Case-Study: AI-gestützte Immobilienverwaltung — von 90 Std. auf 22 Std./Woche Admin-Aufwand
Wie eine Schweizer Immobilienverwaltung mit 480 Verwaltungseinheiten 70% Admin-Routine automatisiert hat, ohne Compliance-Risiken einzugehen.
- Mandat
- Mittelständische Immobilienverwaltung in der Zentralschweiz. Familienunternehmen in dritter Generation, klassischer Mix aus Stockwerkeigentum, Mietwohnungen und Geschäftsliegenschaften.
- Grösse
- 12 Mitarbeitende, 480 Verwaltungseinheiten
- Region
- Zentralschweiz (Kantone LU, ZG, SZ)
- Timeline
- 10 Wochen Aufbau, 6 Monate begleitende Optimierung
- Budget
- Initialphase: ~CHF 78'000 | laufende Modell- und Wartungskosten: ~CHF 1'400/Monat
Zuletzt aktualisiert: · 1'380 Wörter
Die Herausforderung
Das Unternehmen war administrativ überlastet. Pro Woche flossen rund 90 Stunden in repetitive Routinearbeit: Exposé-Erstellung für Neuvermietungen (8–14 pro Monat), Beantwortung von Mietanfragen (180–250 pro Monat), Nebenkostenabrechnung-Vorbereitung, Mängelmeldungs-Triage, Übergabeprotokolle. Drei junge Sachbearbeiterinnen waren mit Routine-Mails gebunden, während der Geschäftsführer und die zwei erfahrenen Verwalterinnen keine Zeit für strategische Mandantenbetreuung hatten. Gleichzeitig: hohe Reputationsansprüche, traditionelle Mandantenschaft mit Anspruch auf persönliche Behandlung, Aufsichtspflichten nach OR-Mietrecht und revDSG.
Team, Timeline, Budget
Phasen-Aufbau
- 01/ 05
Phase 1: Audit und Priorisierung (Woche 1–2)
Wir haben alle wiederkehrenden Prozesse aufgenommen, Volumina gemessen, IT-Landschaft kartiert (Immopac für die Verwaltung, ImmoTop für Liegenschaftskonten, Outlook 365 für Kommunikation). Drei Use-Cases haben wir priorisiert: Exposé-Generierung (hoher Hebel, niedrige Komplexität), Mietanfragen-Triage (extremer Volumen, schnelle Spürbarkeit), Nebenkosten-Vorbereitung (rechnerisch komplex, jährlicher Effekt).
- 02/ 05
Phase 2: Pilot Exposé-Generator (Woche 3–5)
Ein Claude-Opus-4.7-basierter Generator, der aus Objektstammdaten, Fotos und Adressen ein vollständiges Exposé in 90 Sekunden erstellt. Die Tonalität wurde mit den Verwalterinnen kalibriert (drei Iterationen). PDF-Renderer in Next.js, Anbindung an Mapbox für Lage-Kontext, automatische SEO-Optimierung für Homegate/ImmoScout-Listings. Erste produktive Exposés in Woche 4, ab Woche 5 Standard-Workflow.
- 03/ 05
Phase 3: Mietanfragen-Triage (Woche 6–8)
Ein zweistufiges System: Apertus-8B als billiger Klassifikator (echte Interessenten / Spam / Recherche), dann Claude-Sonnet für die personalisierte Antwort mit Rückfragen (Budget, Einzugsdatum, Bedarfsprofil). CRM-Integration via Webhook in das bestehende Immopac. Eskalation bei diskriminierungsrelevanten Phrasen, juristischen Anfragen, Beschwerden. Mitarbeitenden-Schulung Woche 7 (2 × 90 Minuten).
- 04/ 05
Phase 4: Nebenkosten-Assistent (Woche 9–10)
Verbrauchsdaten-Sammlung aus drei Heizungsanlagen-Systemen via API, Verteilungsschlüssel-Anwendung pro Liegenschaft, Plausibilitäts-Check gegen Vorjahr (Abweichung > 12% wird markiert), Mieter-spezifische PDF-Generation mit Begründung pro Position. Verwaltungs-Freigabe vor Versand obligatorisch (HITL).
- 05/ 05
Phase 5: Konsolidierung und Erweiterung (Monat 3–9)
Mängelmeldungs-Routing als drittes Modul (Monat 4), Übergabeprotokoll-Foto-Assistent (Monat 6), Vertrags-Parser für Übernahme-Bestände (Monat 8). Monatliche 90-Minuten-Reviews mit dem Geschäftsführer für Kalibrierung und Cost-Tracking.
