KI im Facility Management

Wo Facility Management im Mai 2026 wirklich steht#

Das Feld ist gespalten. Die großen FM-Dienstleister haben CAFM-Systeme, IoT-Plattformen und ESG-Dashboards. Die Realität auf der anderen Seite — kleine Hausverwaltungen, mittelständische Hausmeisterfirmen, Eigenverwalter mit zwanzig Liegenschaften — sieht anders aus: Excel-Tabellen für Leistungsverzeichnisse, WhatsApp-Gruppen für Mängelmeldungen, ein Aktenordner mit Wartungsverträgen, der seit 2019 nicht mehr durchgesehen wurde. Für diesen Teil der Branche ist KI heute kein Zukunftsthema, sondern der erste reale Hebel, der Effizienz bringt, ohne dass eine sechsstellige Investition davorhängt.

Das Schöne an FM: die Aufgaben sind strukturiert genug, dass Sprachmodelle sie bedienen können, und gleichzeitig regulatorisch ernst genug, dass Generalisten wie ChatGPT-Privat-Konten den Job nicht ersetzen. Wer die Routen kennt, holt in einem Quartal aus seiner Belegschaft Stunden zurück, die anders nicht zu finden gewesen wären.

Tag 0 bis 30 — Was sofort funktioniert#

Strukturiertes Leistungsverzeichnis aus Roh-Excel#

Der mit Abstand häufigste Schmerzpunkt im FM-Mittelstand: Hausverwalter oder Eigentümer wollen ein Angebot, der Hausmeister oder die FM-Firma schickt drei Excel-Zeilen mit Pauschal-Beträgen, das Angebot ist nicht vergleichbar, am Ende vergleicht der Auftraggeber Apfel mit Birne und entscheidet nach dem Bauchgefühl.

Die Lösung ist nicht die nächste Excel-Vorlage. Die Lösung ist ein strukturiertes Leistungsverzeichnis nach GEFMA 200 mit Cluster (Reinigung, Hausmeister, Außenanlagen, Winterdienst, Notdienst), Qualitätsstufen, Frequenzen und mengen-basierten Preisachsen. Das ist der Job, den das metxme.ai LV-Tool kostenlos macht. Wer mit KI an dieses Thema rangeht, koppelt das LV-Tool mit einem Sprachmodell, das aus losen Notizen die Catalog-Positionen erkennt und vorbefüllt:

Du bist FM-Berater. Aus dem folgenden Roh-Text einer Hausverwaltung
extrahiere alle Service-Positionen. Pro Position antworte als JSON-Zeile mit:

{
  "cluster": "reinigung" | "fm_hausmeister" | "aussenanlagen" | "winterdienst" | "notdienst",
  "leistung": "Kurzbeschreibung",
  "frequenz": "1x/Woche" | "1x/Monat" | "1x/Quartal" | "1x/Jahr" | "nach_bedarf",
  "menge_einheit": "m2" | "Stueck" | "lfm" | "Pauschal",
  "menge_wert": number | null,
  "qualitaetsstufe": "I" | "II" | "III" | "IV" | "V" | null,
  "fundstelle": "Zitat aus Original-Text"
}

Nur das, was im Text wirklich steht. Keine eigenen Annahmen.
Wenn etwas unklar ist, antworte mit fundstelle: "unklar".

Das Ergebnis kippt direkt in ein metxme.ai-LV-Tool-kompatibles Format. Was eine Hausverwaltung in zwei Tagen mühsam mit Vorlagen baut, läuft so in 20 Minuten und liefert ein vergleichbares Ausschreibungsdokument.

Wartungsmatrix aus Anlagen-Inventur#

Pflichtwartungen sind kein Service, den ein Eigentümer optional bestellt. Sie ergeben sich zwingend aus der vorhandenen Anlagentechnik — RLT-Wartung nach VDI 6022, Aufzugsprüfung nach BetrSichV, Trinkwasser-Untersuchung nach TrinkwV § 14b, Brandschutzklappen-Prüfung, Notbeleuchtung. Die Realität: in mittelständischen Beständen kennt niemand exakt, welche Anlagen welche Pflichten auslösen, weil das Wissen in vier Köpfen verteilt liegt und nirgends dokumentiert ist.

KI hilft beim Konsolidieren, aber sie findet keine Anlagen. Der pragmatische Workflow:

• Anlagen-Inventur als Liste erfassen — wer noch keine hat, fängt mit einer Begehung an. Eine Stunde pro Liegenschaft, pro Anlage Foto plus Typenschild plus Standort. Das ist nicht KI-ersetzbar.
• Pro Anlage durch Sprachmodell prüfen lassen, welche regulatorischen Wartungs- und Prüf-Pflichten greifen. Hier ist das Modell wertvoll, weil es VDI/DIN/BetrSichV-Querverweise schneller findet als jeder Hausmeister.
• Ergebnis in eine Wartungsmatrix kippen — das metxme.ai-Wartungsmatrix-Tool nimmt CSV-Importe und führt jede Anlage gegen Erneuerungsfristen und Auto-Kosten.

