Einbruchs-Risiko-Assessment mit KI für Sicherheitsdienstleister

Das echte Ausmaß des Problems

Die Nachfrage nach Einbruchs-Risikoassessments steigt. Die Polizeiliche Kriminalstatistik 2024 (PKS) zählt deutschlandweit 78.436 Wohnungseinbrüche — ein Anstieg von 0,8 Prozent gegenüber dem Vorjahr, und das sind nur die erfassten Fälle im Wohnbereich. Gewerbeobjekte kommen noch dazu. Der durchschnittliche Schadenswert hat einen Rekordstand von 3.800 Euro erreicht, die Aufklärungsquote liegt bei 15,3 Prozent. Versicherungen reagieren mit steigenden Anforderungen an Sicherheitsnachweise, Kunden werden misstrauischer, und Haftungsfragen rücken näher.

Für Sicherheitsdienstleister heißt das: Mehr Assessments, höhere Erwartungen an die Dokumentationsqualität, mehr Druck auf Konsistenz. Gleichzeitig bleibt das Kernproblem bestehen: Ein Risikoassessment ist so gut wie die Person, die es schreibt — und deren aktueller Wissensstand, Zeitdruck und Erinnerungsvermögen.

Was dabei verloren geht, ist der gleiche Standard für vergleichbare Objekte. Zwei erfahrene Sicherheitsberater können dasselbe Objekt in unterschiedliche Risikoklassen einstufen — nicht weil einer von beiden falsch liegt, sondern weil die Kriterien nie explizit gemacht wurden. Das führt zu drei handfesten Problemen:

• Inkonsistenz im Angebot: Kunden mit ähnlichen Objekten bekommen unterschiedliche Empfehlungen und fragen, warum
• Zeitverlust in der Dokumentation: 2–4 Stunden pro schriftlichem Assessment sind branchenüblich — Zeit, die im Außendienst fehlt
• Wissensabhängigkeit: Wenn der erfahrene Berater krank ist, weiß niemand, wie er bestimmte Grenzfälle bewertet hätte

Das sind keine Einzelprobleme. Das ist Struktur.

Mit vs. ohne KI — ein ehrlicher Vergleich

Die Schreibzeit-Werte basieren auf Erfahrungswerten aus der Sicherheitsbranche; die konkrete Einsparung hängt stark vom aktuellen Prozess und der Komplexität der Objekte ab.

Einschätzung auf einen Blick

Zeitersparnis — gering (2/5)
Risikoassessments sind keine Tagesaufgabe. Du machst sie objektbezogen — manchmal drei in einer Woche, manchmal einen im Monat. Die Einsparung je Assessment ist real und substanziell (3–5 Stunden auf 1–1,5 Stunden), aber weil es keine tägliche Aufgabe ist, fällt dieser Wert im Vergleich zu z.B. Vorfallsberichten geringer aus, die nach jedem Einsatz anfallen.

Kosteneinsparung — mittel (3/5)
Pro Assessment sparst du 75–200 Euro in Beraterstunden, wenn du Standardisierung erreichst. Bei 50 Assessments im Jahr macht das 3.750–10.000 Euro freie Kapazität im Jahr. Das ist real und messbar — aber kein direkter Buchungseffekt wie bei automatisierter Alarmanlage-Protokoll-Auswertung, wo sich Kosten in Echtzeit verfolgen lassen.

Schnelle Umsetzung — gering (2/5)
Das ist kein “heute nachmittag einfach mal ausprobieren”. Du brauchst einen gut kalibrierten Prompt-Satz, der die VdS-2311-Risikoklassen korrekt abbildet, für dein Einsatzgebiet relevante Lageinformationen einbezieht und von deinen Beratern konsequent genutzt wird. Das dauert realistisch 6–10 Wochen bis zum routinefähigen Betrieb. Wer das unterschätzt, bekommt inkonsistente Ergebnisse und verliert das Vertrauen der Berater.

