KI-Telefonassistent für die Hausverwaltung

Das echte Ausmaß des Problems

Der durchschnittliche Verwaltungsbestand in Deutschland ist 2025 um 5,2 Prozent auf 1.235 Einheiten gestiegen, 90,2 Prozent der befragten Unternehmen verwalten weniger als 3.000 Einheiten, und 62,1 Prozent der Verwaltungen bezeichnen sich selbst als überlastet. Das sind Zahlen aus dem Branchenbarometer des VDIV Deutschland, Erhebungsjahr 2025.

Diese drei Zahlen zusammen beschreiben das Problem genauer als jede Anekdote: Der Bestand wächst, die Betriebe bleiben klein, und die personellen Reserven sind aufgebraucht. Zusätzliche Einheiten bedeuten zusätzliche Anrufe, aber nicht zusätzliche Menschen, die abnehmen.

Zum Volumen gibt es keine unabhängige Erhebung. casavi rechnet für einen Bestand von 1.000 Einheiten mit rund 300 Anrufen im Monat und kommt bei fünf Minuten je Gespräch auf etwa 25 Stunden, also gut drei Arbeitstage. Das ist eine Anbieterrechnung, kein erhobener Wert, und sie ist in der Größenordnung plausibel, wenn man die reine Gesprächszeit meint. Die eigentlichen Kosten stecken woanders: in der Unterbrechung. Wer eine Nebenkostenabrechnung prüft und dabei viermal in der Stunde ans Telefon geht, prüft am Ende des Tages nicht drei Abrechnungen weniger, sondern sechs.

Dazu kommt die Ungleichverteilung. Das Anrufaufkommen einer Hausverwaltung folgt keiner Gleichverteilung, sondern Ereignissen:

• Heizungsausfall im Winter. Ein Haus mit 24 Parteien erzeugt in zwei Stunden bis zu einem Dutzend Anrufe zum selben Vorgang.
• Wasserschaden. Anrufe kommen von Betroffenen, von Nachbarn darunter, vom Hausmeisterdienst und vom Handwerker, der vor verschlossener Tür steht.
• Versand der Nebenkostenabrechnung. Der Rückfragepeak liegt planbar in den zwei Wochen nach dem Versand.
• Eigentümerversammlungen und Abrechnungsfristen. Kalendergetrieben, jedes Jahr gleich, trotzdem jedes Jahr eine Überraschung.

Ein KI-Telefonassistent ist kein Mittel gegen Personalmangel. Er ist ein Mittel gegen die Spitzen, und gegen das strukturelle Problem, dass der eine wirklich dringende Anruf am Samstagabend genauso im Anrufbeantworter landet wie die Frage nach dem Abrechnungszeitraum.

Die Branche probiert das bereits aus. Im Verwalter-Monitor „KI in der Immobilienverwaltung” des VDIV Deutschland mit über 400 teilnehmenden Unternehmen gaben 22,2 Prozent an, KI-Werkzeuge bereits einzusetzen, 45,1 Prozent planen den Einsatz. Von den Anwendern nutzen 55,4 Prozent KI in der Kundenkommunikation, das ist der mit Abstand häufigste Einsatzbereich.

Mit vs. ohne KI, ein ehrlicher Vergleich

¹ Gilt nur bei angebundener Verwaltungssoftware. Ohne Schnittstelle entsteht eine zweite Liste, siehe den Abschnitt zur Integrations-Realität weiter unten. Die Angaben zur Erfassungszeit und zur Vorgangserkennung sind Funktionsbeschreibungen der Anbieter, keine unabhängig gemessenen Werte.

Der ehrliche Teil dieses Vergleichs steht in der Fußnote. Ein Assistent, der Schadensmeldungen sauber aufnimmt und sie anschließend nur per E-Mail in ein Postfach schickt, hat den Aufwand verschoben, nicht beseitigt.

Einschätzung auf einen Blick

Zeitersparnis, mittel (3/5) Der Assistent nimmt Anrufe ab, die sonst niemand annimmt, und erspart das Abhören und Abtippen von Bandnachrichten. Er nimmt der Sachbearbeitung aber keinen Vorgang ab: Die Handwerkerbeauftragung, die Rückfrage beim Eigentümer und die Abrechnungsprüfung bleiben liegen, wo sie lagen. Deshalb liegt dieser Anwendungsfall unter der Handwerkerbeauftragung und der Klausel-Extraktion, die jeweils einen kompletten Arbeitsschritt übernehmen. Was er zusätzlich leistet und was in keiner Stundenrechnung auftaucht: Er beendet die Unterbrechung.

Kosteneinsparung, niedrig (2/5) Die laufenden Kosten sind real und dauerhaft, 40 bis 400 Euro im Monat je nach Anbieter und Volumen, und es wird niemand eingespart. Eine echte Kostensenkung entsteht nur in zwei Fällen: wenn ihr heute einen externen Telefonservice für die Randzeiten bezahlt, oder wenn Schäden früher gemeldet und dadurch kleiner werden. Der zweite Effekt ist plausibel, aber schwer zu belegen. Damit liegt dieser Anwendungsfall deutlich unter der Mietpreisoptimierung oder der Sanierungsplanung, bei denen jeder Euro direkt an eine Position hängt.

Schnelle Umsetzung, niedrig (2/5) Technisch ist ein Assistent an einem Nachmittag konfiguriert. Nur darfst du ihn dann noch nicht auf eine echte Leitung schalten. Vorher braucht es die Eskalationsmatrix, einen schriftlich geregelten Notdienst, die Ansage nach Art. 50 KI-VO und die Klärung, wohin die erfassten Meldungen fließen. Realistisch vergehen 5 bis 7 Wochen bis zum ersten Pilotbetrieb auf einer Nebenrufnummer und 10 bis 14 Wochen, bis die Hauptleitung darauf läuft. Das ist langsamer als beim Immobilien-Chatbot, wo ein falsch beantworteter Chat niemanden gefährdet.

