KI-Assistent für Mieterkommunikation

Das echte Ausmaß des Problems

Wie viele Kontaktaufnahmen bei euch täglich ankommen, per E-Mail, Telefon, Mieterportal und gelegentlich per Post, zählst du in einer Woche. Die Fragen wiederholen sich, unterschiedliche Mieter, dieselben Themen.

Jede Antwort kostet Zeit: das richtige Objekt im System aufrufen, den Mietvertrag prüfen, den Hausordnungsauszug heraussuchen, eine passende Antwort formulieren, senden, dokumentieren. Ein Beispiel mit offengelegten Annahmen: 40 Anfragen täglich à 5 bis 15 Minuten sind 200 bis 600 Minuten, also gut drei bis zehn Stunden Korrespondenzarbeit, für ein kleines Verwaltungsteam schlicht nicht leistbar. Die Folge: Anfragen stapeln sich, Mieter warten tagelang, Frustration wächst auf beiden Seiten.

Das eigentliche Problem ist struktureller Natur: Mieterkommunikation skaliert nicht linear mit der Einheitenzahl, solange alles manuell passiert. Wer von 200 auf 400 Einheiten wächst, verdoppelt nicht automatisch sein Team, bekommt aber doppelt so viele Anfragen. Ohne Automatisierung führt das entweder zu Qualitätsverlust oder Überlastung. Oft zu beidem.

Welcher Anteil eurer Arbeitszeit in Kommunikation fließt, zeigt eine Woche Strichliste, getrennt nach Standardanfragen und Fällen, die eine Entscheidung brauchen. Eine belastbare Branchenzahl dafür haben wir nicht gefunden. Der Anteil der Standardanfragen ist der Teil, den ein Assistent übernehmen kann.

Mit vs. ohne KI, ein ehrlicher Vergleich

Die Minutenwerte sind Annahmen dieser Seite, keine Messung. Miss zehn Antworten mit und ohne Entwurf, dann hast du deine eigene Zahl.

Einschätzung auf einen Blick

Zeitersparnis, hoch (4/5) Bei 300+ Einheiten rechnet diese Seite mit zwei bis vier Stunden täglicher Zeitersparnis als Annahme, durch automatisch beantwortete Standardanfragen und KI-Entwürfe, die der Verwalter nur noch prüft statt schreibt. Nicht ganz maximal bewertet, weil die Einsparung stark von der Qualität der Dokumentenbasis abhängt: Ohne gepflegte Mietvertragsdaten gibt es keinen Assistenten, der Vertragsfragen korrekt beantworten kann.

Kosteneinsparung, mittel (3/5) Zwei bis vier Stunden täglich sind ein Viertel bis eine halbe Stelle, keine ganze. Geld wird daraus erst, wenn das Portfolio wächst, ohne dass jemand eingestellt wird, oder wenn eine Stelle nicht nachbesetzt werden muss. Dazu kommt die Einrichtung bei vollständiger Automatisierung, die nicht trivial ist. Deshalb mittel, nicht hoch.

Schnelle Umsetzung, mittel (3/5) Der Einstieg ist schnell (ChatGPT mit Mietvertrag als Kontext in einem Nachmittag), aber der volle Automatisierungsgrad braucht Vorbereitung: Dokumente strukturieren, Kategorien definieren, Eskalationsregeln festlegen. Realistisch drei bis fünf Wochen bis zum Pilotbetrieb.

ROI-Sicherheit, hoch (4/5) Der Nutzen ist direkt messbar: Automatisierungsquote und Antwortzeit vor und nach der Einführung. Keine indirekten Wirkungsketten. Einschränkung: Qualität der Messung hängt davon ab, dass ein Ausgangswert erfasst wird.

Skalierbarkeit, sehr hoch (5/5) Dieser Use Case skaliert ideal mit wachsendem Portfolio. Mehr Einheiten bedeuten mehr Anfragen, und das System beantwortet ebenso gut 1.000 Anfragen wie 100, ohne proportional mehr Personal zu benötigen. Der stärkste Skalierungshebel im Immobilien-Bereich.

Richtwerte, stark abhängig von Einheitenzahl, Dokumentenqualität und Automatisierungsgrad.

