Ehrenamtskoordination mit KI

Das echte Ausmaß des Problems

Ehrenamt klingt nach Ressource. In der Praxis ist es oft auch ein Koordinationsproblem. Eine mittelgroße Organisation mit 150 aktiven Ehrenamtlichen hat mindestens eine hauptamtliche Kraft, die 30 bis 50 Prozent ihrer Arbeitszeit damit verbringt, Einsätze zu koordinieren (Schätzwert aus Praxisberichten): Wer ist wann verfügbar? Wer hat welche Qualifikation? Wer wohnt wo? Wer hat in letzter Zeit zu viele Einsätze gehabt?

Diese Koordination passiert in Deutschland oft noch per Telefon, WhatsApp oder Excel. Das Ergebnis: Doppelbesetzungen, Lücken im Einsatzplan, frustrierte Ehrenamtliche, die das Gefühl haben, immer dann gefragt zu werden, wenn sie gerade keine Zeit haben.

Laut einer Studie des Deutschen Instituts für Urbanistik (2022) beenden rund 40 Prozent aller Ehrenamtlichen ihr Engagement innerhalb der ersten zwei Jahre — mangelnde Wertschätzung und schlechte Kommunikation gehören zu den häufigsten genannten Gründen. Das ist kein Motivationsproblem — es ist ein Koordinationsproblem.

Dazu kommt das Skalierungsproblem: Je mehr Ehrenamtliche eine Organisation hat, desto komplexer wird die Koordination — nicht linear, sondern exponentiell. Ab ca. 80 bis 100 aktiven Personen ist manuelle Koordination ohne digitale Unterstützung kaum noch effizient möglich.

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Erfahrungswerte aus Organisationen mit strukturiertem Freiwilligenmanagement — keine repräsentative Studie.

Einschätzung auf einen Blick

Zeitersparnis — sehr hoch (5/5)
Kein anderer Use Case im Nonprofit-Branch spart so direkt und messbar Stunden pro Woche. Wer 10 Stunden/Woche mit Ehrenamtskoordination verbringt und das auf 5–6 Stunden reduziert, spürt das sofort. Das ist der klarste Zeit-ROI in diesem Branch.

Kosteneinsparung — mittel (3/5)
Tool-Kosten von 30–55 Euro/Monat sind niedrig, aber der finanzielle Nutzen manifestiert sich indirekt über eingesparte Koordinationszeit — die du nur einsparen kannst, wenn die gesparte Zeit in wertschöpfendere Aktivitäten fließt. Direktes Cost-Saving wie bei Fördermittelsuche oder Übersetzungskosten ist hier nicht gegeben.

Schnelle Umsetzung — mittel (3/5)
Die Einrichtung braucht echten Aufwand: Ehrenamtlichen-Datenbank aufbauen, Workflows konfigurieren, das Team einbinden. Realistisch sind 3–5 Wochen bis die ersten Automatisierungen sauber laufen. Nicht so schnell wie ein ChatGPT-Abo — aber machbar ohne IT-Kenntnisse.

ROI-Sicherheit — hoch (4/5)
Der Nutzen ist direkt messbar: Koordinationszeit vorher und nachher verfolgen. Das macht den ROI-Nachweis für die Geschäftsführung einfach. Risiko: Wenn die Datenbank nicht gepflegt wird, degradiert der Nutzen schnell.

Skalierbarkeit — sehr hoch (5/5)
Das ist der klassische Skalierungsfall: Mehr Ehrenamtliche bedeuten mehr Koordinationsbedarf — aber das automatisierte System skaliert mit, ohne proportional mehr Arbeit zu erzeugen. Ab 200+ Ehrenamtlichen wird der Effekt dramatisch.

Richtwerte — stark abhängig von der Anzahl der Ehrenamtlichen und der Qualität der Datenbank.

Was das System konkret macht

Der pragmatische Ansatz kombiniert drei Ebenen:

Ebene 1 — Strukturierte Datenbasis: Wer ist bei euch aktiv? Welche Qualifikationen? Wann verfügbar? Welche Einsatztypen? Diese Informationen müssen irgendwo stehen — in einer Tabelle, einem CRM oder einem spezialisierten Tool. Ohne diese Grundlage kann keine KI helfen.

Ebene 2 — Automatisierte Kommunikation: Neuer Einsatz wird angelegt → passende Ehrenamtliche bekommen automatisch eine Nachricht mit Datum, Aufgabe und Anmeldeoption. Rückmeldungen fließen ins System zurück, ohne manuelles Nachfassen.

Ebene 3 — KI-gestütztes Matching: Wenn ein Einsatz spezifische Qualifikationen braucht (“jemand mit Ersthelfer-Schein, der samstags kann”), durchsucht die KI auf Anfrage die Datenbank und schlägt Kandidaten vor. Kein Automatismus, aber eine erhebliche Zeitersparnis gegenüber manueller Durchsicht.