ROI-Sicherheit, hoch (4/5) Kaum ein anderer Anwendungsfall ist so einfach zu messen. Die Telefonanlage protokolliert angenommene und verlorene Anrufe, vorher wie nachher. Dazu zählst du, wie viele der erfassten Meldungen ohne Nacharbeit in das Verwaltungssystem übernommen wurden und wie viele Notfälle korrekt eskaliert sind. Drei Kennzahlen, alle innerhalb von vier Wochen ablesbar. Nur die 5 bleibt aus, weil die eingesparte Unterbrechungszeit nicht direkt messbar ist.

Skalierbarkeit, hoch (4/5) Zwölf gleichzeitige Anrufe aus einem Haus ohne Heizung sind für einen Assistenten dasselbe wie einer. Genau dafür ist er gebaut. Die 5 bleibt aus, weil die Kosten mitwachsen: Bei Abrechnung je Konversation oder je Einheit steigt die Rechnung mit dem Bestand, und jedes neu übernommene Objekt braucht gepflegte Stammdaten, sonst ordnet der Assistent die Anrufe nicht zu.

Richtwerte, stark abhängig von Bestandsgröße, Anrufaufkommen und der vorhandenen Verwaltungssoftware.

Was der Telefonassistent konkret macht

Technisch sind es vier Bausteine, die hintereinander geschaltet werden. Die Spracherkennung wandelt das Gesagte in Text um. Ein Sprachmodell, also ein LLM, ordnet den Text einem Anliegen zu und entscheidet, welche Rückfrage als Nächstes kommt. Die Sprachsynthese spricht die Antwort aus. Und die Telefonie-Anbindung sorgt dafür, dass das Ganze an eurer Rufnummer hängt, entweder per Rufumleitung oder per SIP-Trunk.

Das Entscheidende passiert im zweiten Baustein. Ein guter Assistent für die Hausverwaltung führt keinen freien Dialog, sondern arbeitet ein Formular ab, das er selbst ausfüllt.

Die vier Aufgaben, die er wirklich beherrscht

Schadensmeldung strukturiert aufnehmen. Er fragt nach, bis die Pflichtfelder gefüllt sind: Objekt und Adresse, Einheit oder Lage im Haus, Name der meldenden Person, Art des Schadens, seit wann, ob Wasser oder Strom betroffen sind, wann die Person erreichbar ist und unter welcher Nummer. Genau das leistet eine Bandnachricht nicht, weil dort niemand nachfragt. Die Klassifikation des Schadens und die Auswahl des Gewerks ist dann ein eigener Schritt, der in der KI-Automatisierung von Handwerkerbeauftragung beschrieben ist.

Wiederkehrende Standardfragen beantworten. Sprechzeiten, Zuständigkeit für ein Objekt, Abrechnungszeitraum, Stand einer bereits gemeldeten Sache, wohin Zählerstände gehen, wie ein Schlüssel nachbestellt wird. Das sind Auskünfte aus festen Datenquellen. Sie müssen aus einer gepflegten Wissensbasis oder direkt aus dem System kommen, nicht aus dem Allgemeinwissen des Sprachmodells. Sonst bekommst du eine Halluzination mit freundlicher Stimme.

Anliegen der richtigen Objektbetreuung zuordnen. Über die Rufnummer, über die genannte Adresse oder über eine Rückfrage. Bei mehreren Betreuungsteams ist das der eigentliche Nutzen: Der Vorgang landet dort, wo er hingehört, statt in einem Sammelpostfach.

Anrufe außerhalb der Geschäftszeiten auffangen. Abends, am Wochenende, in der Mittagspause, während einer Eigentümerversammlung. Dieser Teil ist der unstrittigste, weil die Alternative der Anrufbeantworter ist.

Was er nicht leistet

Er entscheidet nicht. Er beauftragt keinen Handwerker mit Kostenfolge, er sagt keine Kostenübernahme zu, er äußert sich nicht zu Mietminderung, Kündigung oder Abrechnungsstreit, und er verhandelt nicht. Alles, was rechtlich bindend wirken könnte, gehört in die Übergabe an einen Menschen. Das ist keine technische Grenze, sondern eine Festlegung, die du triffst und im Konfigurationsdokument festhältst.

Notfälle: die Eskalationsmatrix gehört vor den ersten Anruf

Das ist der Kern dieses Anwendungsfalls. Ein Assistent, der einen Wasserrohrbruch als „Rückrufwunsch für Montag” ablegt, ist schlimmer als ein Anrufbeantworter, weil er den Anrufenden das Gefühl gibt, die Sache sei aufgenommen.

Bevor der Assistent den ersten echten Anruf annimmt, muss eine Tabelle existieren, die für jeden Fall drei Dinge festlegt: Was der Assistent sagt, wohin er verbindet, und was passiert, wenn dort niemand abnimmt. Diese Matrix ist das wichtigste Dokument des ganzen Projekts.

Drei Regeln, die sich in dieser Matrix versteckt halten und die du explizit aufschreiben solltest:

1. Der Assistent ist nie die letzte Instanz. Für jeden Eskalationspfad braucht es einen zweiten Weg für den Fall, dass der Notdienst nicht abnimmt. In der Regel ist das eine feste Rufnummernkette und am Ende die Ansage der externen Notdienstnummer im Klartext, damit der Anrufende selbst weiterkommt.
2. Bei Gefahr für Leib und Leben endet die Automatisierung. Gasgeruch und Feuer gehören nicht in ein Formular. Die einzig richtige Reaktion ist eine kurze, klare Anweisung und das Ende des Gesprächs. Der DVGW rät ausdrücklich davon ab, im betroffenen Gebäude zu telefonieren, was auch bedeutet: Halte die anrufende Person nicht in der Leitung.
3. Der Aufzugnotruf läuft nicht über euch. Er läuft über das Notrufsystem im Fahrkorb auf eine ständig besetzte Leitstelle. Wenn jemand stattdessen die Verwaltung anruft, ist die richtige Antwort ein Verweis, keine Aufnahme.

Teste diese Matrix, bevor der Assistent live geht. Ruf selbst an und sag „bei mir riecht es nach Gas”. Ruf an und sag „im Keller steht Wasser”. Wenn eine dieser Antworten mit „Ich habe Ihre Meldung aufgenommen, Sie werden zurückgerufen” endet, ist der Assistent nicht einsatzbereit.

