KI-unterstützte Sanierungsberatung und Bestandsaufnahme

Das echte Ausmaß des Problems

Deutschland hat rund 12 Millionen Wohngebäude, von denen der überwiegende Teil vor 1979 errichtet wurde — also vor der ersten Wärmeschutzverordnung. Laut Bundesministerium für Wirtschaft und Klimaschutz liegt die jährliche Sanierungsrate bei etwa einem Prozent des Gebäudebestands. Das Potenzial an Sanierungsaufträgen ist enorm — und der Engpass ist nicht der Wille der Eigentümer, sondern die Kapazität der Berater.

Ein vollständiger iSFP (individueller Sanierungsfahrplan nach BAFA-Vorgaben) umfasst: Bestandsaufnahme vor Ort, Bauteilbewertung, energetische Berechnung nach DIN V 18599:2018-09, Maßnahmenpriorisierung, Förderberatung und abschließende Aufbereitung für den Eigentümer. Der BAFA fördert die iSFP-Erstellung mit 50 Prozent der Beratungskosten — bis zu 650 Euro für Ein- und Zweifamilienhäuser, bis zu 850 Euro für Mehrfamilienhäuser (Stand 2024). Das klingt üppig, ist aber knapp: Die Bestandsaufnahme und Dokumentation allein kostet einen erfahrenen Energieberater 4–8 Stunden pro Gebäude.

Das strukturelle Problem: Die Vorortarbeit lässt sich nicht automatisieren — das Aufmaß, die Inaugenscheinnahme, das Gespräch mit dem Eigentümer. Aber die Dokumentation danach — Bauteilkonstruktionen erschließen, Stichpunkte strukturieren, Maßnahmenreihenfolge begründen, Fließtexte formulieren — das ist repetitiv, wissensintensiv und zeitaufwändig. Und genau hier greift KI.

Mit vs. ohne KI — ein ehrlicher Vergleich

Einschätzung auf einen Blick

Zeitersparnis — gering (2/5) Das klingt widersprüchlich, aber es ist ehrlich: Der zeitaufwändigste Teil der Sanierungsberatung — die Vorortarbeit, das Aufmaß, die energetische Berechnung im zertifizierten Programm — wird durch KI nicht beschleunigt. Was KI beschleunigt, ist die Nacharbeit: Dokumentation strukturieren, Bauteil-Plausibilitäten recherchieren, Fließtexte formulieren. Das ist wertvoll, aber es ist nicht der Hauptzeitblock. Verglichen mit anderen Use Cases in dieser Kategorie bleibt die absolute Zeitwirkung begrenzt.

Kosteneinsparung — mittel (3/5) Der Hebel ist ein anderer als Zeit: Wer die Nacharbeit beschleunigt, kann mehr iSFP-Aufträge pro Monat annehmen. Ein Energieberater, der jetzt 5–6 iSFP pro Monat schafft, kann auf 7–8 kommen. Das ist Umsatzwachstum, nicht Kostensenkung — aber real. Die BAFA-Förderung macht jeden zusätzlichen Auftrag wirtschaftlich attraktiv.

Schnelle Umsetzung — gering (2/5) Das ist ein schwieriger Use Case für den schnellen Einstieg. Du brauchst ein Verständnis deiner typischen Projektstruktur, müsstest Prompt-Vorlagen für Baujahresklassen entwickeln und testen, und das Ergebnis immer gegen dein Fachwissen prüfen. Das dauert 4–6 Wochen, bis ein verlässlicher Workflow steht — der langsamste Einstieg unter den fünf Use Cases in diesem Upgrade.

ROI-Sicherheit — gering (2/5) Der ROI ist real, aber schwer nachzuweisen: Wer misst schon, wie lange er ohne KI für die Dokumentation gebraucht hätte? Die Zeiteinsparung ist subjektiv erlebbar, aber kaum objektivierbar. Zusätzliche Aufträge durch höhere Kapazität sind das klarere Nutzenargument — aber auch das lässt sich nicht sauber kausal zurechnen.

