Adoptionsvermittlung mit KI-Matching im Tierheim verbessern

Das echte Ausmaß des Problems

Der Deutsche Tierschutzbund meldete im August 2024, dass 69 Prozent der Tierheime mindestens eine sehr hohe Auslastung haben, 49 Prozent sind vollständig belegt oder überfüllt, nur 18 Prozent haben noch Kapazitäten. Als Ursache nennt der Verband die Flut abgegebener Tiere nach dem Haustierboom der Pandemie, mit Überforderung, fehlender Zeit und gestiegenen Tierarztkosten als Abgabegründen.

Ein Platz, der durch eine Rückgabe wieder belegt wird, ist doppelt verloren: Das zurückgekehrte Tier muss neu eingewöhnt werden und blockiert einen Platz für ein anderes. Der Vermittlungsaufwand beginnt von vorne. Für kleine Tierheime mit fünf bis acht Mitarbeitenden bedeutet das, dass ein vermeidbarer Rückgabefall die Ressourcen für Wochen bindet.

Warum enden Adoptionen mit Rückgabe? Die Gründe ähneln denen, die der Tierschutzbund für Abgaben insgesamt nennt, selten “das Tier war krank” oder “es gab ein Unglück”, sondern: Über- und Unterforderung, Verhaltenserwartungen die sich als falsch herausstellen, unvereinbarer Alltag. Ein sportlicher Hund in einem Seniorenhaushalt ohne Garten. Eine scheue Katze in einem Haushalt mit Kleinkind. Ein Kaninchen, das sich als komplexes Sozialwesen herausstellt, obwohl der Käufer an ein pflegeleichtes Tier gedacht hatte.

Wie hoch die Rückgabequote in deutschen Tierheimen ist, dazu kennen wir keine veröffentlichte Zahl; wenn dein Heim Rückgaben mit Datum führt, hast du deine eigene. Eine Studie von Clay und Kollegen (Animals, 2020) zeigt dafür etwas, das für jedes Matching zählt: Freundlichkeit und Angst aus dem standardisierten Verhaltenstest im Heim sagten das Verhalten nach der Adoption voraus, Aggression, Futterverteidigung und Trennungsprobleme dagegen nicht zuverlässig. Oft war der Anpassungsaufwand für die Familie zu hoch, weil er im Vorfeld unterschätzt wurde, nicht weil jemand bösen Willen hatte.

Dabei hat jede einzelne Rückgabe konkrete Folgen für das Tier: Stress, Eingewöhnungsverlust, manchmal eine zweite oder dritte Rückgabe. Für das Tierheim: Wiederaufnahme, Gesundheitscheck, Neubeurteilung, erneuter Vermittlungsaufwand. Für die Beratenden: emotionale Belastung, die sich über Jahre akkumuliert.

Mit vs. ohne KI, ein ehrlicher Vergleich

Eine veröffentlichte Studie, die zeigt, dass KI-Matching Rückgaben senkt, haben wir nicht gefunden. Und selbst wenn es wirkt, könnte ein einzelnes Heim es kaum nachweisen: Um einen Rückgang um ein Fünftel, etwa von 12 auf 9,6 Prozent, statistisch sauber zu erkennen, bräuchte es grob 2.600 Vermittlungen vorher und noch einmal so viele nachher. Ein Heim mit 100 Vermittlungen im Jahr bräuchte dafür Jahrzehnte.

Einschätzung auf einen Blick

Zeitersparnis, niedrig (2/5)
Die Vorbereitung je Vermittlungsgespräch schrumpft von 20–45 auf 5–10 Minuten, also um 15 bis 35 Minuten. Bei 150 Gesprächen im Jahr sind das rund 40 bis 90 Stunden. Dagegen stehen 20 bis 30 Minuten Assessment für jedes neue Tier, bei 100 Aufnahmen im Jahr rund 35 bis 50 Stunden, dazu die Neubewertung der Langzeitbewohner alle vier Wochen. Unterm Strich bleibt wenig Zeit übrig, und in einem Verein ist ein Teil davon ehrenamtlich, spart also kein Geld. Geringer bewertet als Tagesberichte-Automatisierung oder Buchungsplanung; der Gewinn liegt in besserer Qualität je Gespräch.