Was am Anfang des Gesprächs gesagt werden muss

Seit dem 2. August 2026 gelten die Transparenzpflichten aus Artikel 50 der KI-Verordnung. Absatz 1 verlangt, dass KI-Systeme, die für die direkte Interaktion mit natürlichen Personen bestimmt sind, so gestaltet sind, dass die betroffenen Personen informiert werden, dass sie mit einem KI-System interagieren, soweit das nicht aus den Umständen offensichtlich ist. Nach Absatz 5 muss diese Information spätestens zum Zeitpunkt der ersten Interaktion klar und eindeutig vorliegen. Der Bußgeldrahmen für Verstöße gegen die Transparenzpflichten liegt laut anwaltlichen Einordnungen bei bis zu 15 Millionen Euro oder 3 Prozent des weltweiten Jahresumsatzes.

Zwei Feinheiten, die auf Anbieterseiten meist fehlen:

Adressat von Absatz 1 ist der Anbieter des KI-Systems, nicht du als Betreiber. In der Praxis konfigurierst du die Begrüßungsansage aber selbst und kannst sie auch abschalten. Kläre im Vertrag, wer die Kennzeichnung schuldet, und schalte sie nicht ab, um das Gespräch „natürlicher” zu machen. Das ist genau der Fall, in dem die Ausnahme „offensichtlich aus den Umständen” nicht mehr trägt: Moderne Stimmen klingen nicht mehr offensichtlich synthetisch, und dann ist die Ausnahme weg.

Kennzeichnung und Aufzeichnung sind zwei verschiedene Dinge. Die Ansage „Sie sprechen mit einem KI-Assistenten” erfüllt Artikel 50. Sie erlaubt noch keine Aufzeichnung.

Für die Aufzeichnung gilt eine zweite, strengere Ebene. Datenschutzrechtliche Fachliteratur ist sich einig, dass die Aufnahme des nicht öffentlich gesprochenen Wortes zwei Hürden hat: § 201 StGB, der die Vertraulichkeit des Wortes schützt und Verstöße mit Freiheitsstrafe bis zu drei Jahren bedroht, und die Rechtsgrundlage nach Art. 6 DSGVO. Eine Einwilligung räumt beide Hürden zugleich aus. Wichtig dabei: Eine bloße Ansage schafft Transparenz, ist aber nicht automatisch eine wirksame Einwilligung. Stillschweigendes oder konkludentes Einverständnis genügt nicht, es braucht eine eindeutige Handlung, etwa ein gesprochenes „Ja” oder das Drücken einer Taste nach der Ansage.

Daraus folgt für die Praxis eine Reihenfolge, die du im Assistenten so abbilden kannst:

1. Immer: „Guten Tag, hier ist der KI-Assistent der Hausverwaltung Musterstraße.”
2. Nur wenn ihr aufzeichnet: „Dieses Gespräch wird zur Dokumentation Ihrer Meldung aufgezeichnet. Wenn Sie damit einverstanden sind, sagen Sie bitte Ja. Wenn nicht, verbinde ich Sie mit einem Mitarbeitenden.” Der Ablehnungsweg muss existieren und funktionieren, sonst ist die Einwilligung nicht freiwillig.
3. Immer: Ein Satz, wie man im Notfall direkt weiterkommt. „Bei Gasgeruch, Feuer oder einem akuten Wasserschaden legen Sie bitte auf und wählen Sie die 112 beziehungsweise unsere Notdienstnummer.”

Ein pragmatischer Weg für Verwaltungen, die sich die Einwilligungsstrecke sparen wollen: Audio gar nicht speichern und nur das strukturierte Ergebnis behalten, also Objekt, Einheit, Schadensart und Rückrufnummer. § 201 StGB knüpft an die Aufnahme auf einen Tonträger an. Wer live transkribiert und das Audio verwirft, bewegt sich außerhalb dieses Tatbestands, bleibt aber mit dem Transkript vollständig in der DSGVO. Diese Abgrenzung solltest du dir von eurem Datenschutzbeauftragten für euren konkreten Aufbau bestätigen lassen. Sie ist plausibel, aber nicht allgemein ausjudiziert, und die technische Frage, ob der Anbieter das Audio tatsächlich verwirft, gehört vertraglich geklärt.

Integrations-Realität: die zweite Liste

Hier entscheidet sich, ob dieser Anwendungsfall Nutzen bringt oder Arbeit erzeugt.

Ein Assistent, der Schadensmeldungen aufnimmt und sie als E-Mail oder PDF in ein Sammelpostfach legt, hat aus einem Anrufbeantworter eine übersichtlichere Liste gemacht. Die Meldung muss trotzdem jemand lesen, einordnen und im Verwaltungssystem anlegen. Der Zeitgewinn schrumpft auf das, was das Abhören gekostet hätte, also ein bis zwei Minuten je Vorgang. Dafür lohnt sich kein Projekt.

Der Unterschied ist die Schnittstelle. Was auf dem Markt tatsächlich vorhanden ist, in drei Stufen:

Portale mit offener Schnittstelle als Zwischenschicht. casavi beschreibt eine offene Schnittstelle und die Zusammenarbeit mit über 40 Partnern für die Anbindung von Soft- und Hardwarelösungen. Der eigene Sprachassistent heißt casavi AI Answer, Meldungen landen als Vorgang direkt in der Plattform. Aareon führt auf seiner Schnittstellenseite ebenfalls Partnerlösungen auf, darunter casavi, Immomio, EverReal und d.velop, und nennt für casavi ausdrücklich eine API-Verbindung. Der Weg über ein solches Portal ist für die meisten Verwaltungen der realistische, weil die Anbindung schon existiert und nicht neu gebaut werden muss.

Anbieter mit eigener Plattform. facilioo bietet den KI-Telefonassistenten sowohl als eigenständiges Produkt als auch integriert in die eigene Plattform an, mit deutlich niedrigerem Preis in der integrierten Variante. Das ist die geschlossenste, aber auch einfachste Variante: eine Oberfläche, ein Vertrag, ein Ansprechpartner.

Generische Assistenten plus Klebeschicht. VITAS Telefonassistent , Retell AI oder Vapi liefern das Gespräch, nicht die Fachanbindung. Der Vorgang muss über einen Webhook und eine Automatisierungsschicht wie Make.com oder n8n ins Zielsystem geschrieben werden. Das funktioniert, wenn das Zielsystem eine dokumentierte API hat, und scheitert daran, wenn nicht.