Skalierbarkeit — gering (2/5) Der Flaschenhals bleibt der Vor-Ort-Termin. Du kannst keine fünf Bestandsaufnahmen gleichzeitig machen — und dieser Engpass wird durch KI nicht gelöst. Die Skalierungswirkung ist begrenzt auf die Effizienzgewinne bei der Nacharbeit.

Richtwerte — stark abhängig von Auftragsvolumen, Erfahrung mit Bestandsgebäuden und vorhandenen Vorlagen.

Was KI bei der Sanierungsberatung konkret macht

Baujahresklassen und typische Bauteilkonstruktionen erschließen

Für Gebäude bis in die 1980er Jahre gibt es gut dokumentierte Bauteilkonstruktionen je Baujahresklasse — das Institut Wohnen und Umwelt (IWU) hat Tabellen veröffentlicht, die für energetische Berechnungen als Ausgangswert akzeptiert sind. KI kann dieses Wissen strukturieren: Du gibst Baujahr, Gebäudetyp und beobachtete Merkmale ein (Wanddicke, Geschossanzahl, Dachform) und erhältst eine Einschätzung der wahrscheinlichen Bauteilkonstruktion mit U-Wert-Schätzung und Quellenhinweis.

Das ist kein Ersatz für die Vor-Ort-Prüfung — aber es gibt dir eine strukturierte Arbeitshypothese, die du im EVEBI dann anpassen kannst, wenn du mehr Informationen hast.

Maßnahmenreihenfolge erklären

Die energetisch sinnvolle Reihenfolge von Sanierungsmaßnahmen folgt klaren Prinzipien (Gebäudehülle vor Heizungsanlage, Luftdichtheit vor Lüftungsanlage usw.), die du aus dem Stand erklären kannst — aber KI formuliert diese Erklärung für die Eigentümerkommunikation schneller und konsistenter als du es jedes Mal neu machen würdest.

Förderberatung strukturieren

Welche Maßnahmen werden durch BEG (Bundesförderung für effiziente Gebäude) oder KfW gefördert? Wie verhält sich die iSFP-Förderung durch BAFA zur BEG-Einzelmaßnahmenförderung? Das ist ein sich häufig änderndes Regelwerk — KI kann bei der Strukturierung der relevanten Punkte helfen, aber nie als rechtssichere Förderberatung dienen.

Was KI nicht übernimmt:

Die energetische Berechnung (DIN V 18599) muss in einem zertifizierten Programm (EVEBI, iSFP-Programm, energyDesigner) erfolgen. KI-Ausgaben zu U-Werten oder Jahresheizwärmebedarf sind keine BAFA-anerkannte Berechnungsgrundlage. Die Berechnung bleibt manuell, mit validierten Eingabewerten — KI hilft bei der Erschließung dieser Eingabewerte, nicht bei der Berechnung selbst.

Halluzinations-Risiko bei Baujahresangaben und Förderprogrammen

Halluzinationen sind bei diesem Use Case besonders problematisch, weil die Ausgaben direkt in Förderanträge und Berechnungen einfließen. Ein LLM, das U-Werte für Baujahresklassen “aus dem Gedächtnis” angibt, kann plausibel klingende, aber falsche Werte produzieren. Nutze KI-Ausgaben zu Bauteilkennwerten nur als Plausibilitätsprüfung — nicht als rechnerische Grundlage. Die IWU-Tabellen sind die verlässliche Quelle.

Konkrete Werkzeuge — was wann passt

ChatGPT (GPT-4o) mit Dokumenten-Upload — Für die Strukturierung von Stichpunkten nach der Bestandsaufnahme, die Formulierung von Maßnahmen-Begründungen und die eigentümerverständliche Zusammenfassung. Du gibst deine Notizen ein, beschreibst die Situation und erhältst einen strukturierten Entwurf. Kosten: 20–25 €/Monat. Keine Spezialanforderungen.

