METXMEStellen Sie sich kurz vor, es ist Donnerstagmorgen, kurz nach acht. Die Meldung erscheint, bevor die ersten Mieter:innen den Hörer in die Hand nehmen: Die Zuluftanlage in Halle 7 zieht seit drei Tagen 12 Prozent mehr Strom als gewohnt, der Differenzdruck am Filter steigt linear, in 14 Tagen wird sie unter Volllast ausfallen. Im selben Dashboard liegt der vorgeschlagene Wartungsslot, der Auftragsentwurf, der zuständige Dienstleister, der freie Termin. Ein Klick, Vier-Augen-Prinzip, raus.
Das ist keine Zukunftsmusik. Diese Logik läuft 2026 in mehreren tausend Liegenschaften in Europa — und in der überwiegenden Mehrheit eben nicht. Nicht, weil die Technik fehlt. Sondern weil die Daten zwar da sind, aber nicht zusammengeführt werden. Frank Schröder, Co-Leiter des gefma-Arbeitskreises „Gebäudebetrieb 4.0", bringt es im Interview mit der Immobilienwirtschaft (Ausgabe 01/2026) auf den Punkt: Die Datenerfassung sei in vielen Gebäuden bereits Realität, die systematische Nutzung nicht. Viele Organisationen säßen noch in Pilotphasen.
Genau hier liegt 2026 der Vorsprung: Nicht im Mehr-an-Sensoren, sondern in der disziplinierten Auswahl der Datenpunkte, die wirklich zählen — und in der Fähigkeit, sie an einer Stelle so zu strukturieren, dass KI darauf etwas Nützliches tun kann.
Die Datenlandkarte: Was im FM überhaupt entsteht
Bevor man darüber redet, welche Daten Vorsprung bringen, lohnt sich ein nüchterner Blick auf die sechs Schichten, in denen FM-Daten heute entstehen. Sie sind nicht gleichwertig, aber sie hängen unauflöslich zusammen — und wer eine Schicht ignoriert, verliert die Aussagekraft der anderen.
Stamm- und Flächendaten bilden das Skelett. Gebäude, Etagen, Räume, Mietflächen, Nutzungsarten, Verkehrsflächen, Abrechnungsflächen nach gif. Klingt trivial, ist es aber nicht: Ohne saubere Flächendaten ist jede Energiekennzahl, jede Reinigungskalkulation und jede Betriebskostenumlage am Ende ein Schätzwert.
Anlagen- und Bauteildaten sind das Herz des technischen FM. Anlagentyp, Hersteller, Baujahr, Standort, Leistungsdaten, Wartungsintervall, Prüfpflicht, verantwortliche Person, Vertrag, Garantiestatus, Ersatzteillisten. Die GEFMA-Richtlinie 480 liefert hier seit Jahren standardisierte Datenstrukturen und -inhalte; CAFM Connect ergänzt sie auf Basis von DIN 276 mit einem IFCXML-Format für den Datenaustausch zwischen BIM, GLT und CAFM.
Kaufmännische Daten sind der Bezug zur Realität: Verträge, Gewährleistungen, Versicherungen, Wartungspauschalen, Rechnungen, Forderungen, Mahnstufen, Umlageschlüssel. Sie machen aus „die Anlage läuft" die Aussage „die Anlage läuft wirtschaftlich".
Zustandsdaten sind die Schicht, die in den letzten zehn Jahren explodiert ist. Vibration, Temperatur, Stromaufnahme, Druck, Differenzdruck, Drehzahl, Betriebsstunden, Zählerstände, Füllstände, Öl- und Wasserqualität, CO₂, Feuchte, Beleuchtungsstärke, Lärm, Belegung, Türzustände. Jede einzelne dieser Größen ist ein Datenpunkt — und in einer mittelgroßen Liegenschaft kommen schnell mehrere tausend zusammen. Nicht zufällig hat der gefma-Arbeitskreis Digitalisierung 2023 die Richtlinie GEFMA 444 für CAFM-Software um einen 18. Kriterienkatalog „IoT-Datenmanagement" erweitert.
Prozessdaten sind das Nervensystem: Tickets, Aufträge, Fristen, Freigaben, Eskalationsstufen, Leistungsnachweise, Begehungsprotokolle, Mängellisten, Audit-Trails. Sie sind das, was am Ende vor einer Prüfung oder einem Schadensfall zählt.