Die drei Fragen, die du deinem Softwareanbieter stellen solltest, bevor du einen Telefonassistenten aussuchst:

1. Gibt es eine dokumentierte Schnittstelle, über die ein externes System einen Vorgang anlegen kann, mit Objekt-, Einheiten- und Personenbezug? Falls ja: Welche Felder sind Pflicht?
2. Kann ein externes System lesend auf Stammdaten zugreifen, also auf Objekte, Einheiten, Mietparteien und zuständige Betreuung? Ohne das kann der Assistent Anrufende nicht zuordnen und muss alles erfragen.
3. Was kostet die Schnittstelle, und ist sie im Vertrag enthalten oder ein Zusatzmodul?

Wenn die Antwort auf Frage 1 „nein” lautet, gibt es zwei ehrliche Optionen: ein Portal mit Schnittstelle davorschalten, oder das Projekt verschieben. Die dritte Option, den Assistenten trotzdem zu buchen und die Meldungen manuell zu übertragen, erzeugt genau die zweite Liste, die niemand pflegt.

Konkrete Werkzeuge, was wann passt

VITAS Telefonassistent , wenn deutsche Datenhaltung eine harte Anforderung ist. Der Anbieter hostet ausschließlich in Deutschland, wirbt mit ISO-27001-Zertifizierung, einem C5-Testat (Typ 1) und dem Verzicht auf US-Drittanbieter in der Verarbeitungskette. Die Preise stehen offen auf der Website: Flex 40 Euro im Monat ohne Freikonversationen und 0,28 Euro je Konversation, Basic 98 Euro mit 500 inkludierten Konversationen, Plus 245 Euro mit 1.500. Das Pro-Paket mit Integrationen und Nutzerverwaltung kostet 99 Euro im Monat zusätzlich. 30 Tage Test mit 500 Testkonversationen. Was fehlt, ist eine dokumentierte Standardschnittstelle zu Hausverwaltungssoftware, die Anbindung ist Projektarbeit.

facilioo, wenn ihr die Plattform ohnehin nutzt oder in Betracht zieht. Der Anbieter nennt für den eigenständigen KI-Telefonassistenten ab 0,12 Euro je Einheit und Monat, für den KI-Anrufbeantworter ab 0,10 Euro, und in der in facilioo integrierten Variante ab 0,05 beziehungsweise 0,03 Euro. Gehostet wird laut Anbieter in Wien. Die Abrechnung je Einheit ist für kleine Bestände günstig und wächst planbar mit. Bei 800 Einheiten sind das rund 96 Euro im Monat für den Assistenten, in der integrierten Variante rund 40 Euro.

casavi AI Answer, wenn casavi bereits eure Kommunikationsplattform ist. Meldungen werden laut Anbieter direkt als Vorgang angelegt, Transkripte bleiben durchsuchbar. Preise nennt der Anbieter nicht öffentlich, die Effizienzangaben auf der Produktseite sind Anbieterangaben ohne offengelegte Methodik.

Retell AI oder Vapi , wenn ihr entwickeln lasst. Beide rechnen je Minute ab, Retell ab 0,07 US-Dollar für die reine Sprach-Engine mit realistisch 0,11 bis 0,20 US-Dollar inklusive Sprachmodell, Sprachausgabe und Telefonie, Vapi ab 0,05 US-Dollar plus durchgereichte Kosten mit realistisch 0,14 bis 0,33 US-Dollar. Beide hosten in den USA, was für Mieterdaten eine Hürde ist, die du im Datenschutzteil bewusst nehmen musst. Vapi ist eine reine Entwicklerplattform, Retell hat einen visuellen Aufbau.

Cognigy , wenn ihr aus dem Konzernumfeld kommt. Deutsche Plattform mit vollwertigem Contact-Center-Ansatz und entsprechenden Einstiegshürden beim Preis. Für eine Verwaltung mit 1.000 Einheiten überdimensioniert, für einen Wohnungsbaukonzern mit eigenem Servicecenter die passendere Kategorie.

Bausteine, falls ihr selbst baut: Whisper oder Deepgram für die Spracherkennung, ElevenLabs für die Sprachausgabe, Twilio für die Telefonie, Make.com oder n8n als Klebeschicht ins Zielsystem. Das ist der teuerste Weg, gemessen an eurer Zeit, und nur sinnvoll, wenn ihr eine Anforderung habt, die kein Produkt abdeckt.

Der kostenlose Zwischenschritt: Wenn ihr heute einen Anrufbeantworter nutzt, lass die Nachrichten vorerst mit Whisper transkribieren und von ChatGPT oder Claude in ein festes Meldeschema bringen. Das ersetzt keinen Dialog, aber es zeigt dir binnen zwei Wochen, wie eure Anrufe tatsächlich verteilt sind. Diese Verteilung ist die Grundlage jeder Entscheidung darüber, ob sich der Assistent lohnt.

Zusammenfassung: Wann welcher Weg

• Deutsche Datenhaltung als K.-o.-Kriterium, kein ERP-Zwang → VITAS
• facilioo oder casavi schon im Einsatz → den jeweils eigenen Assistenten prüfen
• Verwaltungssoftware ohne Schnittstelle → erst Portal klären, dann Assistent
• Eigenes Entwicklungsteam, Sonderanforderung → Retell AI oder Vapi

Datenschutz und Datenhaltung

Alles, was am Telefon gesagt wird, ist personenbezogen: Name, Adresse, Einheit, Erreichbarkeit, dazu die Information, dass jemand ein Problem in seiner Wohnung hat. Gelegentlich rutschen Gesundheitsdaten mit hinein, etwa wenn jemand erklärt, warum er nicht selbst absperren kann. Das ist keine theoretische Möglichkeit, das passiert bei Schadensmeldungen regelmäßig.