Claude — Besonders stark für längere Sanierungskonzepte und wenn du bestehende Texte in eine eigentümerverständliche Sprache umformulieren willst. Claude “klingt” bei langen Fließtexten oft natürlicher als ChatGPT. Kosten: 20 USD/Monat (Pro).

NotebookLM — Wenn du eine Wissensbasis mit IWU-Tabellen, BAFA-Merkblättern und KfW-Förderprogrammdokumenten aufbauen und durchsuchen willst: NotebookLM als Förder- und Normendatenbank ist eine sinnvolle Ergänzung. Kostenlos für die Basisversion.

EVEBI / iSFP-Programm — Die zertifizierten Berechnungsprogramme bleiben unverzichtbar für BAFA-anerkannte Energieausweise und iSFP-Berechnungen. KI ersetzt sie nicht — sie sind die Pflichtgrundlage für jeden Förderantrag. Kosten: EVEBI ab ca. 300 €/Jahr (Energieberater-Lizenz).

Was fehlt: Es gibt noch kein deutsches KI-Tool, das BAFA-konforme Sanierungskonzepte vollständig automatisiert erstellt. Die 42watt-Plattform (42watt.de) versucht, KI-gestützte Datenerfassung und iSFP-Erstellung zu kombinieren — Stand April 2026 noch im Aufbau, aber ein Bereich der aktiv entwickelt wird.

Datenschutz und Datenhaltung

Sanierungsberatung enthält stark personenbezogene Daten: Name und Adresse der Eigentümer, Grundstücksdaten, Gebäudepläne, Energieverbrauchsdaten, manchmal auch Angaben zur Wohnsituation. Das fällt vollständig unter die DSGVO.

Für die KI-Nutzung: Wenn du Bestandsaufnahme-Notizen in ChatGPT oder Claude eingibst, dürfen diese keine direkt personenbezogenen Daten (Namen, vollständige Adressen) enthalten — oder du nutzt die API-Version mit AVV. Für die Praxis: Anonymisiere die Eigentümerdaten (“Familie K., EFH, Baujahr 1968, Musterstadt”) und behalte die technischen Daten. Die Formulierungsqualität ist identisch, das Datenschutzproblem ist gelöst.

Wichtig für BAFA-Berater: Die eigentliche Berechnung im EVEBI oder iSFP-Programm bleibt datenschutzrechtlich separat — diese Programme haben eigene Datenschutzregelungen. KI-Tools sind für die Dokumentationsunterstützung, nicht für die Berechnung.

Was es kostet — realistisch gerechnet

Setup-Aufwand (einmalig):

• Prompt-Vorlagen für Baujahresklassen-Recherche entwickeln: 4–8 Stunden
• Wissensbasis mit IWU-Tabellen und Förder-Dokumenten aufbauen (NotebookLM): 4–8 Stunden
• Test mit 3–5 abgeschlossenen Projekten: 4–8 Stunden

Laufende Kosten:

• ChatGPT Plus oder Claude Pro: 20–25 €/Monat (wenn sowieso genutzt: 0 € Zusatz)
• NotebookLM: kostenlos in der Basisversion

Konservative ROI-Rechnung:

• 6 iSFP-Aufträge pro Monat, je 1,5 Stunden Zeitersparnis bei Dokumentation: 9 Stunden/Monat
• Interner Stundensatz Energieberater: 60–90 €/Stunde
• Monatliche Zeitersparnis: 540–810 €
• Plus: 1 zusätzlicher iSFP-Auftrag durch höhere Kapazität, BAFA-Vergütung ~1.300 € brutto
• Mehrkosten: faktisch 0 €

Der Haupthebel ist nicht die Zeiteinsparung, sondern die Kapazitätserweiterung — mehr Aufträge im gleichen Zeitfenster.

