Zum Hauptinhalt springen
Operations

KI für Immobilienmakler — So beschleunigst du Exposé-Erstellung und Lead-Recherche 2026

Wie österreichische Makler mit Vision-Modellen, Marktdaten-RAG und 24/7-Anfrage-Bot die Exposé-Zeit um 75 Prozent senken — DSGVO-konform, mit ROI-Beispiel.

Von Andreas Will9 Min. Lesezeit
ImmobilienBauträger

Das Problem

Ein durchschnittliches Wohnungs-Exposé dauert im österreichischen Makler-Alltag zwei bis vier Stunden: Fotos sichten, Raumbeschreibungen formulieren, Lage-Text schreiben, Marktdaten recherchieren, Vergleichsobjekte zusammensuchen. Parallel dazu kommen täglich 15 bis 40 Interessenten-Anfragen rein, von denen 70 Prozent dieselben fünf Fragen stellen — Verfügbarkeit, Heizkosten, Besichtigungstermin, Provision, Hausordnung. Wer ernsthaft skalieren will, kommt mit klassischem Texten und manueller Recherche nicht mehr durch. Genau hier setzt der erste sinnvolle KI-Hebel im Maklergeschäft an.

So funktioniert die KI-Lösung

Ein KI-gestützter Makler-Workflow besteht aus drei verzahnten Komponenten. Erstens: ein Vision-Modell, das Wohnungsfotos analysiert — Raumtyp, Stil-Klassifikation (skandinavisch, Gründerzeit, modern), Ausstattungs-Erkennung (Parkettboden, Einbauküche, Loggia, Therme). Daraus entstehen 80 Prozent des Exposé-Textes automatisch, in der Brand-Voice des Maklerbüros.

Zweitens: ein Marktdaten-RAG über Statistik-Austria-Daten, ÖVI-Marktberichte, ImmoScout24- und willhaben-Aggregate. Damit liefert das System belastbare Lage-Argumente — Quadratmeterpreis-Range im Bezirk, Wertentwicklung der letzten fünf Jahre, ÖPNV-Anbindung, Infrastruktur-Score. Drittens: ein Anfrage-Bot auf der Maklerseite und im Exposé-Link, der 24/7 Erstkontakt übernimmt, Standardfragen beantwortet und qualifizierte Anfragen mit vollem Kontext an den Makler eskaliert.

Architektur-Skizze

So sieht ein typisches Setup für einen Wiener Makler mit 4–8 Mitarbeitern aus:

  • Foto-Upload-Layer: Drag-and-Drop-Interface, automatische Sortierung (Wohnzimmer → Küche → Bad → Schlafzimmer → Außen) via Vision-Klassifier
  • Vision-Modell: Claude Sonnet 4.5 oder GPT-4o mit Vision, EU-Routing, strukturierte Ausgabe (Raum, Stil, Ausstattungs-Features als JSON)
  • Marktdaten-RAG: PostgreSQL + pgvector, indexiert Statistik-Austria, ÖVI-Jahresberichte, eigene Verkaufshistorie des Maklerbüros
  • Exposé-Generator: LangGraph-Workflow, der Foto-Befund + Marktdaten + Lage-Daten + Brand-Voice-Template zu einem fertigen Exposé orchestriert
  • Anfrage-Bot: Web-Chat-Widget auf der Maklerseite und auf jedem Exposé-Link, WhatsApp-Business als zweiter Channel
  • Eskalations-Logik: Bei konkretem Besichtigungswunsch, Preisverhandlung oder Sonderfragen direkte Übergabe an den zuständigen Makler mit vollem Konversations-Kontext
  • Hosting: Hetzner Cloud Wien oder Vercel Frankfurt, kein US-Routing

DSGVO und EU AI Act

Datenschutzrechtlich heißt das vor allem: Eigentümerdaten und Interessentendaten sauber trennen. Eigentümerdaten (Wohnungsdetails, Verkaufspreis-Range, Sonderkonditionen) bleiben in einem separaten, zugriffsbeschränkten Index — der Anfrage-Bot bekommt nur die für die öffentliche Kommunikation freigegebenen Felder zu sehen. Interessenten-Daten (Name, Mail, Anfrage-Inhalt) landen DSGVO-konform im CRM mit klarer Einwilligungs-Spur.

