Es ist Dienstagabend, kurz nach 19 Uhr. In einem mittelgroßen Maklerbüro in einer süddeutschen Großstadt sitzt die Inhaberin noch am Schreibtisch und überlegt, ob der neue „KI-Server ab 999 € im Monat“ wirklich die Lösung für die aufgelaufenen Themen ist: drei Exposés sind seit Tagen nicht raus, die Follow-ups nach den Wochenendbesichtigungen liegen, das CRM ist seit der Provisions-Halbierung 2020 nie wirklich aufgeräumt worden. Auf dem Bildschirm: ein Pitch mit sieben Anwendungsfällen und einer Aufstellung „11–18 Stunden Zeitersparnis pro Woche“.
Die Zahl klingt verlockend. Sie ist auch nicht ganz falsch. Aber sie verdeckt, was vorher steht: Diese Zeitersparnisse setzen voraus, dass die Daten sortiert sind, die Workflows definiert und die Mitarbeitenden bereit. Wer KI auf ein unaufgeräumtes Maklerbüro setzt, baut Geschwindigkeit auf Chaos — und das ist selten ein Fortschritt.
Dieser Beitrag richtet sich an Inhaberinnen und Inhaber mittlerer Maklerbüros, die nicht über das nächste glänzende Tool nachdenken, sondern über die strategische Frage: Wo lohnt sich der Einsatz wirklich, wo sind die Grenzen, und in welcher Reihenfolge steigt man so ein, dass am Ende mehr Geschäft entsteht und nicht mehr Werkzeugverwaltung.
Warum die „Sieben-Features“-Erzählung am Kern vorbeigeht
Die meisten Pitches verkaufen einzelne Anwendungsfälle: Exposé-Texte, Marktanalysen, Social-Media-Posts, Kunden-Matching. Jeder einzelne klingt überzeugend. In Summe ergibt das aber kein Geschäftsmodell, sondern eine Werkzeugsammlung.
Was in der Pitch-Logik untergeht:
- Die Voraussetzungen. Kunden-Matching funktioniert nur, wenn Kunden mit sauberen Suchprofilen im CRM stehen. Exposé-Generierung wird hochwertig, wenn der Schreibstil des Hauses dokumentiert ist. Beides existiert in vielen Büros nicht.
- Die Mitarbeitenden. Tools allein ändern keine Gewohnheiten. Wenn Berater seit Jahren Notizen in Notizbüchern führen und Termine mündlich abstimmen, hilft kein KI-Assistent.
- Die Datenschutzlage. Maklerbüros verarbeiten besonders sensible Daten — Einkommensnachweise, SCHUFA-Bescheinigungen, Identitätsdaten aus der Geldwäscheprüfung. Wer hier mit konsumentenähnlichen Cloud-Diensten arbeitet, hat ein Compliance-Problem.
- Die wirklich knappen Tätigkeiten. Die Zeit, die im Maklerbüro Geld bringt, ist Akquise und Verhandlung. Wer KI nur auf das Backoffice ansetzt, verbessert die zweitwichtigste Hälfte.
Eine strategische Antwort beginnt nicht beim Feature, sondern beim Geschäftsmodell. Sie sortiert die Hebel.
Drei strategische Hebel statt sieben Features
Aus Inhabersicht sind drei Bereiche, in denen KI wirklich strategisch wirkt — alles andere ist Detailoptimierung.
Hebel 1 — Das Datenfundament im CRM
Ohne sauberes CRM ist alles, was darauf aufsetzt, Stückwerk. Die Frage „welcher Kunde passt zu welchem Objekt“ beantwortet keine KI besser als die Datenbasis es zulässt. Wer mit unvollständigen Suchprofilen, doppelten Datensätzen und unklarem Kontaktstatus arbeitet, kann sich teure Automatisierung sparen.
Die strategische Investition ist deshalb nicht ein neues KI-System, sondern eine ehrliche Bestandsaufnahme des bestehenden CRM. Gängige Systeme wie onOffice, Propstack oder FlowFact bringen mittlerweile eigene KI-Funktionen mit oder lassen sich sauber anbinden. Vor allem aber lassen sie sich strukturiert pflegen, wenn ein Pflegeprozess etabliert wird.
Was das in der Praxis bedeutet:
- Suchprofile bei jedem Erstkontakt vollständig erfassen, nicht „später dazu“
- Status der Kunden regelmäßig aktualisieren (aktiv suchend, beobachtend, abgeschlossen)
- Notizen aus Gesprächen direkt strukturiert ablegen, nicht nur als Fließtext
- Objekte mit den Merkmalen versehen, nach denen Kunden tatsächlich filtern
Diese Disziplin ist langweilig. Sie ist aber die Voraussetzung dafür, dass die KI-Hebel überhaupt greifen.
