourceneffiziente Textklassifikation und eignet sich besonders für Anwendungen, die schnelle und skalierbare Analysen großer Textmengen erfordern.
Hürden und Erkenntnisse bei der Mängelklassifikation
Die automatisierte Bewertung von Bildern als „Mangel“ oder „kein Mangel“ erwies sich als schwer umzusetzen. Hauptgrund hierfür war das Fehlen klar definierter Regeln in den vorliegenden historischen Daten. Warum ein Mangel angenommen oder abgelehnt wurde, war häufig nicht nachvollziehbar dokumentiert. Hinzu kam ein starkes Klassenungleichgewicht in der Datengrundlage. Diese Faktoren führten dazu, dass keines der getesteten Modelle überzeugende Ergebnisse erzielen konnte. Somit ist die Machbarkeit der Mangelklassifikation nicht gegeben.
Die automatisierte Zuordnung der Schadensmeldungen zum jeweils zuständigen Gewerk schnitt hingegen besser ab: Das ModernBERT-Modell konnte überzeugen, indem es aus den Freitext-Angaben das relevante Gewerk treffsicher bestimmte.
Potenziale und Ausblick
Die Studie macht deutlich, dass die Grundlage für eine erfolgreiche KI-Einführung in exakten und konsistent dokumentierten Daten liegt. Durch optimierte Prozesse und klare Regeln für die Datenerhebung lässt sich insbesondere die Gewerkklassifikation in Zukunft weiter automatisieren und bearbeiten, wodurch sich die Effizienz in der Immobilienverwaltung spürbar steigern ließe. Kurzfristig ist die automatisierte Zuordnung von Mängeln zu Handwerksgewerken von Vorteil, da Rückmeldungen und Bearbeitungszeiten sinken.
Die vollständige Automatisierung der Mängelentscheidung bleibt eine Herausforderung, bietet aber Entwicklungspotenzial für kommende digitale Anwendungen im Immobiliensektor.