Technische Architektur
- Claude Opus 4.7 (Exposé, Verträge)
- Claude Sonnet 4.7 (Standard-Korrespondenz)
- Apertus 8B via Swisscom (Triage-Klassifikator, DSG-strict)
- GPT-5 Vision (Übergabeprotokoll-Fotos)
- Next.js 16
- Node.js Workers
- Postgres
- Resend (Mail)
- Mapbox API
- Immopac REST-API
- ImmoTop Buchungs-API
- Outlook 365 Graph API
- Audit-Log Postgres-Tabelle
- Sentry Error-Tracking
- Vercel Speed Insights
Vorher / Nachher
| Metrik | Vorher | Nachher | Δ |
|---|---|---|---|
| Admin-Stunden pro Woche | 90 Std. | 22 Std. | −76% |
| Exposé-Erstellung pro Objekt | 35 Min. | 4 Min. | −89% |
| Mietanfragen-Reaktionszeit | 8–24 Std. | <3 Min. (Autoantwort) | −98% |
| Nebenkosten-Plausibilität-Auffälligkeiten erkannt | 1–2 pro Jahr (manuell) | 27 pro Jahr | +1250% |
| Anrufe & Mails pro Woche an Verwalter:innen | 180–250 | 60–85 (Rest geht direkt automatisch) | −65% |
Was wir gelernt haben
- 01
Persona-Tonalität ist wichtiger als Modell-Qualität. Die ersten Exposé-Drafts waren technisch perfekt, aber zu unpersönlich für die traditionelle Klientel. Drei Iterationen mit den Verwalterinnen — nicht mit dem Modell-Anbieter — brachten den Durchbruch.
- 02
Diskriminierungsrisiko bei Mietanfragen-Triage ist real. Wir haben einen separaten Filter eingebaut, der bei impliziter Filterung über Korrelations-Variablen (Postleitzahl, Wohnform) Alarm schlägt — verhindert versehentliche Diskriminierungs-Pattern.
- 03
Apertus für Strict-Triage ist 25–30% billiger als Claude Sonnet für die gleiche Klassifikation und löst die Schweizer-Hosting-Frage strukturell. Der Qualitäts-Unterschied ist bei klar abgegrenzten Klassifikations-Aufgaben unter 3% — pragmatisch akzeptabel.
- 04
Mitarbeitende werden zu Power-Usern, wenn der Cut spürbar ist. Nach Woche 6 haben die Sachbearbeiterinnen selbst Erweiterungs-Vorschläge gemacht — das war der wichtigste Punkt für das Roll-out auf weitere Module.
- 05
Übergabeprotokoll-Fotos brauchen sehr saubere Metadaten-Behandlung. EXIF-Daten, Zeitstempel und Foto-Hashes mitspeichern, sonst sind sie bei späteren Disputs juristisch schwach.
Regulatorischer Rahmen
OR-Mietrecht (kantonale Spezifika berücksichtigt), revDSG-vollkonform mit DPA für alle Modell-Anbieter, Apertus-Strict-Routing für sensitive Strecken (Mietzins-Themen, Bonität), Audit-Trail über 24 Monate. DSFA war nicht erforderlich, weil keine automatisierten Einzelentscheidungen mit Rechtswirkung; interne Risiko-Notiz erstellt. EU AI Act-Klassifikation: Limited Risk (Chatbot-ähnliche Mietanfrage-Triage mit klarer KI-Kennzeichnung).
Verwandte Use-Cases
- Treuhand & BuchhaltungCase-Study: Treuhand-KMU mit 60% Belegerfassungs-Reduktion und 0 Compliance-Findings
- VersicherungCase-Study: Versicherungsbroker mit 4-Tagen-zu-4-Stunden Triage-Zyklus
- Legal & ComplianceCase-Study: Anwaltskanzlei mit 78% schnellerer Vertrags-Analyse, vollem BGFA-Konform
- Logistik & Supply ChainCase-Study: Logistik-KMU mit 0 Medienbrüchen und 80% schnellerer Ausnahme-Bearbeitung

Ein Agentproduktiv in
Beschreib uns dein Projekt in ein paar Sätzen. Innerhalb von 24 Stunden hältst du eine funktionierende AI-Demo in den Händen — und siehst, was heute möglich ist. Kostenlos. Unverbindlich.