Eine Bewohnerin schreibt an die Hausverwaltung: Seit einigen Tagen zeigt sich im Schlafzimmer ein feuchter Fleck an der Außenwand. Wer solche Bewohnermeldungen bearbeiten muss, braucht mehr als einen höflichen Antworttext. Entscheidend ist, die richtigen Angaben zusammenzuführen und den nächsten Bearbeitungsschritt vorzubereiten.
Ein Wohnungsserviceassistent unterstützt genau diesen Übergang: Er nimmt Meldungen auf, zieht hinterlegtes Betriebswissen heran und bereitet Rückfragen, Antworten und interne Handlungsvorschläge vor. Die von uns entwickelte Lösung verbindet diese Schritte mit einer Fallübersicht und Dateiausgaben. Das folgende Beispiel ist synthetisch; es zeigt, wie sich der Ansatz in den Arbeitsalltag einer Hausverwaltung einfügen kann.
Der Nutzen entsteht dort, wo aus einer eingehenden Meldung ein übersichtlicher Vorgang mit einem konkreten nächsten Schritt wird.
Wie lassen sich Bewohnermeldungen bearbeiten?
Bewohnerinnen und Bewohner beschreiben dasselbe Problem auf unterschiedliche Weise. Eine Nachricht nennt die genaue Wohnung, eine andere nur die Wohnanlage; manchmal fehlt die Information, ob eine einzelne Wohnung oder das ganze Gebäude betroffen ist. Bevor die Verwaltung etwas veranlassen kann, müssen diese Angaben geordnet und gegebenenfalls ergänzt werden.
Der Assistent bündelt die Fallaufnahme über Webformular, Spracheingabe und ein E-Mail-Postfach. Die Anwendung vergibt eine Fallnummer, erfasst den Eingangszeitpunkt in Ortszeit und zeigt die Meldung in einer gemeinsamen Übersicht.
Im Beispiel wird die Meldung dem Thema Feuchtigkeit und Schimmel zugeordnet. Der Assistent stellt erkannte Angaben zusammen und bereitet Rückfragen vor, etwa nach der genauen Lage, der Entwicklung des Flecks und vorhandenen Fotos. Daraus entstehen ein Antwortvorschlag für die Bewohnerin und ein interner Vorschlag zur weiteren Bearbeitung, um das Anliegen zu beheben.
Mitarbeitende können den Vorgang aufrufen, fehlende Angaben ergänzen und die Entwürfe prüfen. Sie müssen die Nachricht nicht erneut aus verschiedenen Ansichten zusammensuchen oder für jeden weiteren Schritt vollständig neu formulieren. Fachliche Entscheidungen und die tatsächliche Beauftragung bleiben bei den zuständigen Personen.
Betriebswissen gibt dem Sprachmodell Orientierung
Die Service-Knowledge-Base, also das digitale Betriebshandbuch, enthält fünf ausgewählte Themenbereiche: Heizung und Warmwasser, Wasser- und Rohrschäden, Strom und Elektrik, Feuchtigkeit und Schimmel sowie Aufzug und Gebäudezugang. Für jedes Thema sind typische Rückfragen, Antwortstrukturen und interne Bearbeitungsschritte hinterlegt. In der aktuellen Umsetzung bildet dieses Betriebswissen beispielhafte Serviceabläufe ab, die für den operativen Einsatz durch die freigegebenen Vorgaben der jeweiligen Hausverwaltung ersetzt werden.
Das Sprachmodell formuliert auf dieser Grundlage verständliche Texte. Es muss nicht selbst erfinden, welche Informationen die Verwaltung braucht oder wie eine Antwort grundsätzlich aufgebaut sein soll. Die Anwendung übernimmt Fallnummern, Zeitstempel, regelbasierte Erstzuordnung und Exporte; die KI unterstützt vor allem bei der sprachlichen Ausarbeitung.
Diese Aufgabenteilung spart KI-Aufrufe: Eine Fallnummer zu vergeben oder einen Zeitstempel zu speichern, braucht kein Sprachmodell. Dafür genügen feste Programmregeln; KI wird dort eingesetzt, wo sie bei der Formulierung und Aufbereitung von Informationen unterstützt.