Nutzungsdaten schließen den Kreis: Wer war wann wo, wie lange, in welcher Dichte, mit welchem Komfortempfinden. Hot-Desking-Buchungen, Zugangsereignisse, Anwesenheitsprofile, Reinigungs-Feedback, Beschwerdehistorie. Im Nichtwohnbau wird diese Schicht 2026 schnell zur strategischen — denn Flächen werden zunehmend nach realer Nutzung dimensioniert, nicht nach Bauvolumen.
Das ist die Landkarte. Die meisten Liegenschaften haben heute alle sechs Schichten — verstreut auf vier bis acht Systeme, drei Excel-Welten und mindestens einen Aktenordner.
Welche Datenpunkte 2026 wirklich Vorsprung bringen
Aus dieser Landkarte sticht eine kleine Auswahl heraus, die in den nächsten zwölf bis 24 Monaten den Unterschied macht — zwischen Liegenschaften, die als gut betreut, gut bewertbar und gut berichtbar gelten, und solchen, die in der Defensive operieren.
Anlagen-Health-Indikatoren in Echtzeit. Vibration und Stromaufnahme an rotierenden Maschinen (Pumpen, Lüftern, Kompressoren, Aufzügen), Differenzdruck an Filtern, Vorlauftemperaturen und Spreizungen an Heizkreisen, Betriebsstundenzähler. Diese Größen sind die Frühindikatoren, auf denen jede sinnvolle Predictive-Maintenance-Strategie aufsetzt — und sie sind erstaunlich oft schon vorhanden, nur eben in der GLT eingesperrt und nie an die Wartungsplanung angeschlossen.
Sub-Metering und Verbrauchsdaten mit hoher Auflösung. Strom, Wärme, Kälte, Wasser — aber bitte nicht nur als Jahreszählerstand, sondern als Lastgang pro Versorgungseinheit, idealerweise pro Mieteinheit oder Anlage. Erst auf dieser Granularität entstehen die Kennzahlen, die ESG-Reports tragen und gleichzeitig technische Anomalien sichtbar machen. Energie macht in vielen Beständen 30 bis 50 Prozent der Betriebskosten aus — wer hier blind ist, optimiert auf einer Black Box.
Indoor Environmental Quality. CO₂, Temperatur, Feuchte, Lärm, in modernen Konzepten ergänzt um VOC und Feinstaub. In der Bewertung von Büro- und Bildungsimmobilien ist IEQ längst kein Nice-to-have mehr, sondern ein Mietvertragsthema. Studien sehen Produktivitätseinbußen von 6 bis 9 Prozent durch schlechte Arbeitsbedingungen — das ist ein Hebel, der in jedem Asset-Management-Gespräch verstanden wird.
Belegungs- und Nutzungsdaten. In hybriden Arbeitswelten ist die größte Reserve nicht die Heizungsanlage, sondern die Fläche selbst. Belegungssensoren, Buchungssysteme und WLAN-basierte Anwesenheitsprofile sagen Ihnen, ob 30 Prozent Ihrer Konferenzräume eigentlich überflüssig sind — oder ob die nächste Anmietung wirklich nötig ist.
Wartungs- und Prüfhistorie als strukturierter Datenstrom. Nicht als Stapel PDFs, sondern als Zeitreihe pro Anlage: Welche Maßnahme, wann, durch wen, mit welchem Befund, mit welchem Material, mit welchen Folgekosten. Genau diese Schicht ist der Trainingsdatensatz für jede KI-gestützte Wartungsplanung — und sie entsteht in Liegenschaften, in denen Leistungsnachweise digital erfasst werden, fast nebenbei.
Audit-Trail über Freigaben und Entscheidungen. Wer hat wann was freigegeben, gegen welchen Beleg, mit welcher Begründung? In Deutschland mit BetrSichV, GEG, DSGVO und CSRD-Anforderungen ist das nicht mehr optional. Ein erzwungenes Vier-Augen-Prinzip plus durchgängiger Audit-Trail ist deshalb kein Compliance-Theater, sondern die pragmatische Voraussetzung dafür, dass Anlagenentscheidungen später nachvollziehbar sind — auch nach Personalwechseln, Mandatsübergängen oder Versicherungsfällen.
Vertrags- und Fristen-Telemetrie. Die unsichtbarste, aber oft teuerste Schicht. Kündigungsfristen, Indexierungstermine, Gewährleistungsenden, Prüffristen, Wartungszyklen. In den meisten Beständen liegt hier sechs- bis siebenstelliges Geld auf dem Tisch — schlicht weil keiner rechtzeitig erinnert wird. Eine zentrale Wartungsmatrix, die TÜV-, Prüf-, Wartungs- und Garantiefristen auf einer Zeitachse zeigt, ist deshalb keine Spielerei, sondern eine der ersten Maßnahmen mit unmittelbarem ROI.