Wichtig ist die Hierarchie der Verlässlichkeit: das Modell schlägt Pflichten vor, der Mensch (oder ein Fachgutachter) bestätigt. Eine versehentlich übersehene Pflichtwartung kann Personenschäden auslösen, und kein KI-Tool nimmt die Betreiberverantwortung ab.

Begehungs-Protokolle aus Sprachnotizen#

Hausmeister und Inspektoren erfassen Mängel meist mit dem Smartphone — Foto plus zwei Sätze Sprachnotiz. Was daraus wird, ist eine WhatsApp-Lawine, die in keinen Bericht mündet. Mit einem Voice-to-Text auf dem Handy plus einem strukturierten Prompt entsteht aus diesem Material in Minuten ein verwertbares Begehungs-Protokoll mit Kategorien, Dringlichkeit, Verantwortlichkeiten und Fristen — und das gleich als PDF, das als Anlage zum nächsten Quartalsbericht durchgeht.

Tag 30 bis 90 — Was Vorbereitung braucht, dann läuft#

Betreiber-Pflichten-Register pro Liegenschaft#

Das ist der Use-Case, der im Mittelstand am häufigsten gemieden und am dringendsten gebraucht wird. Wer als Verwalter oder Eigentümer betreibt, trägt die Betreiber-Verantwortung für alle Anlagen — Aufzug, Heizung, Lüftung, Brandschutz, Trinkwasser, elektrische Anlagen, Spielplatz, Außenanlagen-Verkehrssicherung. Diese Verantwortungen sind in einem Dutzend Verordnungen verteilt, und die wenigsten Verwalter haben einen vollständigen Überblick.

Mit den Daten aus Schritt 2 (Anlagen-Inventur) und einem strukturierten Prompt entsteht pro Liegenschaft ein Pflichten-Register, das auf einen Blick zeigt: welche Pflicht greift, welche Frequenz, welcher Zeitstand der letzten Erfüllung, welcher Verantwortliche, welcher Nachweis vorliegt. Das ist nicht „rechtssicher" — kein KI-Output ist das — aber es ist der Punkt, ab dem ein Verwalter überhaupt weiß, was er der Hausverwaltung, dem Wartungsdienst und dem Versicherer sagen kann.

Wer in den Vertragsbausteinen von metxme.ai unterwegs ist, kennt das Konzept: jedem Cluster sind in der Vertragsvorlage konkrete Pflichten zugeordnet, die der Auftragnehmer vertraglich übernimmt. Diese Verzahnung — Anlagen-Inventur → Pflichten-Register → Vertragsklausel — ist die operative Brücke, die KI im FM heute schon herstellt.

Mängelmanagement mit Eskalations-Logik#

Ein Mangel-Ticket, das in einer Excel-Liste liegt, wird abgehakt, wenn jemand Zeit hat. Ein Mangel-Ticket, das einer Eskalations-Matrix zugeordnet ist, mit definierten Fristen, automatischen Erinnerungen an den richtigen Ansprechpartner, und einem Audit-Log am Ende — das ist eine Liegenschaftsverwaltung, die in einer Streitsituation Bestand hat. metxme.ai hat genau dafür die Eskalations-Matrix, und KI hilft beim Befüllen der Matrix aus den realen Mängelhistorien — sie eskaliert nicht selbst, sondern zeigt dem Verwalter, wo Tickets älter werden, als sie dürften.

Reporting-Matrix für Auftraggeber-Reviews#

Quartalsweise Reports an den Eigentümer sind in vielen Bestandsverwaltungen eine Notgeburt. Die Daten liegen verteilt — im Buchhaltungssystem die Kosten, in der WhatsApp-Gruppe die Mängel, im Outlook-Postfach die Wartungs-Bescheinigungen. KI bringt sie zusammen: ein strukturierter Prompt, der gegen die Reporting-Matrix-Vorlage von metxme.ai läuft, generiert aus dem Quartalsmaterial einen Berichtsentwurf, den der Verwalter in 30 Minuten finalisiert statt in einem halben Arbeitstag.

Tag 90 bis 180 — Was wir noch nicht empfehlen#

Predictive Maintenance ohne IoT-Datenbasis#

Die Idee, dass eine KI Wartungsbedarfe vorhersagt, ist real — aber nur dann, wenn IoT-Sensorik flächendeckend installiert ist. In einem Bestand aus den 1990ern, wo die einzige Datenquelle ein Wartungsbericht aus 2023 ist, generiert „Predictive Maintenance" durch ein Sprachmodell nichts als Halluzinationen. Wer Predictive Maintenance ernsthaft will, fängt mit der Sensor-Installation an, nicht mit dem KI-Use-Case.