Kosteneinsparung, niedrig (2/5)
Tierheime haben keine klassischen Unternehmenskosten-Strukturen. Die “Einsparung” ist indirekt: Jede verhinderte Rückgabe spart Wiederaufnahme, Gesundheitscheck, neue Fotos, neue Profile, und die gebundene Kapazität für das Tier. Was eine Rückgabe kostet, hat niemand systematisch erhoben; als Geld zählen Tierarztcheck, Futter und Unterbringung, die Arbeitszeit fest angestellter oder ehrenamtlicher Kräfte nur, wenn dafür jemand zusätzlich bezahlt wird. Bei 50 Vermittlungen im Jahr, angenommen 12 Prozent Rückgaben und ein Rückgang um ein Fünftel, ist es gut eine Rückgabe weniger im Jahr, und ob das am Matching lag, lässt sich nicht zeigen. Nicht spektakulär in Euro, für ein Heim an der Kapazitätsgrenze zählt trotzdem jeder freie Platz.

Schnelle Umsetzung, niedrig (2/5)
Das ist der härteste Wert dieses Anwendungsfalls. Bevor KI-Matching sinnvoll arbeiten kann, müssen Tierprofile und Bewerberfragebögen standardisiert und digital erfasst sein, und das braucht Zeit. Wer heute mit Papierformularen und handschriftlichen Tierkarteikarten arbeitet, startet 8–16 Wochen Vorbereitung bevor das erste Matching funktioniert. Dieser Wert ist korrekt niedrig, vergleichbar mit anderen datengetriebenen Anwendungsfällen in dieser Kategorie, die Bestandsdaten erst aufbauen müssen.

ROI-Sicherheit, sehr niedrig (1/5)
Die Rückgabequote zählst du leicht, aber ob sie wegen des Matchings sinkt, erfährst du nicht: Ein Rückgang um ein Fünftel verschwindet bei 100 Vermittlungen im Jahr im Zufall, zwei, drei Rückgaben mehr oder weniger kommen auch ohne jede Änderung vor. Für einen sauberen Nachweis bräuchte es Tausende Vermittlungen. Belegbar ist nur die kürzere Vorbereitung, der Rest bleibt eine begründete Hoffnung.

Skalierbarkeit, mittel (3/5)
Der Matching-Schritt selbst skaliert, ein weiterer Prompt kostet nichts. Aber jedes neue Tier braucht ein Assessment von 20 bis 30 Minuten, und Langzeitbewohner brauchen alle vier Wochen ein neues. Von allein besser wird das System auch nicht: ChatGPT oder Claude lernen nicht aus euren früheren Vermittlungen. Besser wird es nur, wenn jemand die Rückgaben auswertet und Profilfelder oder Prompt daraufhin anpasst.

Richtwerte, stark abhängig von Vereinsgröße, Datenlage und verfügbarer Personalkapazität für die Einrichtungsphase.

Was das Matching-System konkret macht

Das Grundprinzip ist einfacher als der Begriff “KI-Matching” klingt: Zwei Profile werden systematisch verglichen, und ein Sprachmodell begründet schriftlich, welche Übereinstimmungen und welche Risiken es sieht.

Das Tierprofil enthält strukturierte Angaben: Energielevel (1–5), Sozialverhalten mit Kindern (problemlos / bedingt geeignet / ungeeignet), Sozialverhalten mit anderen Hunden, Katzen, Kleintieren, Platzbedarf (Wohnung / Haus ohne Garten / Haus mit Garten), Trainingsstand, Besonderheiten (Angstverhalten, medizinische Bedürfnisse, Erfahrung mit Leine). Diese Angaben kommen aus dem Verhaltensassessment, das Tierheimmitarbeitende durchführen, strukturiert, nicht aus dem Bauchgefühl.