Was ein KI-Assistent für Mieterkommunikation konkret macht

Ein KI-Assistent kennt die verwalteten Objekte: Mietverträge, Hausordnungen, laufende Handwerkeraufträge, offene Betriebskostenabrechnungen, objekt-spezifische Regelungen. Wenn ein Mieter per E-Mail fragt „Darf ich einen Hund halten?”, durchsucht das System den verknüpften Mietvertrag und die Hausordnung und antwortet in Sekunden: „Laut Ihrem Mietvertrag ist die Haltung kleiner Haustiere erlaubt. Für Hunde benötigen Sie eine schriftliche Genehmigung des Vermieters.”

Der technische Ansatz dahinter heißt Retrieval-Augmented Generation (RAG): Das System indexiert alle relevanten Dokumente, sucht bei jeder Anfrage die passenden Textstellen und formuliert daraus eine kontextgenaue Antwort, mit Quellenangabe, damit der Verwalter jede Antwort nachprüfen kann.

Was der Assistent nicht automatisch beantworten kann und soll: Themen mit rechtlicher Konsequenz. Mieterhöhungen, Kündigungen, Mahnungen, Modernisierungsankündigungen, diese Anfragen erkennt ein gut konfiguriertes System und leitet sie direkt an einen menschlichen Verwalter weiter, mit Kontextinformationen aus dem Mietvertrag als Entscheidungshilfe.

Was ChatGPT oder Claude ohne Vollautomatisierung leisten

Auch ohne ein vollständig integriertes System ist viel möglich. Ein Verwalter, der täglich seinen E-Mail-Eingang öffnet, kann ChatGPT oder Claude nutzen, um Antworten auf Standardanfragen in Sekunden zu entwerfen, mit dem Mietvertragstext als eingekopiertem Kontext. Statt zehn Minuten dauert die Antwort auf eine Standardfrage zwei, so die Annahme. Das klingt nach wenig, macht aber bei 30 Anfragen täglich 30 mal 8 Minuten, also vier Stunden Zeitgewinn, ohne technische Integration.

Konkrete Werkzeuge, was wann passt

ChatGPT , günstigster und schnellster Einstieg für kleine Verwaltungen bis 100 Einheiten. Mietvertragstexte und Hausordnungen als Kontext in den Prompt, E-Mails manuell gefiltert und per KI beantwortet. Kein technischer Aufwand, sofort einsetzbar. Weil Mieteranfragen personenbezogen sind, kommt nur ein Tarif mit AVV infrage: ChatGPT Business für 25 US-Dollar je Platz und Monat, 20 bei Jahreszahlung, ab zwei Plätzen. Plus für 23 Euro bietet keinen AVV.

Claude , stärker bei längeren Dokumenten und komplexen Mietvertragstexten. Besonders geeignet für Verwaltungen mit heterogenem Vertragswerk oder vielen Sonderregelungen. Claude verarbeitet sehr lange Dokumente zuverlässiger. Für Mieterdaten gilt dasselbe wie bei ChatGPT: Claude Team mit AVV für 25 US-Dollar je Platz und Monat, ab zwei Plätzen, nicht Pro.

Microsoft 365 Copilot , für Verwaltungen, die bereits auf Outlook, Teams und SharePoint setzen. Copilot kann E-Mail-Entwürfe direkt in Outlook generieren, auf Basis von verknüpften Dokumenten. Kein Kontextwechsel nötig. Copilot Business kostet 18,20 Euro je Nutzer und Monat im Jahresabo, 21,84 Euro bei monatlicher Zahlung, zusätzlich zur M365-Lizenz.

Make.com , für die Automatisierungsschicht. Verbindet E-Mail-Postfach, Hausverwaltungssoftware und KI-Modell zu einem automatisierten Workflow. Eingehende E-Mail wird klassifiziert, Standardanfragen werden automatisch beantwortet, komplexe Fälle werden markiert und weitergeleitet. Core kostet 9 US-Dollar im Monat bei jährlicher Zahlung für 10.000 Credits, dazu kommen die Kosten der KI-API.

Datenschutz und Datenhaltung

Mieterkommunikation enthält personenbezogene Daten, Name, Adresse, Vertragsinhalte, Zahlungsverhalten. Das macht DSGVO-Konformität zur Pflicht, nicht zur Option.

Die Kernfragen: Wohin fließen die Daten, wer verarbeitet sie, und auf welcher Rechtsgrundlage? Wenn du Mieteranfragen durch ein KI-Tool verarbeitest, das auf US-amerikanischen Servern läuft (OpenAI, Anthropic), brauchst du einen Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO. Beide Anbieter stellen ihn nur in ihren Geschäftstarifen bereit (ChatGPT Business oder Enterprise, Claude Team oder Enterprise), nicht in Plus, Pro oder den kostenlosen Konten. Du solltest außerdem prüfen, ob deine Datenschutzerklärung die KI-gestützte Verarbeitung von Mieterkommunikation abdeckt.