Foto-Rechte sind in der Praxis der zweite Stolperstein: das Vision-Modell darf keine Personen-Erkennung machen, und für Innenaufnahmen muss die Zustimmung des Eigentümers schriftlich vorliegen. EU-AI-Act-Klassifizierung: minimal-risk. Weder die Exposé-Generierung noch der Anfrage-Bot treffen automatisierte Entscheidungen mit rechtlicher Wirkung — die Transparenz-Pflicht ("Sie sprechen mit einem KI-Assistenten") setzen wir trotzdem im ersten Bot-Response um.

ROI-Beispiel

Realer Case aus einem Wiener Maklerbüro mit sechs Maklern und etwa 180 Vermarktungs-Objekten pro Jahr:

KennzahlVorherNach 5 MonatenDifferenz
Zeit pro Exposé2,5 h35 min-77 %
Lead-Recherche pro Objekt90 min25 min-70 %
Erstkontakte über 24/7-Bot0 / Monat12 / Monat+12 / Monat
Antwortzeit Standard-Anfragen6–18 h<2 min-99 %
Vermarktungs-Kapazität / Makler30 Objekte/J45 Objekte/J+50 %

Setup-Kosten: €22.000 einmalig (Implementation-Sprint, 5 Wochen). Laufende Kosten: rund €1.400 pro Monat (LLM-API, Marktdaten-Aggregation, Hosting, Monitoring). Amortisation nach 6 Monaten. Der eigentliche Hebel liegt nicht in der Kostenersparnis, sondern in der zusätzlichen Vermarktungs-Kapazität — 15 Mehrobjekte pro Makler und Jahr bei gleichem Team.

2,5h → 35min

Exposé-Erstellung in einem Wiener Maklerbüro mit 6 Maklern, nach 5 Monaten Implementierung

Implementation-Aufwand

Wir liefern Makler-KI in drei Größenordnungen, abhängig von Portfolio-Größe und Tool-Anbindung:

  • Sprint S (4 Wochen, €12.000–18.000): Exposé-Generator mit Vision, Basis-Marktdaten (Statistik Austria), einfacher Anfrage-Bot auf der Maklerseite, kein CRM-Anbindung
  • Sprint M (5–7 Wochen, €22.000–35.000): Plus Marktdaten-RAG mit ÖVI/willhaben-Aggregaten, CRM-Anbindung (FlowFact, onOffice oder Justimmo), WhatsApp-Channel
  • Sprint L (8–12 Wochen, €40.000–70.000): Mehrere Standorte, Mehrsprachigkeit (DE/EN/HU für CEE-Klientel), Voice-Agent für Telefon-Erstkontakt, eigene Foto-Stil-Modelle pro Marke

Laufende AI-Care-Kosten: €900–2.500 pro Monat, abhängig von Volumen und Anzahl der Channels.

Häufige Fehler

Aus aktuell zwölf Makler-Audits kristallisieren sich drei Anti-Patterns heraus:

  1. Generische Exposé-Texte ohne Lokalkolorit: "Helle Wohnung in guter Lage" ist ein Symptom dafür, dass das Modell ohne Marktdaten-RAG und ohne Bezirksspezifika arbeitet. Der Wert eines KI-Exposés liegt im konkreten Detail — "drei Minuten zur U6-Station Spittelau, Mariahilfer Straße in sieben Gehminuten" — nicht im austauschbaren Marketing-Sprech.
  2. Bot ohne Eskalation an Mensch: Wer den Interessenten endlos im Chat parkt, verliert ihn. Spätestens bei der zweiten Folgefrage zum Objekt muss die Übergabe an den Makler kommen, mit vollem Kontext und sauberer Terminvereinbarung. Eskalationsrate sollte bei 30–40 Prozent liegen — alles darunter ist verdächtig.
  3. Falsche Marktdaten ungeprüft übernommen: Aggregierte Quadratmeterpreise aus Portal-Daten sind nicht dasselbe wie tatsächlich erzielte Verkaufspreise. Wir bauen einen Reality-Check gegen die eigene Verkaufshistorie des Maklerbüros ein — sonst landet ein 15 Prozent zu hoher Preis im Exposé, und das Objekt steht drei Monate zu lang am Markt.