Das Bewerberprofil enthält: Wohnsituation (Wohnung/Haus, Gartenzugang, Etage), Aktivitätslevel des Haushalts, Berufstätigkeit und Abwesenheitszeiten, Kinder im Haushalt (Alter), bereits vorhandene Haustiere, Vorerfahrung mit Hunden (keine / eigener Hund als Kind / eigener Hund als Erwachsene/r), finanzielle Bereitschaft für Tierarztkosten.

Ein LLM, zum Beispiel über die ChatGPT-API oder Claude, bekommt beide Profile als strukturierten Text und eine klare Anweisung: Bewerte die Passung, nenne die größten Stärken und Risiken dieser Kombination, und gib eine Empfehlung. Das System schlägt nicht automatisch Entscheidungen vor, es erstellt eine strukturierte Gesprächsgrundlage für die Beratungssitzung.

Das Ergebnis: Vermittlungsberatende gehen in das Gespräch nicht mit 38 möglichen Tieren im Kopf, sondern mit drei bis fünf vorsortierten Vorschlägen und schriftlichen Begründungen. Das Gespräch kann sich auf das Wesentliche konzentrieren: Fragen klären, das Tier zeigen, die Familie beobachten.

Was das System nicht kann: Es ersetzt das direkte Beobachten. Die Reaktion des Hundes auf die Familie, die Körpersprache des Kindes auf das Tier, das bleibt Aufgabe der Beratenden, die das Tier kennen.

Verhaltensassessment als Datengrundlage

Das ist der Dreh- und Angelpunkt des gesamten Ansatzes, und der Punkt, an dem die meisten Projekte scheitern, bevor sie beginnen.

KI-Matching ist nur so gut wie die Daten, mit denen es arbeitet. Wenn Tierprofile handschriftlich auf Karteikarten vorliegen (“lieber Hund, mag Kinder”), helfen sie dem System nicht. Wenn Beurteilungen von Mitarbeitenden zu Mitarbeitenden schwanken (“Ich finde sie schüchtern, du findest sie ängstlich”), produziert das Matching inkonsistente Ergebnisse.

Für verlässliche Ergebnisse braucht ihr deshalb zuerst ein standardisiertes Verhaltensassessment, eine strukturierte Bewertungsroutine, die alle Mitarbeitenden gleich durchführen und die mit denselben Begriffen und derselben Skala erfasst. In den USA ist das SAFER-Protokoll (Safety Assessment for Evaluating Rehoming) der ASPCA weit verbreitet: Ein standardisierter Ablauf, der Reaktionen auf verschiedene Stimuli misst und in feste Kategorien überführt. Für deutsche Tierheime gibt es kein einheitliches Gegenstück, viele Heime haben eigene Protokolle, die sie an diese Anforderungen anpassen können. Verlass dich dabei nicht blind auf den Test: In der Studie von Clay und Kollegen sagten standardisierte Heimtests Freundlichkeit und Angst voraus, Aggression, Futterverteidigung und Trennungsprobleme aber nicht zuverlässig. Genau diese Felder markiert ihr im Profil als unsicher.

Was ihr konkret standardisieren müsst:

• Energielevel auf einer festen Skala (z. B. 1 = schläft viel, 5 = braucht 2+ Stunden Auslauf täglich)
• Sozialverhalten gegenüber Kindern unter 10 Jahren: problemlos / nach Eingewöhnung / nicht empfohlen
• Sozialverhalten gegenüber anderen Hunden: problemlos / leinenaggression / hundefeindlich
• Sozialverhalten gegenüber Katzen und Kleintieren: jagen / ignorieren / verträglich
• Platzbedarf: Wohnung geeignet / Wohnung mit täglichem Auslauf / Haus mit Garten erforderlich
• Trainingsstand: 1–5 (keine Grundkommandos bis vollständig gehorcht)
• Besonderheiten als Freitext-Feld: Angstverhalten, Ressourcenverteidigung, medizinische Besonderheiten

Diese Daten werden einmal beim Einzug des Tieres erfasst und bei Bedarf aktualisiert. Die Erfassung dauert 20–30 Minuten pro Tier. Die Datenbank dieser Profile ist das Kapital, auf dem das Matching aufbaut.