Empfehlung für die Praxis: Keine vollständigen Mietvertragsdokumente mit Klarnamen und Kontonummern in öffentliche KI-Tools hochladen. Stattdessen: anonymisierte Auszüge der relevanten Klauseln als Kontext verwenden. Das reduziert das Risiko auf ein handhabbares Maß. Für eine vollständige Datenintegration (RAG-System) sollte ein Anwalt für Datenschutzrecht eingebunden werden.

Was es kostet, realistisch gerechnet

Einstieg (manuell unterstützt mit KI): Zwei Plätze ChatGPT Business oder Claude Team, also 2 mal 25 US-Dollar im Monat, dazu vier bis sechs Stunden Vorbereitung. Wie viel Zeit das spart, misst du in der ersten Woche: Anfragen mal gesparte Minuten je Antwort.

Mittlere Lösung (Make.com + KI-API, 100–300 Einheiten): Die Einrichtung des Workflows beziffert ein Angebot, wenn ihr sie nicht selbst baut. Laufend zahlst du Make-Credits und API-Tokens nach Volumen, schick 100 fiktive Testanfragen durch und rechne hoch. Welcher Anteil der Anfragen sich vollständig automatisch beantworten lässt, zeigt erst der Pilot.

Vollständige Custom-Lösung (300+ Einheiten): Ein RAG-System mit direkter Anbindung an die Hausverwaltungssoftware beziffert nur ein Angebot. Als Obergrenze rechnest du so, mit offengelegten Annahmen: Bei 400 Einheiten, vier Stunden täglicher Zeitersparnis und 45 Euro je Stunde sind das 4 mal 45 mal 20, also 3.600 Euro bewertete Zeit im Monat. Zieh die laufenden Kosten aus dem Angebot ab, dann weißt du, wie viel die Entwicklung kosten darf, damit sie sich in etwa einem Jahr trägt. Geld wird die Zeit allerdings nur, wenn ihr damit mehr Einheiten ohne zusätzliche Stelle betreut.

Typische Einstiegsfehler

1. Ohne Objektdaten starten. KI kann keine Fragen zu einem Mietvertrag beantworten, den sie nicht kennt. Der aufwändigste Teil ist nicht die Technik, sondern die Vorbereitung: Mietvertragsinhalte, Hausordnungen und Objektstammdaten strukturiert aufzubereiten und pflegbar zu halten. Wer hier spart, bekommt einen Assistenten, der über jede objektspezifische Frage stolpert.

2. Rechtlich sensible Kommunikation nicht ausfiltern. Kündigung, Mieterhöhung, Mahnung, Sonderkündigungsrecht, Betriebskostennachforderung, diese Themen müssen durch einen menschlichen Verwalter. KI-Antworten in diesen Bereichen können rechtliche Konsequenzen haben, die ein Hausverwaltungsvertrag nicht abdeckt. Das Ausfiltern dieser Kategorien muss in der Konfiguration als Priorität behandelt werden.

3. Tonalität nicht definieren. Mieterkommunikation hat einen anderen Ton als Unternehmenskorrespondenz. Wer dem System keinen konkreten Stil vorgibt, erhält Antworten, die schwanken: mal klingt die Antwort auf eine Heizungsbeschwerde wie ein Anwaltsschreiben mit Paragraphenverweis, mal wie ein informeller Chatbot-Hinweis. Die Lösung: drei bis fünf echte, gut gelungene Antworten aus dem eigenen Betrieb als Stilbeispiele in den Systempromt einbauen, dann kalibriert sich der Ton auf das, was tatsächlich funktioniert.

4. Das System einführen und die Wissensbasis danach nicht pflegen. Ein Kommunikationsassistent ist so gut wie die Dokumente, auf die er zugreift. Mietverträge werden erneuert, Hausordnungen geändert, Objekte wechseln den Bestand. Wer diese Basis nach der Einführung nicht aktualisiert, bekommt nach sechs Monaten Antworten, die auf alten Vertragsinhalten basieren, und merkt es oft erst, wenn ein Mieter widerspricht.

