Quartalsweise wiederholt sich im institutionellen Immobiliensektor ein bekanntes Szenario: Ein Unternehmen schließt einen generellen KI-Vertrag ab oder führt ein firmenweites Abonnement für das neueste Modell ein. Das Versprechen lautet auf automatisiertes Underwriting, sofortige Mietvertragsabstraktion und saubere Daten. Ein großer Betrag wird investiert. Sechs Monate später sind die Ergebnisse ernüchternd. Die Kosten übersteigen die Erwartungen, und der Großteil des Teams verrichtet die eigentliche Arbeit weiterhin in Excel.
Neunzigfünf Prozent der Organisationen erzielen laut dem '2025 State of AI in Business Report' des MIT keine Rendite auf generative KI, obwohl zwischen 30 und 40 Milliarden US-Dollar in Unternehmensinvestitionen geflossen sind. Üblicherweise werden die Technologie oder die Benutzer dafür verantwortlich gemacht, doch beide Erklärungen gehen am Kernproblem vorbei. Der eigentliche Engpass ist der Kontext. Solange ein Unternehmen dieses Problem nicht löst, wird kein Modell die Ergebnisse verändern, unabhängig von seiner Leistungsfähigkeit.
Das Problem der mangelnden Anpassungsfähigkeit
Der Grund für das Scheitern von Projekten liegt darin, dass die Tools kein Gedächtnis behalten können, sich nicht an spezifische Arbeitsabläufe anpassen und sich nicht basierend auf Benutzerfeedback verbessern. Vereinfacht ausgedrückt, vergisst ein generischer Chatbot, was ihm letzte Woche mitgeteilt wurde, lernt nie, wie Ihr Unternehmen arbeitet, und wird nie besser. Aus diesem Grund stagnieren Tools ohne Gedächtnis über Ihr Geschäft, während diejenigen, die dieses Gedächtnis aufbauen, erfolgreich sind. Die Gewinner sind folglich nicht diejenigen mit der auffälligsten Technologie, sondern diejenigen, die sich laut der MIT-Studie „in Arbeitsabläufe eingebettet und an den Kontext angepasst haben“.
Jeder kann einen Mietvertrag scannen – die Dokumente selbst sind nicht die Schwierigkeit. Entscheidendes Wissen liegt vielmehr darin, wie erfahrene Personen diese Dokumente interpretieren, um fundierte Entscheidungen zu treffen. Diese Interpretationsschicht bildet die Firmenintelligenz. Sie wird über Tausende realer Geschäfte hinweg erfasst, anhand von tatsächlich auftretenden Fehlern in gewerblichen Mietverträgen erprobt und durch Feedback in einer Live-Umgebung geschärft. Die Historie ist der Vermögenswert, und diese Historie besteht weit mehr aus Entscheidungen als aus Dokumenten.
Der Wert der Kontextualisierung
Die Akzeptanz hängt nicht von der Größe des Modells ab, sondern davon, wie viel es über Ihr Geschäft weiß. Das bedeutet eine konsistente, wachsende Aufzeichnung darüber, wie Ihr Unternehmen tatsächlich ein Geschäft bewertet, sowie die Fähigkeit, daraus zu lernen. Der gewerbliche Immobilienmarkt zeigt diese Lücke am deutlichsten. Etwa 88 Prozent der Investoren, Eigentümer und Vermieter haben laut der 'JLL 2025 Global Real Estate Technology Survey' bereits mit KI-Pilotprojekten begonnen.
Dennoch berichten nur 5 Prozent von der Erreichung all ihrer KI-Ziele, obwohl die Ausgaben steigen. Das Haupthindernis ist die sogenannte Datenverschuldung: fragmentierte Informationen, die über verschiedene Systeme verstreut und ohne Kontext sind. Der Wert einer Mietvertragsabstraktion liegt in dem, was sie hervorhebt, und nicht nur in einer einfachen Zusammenfassung der Bedingungen. Zwei Unternehmen können dasselbe Geschäft prüfen und aus völlig validen Gründen zu unterschiedlichen Schlussfolgerungen gelangen. Das eine Unternehmen könnte sich mehr für den Mieterwechsel interessieren, während das andere den Wiederherstellungswert in den Fokus rückt. Eines mag einen Teilmarkt als frühzyklisch betrachten, während ein anderes denselben Teilmarkt als überentwickelt ansieht.
Aus diesem Grund liest sich ein CBRE-Bericht über einen Vermögenswert anders als ein JLL-Bericht über dieselbe Immobilie. Jedes Unternehmen entscheidet, welche Daten es auswählt, was es hervorhebt und welche Geschichte es erzählt. Ein allgemeines Modell kann solche komplexen Unterscheidungen nicht treffen. Als sich zeigte, dass das direkte Ansprechen eines Chatbots zu unpräzise war, bestand der nächste Schritt der Branche darin, ein teures Modell in einen „Agenten“ zu hüllen und Präzision zu erwarten. Viel Geld floss in diese Idee. Es geht jedoch nicht um
- —Eigenentwicklung versus Zukauf.
- —Ein Agent, der auf einem generischen Modell basiert, ist zwar anspruchsvoller als eine rohe Eingabeaufforderung.
- —Doch ist Raffinesse und Genauigkeit nicht dasselbe.
- —Wenn die zentrale Intelligenz nie auf die spezifische Aufgabe zugeschnitten wurde, kann keine Orchestrierung ein Urteilsvermögen hervorbringen.
Die Zukunft liegt daher in einer flexiblen Schicht, die mit der Entwicklung der Arbeit wächst und sich anpasst, während sie stets dieselben Qualitätsstandards liefert. Diese Logik stellt auch die Debatte über die Akzeptanz neu dar. Mitarbeiter nutzen generative KI bereits etwa dreimal häufiger, als ihre Führungskräfte annehmen, so eine McKinsey-Studie. Menschen meiden KI im Allgemeinen nicht, weil sie Veränderungen ablehnen, aber sie widersetzen sich sicherlich Tools, die sie verlangsamen oder sie zwingen, denselben Hintergrund jedes Mal aufs Neue zu erklären. Ein System mit einer Firmenintelligenz entlastet von dieser Bürde, da es die Arbeit bereits versteht und durch Nutzung besser wird. Daher werden die Unternehmen, die im Immobiliensektor mit KI erfolgreich sind, diejenigen sein, die den tiefsten Kontext aufbauen und das System kontinuierlich daraus lernen lassen, anstatt diejenigen, die das größte Modell lizenzieren.
Arunabh Dastidar ist Mitbegründer und CEO der Immobilieninvestmentplattform Leni.
