Diese Case Study stellt rückblickend dar, warum sich eine Wohnungsbaugesellschaft in Rostock für ein internes KI-Seminar entschied – und welche Regeln daraus für Mieterkommunikation, Instandhaltung und Wissensmanagement entstanden.

Wohnungsbaugesellschaften stehen heute vor einer anspruchsvollen Verbindung aus Service, Verwaltung, technischer Koordination, sozialer Verantwortung und wachsender Erwartung an digitale Kommunikation. Mieterinnen und Mieter erwarten schnelle Antworten. Fachbereiche arbeiten mit vielen Dokumenten, Vorgängen, Formularen und Rückfragen. Gleichzeitig müssen personenbezogene Daten, Mietverhältnisse, Schadensmeldungen, Zahlungsinformationen und interne Vorgänge besonders sorgfältig behandelt werden.

Diese aktuelle Fallstudie beschreibt ein Projekt der Bildungsakademie am Rosental mit einer Wohnungsbaugesellschaft in Rostock. Die Organisation wollte Künstliche Intelligenz nicht unkontrolliert einführen und auch keine sensiblen Mieterdaten in offene KI-Systeme übertragen. Ziel war vielmehr ein sicherer, verständlicher und praxisnaher Einstieg: Welche Aufgaben eignen sich für KI? Wo kann KI die Mieterkommunikation vorbereiten? Wie lässt sich internes Wissen besser strukturieren? Und welche Grenzen müssen von Beginn an gelten?

Der Projektbericht ergänzt den Themenbereich KI Inhouse Schulungen für Unternehmen und Organisationen und zeigt exemplarisch, warum gerade Wohnungsunternehmen von einer strukturierten KI-Kompetenzschulung profitieren können. Entscheidend war nicht die Einführung eines bestimmten Tools, sondern die Entwicklung gemeinsamer Regeln für Arbeitsalltag, Datenschutz, Qualitätssicherung und interne Entlastung.

 
 

 

Unser maßgeschneidertes Inhouse-Seminar für Sie!

Wählen Sie bei Ihrer Anfrage auch gern zwischen einem a) Inhouse-Präsenz-Seminar an Ihrem Standort, b) einem Inhouse-Online-Workshop mit Ihrem Team oder c) einem Inhouse-Präsenz-Kurs direkt an der Akademie – das Inhouse-Training gern auch in Kombination mit Teambuilding-Aktionen.

 

 

Ausgangslage: Viele Anfragen, viele Dokumente und hohe Verantwortung gegenüber Mietenden

Die Wohnungsbaugesellschaft in Rostock verwaltet mehrere Wohnobjekte und betreut täglich zahlreiche Anliegen von Mieterinnen und Mietern. Typische Themen sind Reparaturmeldungen, Betriebskosten, Nebenkostenabrechnungen, Mängelanzeigen, Modernisierungsankündigungen, Hausordnung, Terminabstimmungen, Beschwerden, Wohnungswechsel, Kündigungen und allgemeine Servicefragen.

Im Vorgespräch wurde deutlich, dass die Organisation bereits gut eingespielte Prozesse hatte. Trotzdem entstand an mehreren Stellen hoher Aufwand. Wiederkehrende Anfragen mussten immer wieder neu formuliert werden. Zuständigkeiten waren nicht für alle Mitarbeitenden sofort sichtbar. Neue Kolleginnen und Kollegen benötigten viel Erfahrungswissen, um passende Vorlagen, Ansprechpartner und Bearbeitungsschritte zu finden. Instandhaltung, Mieterbetreuung, Verwaltung und Kommunikation arbeiteten zwar eng zusammen, aber das interne Wissen war über verschiedene Systeme, E-Mails, Ordner und individuelle Routinen verteilt.

Zugleich gab es erste Berührungspunkte mit KI. Einzelne Mitarbeitende hatten ausprobiert, ob ChatGPT oder andere KI-Systeme bei Formulierungen helfen können. Andere waren skeptisch, weil Mieterdaten, Zahlungsinformationen oder Beschwerden keinesfalls unkontrolliert verarbeitet werden dürfen. Die Geschäftsführung entschied deshalb, keine informelle Einzelanwendung zuzulassen, sondern ein gemeinsames internes Seminar zu beauftragen.