Was mit der Einführung wirklich passiert

Der größte Widerstand kommt nicht von Mietern, sondern von Verwaltern selbst. „Ich will wissen, was in meinem Namen rausgeht”, das ist eine berechtigte Sorge, die durch einen gut konfigurierten Freigabe-Workflow adressiert werden kann. Nicht jede Antwort muss vollautomatisch rausgehen; der Assistent kann auch nur Entwürfe liefern, die der Verwalter mit einem Klick freigibt.

Was konkret hilft:

• Phase 1 nur mit Entwurfsmodus starten: KI schreibt, Verwalter prüft und sendet ab
• Zwei bis drei Wochen Feedback über Qualität sammeln, bevor Kategorien auf Autopilot gestellt werden
• Klare Liste von Themen definieren, die immer menschliche Bearbeitung erfordern, nicht als Ausnahme, sondern als Designentscheidung

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Meine Mieter wollen mit einem Menschen sprechen.” Stimmt für komplexe und emotionale Anliegen. Für „Wann kommt der Handwerker?” wollen Mieter eine schnelle Antwort, egal von wem. Wer heute drei Tage auf eine Antwort wartet, ist weniger zufrieden als wenn eine KI in einer Stunde antwortet.

„Wir haben keine IT und können das nicht umsetzen.” Für den Einstieg brauchst du keine IT. ChatGPT oder Claude mit eingefügten Mietvertragstexten ist kein IT-Projekt, das ist ein Workflow-Trick, den ein Verwalter in einem Nachmittag einführen kann.

„Was passiert, wenn die KI eine falsche Antwort gibt?” Ein gut konfiguriertes System antwortet nicht bei Unsicherheit, es eskaliert. Die Eskalationslogik ist nicht der Notfallplan, sondern Teil des Designs.

Woran du merkst, dass das zu dir passt

• Du verwaltest mehr als 50 Wohneinheiten mit einem kleinen Team und spürst, dass das Kommunikationsvolumen wächst, aber das Team nicht
• Mieter warten regelmäßig mehr als zwei Werktage auf Antworten zu einfachen Fragen
• Dieselben Fragen kommen wöchentlich von verschiedenen Mietern, die Antworten sind jedes Mal fast identisch
• Dein Team verbringt mehr Zeit mit E-Mail-Bearbeitung als mit Objektpflege oder Eigentümergesprächen
• Eine Erweiterung des Portfolios wird durch Kommunikationskapazität begrenzt, nicht durch andere Faktoren

Wann es sich (noch) nicht lohnt:

• Unter 50 Einheiten: Der Aufwand für eine vollständige Integration übersteigt den Nutzen. Der manuelle KI-gestützte Ansatz (Copy-Paste-Methode) lohnt aber immer.
• Sehr heterogenes Vertragswerk: Wenn jeder Mietvertrag stark individuelle Klauseln hat, ist der Aufwand für eine vollständige Dokumentenbasis erheblich. Einstieg mit den häufigsten Vertragstypen, schrittweise erweitern.
• Kein Pflegeprozess eingeplant: Wer das System einführt, aber niemanden benennt, der die Wissensbasis aktuell hält, sollte lieber beim manuellen Ansatz bleiben. Ein veraltetes RAG-System ist schlechter als gar keins.

Das kannst du heute noch tun

Öffne ChatGPT oder Claude , kopiere den Prompt unten und füge eine typische Mieteranfrage ein, neu formuliert und ohne Namen, Adresse oder Wohnungsnummer, dazu den relevanten Abschnitt eures Mustermietvertrags. Echte Anfragen gehören erst in einen Geschäftstarif mit AVV. Du wirst in zwei Minuten eine Antwort haben, die du nur noch gegenlesen und senden musst.

Quellen & Methodik

• Zeitanteile, Antwortzeiten und Automatisierungsquoten: Dafür haben wir keine belastbare Erhebung gefunden. Die Minuten- und Stundenwerte dieser Seite sind Annahmen, die Strichlisten-Woche liefert deine eigenen.
• Tool-Preise: Stand unserer Toolseiten, siehe ChatGPT , Claude , Microsoft 365 Copilot und Make.com .
• DSGVO Art. 28 (AVV): Datenschutz-Grundverordnung in der aktuell gültigen Fassung.

Wenn du dir unsicher bist, welcher Automatisierungsgrad für deine Verwaltungsgröße sinnvoll ist, klären wir das gerne in einem kurzen Gespräch, ohne Verkaufsdruck, einfach um zu schauen, ob es passt.