Erst wenn ihr für 20–30 Tiere strukturierte Profile habt, und 20–30 Bewerbermatchings durchgeführt und dokumentiert habt, lohnt sich der Einstieg in KI-gestütztes Matching. Davor: strukturierte Profiles manuell nutzen, manuell matchen, Erfahrungen sammeln.

Konkrete Werkzeuge, was wann passt

Die Werkzeugwahl hängt davon ab, wie viel IT-Kapazität das Tierheim hat und wie viele Adoptionen es pro Jahr durchführt.

Shelterluv , wenn ihr die Datenbasis professionell aufbauen wollt
Shelterluv ist speziell für Tierheime gebaut: Tier-Aufnahme, Verhaltensakte, Adoptionspipeline und Bewerber-Fragebögen in einem System. Das Besondere: keine Grundgebühr, historisch 2 USD pro abgeschlossener Adoption, die aktuellen Konditionen gibt es nur auf Anfrage. Das System ist ausschließlich englischsprachig und hostet Daten in den USA, einen AVV dokumentiert Shelterluv nicht. Das macht eine DSGVO-Prüfung vor dem Einsatz zwingend, den AVV fragt ihr schriftlich an.

Airtable , wenn ihr eine flexible, selbstgebaute Lösung wollt
Airtable ist kein Tierheim-Tool, aber es lässt sich ohne Programmierkenntnisse zur strukturierten Tier- und Bewerberdatenbank ausbauen. Ihr definiert die Felder (Energielevel, Sozialverhalten, Wohnsituation) und ein Formular für Bewerber. Die ausgefüllten Formulare landen direkt in der Datenbank. Von dort aus könnt ihr einen LLM-Prompt mit den Profildaten befüttern. Preis: Free-Plan bis 5 Editoren und 1.000 Datensätze je Base, danach Team für 20 USD je Nutzer und Monat bei jährlicher Zahlung. Standardmäßig US-Hosting, AVV und EU-Datenresidenz gibt es per Self-Service in jedem Plan.

Notion AI , für kleine Heime mit wenig technischer Infrastruktur
Notion lässt sich als einfache Tier- und Bewerberdatenbank nutzen, mit Notion AI als erstem Matching-Assistent. Ihr legt Tier-Seiten mit standardisierten Properties an und kopiert Profile in einen Notion AI-Prompt. Nicht so mächtig wie Shelterluv, aber in drei Tagen einsatzbereit, ohne Datenmigration und ohne Programmierkenntnisse. Preis: Notion Business 19,50 Euro/Person/Monat bei jährlicher Abrechnung (inklusive Notion AI, in Free und Plus nur als begrenzte Testversion).

ChatGPT oder Claude , der Matching-Motor
Unabhängig von eurer Datenbank-Wahl: Das eigentliche Matching übernimmt ein Sprachmodell. Ihr extrahiert das Tier- und Bewerberprofil als strukturierten Text und schickt ihn an ChatGPT oder Claude mit einem Matching-Prompt (siehe “Das kannst du heute noch tun”). Die Consumer-Tarife reichen für den Einstieg, ohne API-Integration, ohne technisches Know-how, aber nur mit Profilen ohne Namen, Adresse und Telefonnummer, denn weder ChatGPT Plus noch Claude Pro haben einen AVV. Für höheres Volumen oder echte Bewerberdaten lohnt der Schritt zu ChatGPT Business oder zur API.

