KI-Dokumentenverarbeitung in der Immobilienbranche

Dienstagnachmittag, ein Bauträger schickt per Mail eine überarbeitete Preisliste. Die Datei heißt "Preisliste final v4.xlsx", so wie die drei davor auch. Jemand aus dem Vertriebsinnendienst öffnet sie und arbeitet sich durch Haus A: 18 Einheiten im System aktualisiert. Haus B steht auf dem zweiten Tabellenblatt und trägt dieselben Nummern, 101 bis 118, weil der Architekt beide Geschossebenen so beschriftet hat. Die Hälfte von Haus B bekommt damit die Preise von Haus A.

Niemand merkt es. Alle Einheiten sind eingepflegt, alle mit Preis, alle online. Drei Wochen später steht ein Interessent in der Musterwohnung und nennt eine Zahl aus dem Portal, die rund 9 % unter der echten Liste des Bauträgers liegt. Der Makler kann jetzt entweder einen Preis halten, den es nie gab, oder dem Kunden sagen, dass die Website falsch ist.

Gescheitert ist hier nicht das Lesen. Jede Zahl in dieser Tabelle war einwandfrei zu erkennen, und ein Mensch hat sie richtig gelesen. Gescheitert ist das Speichern: Das System hat eine Antwort abgelegt und sich nicht gemerkt, woher sie stammt. Es gab nichts, womit sich die Zahl vergleichen ließ, und niemanden, der Alarm schlägt, wenn sie sich ändert. Die meisten KI-Lösungen für Immobiliendokumente werden als Lesemaschine verkauft, dabei funktioniert genau das Lesen längst ganz ordentlich. Was bricht, ist die Ablage. Dieser Beitrag beschreibt den besseren Entwurf: Jedes Feld wird als Angabe mit Quelle gespeichert, nie als nackter Wert.

Kurz gesagt: KI für Immobiliendokumente scheitert seltener am Lesen als am Speichern des Gelesenen. Die Lösung: jedes Feld als Angabe ablegen, mit Quelle, Stichtag und Sicherheit; sich widersprechende Angaben nebeneinander stehen lassen, statt zu überschreiben; eine fehlende Einheit nie als verkauft werten; und jede Änderung von einem Menschen freigeben lassen, bevor sie online geht.

Warum ein Immobilienbestand schwieriger ist als eine Rechnung

Eine Rechnung ist ein abgeschlossener Fall. Ein Aussteller, ein Datum, eine Wahrheit, und die Rechnung prüft sich selbst, weil die Positionen die Summe ergeben müssen. Ist sie bezahlt, ändert sie sich nicht mehr. Deshalb lässt sich unsere Arbeit an Rechnungs- und Buchungsabgleich für Finanzteams so streng prüfen: Das Dokument selbst liefert den Beleg dafür, ob die Extraktion stimmt.

Ein Immobilienbestand hat nichts davon. Ein Projekt ist ein bewegliches Ziel. Bauabschnitt eins kommt im März in den Vertrieb, Abschnitt zwei im Oktober, und beide teilen sich Projektnamen, Broschüre und manchmal auch die Nummerierung. Preise ändern sich wöchentlich, und zwar in beide Richtungen. Die Verfügbarkeit ändert sich täglich. Eine Einheit kann reserviert, wieder freigegeben und von einem anderen Vertriebspartner erneut reserviert werden.

Dazu kommen die Formate. Zwölf Bauträger heißt zwölf Formate, und ein einzelner Bauträger wechselt das Format, sobald er den Vertriebspartner wechselt. Einer schickt eine saubere Tabelle mit Kopfzeile. Einer eine 40-seitige PDF-Broschüre, in der die Preistabelle ein Bild ist. Einer das Foto einer ausgedruckten Verfügbarkeitsliste mit handschriftlichen Streichungen. Und einer eine Nachricht in der Gruppe: "Haus C, 2 Zimmer, seit Montag 5 % mehr."

Keines dieser Dokumente enthält genug, um sich selbst zu beweisen. Ob eine Zahl stimmt, lässt sich nur klären, indem man sie mit dem vergleicht, was im letzten Dokument stand. Dafür muss dessen Antwort erhalten bleiben, statt überschrieben zu werden.