Vier typische Einstiegsfehler

1. KI-Ausgaben zu U-Werten direkt in die Berechnung übernehmen. Das ist der kritische Fehler: Ein KI-generierter U-Wert für “Vollziegel-Außenwand, 36,5 cm, Baujahr 1968” klingt plausibel — aber er ist keine BAFA-anerkannte Berechnungsgrundlage. Nutze IWU-Tabellen als primäre Quelle und KI als Plausibilitätsprüfung. Nie umgekehrt.

2. Den Detailgrad der Vorort-Notizen unterschätzen. Die Qualität des KI-Outputs hängt direkt von der Qualität deiner Stichpunkte ab. Wenn deine Notizen nach der Bestandsaufnahme zu oberflächlich sind (“Dach: Satteldach, weiß gedämmt?”), hilft KI wenig. Investiere in ein strukturiertes Vor-Ort-Protokoll — dann bringt die KI-Unterstützung danach mehr.

3. Förderbedingungen KI-gestützt formulieren ohne aktuelle Prüfung. BAFA- und KfW-Förderprogramme ändern sich regelmäßig. Wenn du auf Basis von KI-Formulierungen Eigentümern Förderbeträge nennst, die seit letztem Quartal nicht mehr gelten, entsteht eine Haftungssituation. Prüfe Förderinformationen immer gegen die aktuellen BAFA- und KfW-Webseiten — das ist ein Schritt, der nicht automatisiert werden kann.

4. Das System einrichten und nie mit echten Projekten kalibrieren. Die ersten Prompt-Vorlagen, die du entwickelst, sind oft zu allgemein. Sie werden erst gut, wenn du sie an drei bis fünf echten Projekten testest und auf Basis der Ergebnisse anpasst. Plane diese Kalibrierungsphase ein — ohne sie produzierst du Boilerplate-Texte statt brauchbarer Entwürfe.

Was mit der Einführung wirklich passiert

Dieser Use Case hat eine höhere Einstiegshürde als die anderen in dieser Gruppe. Der Grund: Sanierungsberatung ist sehr fachspezifisch, und allgemeine KI-Prompts liefern ohne Kontextwissen nur oberflächliche Ergebnisse.

Was wirklich hilft, ist eine eigene Wissensbasis: Lade IWU-Tabellen (online frei verfügbar), aktuelle BAFA-Merkblätter und KfW-Förderprogrammdokumente in NotebookLM oder ein Claude Project. Dann kannst du gezielt fragen: “Welche typischen U-Werte gibt das IWU für Kellerwände aus Stahlbeton, Baujahr 1960–1970 an?” — und erhältst eine Antwort mit Quellenangabe, die du gegen das Original überprüfen kannst.

Der eigentliche Nutzen ist oft weniger die Zeitersparnis als die Qualitätskonsistenz: Wenn jede Bestandsdokumentation nach demselben Schema strukturiert ist, wird die eigene Arbeit überprüfbarer — und die Einarbeitung neuer Kolleginnen und Kollegen schneller.

Widerstand entsteht manchmal bei der Frage, ob “KI-generierte Texte” in BAFA-Dokumenten zulässig sind. Die klare Antwort: Ja — solange du als zertifizierter Energieberater die Inhalte verantwortest und prüfst. Die Berechnung muss in zertifizierten Programmen erfolgen; der Fließtext des Beratungsberichts ist nicht reguliert.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Die Berechnung muss in EVEBI oder einem anderen zertifizierten Programm erfolgen — da bringt KI nichts.” Stimmt — für die Berechnung. Aber der Aufwand vor und nach der Berechnung (Bestandsdokumentation, Maßnahmenpriorisierung, Eigentümerkommunikation) ist erheblich und wird nicht durch das Berechnungsprogramm abgedeckt. Genau dort greift KI.