Bot-zu-Bot-Kommunikation mit Subunternehmern#

Sprachmodelle, die selbstständig Wartungsfirmen anschreiben, Termine vereinbaren und Aufträge erteilen, sind technisch möglich und juristisch gefährlich. Der Auftrag entsteht durch zwei übereinstimmende Willenserklärungen — wenn die KI eine fehlerhafte Erklärung abgibt, haftet der Verwalter. Bis es klare juristische Rahmenbedingungen gibt, gilt: KI bereitet vor, der Mensch sendet.

Vollautomatische Vertragsverlängerung#

Wartungsverträge in Mittelstand-Beständen verlängern sich oft stillschweigend, weil niemand die Kündigungsfrist überwacht. Eine KI, die Fristen ungeprüft kündigt oder verlängert, kann teuer werden. Sinnvoll ist eine Erinnerungs-KI — sechs Monate vor Ablauf eine Mail an den Verwalter mit dem Vertragsstand, einer Marktkonditions-Recherche und einem Empfehlungs-Vorschlag. Die Entscheidung trifft der Mensch.

Werkzeug-Stack, der heute trägt#

metxme.ai LV-Tool. Strukturiertes Leistungsverzeichnis mit Cluster, Q-Stufen, reaktiver Preisrechnung. Kostenlos, browserbasiert, Daten bleiben lokal. Wer als Hausverwalter ein vergleichbares Ausschreibungsdokument braucht, fängt hier an.

metxme.ai Wartungsmatrix. Anlagen-zentrierte Pflicht-Übersicht mit Erneuerungsfristen und Auto-Kosten. Standalone-HTML, ebenfalls kostenlos.

Claude Pro / Claude Code. Das Arbeitspferd für Catalog-Mapping, Pflichten-Register, Reporting-Drafts. Datenraum-Argumentation: Anthropics Datenschutz-Profil ist im FM-Kontext für die meisten Mittelständler akzeptabel, weil hier selten besonders sensible Daten verarbeitet werden — Anlagen-Daten sind in der Regel keine PII.

MCP-Connectoren. Excel-Skill für CSV-Im-/Exporte zwischen LV-Tool und CAFM, ein Outlook- oder Microsoft-365-MCP für die Zusammenführung von Wartungs-Bescheinigungen aus E-Mails, ein Webrecherche-MCP für die Querprüfung von DIN/VDI-Pflichten.

Voice-to-Text auf dem Handy. Apples integrierte Diktierfunktion oder Whisper-basierte Apps liefern Begehungs-Notizen in einer Qualität, die für die nachgelagerte Strukturierung durch das Sprachmodell ausreicht. Wer einen Hausmeister hat, der lieber spricht als tippt, gewinnt mit dieser Kombination eine Stunde pro Liegenschaft und Begehung.

Drei Risiken, die du selbst absichern musst#

Betreiber-Verantwortung bleibt beim Menschen. Das KI-System schlägt Pflichten vor, generiert Reports, kategorisiert Mängel — die rechtliche Haftung trägt der Verwalter, der Eigentümer oder der Geschäftsführer. Jede KI-Ausgabe ist ein Vorschlag, der durch einen Menschen gegengezeichnet werden muss, bevor er in einer Akte landet, in einem Vertrag steht oder einem Versicherer gemeldet wird.

Datenschutz im Mieter-Kontext. Mieter-Mängelmeldungen enthalten oft persönliche Daten — Wohnungsnummer, Telefonnummer, manchmal sensible Schadensbilder. Vor der Übergabe an ein externes Sprachmodell muss anonymisiert oder ein DSGVO-konformer EU-Endpunkt gewählt werden. Anthropic bietet hier Enterprise-Optionen, die für die meisten Mittelständler ausreichen — aber das ist eine Konfiguration, die man trifft, bevor man Live-Daten einkippt.

Nicht-skalierbarer Pilotbetrieb. Drei Pilot-Liegenschaften, von denen jede einen anderen Prompt-Stack nutzt, produzieren in zwölf Monaten ein Daten-Chaos, das schwer zu konsolidieren ist. Wer einsteigt, sollte einen klaren Catalog-Standard, eine klare Cluster-Definition und eine klare Reporting-Vorlage haben — und alle Pilote daran ausrichten. Das LV-Tool und die Wartungsmatrix von metxme.ai geben diese Standards kostenlos vor, und wer eigene Catalog-Definitionen pflegt, sollte sie versionieren.

Wo der Übergang zu Asset-Management beginnt#

Facility Management ist die operative Spiegelseite des Asset-Managements. Was in den Mietverträgen als Verkehrssicherungspflicht, Instandhaltungs-Klausel oder Gewährleistungs-Frist steht, schlägt im FM als Wartungsverpflichtung, Begehungs-Frequenz oder Ersatzteil-Vorratsstufe durch. Wer die FM-Routen aus diesem Wegweiser umgesetzt hat und parallel ein Portfolio betreut, findet im Asset-Management-Wegweiser die andere Hälfte des Strangs — wo aus FM-Daten ESG-Reports werden, wo Begehungs-Mängel zu Mietminderungs-Risiken werden, und wo die Übergabe zwischen Asset-Manager und FM-Verantwortlichem ohne Excel-Kollaps gelingt.