Angaben speichern, nicht Werte

Die zentrale Entwurfsentscheidung ist klein und verändert alles, was danach kommt. Ein Feld im System enthält keinen Wert. Es enthält eine Liste von Angaben, und jede Angabe bringt vier Dinge mit:

• Was sie sagt. Den extrahierten Wert, normalisiert auf einen festgelegten Typ.
• Welches Dokument das gesagt hat. Datei, Seite, Tabellenblatt, Zelle oder Bildausschnitt, dazu eine Prüfsumme der Quelldatei.
• Ab wann sie galt. Der Stichtag, der im Dokument steht und oft nicht der Tag ist, an dem die Datei ankam.
• Wie sicher wir sind. Ein Sicherheitsbereich, und ob ein Mensch die Angabe bestätigt hat.

Der Preis einer Einheit ist damit keine Zelle mehr, sondern ein Stapel, der ungefähr so aussieht:

Der Preis, der im Portal steht, ist eine Abfrage und kein Feld: die freigegebene Angabe mit dem höchsten Vorrang zum heutigen Tag. Alles andere bleibt erhalten. Bestreitet ein Käufer eine Zahl, ist "woher kommt das?" ein Klick und keine Ausgrabung in irgendeinem Postfach. Und beharrt ein Bauträger darauf, nie einen niedrigeren Preis geschickt zu haben, hängt der Screenshot an der Angabe.

Das kostet mehr Speicher und etwas mehr Logik in den Abfragen. Gemessen an einem falschen Preis, den jemand einem Käufer genannt hat, ist das billig.

Fünf Fallen, an denen KI für Immobiliendokumente scheitert

Alle fünf folgen demselben Muster: So machen es Teams üblicherweise, so geht es schief, und so löst es das Modell mit Angaben.

Identität: Um welche Einheit geht es in dieser Zeile? Üblich ist, die Einheit über die im Dokument gedruckte Bezeichnung zu führen, aus "101" wird also der Schlüssel. Das geht schief, weil sich Bezeichnungen zwischen den Häusern wiederholen, weil Abschnitt zwei die Nummerierung von Abschnitt eins erneut verwendet und weil kompakte Zeilen wie "Typ C2, 3. bis 14. OG, 2 Zimmer" zwölf Einheiten hinter einer Zeile verstecken. Zwei Fälle machen es schlimmer. Einheiten werden zwischen Vertriebsstart und Verkauf umnummeriert, meist wenn das Marketing entscheidet, dass aus dem 13. Stock der 14. werden soll. Und zwei nebeneinanderliegende Einheiten werden manchmal zu einem Verkauf zusammengelegt, wodurch der Bestand um eins sinkt, ohne dass etwas doppelt verkauft wurde. Die Lösung ist eine zusammengesetzte Identität, festgelegt bevor die Extraktion beginnt, aus Projekt, Bauabschnitt, Haus, Geschoss und Bezeichnung, und das Auflösen von Bereichszeilen per Code statt per Modell. Auflösen ist Rechnen. Geraten werden darf dabei nie.

Typ: Was für eine Zahl ist das? Üblich ist, den Preis als Zahl zu behandeln und die Fläche ebenso. Aber ein Preis ist ein Paket. Eine Zahl sagt nichts, solange der Zahlungsplan fehlt, zu dem sie gehört, der Zeitraum, in dem das Angebot gilt, und der Rabatt, der schon drin ist. Dieselbe Zahl kann im einen Dokument brutto und im nächsten netto sein, was in vielen Märkten 5 % oder mehr ausmacht. Stellplätze und Abstellräume werden häufig separat ausgewiesen, ein "Einheitenpreis" kann sie also enthalten oder auch nicht. Bei der Fläche ist es genauso: Wohnfläche, Bruttogrundfläche und verkaufbare Fläche können sich bei derselben Wohnung um 20 % und mehr unterscheiden, und ein Quadratmeterpreis aus zwei nicht zusammengehörenden Angaben ist schlechter als gar keiner. Die Lösung sind typisierte Felder, bei denen die Einschränkung zum Typ gehört: Eine Angabe lautet nie einfach 8.290.000, sondern 8.290.000, netto, ohne Stellplatz, Zahlungsplan 60/40, gültig bis 30. September.