ROI-Sicherheit — hoch (4/5)
Das ist die Stärke dieses Anwendungsfalls: Du kannst die Einsparung direkt messen. Wie lange dauerte ein Assessment vorher? Wie lange jetzt? Wie viele Assessments pro Monat? Das ergibt eine klare Rechnung — kein Schätzen, kein “indirekt über Kundenzufriedenheit”. Der Nutzen ist pro Assessment quantifizierbar.

Skalierbarkeit — hoch (4/5)
Ein gut entwickelter Prompt-Satz und eine strukturierte Datenerhebung skalieren auf jedes weitere Objekt ohne proportional wachsenden Mehraufwand. Ob 20 oder 200 Assessments pro Jahr — der Template-Satz bleibt derselbe.

Richtwerte — stark abhängig von Assessmentvolumen, Objektvielfalt und vorhandener Dokumentationsstruktur.

Was das KI-Assessment konkret macht

Der Ansatz basiert nicht auf einer KI, die “irgendwie” Risiken erkennt. Es geht um strukturierte Texterzeugung auf Basis klar definierter Eingaben — das ist etwas grundlegend anderes.

Ein Sicherheitsberater erhebt beim Objektbesuch strukturiert Daten: Gebäudetyp, Baujahr, Außenwand- und Fensterkonstruktion, Zugangspunkte und deren Sicherung, bestehende Einbruchmeldeanlage und deren VdS-Klasse, Standort und Lagebeschreibung, bekannte Vorfallshistorie, Nachbarschaft und Beleuchtungssituation. Diese Daten gibt er entweder direkt in ein strukturiertes Formular ein oder diktiert sie per Spracheingabe als Stichpunkte.

Ein LLM — etwa Claude oder ChatGPT — verarbeitet diese strukturierten Eingaben dann auf Basis eines fest definierten Prompts: Es ordnet die Merkmale den VdS-Risikoklassen zu, benennt konkrete Schwachstellen, priorisiert Handlungsempfehlungen und formuliert einen vollständigen Risikobericht im vorgegebenen Format. Das Ergebnis ist kein Freitext, sondern ein strukturiertes Dokument mit klar begründeter Risikoklassifizierung.

Was das System nicht macht

Es ersetzt nicht die physische Begehung. Es ersetzt nicht die Beurteilung von Faktoren, die nur vor Ort erfasst werden können. Es ersetzt nicht den VdS-zertifizierten Fachbetrieb für die Planung und den Einbau von Einbruchmeldeanlagen. Was es ersetzt, ist das stundenlange manuelle Aufschreiben und Begründen — die Übersetzungsarbeit von Beobachtung zu strukturiertem Dokument.

Wie VdS-Normen das Assessment strukturieren

Für deutsche Sicherheitsdienstleister gibt es ein etabliertes Rahmenwerk, das die KI-Strukturierung erst sinnvoll macht: die Richtlinien der VdS Schadenverhütung GmbH. Das Dokument VdS 2311 definiert Anforderungen und Risikoklassen für Einbruchmeldeanlagen (EMA), VdS 2333 ergänzt Sicherungsrichtlinien speziell für Geschäfte und Betriebe.

Die Risikoklassen folgen einem klaren Schema:

• VdS Klasse A (SH/SG 1): Einfacherer Schutz für Haushaltsrisiken und Gewerbeobjekte mit geringem Risikopotenzial — Bewegungsmelder, Grundalarmsicherung
• VdS Klasse B (SG 1/2): Mittleres gewerbliches Risiko — vollständige Außenhautüberwachung, Überwachung von Fenstern und Lichtkuppeln
• VdS Klasse C (SG 3–6): Hohes gewerbliches Risiko — vollständige Außenhaut plus Fallensicherung im Innenbereich, höchste Manipulationssicherheit

Das Betriebsartenverzeichnis zum VdS-Dokument 2311 listet Gewerbebranchen mit zugehöriger Risikoeinstufung auf — ein Juwelier hat ein anderes Grundrisiko als ein Bürogebäude, was in der Regelanforderung direkt abgebildet ist.