Zusammenfassung: Wann welcher Ansatz

• Heim mit 100+ Adoptionen/Jahr, klare DSGVO-Prüfung durchgeführt → Shelterluv als Datenbasis
• Flexibilität wichtiger als Spezialtiefe, Offenheit für eigenes Setup → Airtable
• Kleines Heim, schneller Start, wenig Budget → Notion + ChatGPT
• In jedem Fall: ChatGPT oder Claude für den Matching-Schritt selbst

Datenschutz und Datenhaltung

Adoptionsbewerber sind Privatpersonen. Ihre Daten, Wohnsituation, Familiensituation, Haushaltsstruktur, sind personenbezogene Daten im Sinne der DSGVO. Wer sie in einem digitalen System erfasst und verarbeitet, braucht:

Rechtliche Grundlage für die Datenerhebung: Die Verarbeitung ist zulässig im Rahmen eines (vor)vertraglichen Verhältnisses (Art. 6 Abs. 1 lit. b DSGVO), der Bewerber beantragt die Adoption, das Heim prüft die Eignung. Eine gesonderte Einwilligung ist daher typischerweise nicht erforderlich, aber die Bewerber müssen über die Verarbeitung informiert werden (Datenschutzerklärung).

Auftragsverarbeitungsvertrag (AVV): Sobald ihr Bewerberdaten an einen externen Anbieter wie Shelterluv, Airtable oder ChatGPT übergebt, greift Art. 28 DSGVO. Airtable bietet den AVV per Self-Service in jedem Plan. OpenAI schließt ihn nur für ChatGPT Business, Enterprise und die API ab, nicht für Plus. Shelterluv dokumentiert keinen, den fragt ihr schriftlich an. Bei allen drei US-Anbietern kommen Standardvertragsklauseln (SCC) hinzu.

Was an ChatGPT / Claude übergeben werden darf: Im Matching-Prompt sollten keine direkt identifizierenden Daten stehen (Name, Adresse, Telefon). Strukturierte Profildaten (Wohnsituation: Wohnung 60 qm, 3. OG, kein Garten; Haushalt: 2 Erwachsene, 1 Kind 8 Jahre; Vorerfahrung: Hund als Kind gehabt) sind ausreichend für das Matching und lassen sich bei Bedarf anonymisiert übergeben.

Tierheim als gemeinnütziger Verein: Viele Tierheime sind eingetragene Vereine. Das entbindet nicht von der DSGVO-Pflicht, die Abstimmung ist bei flachen Vereinsstrukturen aber oft kürzer. Der erste Ansprechpartner für Datenschutzfragen ist der Vorstand, ggf. mit externer Beratung.

Empfehlung: Wer die KI-Matching-Lösung einführt, holt sich vorher eine einmalige Rechtsberatung (500–800 Euro) zu den Datenschutzfragen, und legt die Bewerberdatenschutzerklärung entsprechend an. Das ist kein Blocker, aber es sollte vor dem Produktivbetrieb erledigt sein.

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

• Standardisierung des Verhaltensassessments und der Bewerber-Fragebögen: 2–4 Wochen interner Aufwand (Veterinärin oder Tierheim-Leitung + Mitarbeitendentraining)
• Datenbankaufbau (Airtable oder Shelterluv): 1–2 Tage technische Einrichtung
• Rechtliche Beratung (DSGVO-Prüfung, AVV): einmalig 500–800 Euro
• Optionale externe Begleitung (KI-Implementierungsberatung): 1.000–3.000 Euro, wenn kein technisches Know-how intern vorhanden

Laufende Kosten (monatlich)

• Shelterluv: historisch 2 USD pro Adoption, bei 150 Adoptionen im Jahr also 150 mal 2 USD; heute nur auf Anfrage
• ChatGPT Plus für Matching-Prompts: 23 Euro im Monat, nur mit Profilen ohne Namen und Kontaktdaten
• Claude Pro als Alternative: 20 Euro im Monat, mit derselben Einschränkung
• Notion Business (falls genutzt): 19,50 Euro/Person/Monat bei jährlicher Abrechnung, 23,50 Euro bei monatlicher
• Airtable Free: kostenlos (bis 5 Editoren, 1.000 Datensätze je Base)

Gesamtkosten erstes Jahr (kleines Heim mit ChatGPT + Airtable-Ansatz):
Einmalig: 500 bis 3.800 Euro, je nachdem, ob zur Rechtsberatung noch eine externe Begleitung kommt. Laufend: 12 mal 23 Euro, also 276 Euro im Jahr für ChatGPT Plus. Das ist für die meisten Tierschutzvereine machbar, aber es ist Spendengeld, das sich über vermiedene Rückgaben nicht nachweisbar zurückholt.