Schweigen ist kein Verkauf. Üblich ist, die Verfügbarkeitsliste dieser Woche als vollständiges Bild zu nehmen und alles Fehlende als verkauft zu markieren. Das geht schief, weil die meisten Listen unvollständig sind. Eine Einheit kann fehlen, weil sie verkauft wurde, weil sie nie in den Vertrieb ging, weil der Vertriebspartner nur sein eigenes Kontingent schickt oder weil jemand die Tabelle vor dem Export gefiltert hat. In einer Teilliste sehen "noch nicht freigegeben" und "verkauft" exakt gleich aus, nämlich nach nichts. Abwesenheit ist kein Beleg. Im Modell mit Angaben erzeugt eine fehlende Einheit deshalb gar keine Angabe. Sie erzeugt einen Prüfeintrag: Diese Einheit taucht in den letzten beiden Dokumenten nicht auf. Ihr Status bleibt der, den zuletzt ein Mensch freigegeben hat.

Zwei Dokumente widersprechen sich. Üblich ist, dass der letzte Schreibvorgang gewinnt und die alte Zahl verschwindet. Im Modell mit Angaben bleiben beide stehen, und der Vorrang ist eine aufgeschriebene Regel: Eine Datei direkt vom Bauträger schlägt eine Broschüre des Vertriebspartners, ein späterer Stichtag schlägt einen früheren, und eine von einem Menschen bestätigte Angabe schlägt eine unbestätigte. Die unterlegene bleibt sichtbar, als ersetzt markiert, mit ihrer Quelle daneben. Einen Fall erwischt das, den eine Prüfung über Dateinamen nie erwischt: die überarbeitete Broschüre, die unter dem alten Dateinamen gespeichert wurde. Wer Prüfsummen vergleicht, sieht die neue Fassung sofort. Wer Namen vergleicht, überspringt die Datei als Dublette.

Welcher Grundriss gehört zu welcher Einheit? Grundrisse und Visualisierungen den Einheiten zuzuordnen ist die Stelle, an der selbstsichere Systeme leise danebenliegen, denn ein falscher Grundriss fällt erst auf, wenn ein Käufer ein Zimmer nachmisst. Es braucht eine ausdrückliche Rangfolge der Sicherheit. Ganz oben steht eine eindeutige Beschriftung auf dem Grundriss selbst. Darunter die Position auf der Seite im Verhältnis zu einer beschrifteten Tabelle. Darunter die Vermutung aus einem Dateinamen wie "2Zi-TypB-final.pdf". Nur die oberste Stufe geht ohne Prüfung online. Alles darunter landet bei einem Menschen, denn eine plausible Zuordnung und eine richtige Zuordnung sind zweierlei, und kein Extraktionsmodell, mit dem wir gearbeitet haben, kann beides ohne Bestätigung auseinanderhalten.

Lesen, abgleichen, freigeben

Drei Schritte, und ihre Reihenfolge zählt mehr als die Werkzeuge.

Lesen. Aus einer Quelle werden Angaben, die in Frage kommen, und KI kostet nur dort Geld, wo das Format wirklich unvorhersehbar ist. Broschüren, Scans, Fotos gedruckter Listen und hineinkopierte Chatnachrichten brauchen ein Modell, eine Tabelle mit stabiler Kopfzeile nicht. Die liest schlichter Code, der pro Datei fast nichts kostet, in Millisekunden durchläuft und nie eine Zahl erfindet, die dort nicht stand. Grob gesagt: Je mehr Ihres Eingangsvolumens Sie auf feste Parser umstellen, desto flacher bleibt Ihre Kostenkurve, wenn Bauträger dazukommen.

Abgleichen. Identität auflösen, neue Angaben mit den vorhandenen zusammenführen, Vorrang anwenden, Widersprüche melden. Dieser Schritt ist fester Code mit ausgeschriebenen Regeln, kein Ermessen eines Modells. Hier steckt auch der größte Teil der Entwicklungszeit, und hier haben die meisten Anbieter nichts zu zeigen, weil es in einer Demo unsichtbar ist.