Warum das für KI relevant ist: Diese Taxonomie ist explizit, stabil und dokumentiert. Das bedeutet, man kann sie als Wissen in einen Prompt einbetten — und das Sprachmodell wendet die Logik auf neue Objekte an. Das ist kein “KI erfindet Risikoklassen”, sondern “KI wendet etabliertes Branchenwissen konsistent an”. Der Unterschied ist erheblich, und er ist der Grund, warum dieser Anwendungsfall besser funktioniert als generische “Risiko-KI-Lösungen”, die keinen domänenspezifischen Rahmen haben.

Ein gut kalibrierter Prompt enthält:

1. Die VdS-Risikoklassen und ihre Kriterien
2. Eine Mapping-Logik zwischen Gebäudeeigenschaften und Risikoindikation
3. Das gewünschte Berichtsformat des Unternehmens
4. Die spezifischen Handlungsempfehlungen je Risikoklasse

Konkrete Werkzeuge — was wann passt

Für das Schreiben der Risikoberichte:

Claude (Pro 20 USD/Monat) — Besonders stark bei langen, strukturierten Dokumenten und konsistenter Terminologie. Geeignet für das Erstellen von Assessments mit umfangreichen Begründungsabschnitten. Die Project-Funktion erlaubt es, den VdS-Prompt dauerhaft zu speichern und in jedem Gespräch direkt zu verwenden. Einschränkung: kein EU-Hosting im Consumer-Plan — für sensible Kundendaten nur über AWS Bedrock in Frankfurt DSGVO-konform nutzbar.

ChatGPT Plus (20 USD/Monat) — Vergleichbare Qualität für strukturierte Textgenerierung, “Custom GPTs” ermöglichen die Einbettung des Assessment-Rahmens als dauerhaft abrufbares Tool. Preislich identisch mit Claude Pro. Ebenfalls US-gehostet für Consumer-Pläne.

Langdock (ab 25 €/Nutzer/Monat) — Berliner Enterprise-Plattform, ISO 27001 zertifiziert, Datenhaltung in Frankfurt. Ein Abo für alle großen Modelle (GPT-5, Claude, Gemini). Für Sicherheitsdienstleister, die DSGVO-konformes Hosting brauchen und mit einem Team arbeiten, ist das der empfohlene Einstieg. Teurer als die direkten Consumer-Pläne, aber die einzige Lösung, die Teamnutzung und EU-Datenhaltung ohne IT-Infrastruktur kombiniert.

Für die strukturierte Datenerhebung vor Ort:

Lumiform (ab 100 €/Monat für 5 Nutzer) — Digitale Begehungsplattform, DSGVO-konform und EU-gehostet. Du baust einmalig ein Assessmentformular mit allen relevanten Gebäude- und Lagedaten auf, Berater füllen es mobil auf dem Tablet aus, Fotos werden automatisch eingebunden. Das ausgefüllte Formular ist die strukturierte Eingabe für den LLM-Schritt. EU-Datenhaltung, deutschsprachig, ohne Programmierkenntnisse konfigurierbar. Optimal für Teams, die einen sauberen Datenerhebungs-Workflow wollen.

Zusammenfassung: Wann welcher Ansatz

• Einzelperson, Einstieg: ChatGPT Plus oder Claude Pro
• Team bis 20 Personen, DSGVO-Priorität: Langdock
• Strukturierte Datenerhebung mobil: Lumiform + LLM-Tool nach Wahl

Datenschutz und Datenhaltung

Ein Risikoassessment für ein Gewerbegebäude enthält vertrauliche Informationen: Gebäudedaten des Kunden, Schwachstellen-Beschreibungen, Sicherheitslücken, teilweise Vorfallshistorien. Diese Daten darfst du nicht unreflektiert in US-gehostete Consumer-Dienste einspeisen.