Was KI mit diesen Daten 2026 wirklich tut
Die Branche redet seit Jahren über KI im FM. Was 2026 daran neu ist: Sie funktioniert. Aber sie funktioniert nur dort, wo die oben skizzierten Datenpunkte sauber, strukturiert und verknüpft vorliegen. McKinsey beziffert das Potenzial digital befähigter Reliability-Programme mit 0–15 % höherer Anlagenverfügbarkeit und 18 bis 25 Prozent niedrigeren Instandhaltungskosten. JLL ergänzt die Adoptionsseite: 0 % der Organisationen haben KI-Lösungen im FM eingebettet, bei großen Organisationen 46 Prozent — und 92 Prozent haben KI-Tools in CRE-Use-Cases pilotiert oder planen das für dieses Jahr, gegenüber unter 5 Prozent im Jahr 2023. Genau in dieser Lücke zwischen Pilotphase und produktivem Einsatz entsteht Vorsprung.
Vier KI-Anwendungen sind heute aus dem Pilotstatus heraus:
Anomalie-Erkennung auf Sensordatenströmen. Maschinelles Lernen erkennt auf Vibrations-, Strom- und Temperaturkurven Muster, die der menschlichen Inspektion entgehen — Wochen bevor eine Anlage hörbar oder sichtbar ausfällt. Die ehrliche Einschränkung: Es funktioniert nur, wenn historische Daten ausreichend sauber sind. Modelle brauchen Wochen bis Monate, um auf einer konkreten Anlage belastbare Vorhersagen zu liefern.
Automatisierte Auftragsableitung und Priorisierung. Wenn Sensordaten, Wartungshistorie, Anlagenkritikalität und Kalenderverfügbarkeit in einem System liegen, kann eine KI Anomalien nicht nur erkennen, sondern direkt Auftragsentwürfe anlegen — mit Vorschlag für Dienstleister, Slot, Material, Priorität. Der Mensch entscheidet, die KI bereitet vor. Das ist der eigentliche Effizienzhebel im FM-Alltag, weil Dispatching und Auftragspflege heute pro Objekt schnell zwei bis drei Personentage im Monat verschlingen.
Energieoptimierung in Echtzeit. KI-Steuerungen, die Heizkurven, Lüftungsraten und Kältemaschinen anhand von Wetterprognose, Belegung und Lastgang dynamisch nachjustieren, sind 2026 in modernen Bürogebäuden zunehmend Standard. Sie sind gleichzeitig der direkteste Hebel für die EPBD-Konformität und für glaubwürdige ESG-Kennzahlen.
Reporting-Generierung und Wissensbewahrung. Sprachmodelle, die aus strukturierten FM-Daten Berichtsentwürfe, Gespräche mit Mieter:innen, Begehungsprotokolle, Mängelmeldungen und Eskalationsmails formulieren, sind der unspektakulärste, aber vielleicht wichtigste KI-Use-Case der Branche. Wenn jemand mit 30 Jahren Erfahrung in der Anlagentechnik das Unternehmen verlässt, ist die Frage nicht, ob dieses Wissen verschwindet — sondern ob es vorher in ein System geflossen ist, das daraus etwas lernen kann.
Was Sie 2026 nicht erleben werden, auch wenn manche Anbieter:innen es versprechen: eine KI, die ein chaotisches Datenfundament heilt. Die unbequeme Wahrheit ist, dass Modelle Schrott reproduzieren, wenn sie auf Schrott trainiert werden. Wer Stammdaten unvollständig führt, Wartungshistorien lückenhaft pflegt und Verträge in fünf E-Mail-Postfächern verstreut, bekommt keine bessere Steuerung — sondern nur schneller falsche Antworten.
Wo das Datenfundament konkret zusammenkommt
Die strategische Frage 2026 ist deshalb nicht „Welchen Sensor kaufe ich als nächstes?", sondern „Wo laufen meine Datenpunkte zusammen, sodass jemand — Mensch oder KI — daraus eine Entscheidung ableiten kann?". In der Praxis heißt das: ein Operating System, das Stamm-, Anlagen-, Verbrauchs-, Zustands-, Prozess- und Nutzungsdaten auf einer einzigen Datenbasis hält.