Hebel 2 — Lead-Qualifizierung und Matching
Hier liegt der größte unmittelbare Effizienzgewinn — vorausgesetzt, Hebel 1 ist eingerichtet. Wenn neue Anfragen über Portale oder die eigene Website hereinkommen, kann ein gut konfigurierter KI-Workflow:
- Anfragen kategorisieren (ernsthafter Kaufinteressent, Auskunftssuchender, Mitbewerber, Eigentümer mit Verkaufsabsicht)
- Bei eingehenden Eigentümer-Anfragen automatisch eine Bewertungsgrundlage vorbereiten (Lage, Quadratmeter-Vergleichswerte, vergleichbare Objekte)
- Bei Käufer-Anfragen einen Matching-Vorschlag aus dem Bestand erzeugen
- Erste Antwort-Drafts vorformulieren, die der Berater nur noch prüft und versendet
Realistische Zeitwirkung: 30–60 Minuten pro neue Anfrage werden zu 5–15 Minuten. Bei einem mittleren Büro mit 15–30 ernsthaften Anfragen pro Woche sind das vier bis zehn Stunden — keine 18, aber genug, um eine ganze Akquise-Tour pro Monat zusätzlich zu fahren.
Hebel 3 — Wissensarbeit beschleunigen, nicht ersetzen
Der dritte Hebel ist subtiler und zahlt erst über Monate ein: die Aufwertung der Beraterarbeit. KI als Recherche- und Strukturierungs-Werkzeug für:
- Marktanalysen für Akquise-Termine (mit explizit gekennzeichneten Annahmen, nicht als Gutachten)
- Vorbereitung von Beratungsgesprächen mit Vergleichsdaten
- Erstellung von Exposé-Drafts, die der Berater anschließend in seine Stimme bringt
- Recherche zu rechtlichen Sonderfällen (Erbbaurecht, denkmalgeschützte Substanz, Sondernutzungsrechte)
Wichtig hier: Die KI liefert den Rohstoff, der Mensch trifft die Aussage. Wer das vermischt, bekommt Texte, die ChatGPT-typisch klingen — und das spüren Eigentümer und Interessenten heute schon zuverlässig.
Was sich nicht (oder schlechter) automatisieren lässt
Die ehrliche Liste ist genauso wichtig.
Akquise-Gespräche und Vertrauensaufbau — der Anruf beim Eigentümer, die Empfehlung über Bestandskunden, das persönliche Gespräch beim Notar. Das sind die Tätigkeiten, für die Provisionen bezahlt werden. Keine KI ersetzt sie.
Beurteilungen mit Haftungswirkung — Wertermittlungen mit gutachterlichem Charakter, Aussagen zur Belastbarkeit von Immobilien, Empfehlungen zu Finanzierungsmodellen. KI kann Rohdaten liefern, die fachliche Beurteilung bleibt bei qualifizierten Personen.
Verhandlungen — Preisverhandlungen, Konditionsgespräche, Konfliktlösung zwischen Käufer und Verkäufer. Das ist Beziehungsarbeit unter Druck — ein Bereich, in dem voll automatisierte Tools eher schaden.
Compliance-Entscheidungen — Geldwäscheprüfung, Identitätsfeststellung, Beurteilung verdächtiger Vorgänge. Die Erfassung kann unterstützt werden, die Entscheidung muss dokumentiert beim verantwortlichen Menschen bleiben.
Emotionale Begleitung — Erbfälle, Scheidungen, Notverkäufe. Wer hier mit voll automatisierten Antworten arbeitet, beschädigt nicht nur die einzelne Beziehung, sondern den Ruf des Hauses.
Die Faustregel: KI macht Standardprozesse schneller. Sie sollte nicht in Prozesse hineinwachsen, in denen das Vertrauen oder die Haftung die eigentliche Wertschöpfung sind.
DSGVO und Geldwäschegesetz: die Schranken kennen
Maklerbüros sind regulatorisch enger geführt als der durchschnittliche Mittelständler. Drei Punkte, die in jeder KI-Entscheidung beachtet werden müssen.
Auftragsverarbeitung und Datenresidenz
Sobald personenbezogene Daten in ein Cloud-Tool fließen — egal ob ChatGPT, ein Marketing-Tool oder eine KI-Schreibhilfe — braucht es einen Auftragsverarbeitungsvertrag und Klarheit über den Verarbeitungsort. Konsumentenversionen vieler bekannter Tools (ChatGPT Plus, Claude Pro) sind hier kritisch. Die Business- und Enterprise-Tiers derselben Anbieter sind eine andere Geschichte, und EU-basierte Modellanbieter sind oft die saubere Lösung.
Sensible Datenkategorien
Einkommensnachweise, SCHUFA-Auskünfte, Personalausweis-Kopien aus der Geldwäscheprüfung — diese Daten sind besonders schutzwürdig und gehören in keine Prompts. Wer hier eine KI-Schreibhilfe einsetzt, sollte den Prozess so gestalten, dass diese Datenkategorien gar nicht ins Modell wandern.