Was ihr dagegen rechnen könnt
Was eine Rückgabe ein Heim kostet, hat niemand systematisch erhoben. In Geld zählen Tierarztcheck, Futter und Unterbringung bis zur nächsten Vermittlung; die Arbeitszeit fest angestellter und ehrenamtlicher Kräfte ist kein eingespartes Geld, solange niemand dafür zusätzlich bezahlt wird. Angenommen, ein Heim mit 100 Adoptionen hat 12 Prozent Rückgaben, also 12 im Jahr: Senkt das Matching sie um ein Fünftel, sind es 2 bis 3 weniger. Ob es das tut, weißt du nicht, siehe oben. Wichtiger ist die Kapazitätsfrage: Jeder freie Platz kann einem Tier gegeben werden, das darauf wartet.

Verhaltensassessment kommt vor der KI: Vier typische Einstiegsfehler

1. Mit dem Matching anfangen, bevor die Profile stehen.
Der häufigste Fehler: Man liest von KI-gestütztem Matching, installiert ein Tool, und merkt erst dann, dass die Tierprofile als Freitext-Notizen vorliegen, die kein System sinnvoll auswerten kann. Die Vorbereitung der Datenbasis dauert länger als die eigentliche KI-Integration. Reihenfolge: erst Daten strukturieren, dann matchen.

2. Bewerberfragebögen zu lang oder zu kurz machen.
Zu lang: Bewerber brechen den Fragebogen ab, bevor sie fertig sind, ihr habt zu wenig Daten. Zu kurz: Die Antworten sind zu grob, um sinnvolle Unterschiede zu erkennen. Bewährt hat sich ein Fragebogen mit 8–12 konkreten Fragen (Wohnsituation, Kinder, andere Tiere, Aktivitätslevel, Abwesenheitszeiten, Budget für Tierarztkosten). Fragen wie “Beschreiben Sie Ihren idealen Hund” sind für das KI-Matching nutzlos, geschlossene Fragen mit vorgegebenen Antwortoptionen sind besser auswertbar.

3. Das Matching-Ergebnis als Entscheidung behandeln.
Ein Sprachmodell kennt eure Region nicht: Was ein “aktiver Hund” in einer Bauernfamilie bedeutet, unterscheidet sich fundamental von einem Stadthaushalt, und das Modell bewertet beides nach denselben Wörtern. Dazu kommt, dass gerade Aggression und Futterverteidigung aus dem Heimtest schlecht vorhersagbar sind. Wer den Match-Score als Entscheidung liest, übernimmt diese Schwächen ungeprüft. Algorithmusergebnisse sind immer Vorschlag, nie Beschluss. Die Beratenden entscheiden.

4. Das System einführen, aber die Datenpflege vernachlässigen.
Tierprofile verändern sich: Ein Hund, der nach drei Wochen im Heim entspannter geworden ist, hat ein anderes Energieprofil als bei der Aufnahme. Wer Profile einmalig anlegt und nie aktualisiert, bekommt Vorschläge auf Basis veralteter Verhaltensbilder. Das betrifft besonders Tiere mit langer Verweildauer. Faustregel: Verhaltensprofile bei Tieren mit mehr als 6 Wochen Aufenthalt alle 4 Wochen neu bewerten.

Was mit der Einführung wirklich passiert, und was nicht

Das Matching-System wird nicht alle Beratenden sofort überzeugen. Das ist normal, und gut.