Die Bildungsakademie am Rosental empfahl ein Format, das nicht nur Toolwissen vermittelt, sondern den sicheren Umgang mit KI im konkreten Arbeitskontext trainiert. Besonders passend war die Verbindung zur AI-Literacy-Schulung als Einstieg in das KI-Thema, weil die Teilnehmenden zunächst ein gemeinsames Grundverständnis brauchten: Was ist KI? Was kann KI? Was kann KI nicht? Und welche Verantwortung bleibt immer beim Menschen?

 
 

Warum sich die Wohnungsbaugesellschaft für ein internes KI-Seminar entschied

Die Entscheidung für ein internes KI-Seminar fiel aus drei Gründen. Erstens wollte die Organisation verhindern, dass Mitarbeitende KI uneinheitlich, unsicher oder ohne gemeinsame Regeln nutzen. Zweitens sollte geprüft werden, ob KI in der Mieterkommunikation, im Wissensmanagement und bei internen Entwürfen tatsächlich entlasten kann. Drittens wollte die Leitung das Thema nicht nur technisch, sondern organisatorisch und datenschutzbewusst einordnen.

Ein offenes Seminar hätte für einzelne Mitarbeitende zwar Impulse liefern können. Für diese Wohnungsbaugesellschaft war jedoch ein Inhouse-Format sinnvoller, weil die eigenen Aufgaben, Dokumentarten, Risiken und Kommunikationssituationen im Mittelpunkt stehen sollten. In der Wohnungswirtschaft sind viele Vorgänge sensibel: Beschwerden über Nachbarn, Zahlungsrückstände, Gesundheitsbezüge in Einzelfällen, soziale Härten, Instandhaltung in bewohnten Wohnungen oder interne Bewertungen von Vorgängen. Genau deshalb musste das Seminar mit abstrahierten Praxisfällen arbeiten, ohne echte Daten zu verwenden.

Das Projektziel lautete deshalb nicht: „Wir führen KI sofort breit ein.“ Es lautete: „Wir verstehen KI, identifizieren sichere Anwendungsfelder, entwickeln erste Regeln und prüfen, wie Mitarbeitende im Alltag verantwortungsvoll entlastet werden können.“ Diese Zielsetzung passte zur strategischen Einordnung im Themenhub Künstliche Intelligenz im Unternehmen – Inhouse Schulungen.

 
 

Projektziele: Entlastung, Sicherheit und besseres internes Wissen

Die Bildungsakademie am Rosental strukturierte das Projekt entlang von fünf konkreten Ergebniszielen. Diese Ziele wurden vor dem Seminartag mit der Wohnungsbaugesellschaft abgestimmt und im Training immer wieder aufgegriffen.

• Sichere Orientierung: Das Team sollte verstehen, welche KI-Anwendungen im Arbeitsalltag grundsätzlich sinnvoll sein können.
• Klare Grenzen: Es sollte festgelegt werden, welche Daten und Vorgänge nicht in offene KI-Systeme eingegeben werden dürfen.
• Bessere Mieterkommunikation: Wiederkehrende Antwortentwürfe sollten schneller, verständlicher und konsistenter vorbereitet werden können.
• Strukturierteres Wissensmanagement: Interne Informationen sollten besser sortiert, in FAQ-Form gebracht und für neue Mitarbeitende nutzbar gemacht werden.
• Transfer in den Alltag: Aus dem Seminar sollten erste Prompt-Vorlagen, Prüfschritte und eine einfache interne KI-Logik entstehen.

Damit ging es nicht um spektakuläre Automatisierung, sondern um kontrollierte Verbesserung in häufigen Arbeitsroutinen. Die Organisation wollte keine KI, die eigenständig Entscheidungen trifft. Sie wollte Mitarbeitende befähigen, KI als Entwurfs-, Strukturierungs- und Formulierungshilfe zu nutzen – mit menschlicher Prüfung, fachlicher Verantwortung und Datenschutzbewusstsein.