Geldwäschegesetz-Pflichten
Die Identifizierung und Risikobewertung nach Geldwäschegesetz ist eine persönliche Verantwortung des Maklers. KI darf hier vorbereiten und dokumentieren, aber nicht entscheiden. Ein Audit der BaFin oder des zuständigen Aufsichtsamtes prüft, ob die Entscheidungen nachvollziehbar getroffen wurden — „die KI hat gesagt“ reicht als Begründung nicht.
Diese Schranken bedeuten nicht „kein KI-Einsatz im Maklerbüro“. Sie bedeuten: KI-Einsatz mit klarem Verantwortlichkeitsschnitt und sauberer Werkzeugauswahl.
Was es organisatorisch braucht
Die größten Stolpersteine im Maklerbüro liegen selten in der Technik. Sie liegen in der Organisation.
- Eine verantwortliche Person für die KI-Themen — nicht „alle ein bisschen“. Ohne klaren Owner versandet jede Initiative innerhalb von drei Monaten.
- CRM-Pflege als feste Routine — wöchentlicher Slot pro Berater, in dem Profile, Kontaktstatus und Notizen aktualisiert werden. Das ist die Grundvoraussetzung, dass jede spätere KI-Funktion trägt.
- Klare Spielregeln für die Mitarbeitenden — welche Tools sind freigegeben, welche Daten dürfen wohin, was muss dokumentiert werden. Lieber eine kurze schriftliche Richtlinie als Unsicherheit.
- Realistisches Erwartungsmanagement — wer den Mitarbeitenden „11–18 Stunden Zeitersparnis“ verspricht, erntet im dritten Monat Enttäuschung. Sechs bis acht Stunden über alle Berater hinweg sind in der Realität ein guter erster Erfolg.
- Schulung statt Werkzeugverteilung — ein Werkzeug, das nicht gezeigt und geübt wird, wird zur Insellösung der digitalen Affinen.
Wer diese fünf Punkte ernst nimmt, hat in einem halben Jahr ein Büro, in dem KI ein selbstverständlicher Teil der Arbeit ist. Wer sie übergeht, hat in einem halben Jahr drei Tools im Einsatz, die niemand mehr richtig nutzt.
Eine pragmatische Reihenfolge für den Einstieg
Statt „alle sieben Anwendungsfälle ab Tag 1“ eine Reihenfolge, die in den meisten Büros funktioniert.
Monat 1 — CRM-Audit und Aufräumen. Ehrliche Bestandsaufnahme der Datenqualität, Definition eines Pflegeprozesses, erste Bereinigung. Noch kein neues Tool.
Monat 2 — KI-Funktionen im bestehenden CRM aktivieren. Wenn das CRM bereits KI-Funktionen mitbringt (zunehmend Standard), diese pilotieren — beginnend mit Exposé-Drafts und einfachen Marktanalysen.
Monat 3 — Lead-Qualifizierung als zweiten Schwerpunkt. Eingehende Anfragen strukturiert kategorisieren und beantworten, einfache Matching-Vorschläge in der Pipeline.
Monat 4–6 — Stabilisieren und ausweiten. Was läuft, formal in die Arbeitsabläufe einbauen. Erst danach über zusätzliche Werkzeuge nachdenken — beispielsweise Social-Media-Workflows oder strukturierte Follow-up-Routinen.
Monat 7–12 — Weiterführende Hebel prüfen. Erst nach dieser Stabilisierungsphase ergibt eine Diskussion über tiefere Integration, eigene Wissensbasis oder spezialisierte KI-Setups Sinn. Vorher ist es ein teures Experiment.
Dieser Pfad sieht weniger glanzvoll aus als ein „neuner-Agenten-Setup zum Quartalsende“. Er hat dafür eine Eigenschaft, die die spektakuläreren Wege selten haben: Er trägt im zweiten Jahr noch.
Fazit
KI ist im Maklerbüro angekommen, aber sie wirkt nicht durch Funktionsumfang. Sie wirkt durch die Reihenfolge: erst Datenfundament, dann Lead-Qualifizierung, dann Wissensarbeit. Wer das beachtet, gewinnt mit moderaten Mitteln spürbare Effizienz. Wer es überspringt und das nächste Komplett-System kauft, verbrennt Budget und Vertrauen der Mitarbeitenden.
Die ehrliche Antwort auf die Frage „brauche ich einen eigenen KI-Server“ lautet für die meisten mittleren Maklerbüros: nein. Ein sauberes CRM, gut konfigurierte KI-Funktionen im bestehenden System, eine klare Richtlinie für die Mitarbeitenden, eine verantwortliche Person — das ist die Basis, aus der heraus sich später spezialisierte Werkzeuge ergänzen lassen, wenn sie wirklich benötigt werden.
Wer am Anfang dieses Wegs steht und vor dem Pitch eines Anbieters überlegt, ob jetzt der richtige Moment für den Einstieg ist, hat meistens nicht das nächste Tool als Antwort, sondern eine ehrliche Bestandsaufnahme der eigenen Datenbasis und Prozesse. Aus dieser Aufnahme heraus wird die nächste Investition deutlich präziser — und deutlich wirksamer.