Die Erfahrenen werden skeptisch sein. Wer seit zehn Jahren Hunde vermittelt, hat ein feines Gespür entwickelt. “Das System sagt Milo ist ideal, aber ich kenne Milo seit drei Monaten, und diese Familie wirkt zu unstrukturiert für ihn.” Das ist wertvolles Wissen. Macht deutlich, dass das System diese Intuition nicht ersetzen soll, sondern ergänzen. Der Algorithmus hat keinen Blick für die Körpersprache, das Nervosität-Lächeln des Kindes, die Art wie der Vater auf das Tier reagiert. Das bleibt beim Menschen.

Das erste Matching wird nicht perfekt sein. Die ersten 20–30 Bewerbungen werden euch zeigen, wo die Kategorien zu grob sind, welche Fragen Bewerber falsch verstehen, und welche Tierprofile so einzigartig sind, dass kein standardisiertes Profil sie abbildet. Das ist kein Fehler des Systems, es ist der Lernprozess. Plant explizit eine vierwöchige “Kalibrierungsphase” ein, in der ihr Matching-Vorschläge evaluiert, aber noch nicht vollständig auf sie stützt.

Was konkret hilft:

• Eine Person zur “Matching-Verantwortlichen” benennen, die Fragen sammelt und Feedback in die Profilstruktur zurückspielt
• Monatliche Auswertung der letzten Vermittlungen: Stimmen die Matches? Gibt es Kategorien, die nachgebessert werden müssen?
• Rückgaben dokumentieren mit Begründung, was hat das Matching nicht vorhergesagt? Das wird euer wichtigstes Lernmaterial

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

“Wir haben nicht genug Kapazität, um noch eine neue Struktur einzuführen.”
Das ist der häufigste und ehrlichste Einwand. Tierheime arbeiten oft mit minimalem Personal unter hohem emotionalem Druck. Die Einrichtungsphase kostet tatsächlich Zeit, 3–5 Wochen echter Aufwand nebenbei. Was hilft: Den Aufbau auf eine Person konzentrieren, die anderen bleiben im normalen Betrieb. Eine Praktikantin oder ein FSJ-Teilnehmer kann viele der Profilierungsarbeiten übernehmen, wenn die Struktur klar ist.

“Unser Bauchgefühl funktioniert doch gut, warum etwas ändern?”
Bauchgefühl ist Erfahrung, wertvoll und nicht ersetzbar. Aber es geht bei Personalwechsel verloren, variiert zwischen Beratenden, und lässt sich nicht auswerten. Das Ziel ist nicht, Bauchgefühl zu ersetzen, sondern es zu ergänzen: Wenn das System und das Bauchgefühl divergieren, ist das ein wertvolles Signal, nicht ein Fehler.

“KI-Matching ist unpersönlich. Adoption ist doch Menschensache.”
Richtig, und das bleibt so. Das Matching ist Vorbereitung, nicht Entscheidung. Das Gespräch, das Kennenlernen, die Begegnung zwischen Tier und Bewerber, das alles bleibt unverändert. Was sich ändert: Beratende gehen vorbereitet ins Gespräch statt unvorbereitet. Die Zeit, die sonst für mentales Abwägen draufgeht, können sie für das Gespräch selbst nutzen.

Woran du merkst, dass das zu dir passt

Gute Zeichen:

• Dein Heim führt 50 oder mehr Adoptionen pro Jahr durch, genug Gespräche, dass sich die Vorbereitung lohnt
• Du hast mindestens eine Person, die bereit ist, die Profilpflege als dauerhaftes Aufgabenfeld zu übernehmen
• Verhaltensauffälligkeiten und Rückgaben sind ein wiederkehrendes Thema in euren Teambesprechungen
• Du hast bereits erste strukturierte Bögen oder Formulare, auch wenn sie nicht digital sind

Harte Ausschlusskriterien, wann es (noch) nicht passt:

1. Weniger als etwa 50 Adoptionen pro Jahr. Dann kennt die Beraterin jedes Tier selbst, und die paar Gespräche rechtfertigen den Aufwand für Profilpflege und Prompt nicht. Das Sprachmodell lernt ohnehin nicht aus euren früheren Vermittlungen, mehr Daten machen es nicht klüger, sie machen nur den Vergleich übersichtlicher. Stattdessen: Strukturierte Profilformulare einführen und manuell nutzen, das ist der erste sinnvolle Schritt.

