95% der KI-Projekte scheitern

Das Problem

• Das Retrieval ist gedeckelt (max. 20 Quellen pro Agent) und an die SharePoint-Ablagestruktur gebunden – gefunden wird vor allem, was sauber abgelegt und richtig benannt ist.
• Gut für einzelne Dokumente, aber Vertragswerke – Mietvertrag, Nachträge, Anlagen, Protokolle – werden als isolierte Dateien gesehen.
• Die Extraktion ist flach: isolierte Werte wie Name, Datum, Betrag, ohne Verknüpfung zum Objekt.
• Belege bleiben auf Dokumentebene, und die Reichweite endet an Microsoft 365 – ERP, DMS und Netzlaufwerke bleiben außen vor.

Der richtige Ansatz

• Ein gif-IDA-konformes Datenmodell mit über 28 Dokumenttypen: Mietverträge, Nachträge, Rechnungen, Energieausweise, Baugenehmigungen und mehr.
• Relationale Extraktion über ganze Vertragswerke: Verbindungen zwischen Person, Vertrag, Objekt und Konditionen können automatisch erkannt werden.
• Echte Hybrid-Suche über den gesamten Bestand, unabhängig von der Ablagedisziplin – jede Antwort seitengenau belegt.

Das Problem

• Fünf oder mehr Systeme – ERP, DMS, SharePoint, Netzlaufwerk, E-Mail – und keines spricht mit dem anderen.
• Key-Person-Risiko: Wissen geht mit der Person, nicht ins System; Erkenntnisse liegen in privaten Chats und Einzeldateien.
• Punktuelle KI-Tests bringen wenig, weil die Datenschicht darunter fehlt – Reporting bleibt Handarbeit.

Der richtige Ansatz

• Eine offene Datenschicht über den bestehenden Systemen, die Quellen verbindet statt ersetzt – kein Systemersatz, kein Migrations-Großprojekt.
• 3-Schichten-Modell: Originale bleiben erhalten, KI-Anreicherung läuft automatisch, Auswertungen sind BI-ready – offene Formate, Self-Service BI direkt auf dem Data Lake.
• Erst das verstreute Wissen quellenbasiert zugänglich machen, dann KI andocken – abrufbar für alle, auch wenn der Wissensträger gerade nicht erreichbar ist.

Das Problem

• Wer auf Stufe 1 stehen bleibt, misst kleine Effizienzgewinne, schließt daraus „KI bringt nichts" – obwohl das eigentliche Potenzial nie angefasst wurde.
• Eine neue Technologie auf einen alten Prozess zu legen, macht den Ablauf nur schneller, nicht besser.

Der richtige Ansatz

• Einen Prozess mit großem Hebel auswählen und ihn konsequent um die KI herum neu aufbauen – schrittweise, nicht alles auf einmal.
• Die offene Datenschicht (siehe Fehler 2) ist die Voraussetzung, damit die KI ins Zentrum rücken kann.

Das Problem

• Eine generische KI klingt immer überzeugend – auch wenn sie falsch liegt. Ohne enge Leitplanken schwankt die Qualität.
• Belege bleiben auf Dokumentebene: Die passende Stelle muss man selbst suchen. Das kostet Zeit und Vertrauen.

Der richtige Ansatz

• KI mit engen Leitplanken: Ein Assistent, der das Immobilien-Fachwissen kennt und die Fakten aus den Systemen direkt im Kontext bekommt, antwortet auf Basis echter Daten.
• Jede Antwort wird zusätzlich gegen die Quellen geprüft – das erhöht die Faktentreue.
• Quellenangabe bis auf die Seite genau: in Sekunden überprüfbar, statt hundert Seiten durchsuchen zu müssen.

Das Problem

• Die EU Data Boundary klingt sicher, lässt aber Ausnahmen zu: US-Subprozessoren bei Drittanbieter-Modellen sind möglich.
• Schwerer als ein mögliches Bußgeld wiegt oft die Frage, ob sich Compliance gegenüber Aufsicht, Investoren und Mietern überhaupt nachweisen lässt.

Der richtige Ansatz

• EU-only Hosting: Der Data Lake gehört Ihnen, in Ihrem Namen beim Hyperscaler angemietet und unter Ihrer vollen Zugriffskontrolle – die Verschlüsselungsschlüssel bleiben bei Ihnen.
• Keine Datentransfers in Drittländer, keine Kundendaten fürs KI-Training.
• Offene Formate und offene Schnittstellen statt proprietärer Speicherung: Ihre Daten bleiben jederzeit zugänglich und exportierbar – ohne Lock-in.

Das Problem

• Pro-Nutzer-Modelle skalieren linear mit der Mitarbeiterzahl.
• Ein Bestand umfasst schnell Hunderttausende bis Millionen Seiten – schon kleine Unterschiede pro Seite summieren sich, besonders wenn der Anbieter pro Seite mitverdient.
• Dazu kommen versteckte Posten: Implementierung, interner Betrieb und Custom-Training für immobilienspezifische Dokumente.

Der richtige Ansatz

• Flat-Rate pro Modul, unabhängig von der Nutzerzahl – für die Verarbeitung kommen nur die reinen Infrastrukturkosten hinzu, zu Hyperscaler-Konditionen ohne Aufschlag.
• Eine intelligente Pipeline klassifiziert zuerst die Dokumenttypen; nur relevante Dateien durchlaufen die Extraktion – so können die Kosten gering bleiben.
• Managed Service: kein internes KI- oder Azure-Team nötig, Betrieb und Weiterentwicklung inklusive.

Das Problem

• Laut Gartner gingen nur rund 5 % der Organisationen von einer Microsoft-Copilot-Pilotphase zu einem breiteren Deployment über.*
• Neue Tools bedeuten neue Logins und neue Gewohnheiten, die im Tagesgeschäft untergehen.
• Ohne Vorher-Nachher-Messung bleibt der Nutzen unsichtbar – und was niemand sieht, wird nicht weiter genutzt.

Der richtige Ansatz

• Keine neue Hürde: Der Assistent lebt direkt in Microsoft Teams, mit Single Sign-on – ohne zusätzliches Tool und ohne neuen Login.
• Schneller, sichtbarer Erstnutzen: ein erster Anwendungsfall, der typischerweise in Wochen einen spürbaren Unterschied machen kann.
• Nutzen belegbar machen: Vorher-Nachher-Vergleich und klare KPIs von Anfang an; Managed Service hält die Nutzung am Laufen.