Freigeben. Nichts erreicht das Portal, bevor ein Mensch zustimmt. Diese Freigabe ist keine Formsache. In einem Projekt, in dem eine falsche Zahl einen Verkauf oder den Ruf kostet, gibt ein Mensch alles frei, was einen Preis oder einen für Kunden sichtbaren Status berührt. Die Freigabe- und Verteilungsschritte im Workflow entscheiden, was der prüfenden Person zuerst vorgelegt wird, aber nicht, was online geht.

Quellen zuordnen, einmal pro Bauträger

Der Eingang jedes Bauträgers wird einmal zugeordnet: dieser geteilte Ordner, dieser Mail-Alias, dieser Chat-Export, dieses Projekt, dieser Bauabschnitt, diese erwarteten Tabellenformen, dieser Rang in der Vorrangregel. Danach finden die Dateien ihren Weg allein. Eine neue Datei in einem zugeordneten Ordner weiß, zu welchem Projekt sie gehört und welcher Parser sie liest, bevor sie jemand öffnet.

Wo Dokumente die eigene Umgebung nicht verlassen dürfen, läuft dieser gesamte Ablauf in Ihrer Infrastruktur, mit einer privaten Installation samt Compliance-Architektur darum herum. In Europa und im Nahen Osten wiegt das schwerer, als die meisten Anbieter zugeben.

Das wöchentliche Update ist das eigentliche Produkt

Die Daten zum Vertriebsstart werden einmal importiert. Änderungen kommen für immer, und trotzdem kalkulieren alle nur die Migration. Ein System mit 3.000 Einheiten in 40 Projekten verarbeitet jede Woche, über Jahre, Preisanpassungen, neue Vertriebsfreigaben, reservierte und wieder freigegebene Einheiten und ausgetauschte Visualisierungen. Dieser Fluss ist das Produkt. Der erste Import ist ein Wochenende.

Die Prüfliste ist deshalb die Stelle, an der sich der Entwurf bezahlt macht, und eine Liste nach Eingangszeit verschwendet die Zeit Ihrer Leute. Wir sortieren stattdessen nach Risiko fürs Geschäft. Eine Preissenkung bei einer freigegebenen Einheit steht ganz oben, denn entweder ist es ein echter Nachlass, der heute online gehört, oder ein Extraktionsfehler, den morgen jemand einem Käufer nennt. Danach kommt der Statuswechsel auf verkauft, weil er verkäuflichen Bestand herausnimmt. Dann Flächen- und Zahlungsplanänderungen. Eine neue Visualisierung steht unten: Ein falsches Bild ist peinlich, ein falscher Preis ist teuer.

Jeder Eintrag zeigt drei Dinge nebeneinander: die aktuell freigegebene Angabe, die Angabe, die sie ersetzen will, und den Ausschnitt aus dem Quelldokument, aus dem die neue stammt. Die Aufgabe ist ein Vergleich, keine Recherche. Zustimmen, ablehnen oder mit angehängtem Ausschnitt an den Bauträger zurückgeben.

Drei Wege, Datenextraktion für Immobilien einzukaufen

Vergleichen Sie die Möglichkeiten entlang von drei Achsen und ignorieren Sie die Funktionslisten.

Wem gehört das Datenmodell. Ein eigenes System hält die Historie der Angaben, das Identitätsschema und die Vorrangregeln in Ihrer Datenbank. Anbieter, die pro Dokument abrechnen, liefern Ihnen extrahierte Felder zurück; die Abgleichslogik, also der eigentliche Wert, bleibt bei ihnen. Abo-Plattformen halten beides, und Ihre Historie liegt in deren Schema. Fragen Sie, was Sie mitnehmen, wenn Sie im dritten Jahr gehen.

Was die monatlichen Kosten machen, wenn sich das Volumen verdoppelt. Abrechnung pro Dokument oder pro Seite wächst linear mit allem mit, auch mit den sauberen Tabellen, deren Auswertung fast nichts kostet. Die Rechnung dazu, mit Beispielzahlen statt Marktpreisen: Wenn 40 Bauträger Ihnen 200 Dateien im Monat schicken und 30 davon wirklich unstrukturiert sind, hängen Ihre KI-Kosten bei einem Entwurf, der nur für diese 30 ein Modell aufruft, an der unordentlichen Minderheit. Pro Seite abgerechnet zahlen Sie für alle 200. Lassen Sie sich von jedem Anbieter Ihren tatsächlichen Mix kalkulieren, nicht dessen Durchschnitt.