2. Keine Person verfügbar, die Verhaltensprofile regelmäßig aktualisiert. KI-Matching auf Basis veralteter Tier-Profile ist gefährlicher als kein Matching, es gibt selbstbewusste Vorschläge auf falscher Grundlage. Wenn niemand Zeit hat, Profile bei Verhaltensveränderungen zu aktualisieren, ist der Ansatz nicht produktionsreif.

3. Bewerbungen laufen ausschließlich über Telefon und persönliche Gespräche ohne Dokumentation. Wenn Bewerberprofile nicht systematisch erfasst werden, gibt es keine Daten für das Matching. Wer nicht bereit ist, einen strukturierten Fragebogen einzuführen (auch als einfaches Formular auf der Website), kann KI-Matching nicht sinnvoll nutzen.

Das kannst du heute noch tun

Öffne ChatGPT oder Claude , ein kostenloses Konto reicht für den Einstieg. Erstelle ein strukturiertes Profil für drei Tiere, die aktuell im Heim leben (Energielevel, Sozialverhalten, Platzbedarf). Erstelle dann ein strukturiertes Profil für eine aktuelle Bewerbung, ohne Namen, Adresse und Telefonnummer, denn der kostenlose Plan hat keinen AVV und nutzt Eingaben zum Training. Schick beides mit dem untenstehenden Prompt an das Sprachmodell.

Wenn die Ausgabe besser ist als das, was ihr bisher als Vorbereitung hattet, wisst ihr: Das Konzept funktioniert für euch. Wenn nicht, wisst ihr, welche Profilfelder noch fehlen.

Quellen & Methodik

• Kapazitätsauslastung deutscher Tierheime (69 %, 18 % mit freier Kapazität): Deutscher Tierschutzbund e.V., Pressemitteilung „Tierheime sind überfüllt: Nur 18 Prozent haben noch Kapazitäten” (28.08.2024), tierschutzbund.de
• Vorhersagekraft von Verhaltenstests im Tierheim: Clay, L., Paterson, M. B. A., Bennett, P., Perry, G., Phillips, C. J. C., „Do Behaviour Assessments in a Shelter Predict the Behaviour of Dogs Post-Adoption?”, Animals (2020), PMC7401658: Freundlichkeit und Angst vorhersagbar, Aggression, Futterverteidigung und Trennungsverhalten nicht zuverlässig. Eine Rückgabequote nennt die Studie nicht.
• Wirkung von KI-Matching auf Rückgaben: Eine veröffentlichte, prüfbare Studie haben wir nicht gefunden.
• Stichprobengröße: Rechnung der Redaktion, Zwei-Stichproben-Vergleich zweier Anteile (12 gegen 9,6 Prozent, Signifikanzniveau 5 Prozent, Teststärke 80 Prozent): rund 2.600 Vermittlungen je Gruppe.
• SAFER-Protokoll: ASPCA, „SAFER® & Other Behavioral Assessment Tools”, ASPCApro aspcapro.org. Emily Weiss, Ph.D., CAAB, 1999, Kansas Humane Society. Standardisiertes Aggression-Assessment-Protokoll.
• Shelterluv-Pricing (historisch 2 USD pro Adoption): Capterra, Shelterluv Software Pricing (Stand Mai 2026), capterra.com; laut unserer Toolseite (Stand Juni 2026) heute nur auf Anfrage, kein dokumentierter AVV.

Du willst wissen, ob das für euer Heim machbar ist, welche Daten ihr schon habt und welche Schritte als erstes anstehen? Meld dich, das klären wir gemeinsam in einem kurzen Gespräch.