„Ich kenne meine Baujahresklassen aus dem Kopf — das brauche ich nicht.” Bei den Standardkonstruktionen vielleicht. Bei ungewöhnlichen Konstruktionen (Systembauten der DDR, Fertighaushersteller der 1970er, regionale Baumaterialien) ist das Wissen lückenhafter — und genau dort hilft eine strukturierte Wissensbasis mehr als das Gedächtnis.

„Was wenn die KI falsche Förderhöhen nennt und ich sie an Eigentümer weitergebe?” Das ist das richtige Risiko-Bewusstsein. Die Lösung ist keine andere als bei jedem anderen Qualitätsschritt: Du überprüfst, bevor es rausgeht. KI-generierte Förderaussagen werden immer gegen aktuelle BAFA- und KfW-Webseiten geprüft. Das ist kein optionaler, sondern ein Pflichtschritt.

Woran du merkst, dass das zu dir passt

• Du machst regelmäßig BAFA-geförderte Energieberatung und der Dokumentationsaufwand frisst in die Auftrags-Wirtschaftlichkeit
• Du hast einen breiten Baujahresklassen-Mix im Portfolio und musst bei jedem neuen Baujahrestyp recherchieren
• Dein Büro wächst und du möchtest Energieberatungswissen auf Mitarbeitende übertragen, die weniger Erfahrung mit Bestandsgebäuden haben
• Du nutzt bereits digitale Vor-Ort-Protokolle — dann ist die Brücke zur KI-gestützten Nacharbeit klein

Wann es sich (noch) nicht lohnt — drei harte Ausschlusskriterien:

1. Weniger als 10 Bestandsaufnahmen pro Jahr. Der Aufbau-Aufwand (Wissensbasis, Prompt-Vorlagen, Kalibrierung) amortisiert sich bei sehr geringem Volumen nicht. Wer ein- oder zweimal im Jahr ein Sanierungskonzept erstellt, profitiert nicht systematisch.

2. Ausschließlich Nichtwohngebäude. Der Use Case ist auf Wohngebäude mit gut dokumentierten Baujahresklassen-Konstruktionen zugeschnitten. Für Gewerbe- oder Industriegebäude fehlen die strukturierten Referenzkonstruktionen — der Hauptnutzen der Baujahresklassen-Recherche entfällt.

3. Keine BAFA-Zulassung oder keine energetische Berechnungssoftware. Wer die Berechnung nicht selbst macht, hat keinen Nutzen aus der KI-gestützten Dokumentationsvorbereitung — weil die Schnittstelle (zertifiziertes Berechnungsprogramm) fehlt.

Das kannst du heute noch tun

Nimm deine Notizen von der letzten Bestandsaufnahme und gib sie in ChatGPT oder Claude ein — anonymisiert, ohne Eigentümerdaten. Bitte das System, daraus eine strukturierte Bauteilübersicht zu erstellen und für jeden unbekannten Bauteil eine plausible Konstruktionshypothese auf Basis des Baujahres zu formulieren. Prüfe das Ergebnis gegen deine eigene Einschätzung. Das dauert 20 Minuten und zeigt dir, ob der Ansatz für deinen Arbeitsalltag funktioniert.

Quellen & Methodik

• Sanierungsrate Deutschland: Bundesministerium für Wirtschaft und Klimaschutz (BMWK), “Gebäudereport 2023”; Bundesverband energieeffiziente Gebäudehülle (BuVEG)
• BAFA iSFP-Förderung: BAFA Bundesamt für Wirtschaft und Ausfuhrkontrolle, Merkblatt Energieberatung Wohngebäude (EBW), Stand August 2024; bafa.de
• IWU-Baujahresklassen: Institut Wohnen und Umwelt (IWU), “Tabellen für Bestands-Gebäude nach Baujahresklassen” — öffentlich verfügbar unter iwu.de
• EVEBI Kosten: evebi.de, Lizenzpreise Energieberater-Version, Stand April 2026
• DIN V 18599:2018-09: Energetische Bewertung von Gebäuden — Berechnungspflicht für iSFP nach BAFA-Merkblatt 2024