Diese Architektur unterscheidet sich grundlegend von einem klassischen CAFM-Modul-Stack. Sie braucht eine Anlagen-Engine, die typische Anlagentypen mit hinterlegten Wartungs- und Prüfintervallen nach DIN, VDI und BetrSichV abbildet. Sie braucht eine Wartungsmatrix, die TÜV-, Wartungs-, Vertrags- und Gewährleistungsfristen auf einer einzigen Zeitachse zusammenführt. Und sie braucht eine Schnittstellenlogik, die Sensordaten aus der GLT, kaufmännische Daten aus der ERP-Welt und Nachweise aus dem operativen Tagesgeschäft in dieselbe Stammdatenstruktur einspeist.
Der Punkt ist nicht, dass eine einzelne Plattform alles kann. Der Punkt ist, dass die Datenpunkte, die 2026 wirklich Vorsprung bringen, eine Heimat brauchen — und dass diese Heimat in vielen Beständen heute schlicht fehlt.
Die Vision, die 2026 zur Realität wird
Zurück zum Donnerstagmorgen aus der ersten Zeile. Die Anlage in Halle 7 fällt nicht aus, weil drei Datenpunkte (Stromaufnahme, Differenzdruck, Betriebsstunden) in einem System lagen, in dem ein Modell sie zusammen lesen konnte, in dem ein Auftrag automatisch entstehen durfte und in dem eine Person mit zwei Klicks freigeben konnte. Keine Magie. Keine Dystopie. Nur konsequent zu Ende gedachte Datenintegration.
Wer 2026 Vorsprung will, fängt deshalb nicht beim nächsten Sensor an, sondern bei einer ehrlichen Inventur: Welche Datenpunkte erzeuge ich heute schon? Welche davon liegen in Silos? Welche fünf bis zehn Größen würden, wenn sie zusammengeführt wären, meinen Alltag, mein Reporting und meine Entscheidungssicherheit am stärksten verändern? Diese Liste lässt sich an einem Vormittag erstellen. Sie ist der Anfang.
Die Werkzeuge sind da. Die regulatorischen Anforderungen sortieren das Feld. Die KI-Modelle warten auf saubere Daten. Was zählt, ist die Disziplin, die Schichten zusammenzuziehen — und das Vertrauen, dass aus Datenpunkten dann tatsächlich das wird, was die Branche seit Jahren verspricht: ein Gebäudebetrieb, der nicht reagiert, sondern vorausschaut.
Quellen
[1] Haufe Immobilien (März 2026), Interview mit Frank Schröder (Co-Leiter gefma-Arbeitskreis „Gebäudebetrieb 4.0"): Gebäudedaten nutzen — Use Cases für digitalen Gebäudebetrieb. https://www.haufe.de/immobilien/gebaeudedaten-nutzen-use-cases-fuer-digitalen-gebaeudebetrieb_22_677394.html
[2] gefma e. V., Arbeitskreis Digitalisierung: Übersicht zu GEFMA-Richtlinien einschließlich GEFMA 480 und CAFM Connect. https://www.gefma.de/schwerpunkte/digitalisierung
[3] Der Facility Manager: GEFMA 444 um Katalog zu IoT erweitert. https://www.facility-manager.de/cafm-news/gefma-444-um-katalog-zu-iot-erweitert/
[4] Sensgreen (2026): Top 7 Facility Management KPIs To Track With Sensors. https://sensgreen.com/top-7-facility-management-kpis-building-sensors/
[5] McKinsey & Company: Digitally enabled reliability: Beyond predictive maintenance. https://www.mckinsey.com/capabilities/operations/our-insights/digitally-enabled-reliability-beyond-predictive-maintenance
[6] JLL (November 2025): Global State of Facilities Management Report 2025. https://www.jll.com/en-us/insights/global-state-of-facilities-management-report
[7] Europäische Kommission, GD Energie: Energy Performance of Buildings Directive. Richtlinie (EU) 2024/1275, Umsetzungsfrist 29. Mai 2026. https://energy.ec.europa.eu/topics/energy-efficiency/energy-performance-buildings/energy-performance-buildings-directive_en
[8] Bundesanstalt für Arbeitsschutz und Arbeitsmedizin (BAuA): Pflichten der Betreiber:innen überwachungsbedürftiger Anlagen nach BetrSichV und ÜAnlG. https://www.baua.de/DE/Die-BAuA/Aufgaben/Gesetzliche-und-hoheitliche-Aufgaben/Produktsicherheitsgesetz/Zugelassene-Ueberwachungsstellen
Stand: Mai 2026. Externe Inhalte können sich verändern; die Verfügbarkeit der verlinkten Quellen wurde zum Zeitpunkt der Veröffentlichung geprüft.