Die DSGVO greift hier in zwei Richtungen: Erstens handelt es sich um Informationen, die das Geschäft des Kunden betreffen — die du im Rahmen eines Dienstleistungsvertrags erhoben hast. Zweitens enthält der Bericht möglicherweise personenbezogene Daten, wenn Standortverantwortliche oder Ansprechpartner genannt werden.

Praktische Konsequenzen nach Tool:

• ChatGPT und Claude Free/Plus/Pro: US-Hosting. Für geschäftliche Kundendaten nicht geeignet ohne Enterprise-Vertrag mit AVV
• ChatGPT Business/Enterprise: AVV verfügbar, EU-Datenresidenz im Enterprise-Plan — Preis auf Anfrage, ab ca. 60 USD/Nutzer/Monat
• Langdock: EU-Hosting in Frankfurt, ISO 27001, AVV auf Knopfdruck, keine Datennutzung für Training — die sauberste Lösung für den Teamalltag
• Lumiform: EU-Hosting, DSGVO-konform, AVV verfügbar

Die pragmatische Empfehlung: Für erste Tests und den internen Aufbau des Prompts kannst du ChatGPT Plus oder Claude Pro nutzen — ohne echte Kundendaten (anonymisierte oder fiktive Objektdaten). Für den produktiven Einsatz mit echten Kundendaten führt kein Weg an einer EU-gehosteten Lösung vorbei. Langdock ist für die meisten Sicherheitsdienstleister in Deutschland die vernünftigste Option.

Was es kostet — realistisch gerechnet

Einmalige Aufbaukosten

• Entwicklung und Kalibrierung des VdS-Prompt-Sets: 15–30 Stunden intern oder mit externer Beratung
• Validierung gegen echte historische Assessments: 2–4 Stunden
• Schulung der Berater: 2–4 Stunden je Person
• Externe Beratungskosten wenn nötig: 1.500–4.000 Euro

Laufende Kosten monatlich

• ChatGPT Plus oder Claude Pro: ~20 USD/Person/Monat (für Einzelnutzer)
• Langdock Business: 25 €/Person/Monat
• Lumiform Professional: 100 €/Monat für 5 Nutzer (optional, für strukturierte Datenerhebung)

Was du gegenrechnen kannst
Ein manuelles Assessment nimmt einen erfahrenen Berater 2–4 Stunden. Mit strukturiertem KI-Ansatz dauert es 45–90 Minuten. Einsparung: 1,5–2,5 Stunden je Assessment. Bei einem internen Kostensatz von 50–80 Euro/Stunde entspricht das 75–200 Euro Einsparung je Assessment. Bei 50 Assessments im Jahr: 3.750 bis 10.000 Euro freie Kapazität jährlich — oder die Möglichkeit, deutlich mehr Assessments mit demselben Personal durchzuführen.

Die reinen Tool-Kosten amortisieren sich bei diesem Volumen in wenigen Monaten.

Wie du den ROI tatsächlich misst
Miss die Zeit je Assessment — vorher und nachher — über vier Wochen. Das ist der ehrlichste Beweis. Wer sagt “gefühlt schneller”, aber keine Zahlen hat, kann intern keine Ressourcenentscheidungen begründen.

Typische Einstiegsfehler

1. Den Prompt zu generisch bauen.
Der häufigste Fehler: Ein Prompt wie “Erstelle ein Risikoassessment für dieses Gebäude” liefert Texte, die klingen wie aus einem Lehrbuch — nicht wie ein belastbares, unternehmenseigenes Assessment. Was du brauchst, ist ein Prompt, der dein Format, deine Terminologie, die relevanten VdS-Klassen und die typischen Maßnahmen-Empfehlungen deines Unternehmens enthält. Das erfordert Aufbauarbeit, aber einmal gut gemacht, funktioniert es zuverlässig.

2. Berater ohne Schulung loslassen.
Wenn jeder Berater den Prompt anders füttert — mal mit Stichpunkten, mal mit ganzen Sätzen, mal mit Fotos, mal ohne — produziert das System uneinheitliche Ergebnisse. Das erste, was ein Berater lernen muss: Wie gibt er Daten strukturiert ein, damit das System konsistent arbeitet? Das ist kein technisches Problem, das ist Einarbeitung.