Wer die Regeln ändern kann, wenn ein Bauträger das Format wechselt. Das passiert mehrmals im Jahr. Wenn dafür ein Ticket und ein Platz in der Warteschlange nötig sind, bleibt Ihr Bestand veraltet, bis jemand anderes Sie nach vorn sortiert. Die meisten Anbieter von Datenextraktion für Immobilien sagen keine Frist für Formatänderungen zu, und auch das ist eine Antwort.

Ein eigenes System kostet vorn mehr und über die Jahre weniger. Es ist die falsche Antwort, wenn Sie den Bestand von zwei Bauträgern pflegen, die beide saubere Tabellen schicken; dann sagen wir Ihnen das. Bei vielen Bauträgern, gemischten Formaten und wöchentlichen Änderungen rechnet sich die Entwicklung allein über die eingesparten Prüfstunden.

Bevor Sie jemanden beauftragen: Bringen Sie Ihre drei schlimmsten Dateien mit

Suchen Sie die drei hässlichsten echten Dokumente heraus, die Sie haben. Die abfotografierte Verfügbarkeitsliste mit Kugelschreiberstrichen. Die Broschüre, in der die Preistabelle ein Bild ist. Die Tabelle mit verbundenen Zellen und den Notizen des Vertriebsleiters in Spalte M. Schicken Sie die, nicht Ihren saubersten Export, und schauen Sie zu, was der Anbieter damit macht.

Stellen Sie dann fünf Fragen und hören Sie auf konkrete Antworten:

• Woran erkennt Ihr System, dass eine Einheit verkauft ist? Wenn in der Antwort vorkommt, dass eine Einheit aus einer Liste verschwindet, können Sie dort aufhören.
• Was passiert, wenn zwei Dokumente sich widersprechen? Sie wollen eine benannte Vorrangregel und eine sichtbare unterlegene Angabe hören, kein Achselzucken nach dem Motto "das Letzte gewinnt".
• Zeigen Sie mir, woher dieser Wert stammt. Greifen Sie sich in der Demo einen Preis heraus und fragen Sie nach Seite, Zelle und Datei.
• Wie sieht die Monatsrechnung beim doppelten Volumen aus? Lassen Sie KI-Kosten und Plattformkosten getrennt ausweisen.
• Wem gehören Repository, Konten und Schlüssel ab dem ersten Tag? Unsere Antwort: Ihnen, namentlich im Vertrag, zu einem Festpreis, der vor Projektbeginn steht.

Wenn Sie die Extraktion und die Prüfoberfläche lieber erst sehen wollen, bevor Sie sich auf ein komplettes Bestandssystem festlegen: Genau das deckt unsere Arbeit an Dokumentenverarbeitung und OCR ab, auf derselben Grundlage mit Angaben, die hier beschrieben ist. Wir bauen seit achtzehn Jahren Portale und Marktplätze, teils mit Anzeigen in zwölf Sprachen, und das Muster wiederholt sich in jedem Markt.

Bringen Sie Ihre drei schlimmsten Dateien in ein kostenloses Automatisierungs-Audit mit, und wir sagen Ihnen, was ein System mit Angaben daraus macht, einschließlich der Teile, die weiterhin einen Menschen brauchen. Wenn die ehrliche Antwort lautet, dass sich eine eigene KI für Immobiliendokumente bei Ihrem Volumen noch nicht rechnet, sagen wir auch das, und Sie können vorher nachlesen, wie wir arbeiten.

Arun Andiselvam

LinkedIn

Ich bin Gründer und habe fünf Marken aufgebaut. Die erste, ein SEO-Werkzeug, habe ich für einen sechsstelligen Betrag verkauft, und heute entwickle ich KI-Automatisierung für Unternehmen. Jede davon habe ich vom ersten Tag an aus eigener Kraft finanziert.