Daraus ergibt sich eine Liste, die vor dem ersten echten Anruf abgearbeitet sein muss:

• Auftragsverarbeitungsvertrag nach Art. 28 DSGVO mit dem Anbieter des Assistenten. Ohne den geht nichts. Der Anbieter verarbeitet Mieterdaten in eurem Auftrag, ihr bleibt verantwortlich.
• Unterauftragsverarbeiter prüfen. Das ist die Stelle, an der es bei Voice-Plattformen fast immer hakt. Spracherkennung, Sprachmodell und Sprachausgabe stammen oft von drei verschiedenen Unternehmen, und mindestens eines davon sitzt in den USA. Lass dir die vollständige Liste geben, nicht nur den Namen der Plattform. Bei Retell AI und Vapi liegt die Datenhaltung im Standard in den USA.
• Speicherort und Löschfristen festlegen. Wie lange bleiben Transkripte liegen? Für die Dokumentation einer Schadensmeldung reicht in der Regel die Übernahme der strukturierten Daten in die Verwaltungssoftware, danach kann das Transkript beim Anbieter gelöscht werden. Schreib eine Frist fest, 30 oder 90 Tage, und prüf, ob der Anbieter sie technisch umsetzt.
• Verzeichnis von Verarbeitungstätigkeiten ergänzen. Neuer Verarbeitungsvorgang, neue Zeile.
• Datenschutz-Folgenabschätzung prüfen. Bei systematischer Verarbeitung von Sprachdaten einer großen Zahl betroffener Personen ist die Frage zumindest zu stellen und die Antwort zu dokumentieren, auch wenn sie am Ende „nicht erforderlich” lautet.
• Betroffenenrechte klären. Wenn eine Mietpartei Auskunft über gespeicherte Daten verlangt, muss jemand wissen, wo die Gesprächsdaten liegen und wie man sie herausgibt.

Praktischer Hinweis zur Anbieterwahl: Ein deutscher Anbieter mit veröffentlichten Zertifikaten spart im Datenschutzprozess mehr Zeit, als der Preisunterschied auf den ersten Blick vermuten lässt. Bei einem US-gehosteten Assistenten brauchst du zusätzlich eine Begründung im Verarbeitungsverzeichnis, eine Transfer-Folgenabschätzung und eine Antwort auf die Frage, warum Mieterdaten in einem Drittland verarbeitet werden. Diese Dokumentation kostet leicht einen Tag Beratung.

Was es kostet, realistisch gerechnet

Einmalig, unabhängig vom Anbieter:

Realistischer Korridor für die Einrichtung: 2.000 bis 12.000 Euro, wobei die Spanne fast vollständig von der Schnittstelle bestimmt wird.

Laufend, Beispiel einer Verwaltung mit 800 Einheiten:

Die konservative Rechnung. Nimm an, ihr fangt ausschließlich die Randzeiten ab und spart nichts an Personal. Der Nutzen besteht dann aus drei Posten:

1. Kein Abhören und Abtippen mehr. Bei 60 Nachrichten im Monat und 4 Minuten je Nachricht inklusive Rückruf für fehlende Angaben sind das 4 Stunden. Bei einem internen Verrechnungssatz von 45 Euro sind das 180 Euro im Monat.
2. Weniger Rückfragen wegen unvollständiger Meldungen. Wenn von 60 Meldungen bisher 20 unvollständig waren und ihr für jede zweite nochmal telefoniert, sind das 10 Rückrufe à 5 Minuten, also knapp 1 Stunde, rund 40 Euro.
3. Früher erkannte Schäden. Nicht seriös zu beziffern. Ein Wasserschaden, der 40 Stunden früher gemeldet wird, ist günstiger, aber niemand kann die Differenz belegen. Lass diesen Posten in der Rechnung bei null und behandle ihn als Sicherheitsmarge.

Ergebnis: rund 220 Euro belegbarer Nutzen im Monat gegen 100 bis 200 Euro laufende Kosten. Das ist kein Business Case, der sich von selbst rechnet. Er wird erst deutlich, wenn die Tagesleitung mitläuft und die Anbindung steht, weil dann die Erfassungsarbeit im Hauptgeschäft entfällt. Wer den Assistenten allein für die Randzeiten kauft, kauft in Wahrheit Erreichbarkeit und Risikoreduzierung, nicht Zeitersparnis. Das ist ein legitimer Grund, aber er sollte so benannt werden.

Wie du den ROI tatsächlich belegst: Zieh vier Wochen vor dem Start den Anrufbericht aus der Telefonanlage, angenommene Anrufe, verlorene Anrufe, Verteilung über den Tag. Zieh denselben Bericht vier Wochen nach dem Start. Zähl parallel die Vorgänge, die ohne manuelle Nacharbeit ins System gelaufen sind. Diese drei Zahlen sind dein Nachweis, nicht die Hochrechnung aus dem Angebot.

Typische Einstiegsfehler

Fehler 1: Den Assistenten auf die Hauptrufnummer schalten, bevor die Eskalationsmatrix steht. Das ist der teuerste Fehler, weil er nicht nur Ärger kostet, sondern haftungsrelevant werden kann. Die Reihenfolge ist immer: Matrix schreiben, Notdienstkette bestätigen lassen, Testanrufe mit den sechs kritischen Fällen, dann Nebenrufnummer, dann Randzeiten, dann Hauptleitung.

Fehler 2: Keine Anbindung, dafür ein hübsches E-Mail-Protokoll. Der Assistent produziert dann saubere Meldungen, die trotzdem jemand abtippt. Nach drei Monaten ist das Team genervt, der Vertrag läuft weiter, und der Vorwurf trifft die KI, obwohl das Problem die fehlende Schnittstelle ist. Kläre die Schnittstellenfrage vor der Anbieterauswahl, nicht danach.

Fehler 3: Die Wissensbasis wird nicht gepflegt, und niemand merkt es. Das ist der Wartungsfehler, der diesen Anwendungsfall langfristig kippt. Sprechzeiten ändern sich, Zuständigkeiten wechseln, der Notdienstvertrag bekommt eine neue Rufnummer, ein Objekt geht ab. Der Assistent sagt weiter, was im Februar richtig war. Anders als ein Mensch merkt er nicht, dass er veraltete Auskünfte gibt, und anders als bei einer E-Mail merkt es auch die anrufende Person nicht, weil sie keine Quelle sieht. Leg deshalb bei der Einführung drei Dinge fest: eine namentlich benannte verantwortliche Person, einen festen Quartalstermin für den Abgleich von Ansagetexten, Zuständigkeiten und Notfallnummern, und einen Anlass-Trigger, also Objektwechsel, Personalwechsel oder neuer Notdienstvertrag lösen sofort eine Prüfung aus. Ohne diese drei Festlegungen liegt die Halbwertszeit der Konfiguration erfahrungsgemäß bei sechs bis neun Monaten.