3. Das Ergebnis nicht gegenprüfen.
Ein LLM kann halluzinieren — auch bei scheinbar klarer Eingabe. Wenn ein Berater Eingabe “Alarmanlage der Klasse B” macht und das System trotzdem “Klasse C empfohlen” schreibt, ohne dass die Begründung es trägt: Das muss auffallen. Jeder generierte Bericht braucht eine inhaltliche Qualitätsprüfung vor dem Kundenmailing — das System hilft beim Schreiben, nicht beim Denken.

4. Das System einführen und die Template-Pflege vergessen.
Normen ändern sich. VdS aktualisiert seine Richtlinien. Neue Bautechnologien entstehen, neue Angriffsmuster kommen auf. Ein Prompt-Set, das heute gut kalibriert ist, kann in zwei Jahren systematisch veraltete Empfehlungen erzeugen — ohne dass jemand es merkt, weil das System immer schreibt. Mindestens einmal im Jahr muss jemand den Prompt-Satz gegen aktuelle VdS-Dokumente und aktuelle Praxiserfahrungen validieren.

Was mit der Einführung wirklich passiert — und was nicht

Die Technik ist in wenigen Stunden getestet. Das Schwierige ist die Akzeptanz.

Erfahrene Berater haben oft ein ambivalentes Verhältnis zu strukturierten Prozessen. Wer seit zehn Jahren Assessments nach eigenem Ermessen schreibt, reagiert manchmal abwehrend auf eine Vorlage — nicht aus Bequemlichkeit, sondern weil echte Expertise in seiner eigenen Methodik steckt. Diese Erfahrung geht nicht verloren — sie fließt in die initiale Kalibrierung des Prompts ein. Wer den Prompt mitgestaltet hat, empfindet ihn nicht als Einschränkung.

Zwei weitere Muster treten regelmäßig auf:

“Das System trifft die falschen Klassen.” In den ersten Wochen stimmt die Klassifizierung oft nicht mit der Intuition des erfahrenen Beraters überein. Das ist kein Systemfehler — das ist ein Kalibrierungsproblem. Jede Abweichung ist ein Signal: Fehlt ein Kriterium im Prompt? Ist eine Schwelle zu eng definiert? Die ersten Wochen sind Kalibrierungsphase, nicht Produktivbetrieb.

“Ich vertraue meinem eigenen Bericht mehr.” Das ist ein gutes Zeichen, wenn der Berater den KI-Bericht trotzdem nutzt und ergänzt. Problematisch wird es, wenn er ihn ignoriert und parallel weiter manuell schreibt. Dann fehlt entweder Einbindung von Beginn an oder die Schulung war unzureichend.

Was konkret hilft:

• Erfahrene Berater in die Prompt-Entwicklung einbinden (nicht nur informieren)
• Den ersten Monat als offiziellen Testbetrieb deklarieren — Feedback wird aktiv eingesammelt
• Einen klaren Qualitätsprozess definieren: Wer prüft Berichte vor dem Kundenmailing?
• Messbare Vergleichsdaten aus dem ersten Monat als Team-Feedback nutzen

Realistischer Zeitplan mit Risikohinweisen

Wichtig: Die Pilotphase mit parallelen Assessments ist keine verlorene Zeit — sie ist die Validierung, mit der du intern begründen kannst, ob die Investition sich lohnt. Wer diesen Schritt überspringt und sofort auf KI-Betrieb umstellt, riskiert Qualitätsprobleme beim Kunden ohne Referenzvergleich.

Häufige Einwände — und was dahintersteckt

„Das kann keine echten Risikoeinschätzungen treffen — das kennt das Gebäude nicht.”
Richtig. Das System trifft keine Einschätzungen — es strukturiert und dokumentiert die Einschätzung des Beraters, der das Gebäude gesehen hat. Das ist ein wichtiger Unterschied. Die Begehung bleibt menschlich, die Dokumentationsarbeit wird automatisiert. Wer glaubt, die KI “schätzt” etwas ein, hat das Modell falsch verstanden — und sollte mit dem Prompt-Ansatz erst gar nicht starten.