Konkrete Werkzeuge — was wann passt

Make.com — 0–9 Euro/Monat
Das Herzstück für Automatisierungs-Workflows. Kein Programmierkenntnis nötig: Formular-Einreichung → Eintrag in Datenbank → Bestätigungsmail → Erinnerung 3 Tage vor Einsatz. Kostenloser Plan für einfache Workflows ausreichend.

ChatGPT — 0–20 Euro/Monat
Für Kommunikationserstellung: Einsatzeinladungen, Dankesschreiben, Geburtstagsgrüße, Inaktivitätsansprachen. Vorlagen einmal erstellen, dann wiederverwenden.

Brevo — 0–25 Euro/Monat
Als E-Mail-Automatisierungstool: Ehrenamts-Newsletter, automatisierte Dankesmails nach Einsätzen, Segmentierung nach Einsatztypen. Großzügiger kostenloser Plan bis 9.000 Mails/Monat.

HubSpot CRM — kostenlos (Nonprofit-Programm)
Für mittelgroße Organisationen als Freiwilligen-CRM: Profile als Kontakte, Einsätze als Aktivitäten. HubSpot vergibt Nonprofit-Lizenzen kostenlos — direkte Anfrage lohnt sich.

Notion AI — 10 Euro/Nutzer/Monat
Als zentrale Wissens- und Koordinationsdatenbank, wenn noch kein spezialisiertes Tool vorhanden ist.

Komplett kostenlos starten: Make.com Free + Brevo Free + ChatGPT Free — das reicht für eine Organisation mit 50–80 Ehrenamtlichen.

Datenschutz und Datenhaltung

Ehrenamtskoordination betrifft Personendaten von Freiwilligen — kein besonders sensibler Bereich nach DSGVO, aber es gelten die üblichen Grundsätze:

• Rechtsgrundlage dokumentieren: Die Speicherung von Kontaktdaten, Qualifikationen und Verfügbarkeiten braucht eine Einwilligung oder ein berechtigtes Interesse. Für aktive Ehrenamtliche ist das berechtigte Interesse (Einsatzplanung) gut begründbar — aber dokumentieren.
• Löschfristen einhalten: Ehrenamtliche, die das Engagement beendet haben, sollten nach einer angemessenen Frist aus der aktiven Datenbank entfernt werden. 12–18 Monate nach letztem Kontakt ist ein praktikabler Wert.
• Datenminimierung: Nur speichern, was für die Koordination tatsächlich nötig ist. Geburtstagsdaten für Grußnachrichten sind optional — wenn gespeichert, brauchen sie eine klare Einwilligung.
• Cloud-Tools mit AVV: Make.com, HubSpot und Brevo bieten AVVs an — unbedingt abschließen, bevor Ehrenamtlichen-Daten dort gespeichert werden.

Keine besonders schutzbedürftigen Daten (nach Art. 9 DSGVO) in der Regel involviert, solange keine Gesundheitsdaten oder politische/religiöse Überzeugungen der Ehrenamtlichen gespeichert werden.

Was es kostet — realistisch gerechnet

Minimaler Ansatz (nur KI für Kommunikation):

• ChatGPT Free: 0 Euro
• Zeitaufwand für Vorlagen-Entwicklung: 5–8 Stunden einmalig
• Ergebnis: Bessere Kommunikationsqualität, keine Prozessautomatisierung

Vollständiger Ansatz (Automatisierung + KI):

• Make.com Starter: 9 Euro/Monat
• Brevo: 0–25 Euro/Monat je nach Kontaktzahl
• ChatGPT Plus: 20 Euro/Monat
• Einrichtungsaufwand: 15–25 Stunden
• Laufende Kosten gesamt: ca. 30–55 Euro/Monat

ROI-Rechnung:
Koordinationskraft bei 35 Euro Stundensatz, 10 Stunden/Woche Koordinationsaufwand = 1.400 Euro/Monat Personalkosten für Koordination. Wenn Automatisierung auf 5–6 Stunden reduziert: 600–700 Euro/Monat gespart — bei 55 Euro Tool-Kosten. Das ist ein klares Bild.

Drei typische Einstiegsfehler

Fehler 1 — Mit komplexen Workflows beginnen
Viele Organisationen versuchen sofort, alle Einsatztypen und Sonderfälle zu automatisieren. Das führt zu unfertigem Setup und Frustration. Besser: Mit einem einzigen Workflow starten (z.B. automatische Bestätigung nach Anmeldung) und diesen 100 Prozent zuverlässig machen.