Fehler 4: Kein Rückfallweg, wenn der Anbieter ausfällt. Was das bedeutet, hat der Sommer 2026 gezeigt: Beim KI-Telefonassistenten automedic für Arztpraxen brach ab dem 18. August 2026 der Dienst zusammen, nachdem laut einem Bericht des IT-Blogs von Günter Born am 1. August 2026 das Insolvenzverfahren über das Vermögen der dahinterstehenden Gesellschaft eröffnet worden war (Amtsgericht Esslingen, Az. 16 IN 391/26). Die Praxen fielen auf direkten Telefonkontakt zurück. Für eine Hausverwaltung heißt das: Dokumentiert, wie ihr die Rufumleitung innerhalb von 15 Minuten zurückdreht, und testet das einmal im Halbjahr. Ein Assistent vor der Hauptrufnummer ist ein Einzelfehlerpunkt.

Was mit der Einführung wirklich passiert, und was nicht

Im Team. Der Widerstand kommt selten aus Technikskepsis, meistens aus Kontrollverlust. Wer seit zehn Jahren jeden Anruf selbst annimmt, weiß Dinge über Mietparteien, die nirgends stehen. Die begründete Sorge lautet: „Das Protokoll sagt mir nicht, dass Frau Behrens immer dramatisiert und Herr Kolbe nie anruft, wenn es nicht ernst ist.” Diese Sorge ist berechtigt und lässt sich nicht wegdiskutieren. Der brauchbare Umgang damit: Der Assistent bekommt die Randzeiten und das Überlaufaufkommen, nicht die Stammkundschaft in der Kernzeit. Wer will, nimmt weiter selbst ab.

Bei den Mietparteien. Rechne mit einer sichtbaren Minderheit, die auflegt, sobald sie merkt, dass niemand Echtes dran ist. Anbieter beziffern das ungern. Plane deshalb von Anfang an einen Weg ein, der aus dem Assistenten herausführt: „Sagen Sie jederzeit Mitarbeiter, dann verbinde ich Sie.” Ältere Anrufende erreichen das System nicht immer sicher. Das ist kein Grund gegen den Assistenten, aber ein Grund, die Möglichkeit des Durchstellens sehr prominent zu halten.

Was nicht passiert. Die Anrufe werden nicht weniger. Sie werden anders verteilt. Wer erwartet, dass die Gesamtzahl sinkt, wird enttäuscht: Bessere Erreichbarkeit führt zunächst oft zu mehr Anrufen, weil Leute anrufen, die vorher aufgegeben hatten. Das ist ein gutes Zeichen und fühlt sich im ersten Monat schlecht an.

Was hilft. Eine Woche Parallelbetrieb, in der jemand jedes Protokoll gegenliest und in einer einfachen Liste festhält, was der Assistent falsch eingeordnet hat. Diese Liste ist die Grundlage für die zweite Konfigurationsrunde. Ohne sie bleibt die Einschätzung Gefühlssache, und Gefühlssache verliert gegen den einen Anruf, der schiefging.

Realistischer Zeitplan mit Risikohinweisen

Gesamtdauer bis zur Hauptleitung: 10 bis 14 Wochen, wenn Schnittstellenklärung und Konfiguration parallel laufen. Wer schneller live geht, hat die Eskalationsmatrix oder die Schnittstelle übersprungen.

Häufige Einwände, und was dahintersteckt

„Unsere Mietparteien wollen einen Menschen sprechen.” Stimmt für einen Teil, und für diesen Teil braucht es den Ausstieg aus dem Dialog. Der Vergleich ist aber nicht Assistent gegen Mensch, sondern Assistent gegen Anrufbeantworter oder Freizeichen. Am Samstagabend um 21 Uhr ist niemand da. Die Frage lautet also: strukturierte Aufnahme mit Notfallverweis, oder Band. Für die Kernzeit gilt der Einwand weiterhin, und deshalb gehört die Kernzeit auch nicht als Erstes auf den Assistenten.

„Die KI versteht meine Leute nicht.” Teilweise berechtigt. Übereinstimmend berichten Anbieter und Anwender, dass Standarddeutsch mit regionaler Färbung zuverlässig erkannt wird, ausgeprägter Dialekt, schnelles Sprechen und vor allem Nebengeräusche dagegen deutlich schlechter. Genau die Situation, die für eine Hausverwaltung typisch ist: jemand steht im Hausflur, es ist laut, die Person ist aufgeregt. Anbieter nennen Erkennungsquoten um 95 Prozent, das sind Anbieterangaben ohne offengelegte Testbedingungen. Deshalb gehört in die Konfiguration die Regel, dass der Assistent bei zwei aufeinanderfolgenden Verständnisproblemen nicht ein drittes Mal nachfragt, sondern durchstellt oder eine Rückrufnummer aufnimmt.

„Wenn der Assistent einen Notfall verschläft, haften wir.” Der Einwand ist der wichtigste, und er ist der Grund, warum die Eskalationsmatrix vor allem anderen steht. Wer eine Schadensmeldung entgegennimmt, übernimmt eine Erwartung. Praktisch heißt das: Notfälle werden nicht bearbeitet, sondern weitergereicht, der Weiterreichungspfad hat einen zweiten Weg, und der Assistent nennt die Notdienstnummer zusätzlich im Klartext, damit die anrufende Person auch dann weiterkommt, wenn die Technik versagt. Wer diese drei Punkte nicht sauber geregelt bekommt, sollte den Assistenten auf reine Auskunft beschränken und Schadensmeldungen nicht darüber laufen lassen.