„Wir haben zu wenig Assessments, als dass sich das lohnt.”
Unter 20–30 Assessments im Jahr ist der Aufwand für Entwicklung und Kalibrierung kaum gerechtfertigt. Unter dieser Schwelle lohnt es, erstmal auf gut strukturierte Word-Vorlagen zu setzen — ohne KI — und die Konsistenzprobleme damit zu reduzieren. Die KI-Schicht kommt sinnvollerweise erst, wenn Volumen vorhanden ist.

„Unsere Kunden erwarten persönliche Assessments — nicht KI-Texte.”
Was Kunden erwarten, ist Qualität, Klarheit und Konsistenz in den Empfehlungen. Nicht handgeschriebene Berichte. Ein KI-gestützter Bericht, der besser strukturiert, besser begründet und konsistenter ist als ein manuell verfasster, kommt beim Kunden besser an — nicht schlechter. Wer das gegenüber dem Kunden transparent macht (“wir setzen auf standardisierte Methodik nach VdS-Rahmen”), schafft Vertrauen, keinen Schaden.

Haftung und rechtliche Grenzen

Dieser Abschnitt ist nicht verhandelbar. Bevor du deinen ersten KI-gestützten Risikobericht einem Kunden überreichst, musst du verstehen, wofür du stehst — und wofür nicht.

Was ein KI-gestütztes Risikoassessment ist:
Ein strukturierter, dokumentierter Hinweis auf identifizierte Schwachstellen und empfohlene Maßnahmen, basierend auf der Begehung durch deinen Berater. Es ist eine Arbeitsgrundlage und eine Empfehlung.

Was es nicht ist:
Keine rechtliche Garantie für Einbruchsfreiheit. Keine Rechtsberatung. Kein Ersatz für eine VdS-zertifizierte Fachplanung, wenn eine solche gesetzlich oder vertraglich gefordert wird. Kein Versicherungsgutachten. Kein Nachweis im Sinne behördlicher Anforderungen.

Konkrete Konsequenzen für den Betrieb:

1. Jeder Bericht sollte einen klar sichtbaren Haftungshinweis enthalten: Das Assessment ist eine Risikoeinschätzung auf Basis der Begehung zum Zeitpunkt X — keine Garantie, keine Rechtsauskunft, keine Zertifizierung.

2. Die Empfehlung einer Risikoklasse (z.B. “VdS Klasse B empfohlen”) verpflichtet dich nicht zur Planung und Installation — das macht ein zertifizierter Fachbetrieb. Dein Assessment empfiehlt, nicht verbindlich vor.

3. Wenn du in regulierten Bereichen arbeitest — Kreditinstitute, Juweliere, Apotheken, Objekte mit behördlicher Sicherheitsauflage — prüfe mit deinem Anwalt oder dem Kunden, ob das Assessment bestimmte formale Anforderungen erfüllen muss, die über eine freie Empfehlung hinausgehen.

4. Lass den Haftungshinweis und die Vertragsformulierung einmalig juristisch prüfen. Das ist eine einmalige Investition, keine Bürde.

Das KI-System kennt diese Grenzen nicht von alleine. Es schreibt, was du es schreiben lässt. Es liegt an dir, den Rahmen zu definieren.

Woran du merkst, dass das zu dir passt

Du profitierst von diesem Ansatz, wenn:

• Du oder dein Team regelmäßig mehr als 20–30 Assessments pro Jahr durchführt und dabei spürbar Zeit in der Dokumentation verliert
• Verschiedene Berater Assessments für ähnliche Objekte schreiben und du gelegentlich merkst, dass sie zu unterschiedlichen Empfehlungen kommen
• Deine Berichte heute keine konsistente Struktur haben oder du intern keine Vorlage nutzt, die alle kennen
• Du Kundengespräche über Risikoklassifizierung führst, in denen du dir manchmal unsicher bist, wie du deine Einschätzung begründest
• Du mit einer überschaubaren IT-Bereitschaft im Team arbeitest und kein Entwickler-Setup benötigst

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

1. Weniger als 20–30 Assessments pro Jahr. Entwicklungs- und Kalibrierungsaufwand amortisiert sich nicht. Investiere die Zeit stattdessen in gut strukturierte Word-Vorlagen — die lösen das Konsistenzproblem ohne KI.