Alle Fälle bleiben in der Verantwortung der Mitarbeitenden; die KI unterstützt sie mit Recherchevorarbeit, geordneten Angaben und Entwürfen. Lässt sich eine Meldung keiner Standardkategorie ausreichend sicher zuordnen, wird sie als Spezialfall gekennzeichnet und die menschliche Bearbeitung früher vorgesehen, statt den üblichen Standardablauf fortzusetzen. Fachfremde Inhalte erhalten eine eigene Einordnung.
Von der Antwort zum dokumentierten nächsten Schritt
Der Handlungsvorschlag besteht aus zwei Perspektiven: Was sollte die Bewohnerin als Nächstes wissen, und welche Informationen braucht die interne Bearbeitung? Beim feuchten Wandfleck kann die Bewohnerantwort den Eingang bestätigen und um ergänzende Angaben oder Fotos bitten. Der interne Entwurf fasst Objekt, Problem und vorgeschlagenen Bearbeitungsweg zusammen.
Die Fallansicht macht diesen Übergang nachvollziehbar. Ein Technikauftrag wird als Entwurf vorbereitet. Seine Freigabe wird in der Demo simuliert; ein Handwerksbetrieb wird dabei nicht tatsächlich beauftragt. Für einen produktiven Einsatz ließe sich eine Anbindung ergänzen, über die Handwerksbetriebe nach Freigabe direkt kontaktiert werden. Im aktivierten E-Mail-Kanal werden dagegen bereits echte automatische Antworten versendet.
Auch eine verzögerte Analyse bleibt ein bearbeitbarer Vorgang. Nach einer konfigurierbaren Frist, standardmäßig 60 Sekunden, erhält der Fall einen Fehlerstatus; eine allgemeine Bewohnerantwort und ein Hinweis zur manuellen Übernahme sind vorgesehen. Im eingerichteten E-Mail-Kanal stehen dafür Versandwege bereit, damit eine fehlgeschlagene automatische Verarbeitung nicht einfach unbemerkt endet.
Zur Dokumentation wird jede Meldung mit Fallnummer, Eingangszeit und Bearbeitungsstatus in einer Excel-Datei erfasst. Eine PDF-Fallübersicht fasst den Vorgang zur Weitergabe zusammen. Für Unternehmen mit vorhandenen Fachsystemen lässt sich anstelle der Excel-Ablage eine geeignete Datenbank oder Schnittstelle anbinden; die konkrete Integration richtet sich nach dem Zielsystem.
Wie fügt sich der Assistent in die IT ein?
Die Anwendung wird in einem Docker-Container bereitgestellt. Oberfläche, Ablaufsteuerung, Servicewissen und Dateiausgaben bilden einen eigenen Baustein. Modellanbindungen und der E-Mail-Kanal sind davon getrennt konfigurierbar, sodass die Lösung nicht an einen einzigen KI-Anbieter gebunden ist.
Für die KI-Verarbeitung gibt es zwei Betriebsmodelle: ein lokal betriebenes großes Sprachmodell (LLM), beispielsweise über Ollama, oder ein Cloud-basiertes LLM, beispielsweise von OpenAI. Momentan stellt uns unser Partner Xinity die LLM-Ressourcen über eine Programmierschnittstelle (API) bereit. Ein entsprechender LLM-Betrieb auf eigener geeigneter Serverhardware lässt sich als Bereitstellungsvariante vorsehen.
Unser Kontrollframework für KI-Agenten lässt sich bei beiden Modellwegen dazwischenschalten. Es ergänzt die Verarbeitung um eine Kontrolle von Werkzeugaufrufen anhand kryptografisch signierter Berechtigungen. Das ist besonders relevant, wenn die KI nicht nur Texte vorbereitet, sondern Aktionen wie Datenbankänderungen oder das Ablegen von PDF- und Bilddateien anstoßen soll.
