From Buzz to Business: Die Immobilienbranche feiert AI – und setzt sie operativ kaum ein

Was AI-Agenten von Predictive AI unterscheidet – und warum es jetzt um Workflows, Daten und Entscheidungen geht

Von Moritz Koppe, CEO und Co-Founder PROBIS

90 Prozent der Immobilienunternehmen in der DACH-Region halten künstliche Intelligenz für die Schlüsseltechnologie der nächsten fünf Jahre. Aber nur wenige europäische Unternehmen setzen AI dort ein, wo sie wirklich entscheidet: in Workflows und Entscheidungen. Zwischen Überzeugung und Einsatz klafft eine Lücke – und genau die ist das eigentliche Thema.

Hohe Zustimmung, kaum Einsatz: die AI-Lücke in der Immobilienwirtschaft

Global betrachtet nutzen laut Stanford AI Index 2026 bereits 88 Prozent der Unternehmen AI in mindestens einer Funktion. Produktiv skaliert ist sie jedoch nur in wenigen Bereichen; der Einsatz autonomer AI-Agenten liegt über die Geschäftsfunktionen hinweg weiterhin im einstelligen Prozentbereich. Die hohe Nutzungsquote misst also vor allem Nutzung – nicht belastbaren Produktivbetrieb.

In Europa ist das Bild nüchterner: Nach Eurostat nutzten 2025 nur 20 Prozent der EU-Unternehmen überhaupt eine AI-Technologie. Für die DACH-Immobilienwirtschaft bestätigt die EY/ZIA-Digitalisierungsstudie 2025 dieses Muster: 90 Prozent sehen AI als Schlüsseltechnologie, aber nur 9 Prozent haben ihre Einzellösungen sauber integriert. 52 Prozent berichten von erheblichen Problemen bei der Datenübergabe zwischen Systemen. Das Interesse ist hoch, die operative Grundlage häufig noch nicht stark genug. Genau dort, an der Datenbasis, entscheidet sich, ob AI Wert schafft oder nur Aufwand erzeugt.

Predictive AI vs. Agentic AI: der Unterschied

Das Zielbild der Branche ist klar: schnellere Entscheidungen, frühere Warnsignale und belastbarere Empfehlungen – abgeleitet aus historischen Daten, Benchmarks und lernenden Systemen. Dafür lohnt eine begriffliche Schärfung. Predictive AI lernt aus historischen Daten Muster und leitet daraus Wahrscheinlichkeiten ab, etwa wie wahrscheinlich ein Projekt sein Budget überschreitet. Sie prognostiziert, aber sie handelt nicht.

Agentic AI geht einen Schritt weiter. Ein AI-Agent verfolgt ein vorgegebenes Ziel über mehrere Schritte, ruft Daten ab, nutzt Werkzeuge, bewertet Ergebnisse und bereitet Handlungen vor – innerhalb definierter Grenzen und mit menschlicher Freigabe dort, wo Verantwortung entsteht. Er ist also kein Chatbot, sondern ein System, das Aufgaben strukturiert plant und ausführt: Daten zusammenführen, prüfen, bewerten, Empfehlungen erzeugen und nächste Arbeitsschritte vorbereiten.

Wann AI in der Immobilienwirtschaft Wert schafft

AI schafft nicht automatisch Wert. Wert entsteht, wenn eine Rechnung schneller geprüft, eine Budgetabweichung früher erkannt, ein Forecast verlässlicher aktualisiert und eine Managemententscheidung besser begründet wird. Für eine Branche mit großen Kapitalvolumina, langen Laufzeiten und vielen Stakeholdern ist genau das entscheidend.

Drei Voraussetzungen für verlässliche AI

AI wird in der Immobilienwirtschaft deshalb nicht durch Hype skalieren, sondern durch verlässliche Systeme. Drei Anforderungen prägen die nächste Phase: eine saubere Datenbasis, die Budgets, Verträge, Forecasts und Cashflows verbindet; die Einbettung in operative Workflows wie Rechnungsprüfung, Abweichungserkennung, Forecasting und Reporting; und klare Kontrolle darüber, welche Daten verwendet wurden, welche Annahmen gelten und wo menschliche Freigabe erforderlich ist.

Damit verschiebt sich die Diskussion von „Was kann AI?“ zu „Wie wird AI operativ verantwortbar eingesetzt?“ Für Real Estate ist das die entscheidende Reifephase: von Buzz zu Business.

Aus meiner Sicht liegt der größte Wert nicht in isolierter Automatisierung, sondern in besseren und schnelleren Entscheidungen: Risiken früher erkennen, Forecasts dynamischer aktualisieren, Managementinformationen schneller verfügbar machen.

So setzt PROBIS AI in der Praxis ein

So betrachten wir AI auch bei PROBIS: PROBIS ist die End-to-End-Plattform, auf der Projektentwickler, Asset Manager, Investoren und Banken Budgets, Verträge, Forecasts und Cashflows über den gesamten Lebenszyklus einer Immobilie steuern – von der 10-Jahres-CAPEX-Planung bis zum Portfolioreporting. Schon ohne AI schafft PROBIS damit eine zentrale Datenbasis ohne Insellösungen, und genau diese saubere Grundlage ist die Voraussetzung dafür, dass AI mit LLMs überhaupt verlässlich arbeiten kann.