2. Keine historischen Assessment-Beispiele vorhanden. Der Prompt muss gegen reale Assessments kalibriert werden, um unternehmenseigene Terminologie und Einstufungslogik zu lernen. Wer von Null startet — kein Referenzmaterial, keine etablierten Kriterien — muss zuerst eine eigene Methodik entwickeln, bevor er sie in einen Prompt gießen kann.

3. Formale Zertifizierungsanforderungen bestehen. Wenn deine Kunden oder Vertragspartner VdS-zertifizierte Planungsunterlagen brauchen, deckt ein KI-gestütztes Advisory-Assessment diesen Bedarf nicht ab. Dann ist der Ausgangspunkt ein anderer — und das Werkzeug ist die VdS-zertifizierte Planung, nicht das Assessment-Tool.

Das kannst du heute noch tun

Nimm ein vergangenes Assessment aus deinen Unterlagen — eines, das du selbst für typisch hältst. Öffne Claude (kostenloser Plan reicht für den Test) oder ChatGPT, und nutze den folgenden Prompt als Ausgangspunkt. Tausche die eckigen Platzhalter durch die Daten aus deinem Beispielobjekt — keine echten Kundendaten für den Test.

Was du danach weißt: Ob die Struktur funktioniert, wo der Prompt nachkalibriert werden muss, und ob dein Team damit arbeiten kann — bevor du einen Cent ausgibst.

Quellen & Methodik

• Einbruchsstatistik PKS 2024: Polizeiliche Kriminalstatistik 2024, herausgegeben vom Bundeskriminalamt: 78.436 Wohnungseinbrüche in Deutschland, Aufklärungsquote 15,3 %, durchschnittlicher Schaden 3.800 Euro. Gewerbeobjekte werden in separaten Deliktskategorien erfasst und sind in dieser Zahl nicht vollständig enthalten. (Quelle: www.polizei-dein-partner.de/themen/einbruchschutz, Stand 2025)
• VdS 2311 und VdS 2333: Richtlinien der VdS Schadenverhütung GmbH für Einbruchmeldeanlagen und Sicherungsrichtlinien für Geschäfte und Betriebe. Definieren die Risikoklassen A, B, C und das Betriebsartenverzeichnis. (Quelle: vds.de, Stand April 2026)
• Predictive Policing Failure Mode: The Markup, “Predictive Policing Software Terrible At Predicting Crimes” (Oktober 2023): Zeigte, dass algorithmische Vorhersagesysteme im LAPD und anderen Polizeibehörden selten mit tatsächlichen Verbrechensorten übereinstimmten. Relevanz für diesen Anwendungsfall: Risikoassessments dürfen nicht blind Algorithmen folgen — die Begehung durch qualifizierte Berater bleibt unverzichtbar. (Quelle: themarkup.org)
• Assessment-Zeitwerte: Erfahrungswerte aus der Sicherheitsdienstleistungsbranche in D/A/CH; keine repräsentative Studie, aber konsistente Angaben aus Branchengesprächen und Beratungsprojekten (Stand 2024–2026).
• Preisangaben Tools: Veröffentlichte Tarife von ChatGPT (openai.com), Claude (anthropic.com), Langdock (langdock.com) und Lumiform (lumiformapp.com), Stand April 2026.

Du willst wissen, ob dein aktueller Assessment-Prozess geeignet ist und wie du den Prompt-Aufbau konkret angehen kannst? Meld dich — das klären wir in einem kurzen Gespräch.