Woran du merkst, dass das zu dir passt

• Euer Anrufbeantworter läuft abends und am Wochenende mit, und jemand verbringt den Montagvormittag damit, ihn abzuhören und zu sortieren
• Bei einem Heizungsausfall rufen zehn Parteien wegen desselben Vorgangs an, und jeder Anruf kostet volle Gesprächszeit
• Die Objektbetreuung ist regelmäßig unterwegs, und Anrufe landen deshalb beim Nächstbesten statt bei der zuständigen Person
• Ihr habt einen schriftlich geregelten Notdienst mit fester Rufnummer, Erreichbarkeitszeiten und dokumentierter Zuständigkeit
• Eure Verwaltungssoftware oder euer Portal hat eine Schnittstelle, über die ein externes System Vorgänge anlegen kann

Wann es sich nicht lohnt, drei harte Ausschlusskriterien:

1. Unter etwa 300 verwalteten Einheiten oder weniger als 15 Anrufen am Tag. Bei dieser Größe ist der Einrichtungsaufwand nicht gerechtfertigt, und die monatlichen Kosten stehen gegen einen Nutzen, den zwei Personen mit einer klaren Absprache zur Telefonvertretung ebenso erreichen. Der erste sinnvolle Schritt ist dann ein gut besprochener Anrufbeantworter mit Notdienstnummer in der Ansage, kein Assistent.

2. Kein schriftlich geregelter Notdienst und keine verbindliche Zuständigkeitsmatrix. Wenn heute im Zweifel angerufen wird, „wer gerade drangeht”, kann ein Assistent nichts eskalieren, weil es kein definiertes Ziel gibt. Dann ist die Automatisierung nicht der erste Schritt, sondern der zweite. Zuerst muss die Kette stehen, sonst automatisiert ihr eine Lücke.

3. Verwaltungssoftware ohne Schnittstelle und ohne Bereitschaft, ein Portal davorzuschalten. Genau dann entsteht die zweite Liste. Der Assistent liefert perfekte Protokolle, und jemand tippt sie ab. Rechnerisch bleibt eine Minute Ersparnis je Vorgang, und dafür lohnt sich weder das Projekt noch die laufende Gebühr. Verschieb das Vorhaben, bis die Systemfrage geklärt ist.

Ein vierter Punkt, der kein Ausschluss, aber eine Warnung ist: Wenn niemand im Haus die Verantwortung für die Pflege übernehmen kann, wird der Assistent innerhalb eines Jahres zur Quelle veralteter Auskünfte. Das ist schlechter als kein Assistent, weil es glaubwürdig klingt.

Das kannst du heute noch tun

Zwei Schritte, beide kostenlos, beide heute machbar.

Schritt 1, 20 Minuten: Zieh den Anrufbericht der letzten vier Wochen aus eurer Telefonanlage. Du brauchst nur zwei Zahlen: wie viele Anrufe angenommen wurden und wie viele verloren gingen, aufgeteilt nach Uhrzeit. Diese Zahl ist die Grundlage jeder weiteren Entscheidung, und die meisten Verwaltungen haben sie noch nie angesehen.

Schritt 2, 30 Minuten: Schreib die Eskalationsmatrix, bevor du mit einem Anbieter sprichst. Acht Zeilen reichen. Wer sie nicht in dreißig Minuten schreiben kann, hat eine Lücke im Notdienstkonzept gefunden, und das ist der wertvollere Fund als jeder Anbietervergleich.

Für die Konfiguration des Assistenten brauchst du anschließend eine präzise Anweisung. Hier ist eine, die du direkt übernehmen und anpassen kannst:

Dieselbe Technik, andere Grenzen

Der Markt ist derselbe, die Ausschlusskriterien sind es nicht. Im Handwerk hängt alles am Notdienstpfad für Gas, Wasser und Elektro, und der Assistent darf keinen Termin zusagen. In der Arztpraxis kommen Schweigepflicht nach § 203 StGB, § 393 SGB V und ein striktes Verbot jeder Dringlichkeitsbewertung dazu. Wer hier die Eskalationsmatrix und den Ausfallplan sauber hinbekommt, kann beide Nachbarseiten als Gegenprobe lesen, bevor er ein Angebot unterschreibt.

Häufige Fragen zum KI-Telefonassistenten in der Hausverwaltung

Muss ich Anrufende darüber informieren, dass sie mit einer KI sprechen? Ja. Seit dem 2. August 2026 gelten die Transparenzpflichten aus Art. 50 KI-VO. Die Information muss spätestens zum Zeitpunkt der ersten Interaktion klar und eindeutig erfolgen. Adressat des Absatzes 1 ist der Anbieter des KI-Systems, in der Praxis konfigurierst du die Ansage aber selbst. Lass im Vertrag klären, wer die Kennzeichnung schuldet.

Darf der Assistent Gespräche aufzeichnen? Nur mit wirksamer Einwilligung. Datenschutzrechtliche Fachliteratur verweist auf zwei Ebenen: § 201 StGB zum Schutz der Vertraulichkeit des Wortes und die Rechtsgrundlage nach Art. 6 DSGVO. Eine bloße Ansage genügt nicht, es braucht eine eindeutige Handlung, etwa ein gesprochenes „Ja”. Wer nur das strukturierte Ergebnis speichert und das Audio verwirft, umgeht die Einwilligungsstrecke, bleibt aber mit dem Transkript in der DSGVO.

Was kostet ein KI-Telefonassistent für eine Hausverwaltung? Die veröffentlichten Tarife reichen von 40 Euro im Monat plus 0,28 Euro je Konversation bis 245 Euro mit 1.500 inkludierten Konversationen bei VITAS . facilioo rechnet je Einheit ab, ab 0,12 Euro monatlich für den eigenständigen Telefonassistenten und ab 0,05 Euro in der integrierten Variante. Dazu kommt die Einrichtung, realistisch 2.000 bis 12.000 Euro, abhängig fast ausschließlich von der Schnittstelle zur Verwaltungssoftware.

Was passiert bei einem echten Notfall? Das entscheidet ihr vorher in der Eskalationsmatrix, nicht die KI im Gespräch. Bei Gasgeruch und Feuer gibt der Assistent eine kurze Anweisung und beendet das Gespräch, bei Wasserschaden, Heizungsausfall in der Heizperiode oder aufgebrochener Haustür nimmt er die Kurzform auf und stellt zum Notdienst durch. Der Aufzugnotruf läuft ohnehin nicht über die Verwaltungsrufnummer, sondern über das Notrufsystem im Fahrkorb auf eine ständig besetzte Stelle.

