KI im Facility Management

Immer noch machen Brownfield-Immobilien den Löwenanteil der verwalteten Gebäude aus. Die IT-Landschaft im Bestand gleicht einem digitalen Flickenteppich: CAFM-Systeme für die Verwaltung, ERP für die Finanzen, separate Tools für Energiemanagement und Gebäudeleittechnik, BIM faktisch nicht existent. Auf Servern lauern zudem Excel-Listen und Gigabyte an unstrukturierten Daten in Form von PDF-Verträgen, Wartungsprotokollen, E-Mails und technischen Dokumentationen. Dabei sind KI-Anwendungen im FM – etwa für Predictive Maintenance – auf lückenlose, historische Zeitreihendaten angewiesen.

Dennoch fordern Regulatorik (CSRD, GEG) und Banken für diesen analogen Bestand dieselbe Datentiefe wie für Neubauten. Das bloße Nachrüsten von smarter Sensorik nach dem Gießkannen-Prinzip schmälert die Rendite und arbeitet am eigentlichen Problem vorbei. Der pragmatischere Ansatz liegt darin, die vorhandenen Daten freizulegen, zu verknüpfen und in einen Kontext einzubetten, der sie erklärbar, aussagekräftig und nutzbar macht.

Die Grenzen quantitativer Analysen und generativer KI

Die klassische Datenanalyse greift im Bestand zu kurz. Zählerstände oder Temperaturkurven diagnostizieren zwar das „Was“ (z.B. einen erhöhten Stromverbrauch), aber selten das „Warum“. Ohne Kontext ist eine Anomalie im Verbrauch nicht interpretierbar. Handelt es sich um eine Leckage? Oder wurde laut Mietvertrag eine Sondernutzung am Wochenende vereinbart?

Hier kommt das Konzept der hybriden KI zum Tragen. Dabei werden quantitative Betriebsdaten (Messwerte, Kosten) mit qualitativen, textbasierten Informationen verzahnt. Die KI sucht nicht nur nach Schlagworten, sondern analysiert semantisch den Inhalt. Sie „versteht“, dass die „Lüftung Nord“ im Wartungsbericht identisch ist mit dem Asset 4b im Zählersystem, und stellt die Verbindung selbstständig her.

Anders als reine generative KI-Modelle, die plausible, aber nicht stichhaltige Ergebnisse erzeugen, arbeitet eine solche hybride Architektur dabei faktenbasiert und nachvollziehbar. Die sog. Explainable AI extrahiert und verknüpft belegbare Informationen aus den eigenen Dokumenten.

Instandhaltung durch Kontext­wissen

Wenn erfahrene Objektleiter in Rente gehen, verschwindet oft das Wissen über die Eigenheiten der Gebäude. Eine KI, die alle technischen Dokumentationen und historischen Störungsberichte „gelesen“ hat, wirkt hier als Wissensspeicher. Über Fragen in natürlicher Sprache („Wie wurde die Störung an Anlage X letztes Jahr behoben?“) können auch neue oder weniger qualifizierte Mitarbeitende sofort auf Expertenwissen zugreifen. Das demokratisiert den Zugang zu betriebsnotwendigem Wissen in Zeiten des Fachkräftemangels.

Ein typisches Szenario im Bestand ist die alternde Lüftungsanlage ohne digitales Monitoring. Eine hybride KI kann die Störungs- und Wartungsberichte der letzten Jahre auswerten. Sie korreliert Freitext-Informationen – etwa wiederkehrende Hinweise der Techniker auf „Lagergeräusche“ oder „Riemenspannung“ – mit den verfügbaren Laufzeiten oder Störungsintervallen.

Der Facility Manager erhält einen handfesten Hinweis auf systemische Schwachstellen, bevor die Anlage ausfällt. So entsteht aus der Verknüpfung der Daten eine Risikobewertung, die einem Predictive-Maintenance-Ansatz sehr nahekommt, ohne dass neue Hardware verbaut werden muss.

Compliance und Betreiber­verantwortung

Die Betreiberverantwortung verlangt den lückenlosen Nachweis, dass Prüfpflichten eingehalten wurden. In der Praxis scheitert Compliance jedoch oft an der „Zettelwirtschaft“ der Dienstleister. Prüfprotokolle gehen als PDF ein, werden abgelegt, aber inhaltlich oft nur stichprobenartig geprüft.

Hybride KI-Systeme können helfen, diese Dokumente beim Eingang inhaltlich zu validieren. Ist das Protokoll für die Anlage X vollständig? Wurde ein Mangel festgestellt? Wurde dieser Mangel laut Folgebericht behoben? Damit wandelt sich die Rolle der KI vom reinen Analyse-Tool zum Wächter der Compliance, der Risiken in der Dokumentation aufzeigt, lange bevor ein Auditor danach fragt.

Dabei agiert die KI nicht als „Black Box“. Jedes Ergebnis wird mit einem direkten Link zur Fundstelle im Originaldokument belegt, sodass Entscheidungen jederzeit auditierbar bleiben.

Ebenfalls manuell kaum leistbar ist die Prüfung von Leistungsnachweisen gegen vertraglich vereinbarte Service Level Agreements (SLAs). Oft werden Rechnungen freigegeben, obwohl die Reaktionszeiten laut Regiebericht überschritten wurden. Durch den automatisierten Abgleich von Vertragstext und Arbeitsbericht entsteht Transparenz, ob vertraglich vereinbarte – und in Rechnung gestellte! – Standards tatsächlich eingehalten wurden.

KI-Rollout: Augenmaß statt ­IT-Großbaustelle

Viele FM-Verantwortliche sind KI-Projekten gegenüber skeptisch, weil sie fürchten, ihre gewachsene IT-Landschaft (Legacy-Systeme) ablösen zu müssen. Dieser Rip-and-Replace-Ansatz ist jedoch meist unnötig und riskant.

Eine moderne Datenstrategie im Bestand setzt auf einen intelligenten Data Layer. Diese Schicht legt sich über die existierenden Silos (CAFM, ERP, Fileserver), ohne die Systeme selbst zu verändern. Die KI greift auf die Daten dort zu, wo sie liegen, indiziert sie und stellt die logischen Verknüpfungen her. Es findet keine aufwendige Datenmigration statt; die Hoheit über die Informationen verbleibt im Quellsystem. Das respektiert die etablierten Arbeitsprozesse in den Fachabteilungen und spart Implementierungszeit. Da die Analyse lokal oder in einer privaten Cloud-Umgebung stattfinden kann, verlassen sensible Vertrags- oder Mieterdaten das Unternehmen nicht – ein entscheidender Unterschied zu Public-Cloud-Modellen. So bleibt die Datensouveränität gewahrt.

Im Gebäudebestand liegen gigantische Mengen an Wissen brach – verteilt über unterschiedlichste IT-Systeme und Server. Wer dieses unstrukturierte Wissen mittels KI erschließt und mit seinen Betriebsdaten verknüpft, macht seinen Bestand zukunftsfähig. Das klingt weniger spektakulär als ein digitaler Zwilling im Neubau, aber ist betriebswirtschaftlich oft der wirksamere Hebel.