Häufige Fragen

Was Makler vor dem Start fragen.

Wie viele Fotos braucht das System pro Wohnung?
In der Praxis funktionieren 8 bis 15 Fotos pro Objekt am besten — mindestens ein Foto pro Raum plus Außenaufnahme und ein Grundriss. Mit weniger als sechs Fotos sinkt die Qualität der Vision-Analyse spürbar; mehr als 20 bringen kaum noch Mehrwert.
Kann die KI auch für Gewerbeobjekte und Anlageimmobilien eingesetzt werden?
Ja, mit angepasstem Marktdaten-Index und einem separaten Exposé-Template. Für Anlageobjekte ergänzen wir Yield-Berechnungen aus aktuellen Mietpreis-Daten und Refurbishment-Schätzungen. Gewerbe-Exposés brauchen zusätzlich Branchen-Klassifikation und Widmungsdaten — Aufschlag im Setup etwa 30 Prozent gegenüber Wohnimmobilien.
Wie integriert sich das mit unserem bestehenden CRM (FlowFact, onOffice, Justimmo)?
Alle drei haben REST-APIs, an die wir den Exposé-Generator und den Anfrage-Bot anbinden. Ein neues Objekt im CRM löst automatisch den Exposé-Workflow aus; eingehende Anfragen landen als Lead im CRM mit vollem Konversations-Kontext. Setup-Aufwand pro CRM liegt bei 8 bis 16 Stunden zusätzlich.
Was passiert mit Eigentümer-Daten und Verkaufspreis-Sonderkonditionen?
Die landen in einem separaten, zugriffsbeschränkten Index, der nie an den öffentlichen Anfrage-Bot exponiert wird. Nur der eingeloggte Makler sieht diese Felder. Wir trennen technisch zwischen einem öffentlichen Knowledge-Layer (Exposé-Felder, FAQ) und einem internen Layer (Sonderkonditionen, Eigentümer-Notizen).
Müssen wir alle Exposé-Texte vor Veröffentlichung manuell prüfen?
In den ersten 4 bis 6 Wochen ja — das ist Teil der Quality-Calibration. Danach läuft eine Stichproben-Quote von 20 Prozent, kombiniert mit automatischer Plausibilitäts-Prüfung (Preis-Range, Quadratmeter-Konsistenz, Pflichtangaben). Komplett ohne menschlichen Review empfehlen wir nicht.

Bereit für ein erstes Audit?

Wenn dein Maklerbüro mehr als 60 Objekte pro Jahr vermarktet, lohnt sich der Blick auf KI-gestützte Exposé-Erstellung und Lead-Bearbeitung in fast jedem Fall. Im Audit S (€3.500) analysieren wir deinen aktuellen Workflow, schätzen die konkreten Zeit- und Vermarktungs-Effekte und liefern einen Implementation-Pfad. Buch dir einen 30-minütigen Discovery-Call — danach weißt du, ob sich der nächste Schritt für dich rechnet.

Verwandte Use Cases.

Operations

KI für Anwaltskanzleien — So setzt du KI 2026 ohne Verstoß gegen das RAO ein

KI in Anwaltskanzleien rechtssicher einsetzen. Vertragsanalyse, Schriftsatz-Drafting und RAG mit Anwaltsgeheimnis nach §9 RAO und Standesrecht.

Operations

KI für Bauträger — So beschleunigst du Projekt-Risikoanalyse und Genehmigungs-Workflow 2026

Grundstücks-Risiko-Scoring, Genehmigungs-Tracking und Behörden-Templates für Bauträger. ROI-Case aus Salzburg, Amortisation in 8 Monaten.

Operations

KI für Finanzanalyse — Risk, Forecasting und Compliance 2026 mit Audit-Trail

Risk-Aggregation, Forecasting und Compliance-Checks mit ML und LLM. Mit DPIA, Explainability und regulator-tauglichem Audit-Trail für Finance und Versicherung.

Bei diesem Use Case unterstützen wir.

Ein Audit zeigt dir in 1–6 Wochen, wie eine konkrete Implementation in deinem Unternehmen aussieht.