In unserer Demo wurde dieser Werkzeugpfad mit der über Xinity bereitgestellten Modellanbindung für das Ablegen von PDF-Dateien auf einem internen Server eingesetzt. Die Kombination des Frameworks mit einem Cloud-Modell wie OpenAI ist als Erweiterung vorgesehen. Das Framework ist damit keine Alternative zum Sprachmodell, sondern eine zusätzliche Kontrollschicht für dessen Aktionsmöglichkeiten.
Auch die Umwandlung von Sprache in Text lässt sich je nach Hardware und Datenschutzanforderungen auslegen: Auf schwächerer Hardware kann ein Cloud-Dienst die lokale Rechenlast vermeiden; auf ausreichend leistungsfähiger Hardware kommt eine lokale Spracherkennung infrage. Eine lokale Transkription lässt sich als alternative Anbindung ergänzen. Der E-Mail-Kanal läuft über Microsoft 365 und Microsoft Graph; Zugriffsrechte, automatische Antworten und Aufbewahrung werden vor dem produktiven Einsatz festgelegt.
Lokales und Cloud-basiertes LLM sind alternative Modellwege; das Kontrollframework kann bei beiden für die Werkzeugaufrufe zusätzlich zwischengeschaltet werden. Regelbasierte Exporte erfolgen aus der Fallverarbeitung; KI-initiierte Dateiablagen werden über kontrollierte Werkzeugaufrufe freigegeben. Je nach Zielsystem lassen sich interne Datenbanken sowie Excel- und PDF-Ausgaben anbinden.
Wo es nicht hilft
Der Assistent unterstützt den Bewohnerservice, ersetzt aber keinen Notfalldienst. Bei unmittelbarer Gefahr braucht es eindeutige Eskalationswege und erreichbare Verantwortliche. Rechtlich oder fachlich anspruchsvolle Einzelfälle sollten von Beginn an direkt mit den zuständigen qualifizierten Mitarbeitenden bearbeitet werden.
Die aktuelle Umsetzung verwendet synthetische Vergleichsmeldungen und Beispielangaben zu Wohnanlagen. Sie zeigen, wie zusätzlicher Kontext die Bearbeitung unterstützen kann. Für belastbare Aussagen über reale Gebäude, wiederkehrende Störungen oder bestehende Aufträge sind entsprechende aktuelle Bestands- und Vorgangsdaten erforderlich.
Fehlen klare Zuständigkeiten oder freigegebene Servicevorgaben, sollte zuerst der Arbeitsablauf geklärt werden. Gibt es bereits ein gut funktionierendes Ticketsystem, kann eine Ergänzung dieses Systems sinnvoller sein als eine zusätzliche Oberfläche. Der Ansatz soll vorhandene Arbeit erleichtern, nicht einen weiteren parallelen Prozess erzeugen.
Ein überschaubarer Einstieg statt eines Großprojekts
Der erwartete Nutzen liegt in weniger Übertragungsarbeit und besser vorbereiteten Vorgängen. Spracheingabe, echte Test-E-Mails mit automatischer Antwort, die Fallübersicht sowie Excel- und PDF-Ausgaben wurden im Entwicklungsverlauf praktisch erprobt. Damit steht ein zusammenhängender Ablauf als Grundlage für die fachliche Diskussion zur Verfügung.
Ein erster Pilotbetrieb kann sich auf wenige häufige Meldungstypen beschränken. Anhand repräsentativer Fälle lässt sich untersuchen, wie stark der Ansatz den Serviceprozess entlastet und die Bearbeitungsqualität unterstützt. Welche wiederkehrende Meldung verursacht heute viel Übertragungsarbeit und wäre klar genug geregelt, um sie als ersten Fall gemeinsam anzugehen?
Verbindungen
Autor und Entwicklungsteam: Alexander Neulinger, SNCS
Vorarbeit: Lokaler Office Assistent: Datenhoheit braucht Kontrolle
Architektureinordnung: Custom Engine Agent: Datensouveränität bleibt partiell
Offenlegung: SNCS hat den beschriebenen Wohnungsserviceassistenten entwickelt und ist wirtschaftlich an seiner Weiterentwicklung beteiligt.
Alexander Neulinger, PhD Mitgründer SNCS GmbH