In den PROBIS AI Labs bauen wir auf dieser Grundlage AI-Agenten, die Workflows automatisieren und frühere Risikosignale ermöglichen. Ein LLM, ein Large Language Model, ist dabei das Sprachmodul: Es versteht und erzeugt Sprache und hilft, komplexe Projekt- und Portfoliodaten zu strukturieren. Der Anspruch ist deshalb nicht, AI um ihrer selbst willen einzusetzen, sondern sie in ein operatives Financial Command Center zu übersetzen.

Ein konkretes Beispiel: Ein eingehender Nachtrag wird automatisch gegen Budget, Vertrag sowie die hinterlegten Fristen und Meilensteine geprüft. Der Agent erkennt, dass die Kostenprognose die Budgetlinie überschreitet, markiert das Risiko, schlägt eine aktualisierte Forecast-Version vor und legt sie dem Controller zur Freigabe vor. Aus Stunden manueller Prüfung werden Minuten, die Abweichung wird Wochen früher sichtbar – und die Entscheidung bleibt beim Menschen. Über ein ganzes Portfolio summiert sich das zu belastbareren Steuerungsentscheidungen.

Vom Buzz zum Business: die Chance für den DACH-Markt

Die Immobilienwirtschaft braucht keine weitere abstrakte AI-Debatte. Sie braucht Orientierung, konkrete Use Cases und kontrollierte Systeme. Erst dann wird aus technologischem Potenzial echter Nutzen. Und genau darin liegt die Chance für den DACH-Markt. AI in Real Estate wird stärker reguliert, näher an Daten, Prozessen und Entscheidungen sein als in vielen anderen Branchen. Ausgerechnet das, womit sich die Branche lange schwertat – saubere Daten, klare Prozesse, dokumentierte Freigaben – kann jetzt zum Wettbewerbsvorteil werden. Die Unternehmen, die Datenbasis, Workflows und Governance jetzt verbinden, werden den Vorsprung haben.

Häufige Fragen (FAQ)

Was unterscheidet Agentic AI von Predictive AI?

Predictive AI lernt aus historischen Daten Muster und leitet daraus Wahrscheinlichkeiten ab – sie prognostiziert, handelt aber nicht. Agentic AI verfolgt ein vorgegebenes Ziel über mehrere Schritte: Sie ruft Daten ab, nutzt Werkzeuge, bewertet Ergebnisse und bereitet Handlungen vor – innerhalb definierter Grenzen und mit menschlicher Freigabe.

Was ist ein AI-Agent?

Ein AI-Agent ist kein Chatbot, sondern ein System, das Aufgaben strukturiert plant und ausführt: Daten zusammenführen, prüfen, bewerten, Empfehlungen erzeugen und nächste Arbeitsschritte vorbereiten – innerhalb definierter Grenzen und mit menschlicher Freigabe dort, wo Verantwortung entsteht.

Wie weit ist der AI-Einsatz in der Immobilienwirtschaft?

90 % der DACH-Immobilienunternehmen sehen AI als Schlüsseltechnologie, aber nur 9 % haben ihre Einzellösungen sauber integriert (EY/ZIA-Digitalisierungsstudie 2025). EU-weit nutzten 2025 rund 20 % der Unternehmen überhaupt eine AI-Technologie (Eurostat). Der Engpass liegt selten an der Technologie, sondern an der Datenbasis.

Was braucht es, damit AI in Real Estate Wert schafft?

Drei Voraussetzungen: eine saubere Datenbasis, die Budgets, Verträge, Forecasts und Cashflows verbindet; die Einbettung in operative Workflows wie Rechnungsprüfung, Abweichungserkennung, Forecasting und Reporting; und klare Governance darüber, welche Daten verwendet wurden, welche Annahmen gelten und wo menschliche Freigabe erforderlich ist.

Quellen

Stanford HAI, AI Index Report 2026: https://hai.stanford.edu/ai-index/2026-ai-index-report

Eurostat, Use of artificial intelligence in enterprises (2025): https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Use_of_artificial_intelligence_in_enterprises

EY & ZIA, Real Estate Digitalisierungsstudie 2025: https://www.ey.com/de_de/insights/strategy-transactions/ey-real-estate-digitalisierungsstudie-2025

Zum Autor

Moritz Koppe, Jahrgang 1978, studierte Architektur und Immobilienökonomie in München, Aberdeen und Regensburg (IREBS) und steuerte als Projektleiter und Controller Großprojekte – darunter den Ausbau des Flughafens München –, bevor er PROBIS mit aufbaute. Als CEO und Co-Founder verantwortet er heute eine Plattform, mit der bereits weit mehr als 1.000 Immobilienprojekte mit einem Volumen von über 400 Milliarden Euro begleitet wurden.