Brauche ich eine Anbindung an meine Hausverwaltungssoftware? Für einen echten Zeitgewinn ja. Ohne Schnittstelle entsteht eine zweite Liste, die jemand abtippt. Portale wie casavi beschreiben eine offene Schnittstelle und Partnerintegrationen, Aareon nennt für casavi ausdrücklich eine API-Verbindung. Kläre vor der Anbieterauswahl, ob dein System das Anlegen eines Vorgangs von außen erlaubt.

Ersetzt der Assistent eine Stelle? Nein, und Anbieter, die das versprechen, rechnen die Nacharbeit nicht mit. Er fängt Spitzen und Randzeiten ab und verbessert die Qualität der Erstaufnahme. Die Sachbearbeitung bleibt.

Quellen & Methodik

• Bestandsgröße, Marktstruktur und Überlastung: VDIV Deutschland, Branchenbarometer, Erhebungsjahr 2025 (durchschnittlicher Verwaltungsbestand 1.235 Einheiten nach einem Anstieg um 5,2 Prozent, 90,2 Prozent der Unternehmen unter 3.000 Einheiten, 62,1 Prozent bezeichnen sich als überlastet), vdiv.de/immobilienverwaltung/branchenbarometer, abgerufen am 17.09.2026.
• KI-Einsatz in der Branche: VDIV Deutschland, Verwalter-Monitor „KI in der Immobilienverwaltung”, über 400 teilnehmende Unternehmen: 22,2 Prozent setzen KI-Werkzeuge ein, 45,1 Prozent planen es, 55,4 Prozent der Anwender in der Kundenkommunikation, vdiv.de, Pressemitteilung, abgerufen am 17.09.2026.
• Anrufvolumen, Anbieterrechnung: casavi, „KI-Telefonassistent: So steigern Sie ihre Effizienz um 60%” (rund 300 Anrufe im Monat bei 1.000 Einheiten, fünf Minuten je Gespräch, rund 25 Stunden; dazu die Referenz von Dennis Zeller, Immobilienverwaltung Zeller & Partner). Sämtliche Effizienz- und Erkennungsangaben sind Anbieterangaben ohne offengelegte Methodik, casavi.com, abgerufen am 17.09.2026.
• Preise VITAS: veröffentlichte Tarife des Anbieters, Flex 40 €/Monat plus 0,28 € je Konversation, Basic 98 €/Monat inkl. 500, Plus 245 €/Monat inkl. 1.500, Pro-Paket 99 €/Monat, 30 Tage Test mit 500 Testkonversationen, Hosting in Deutschland, ISO 27001 und C5 Typ 1, telefonassistent.de/preise, abgerufen am 17.09.2026.
• Preise facilioo: KI-Telefonassistent ab 0,12 € je Einheit und Monat (standalone) beziehungsweise ab 0,05 € integriert, KI-Anrufbeantworter ab 0,10 € beziehungsweise 0,03 €, Hosting in Wien, facilioo.de/ki-telefonassistent, abgerufen am 17.09.2026.
• Schnittstellen: casavi beschreibt eine offene Schnittstelle und die Zusammenarbeit mit über 40 Partnern, casavi.com/de/software/partnerloesungen; Aareon listet Partnerlösungen und nennt für casavi eine API-Verbindung, info.aareon.de/schnittstellen-immo-software, beide abgerufen am 17.09.2026.
• Art. 50 KI-VO: Verordnung (EU) 2024/1689, Transparenzpflichten, anwendbar seit dem 2. August 2026; Absatz 1 richtet sich an Anbieter, Absatz 5 verlangt die Information spätestens zum Zeitpunkt der ersten Interaktion, ai-act-law.eu/de/artikel/50; zur Einordnung des Bußgeldrahmens von bis zu 15 Mio. € oder 3 Prozent des weltweiten Jahresumsatzes: rdp-law.de, abgerufen am 17.09.2026.
• Aufzeichnung von Telefongesprächen: § 201 StGB und Art. 6 DSGVO, Einwilligung als Voraussetzung auf beiden Ebenen, bloße Ansage ist nicht automatisch wirksame Einwilligung, datenschutz-notizen.de und it-recht-kanzlei.de, abgerufen am 17.09.2026.
• Verhalten bei Gasgeruch: DVGW, Verbraucherinformation „Was tun bei Gasgeruch?” (kein offenes Feuer, keine elektrischen Geräte, nicht im Gebäude telefonieren, Entstörungsdienst des Netzbetreibers rund um die Uhr und kostenfrei, sonst 112), dvgw.de, abgerufen am 17.09.2026.
• Aufzugnotruf: Betriebssicherheitsverordnung und TRBS 3121, Verbindung zu einer ständig besetzten Stelle, Einleitung der Befreiung innerhalb von 30 Minuten, Nachrüstpflicht nach DIN EN 81-28, tuvsud.com und dgwz.de, abgerufen am 17.09.2026.
• Heizperiode und Mangel: Heizperiode vom 1. Oktober bis 30. April, tagsüber 20 bis 22 Grad erreichbar, Minderungsquoten laut Ratgeberliteratur zwischen 20 und 50 Prozent bei Winterausfällen, Rechtsprechung einzelfallabhängig, mietrecht.com, abgerufen am 17.09.2026.
• Ausfallrisiko beim Anbieter: Bericht über den Ausfall des KI-Telefonassistenten automedic ab dem 18.08.2026 nach Eröffnung des Insolvenzverfahrens am 01.08.2026 (Amtsgericht Esslingen, Az. 16 IN 391/26), borncity.com, abgerufen am 17.09.2026.
• Preise Retell AI und Vapi: eigene Toolrecherche auf Basis der veröffentlichten Anbieterpreise, Stand 2026.
• Aufwands- und Zeitangaben: Erfahrungswerte aus Automatisierungsprojekten bei kleinen und mittleren Dienstleistern, keine repräsentative Erhebung. Als Schätzwerte gekennzeichnet, wo sie vorkommen.

Du willst wissen, ob euer Anrufaufkommen und eure Verwaltungssoftware zu diesem Anwendungsfall passen, und wie eine belastbare Eskalationsmatrix für euren Bestand aussieht? Meld dich, das klären wir in einem kurzen Gespräch.