Fehler 2 — Datenbank ohne Einbindung der Ehrenamtlichen aufbauen
Wenn Ehrenamtliche ihre Profile nicht selbst pflegen und validieren, sind die Daten schnell veraltet. Einen kleinen Anreiz schaffen (“Dein Profil hilft uns, dir die richtigen Einsätze zu schicken”) und bei der Profil-Erstellung aktiv begleiten.

Fehler 3 — System einrichten und dann nicht mehr pflegen
Das häufigste Langzeit-Versagen: Nach der Einrichtungsphase wird die Datenbank nicht regelmäßig aktualisiert. Profile von Ehrenamtlichen, die aufgehört haben, bleiben stehen. Neue Ehrenamtliche werden nicht vollständig angelegt. Nach 12 Monaten ist der Datenbestand so veraltet, dass das Matching nicht mehr funktioniert. Faustregel: Einmal pro Quartal 2 Stunden für Datenbankpflege einplanen — im Kalender blockiert, nicht optional.

Was mit der Einführung wirklich passiert — und was nicht

Was passiert: Die erste Woche kostet mehr Zeit als erwartet, weil die Datenbasis sauberer gemacht werden muss als gedacht. Viele Profile fehlen, manche sind veraltet. Diesen Aufwand einplanen.

Was auch passiert: Ab Woche 4–5 läuft das System und Sven — aus unserer Eröffnungsgeschichte — verbringt Freitagnachmittag nicht mehr mit WhatsApp-Pingpong, sondern mit einem Gespräch mit einer neuen Ehrenamtlichen, die er sonst nicht gehabt hätte.

Was nicht passiert: Das System hält sich nicht selbst aktuell. Profile müssen gepflegt werden. Wer die Datenbank einmal einrichtet und nie wieder anschaut, hat in 12 Monaten denselben Datensalat wie vorher.

Typischer Widerstand: “Unsere Ehrenamtlichen wollen persönliche Kommunikation.” Stimmt — und die bekommen sie weiterhin, an den Stellen, wo sie wirklich wichtig ist. Eine automatische Bestätigungs-E-Mail ist persönlicher als eine vergessene Antwort nach drei Tagen.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Wir haben keine IT-Kapazitäten für sowas.”
Make.com ist ein visueller Workflow-Builder ohne Programmierkenntnis. Für die ersten drei Workflows reicht ein Nachmittag Einarbeitung. Die Frage ist nicht ob technische Kapazität vorhanden ist, sondern ob 4 Stunden Investition möglich sind, die sich in wenigen Wochen mehrfach zurückzahlen.

„Unsere Ehrenamtlichen sind nicht digital affin.”
Das betrifft einen Teil der Zielgruppe — aber der andere Teil nutzt schon WhatsApp, liest E-Mails und hat kein Problem mit einer einfachen Anmeldung. Für die nicht-digitale Minderheit bleibt der Telefonweg offen — das System ersetzt ihn nicht, es ergänzt ihn.

„Das kostet zu viel Aufwand für den Nutzen.”
Für eine Organisation mit 20 Ehrenamtlichen stimmt das wahrscheinlich. Der Break-even liegt bei ca. 50–80 aktiven Ehrenamtlichen. Darunter: manuelle Koordination ist effizienter. Darüber: Automatisierung lohnt sich deutlich.

Woran du merkst, dass das zu dir passt

• Deine Organisation hat mehr als 50 aktive Ehrenamtliche
• Mindestens eine hauptamtliche Kraft verbringt mehr als 5 Stunden/Woche mit Koordination
• Ihr habt Probleme mit kurzfristigen Einsatzlücken
• Neue Ehrenamtliche melden sich und tauchen danach nie wieder auf

Wer noch nicht anfangen sollte:
Wenn deine Ehrenamtlichen-Datenbank noch gar nicht existiert, fang nicht mit Automatisierung an. Zuerst eine einfache strukturierte Liste aufbauen — dann automatisieren.

Das kannst du heute noch tun

Mach einen einfachen Test: Lass ChatGPT ein persönliches Dankes-Schreiben an einen Ehrenamtlichen formulieren — gib Namen, Einsatz-Datum und eine kurze Beschreibung des Einsatzes an. Schick das Schreiben ab. Dann vergleiche die Reaktion mit der auf deine übliche Standard-Dankes-E-Mail.

Quellen & Methodik

• Deutsches Institut für Urbanistik (2022): Engagementbindung und Dropout-Raten im Ehrenamt. difu.de
• Freiwilligensurvey (2019/2022), BMFSFJ: Bundesweite Befragung zum Ehrenamt in Deutschland. bmfsfj.de
• ZiviZ Engagement-Index (2023): Koordinationsaufwand in Nonprofit-Organisationen. zivilgesellschaft-in-zahlen.de
• Erfahrungswerte: Aus Gesprächen mit Koordinatoren in mittelgroßen Wohlfahrtsverbänden und NGOs — keine repräsentative Studie.