 
 

Vorbereitung: Welche Aufgaben aus der Wohnungswirtschaft in das Seminar einflossen

Vor dem Workshop sammelte das Projektteam typische Aufgaben aus der Mieterbetreuung, der Verwaltung, der technischen Koordination und der internen Kommunikation. Dabei wurden bewusst keine echten Mieterdaten, keine Namen, keine Adressen, keine Vertragsdetails und keine konkreten Schadensfälle verwendet. Alle Beispiele wurden anonymisiert, abstrahiert oder fiktiv formuliert.

Aus dieser Vorbereitung entstanden mehrere Übungsfelder: Antwortentwürfe auf allgemeine Mieterfragen, Formulierung von Zwischenbescheiden, Strukturierung von Reparaturprozessen, FAQ-Bausteine für wiederkehrende Anliegen, interne Checklisten, Wissensbausteine für neue Mitarbeitende und Prüffragen für sensible Fälle.

 

Arbeitsfeld	Beispielhafte Aufgabe	KI-Eignung im Seminar	Wichtige Grenze
Mieterkommunikation	Antwortentwurf zu allgemeiner Frage zur Hausordnung	gut geeignet	keine personenbezogenen Details
Instandhaltung	Checkliste für allgemeine Reparaturmeldung	gut geeignet	keine konkrete Wohnungsadresse
Beschwerdemanagement	empathische Formulierung für Zwischenbescheid	prüfpflichtig	keine Bewertung konkreter Personen
Betriebskosten	verständliche Erklärung allgemeiner Abrechnungsschritte	bedingt geeignet	keine individuellen Zahlungsdaten
Wissensmanagement	Gliederung für interne FAQ zu Standardprozessen	gut geeignet	fachliche Freigabe erforderlich
Soziale Härtefälle	Einzelfall mit sensiblen persönlichen Angaben	nicht geeignet	Nicht-Nutzungsregel

Die Vorbereitung war entscheidend, weil sie das Seminar von Beginn an in die Realität der Wohnungsbaugesellschaft übersetzte. Die Teilnehmenden erlebten KI nicht als abstrakten Trend, sondern als Werkzeug, das in bestimmten Situationen helfen kann und in anderen Situationen klar ausgeschlossen bleibt.

 
 

Seminaraufbau: Vom Grundverständnis zur sicheren Anwendung

Das interne KI-Seminar wurde als eintägiger Inhouse-Workshop mit 15 Teilnehmenden durchgeführt. Vertreten waren Mieterbetreuung, technische Verwaltung, Instandhaltungskoordination, interne Organisation, Kommunikation, Assistenz und Leitung. Diese Mischung war wichtig, weil KI-Anwendungen in der Wohnungswirtschaft fast nie nur eine einzelne Abteilung betreffen.

Am Vormittag ging es um Grundlagen: Wie funktionieren generative KI-Systeme? Warum können KI-Antworten plausibel klingen und trotzdem falsch sein? Was bedeutet Halluzination? Warum ist Datenschutz bei KI besonders wichtig? Welche Rolle spielt der EU AI Act? Und warum müssen Organisationen KI-Kompetenz nicht nur technisch, sondern auch organisatorisch aufbauen?

Am Nachmittag arbeitete die Gruppe mit praxisnahen Übungsfällen. Ein Team entwickelte neutrale Antwortvorlagen für wiederkehrende Mieterfragen. Ein zweites Team strukturierte eine interne FAQ für Instandhaltungsprozesse. Ein drittes Team prüfte, wie KI bei der Formulierung von verständlichen Zwischenbescheiden helfen kann. Ergänzend wurden passende Inhalte aus dem Einführungskurs zu ChatGPT und weiteren KI-Tools eingeordnet.

Die wichtigste Übung war der Vergleich verschiedener Prompt-Versionen. Eine Version enthielt zu viele konkrete Angaben und wurde verworfen. Eine zweite Version war so allgemein, dass das Ergebnis kaum nutzbar war. Eine dritte Version arbeitete mit neutralem Kontext, klarer Aufgabe, gewünschtem Ton, Ausgabeformat und Prüfschritt. Genau diese dritte Variante wurde später zur Grundlage für erste interne Prompt-Vorlagen.

 
 

Die entwickelte KI-Ampel für Wohnungsbaugesellschaften

Damit die Ergebnisse im Arbeitsalltag nutzbar bleiben, entwickelte das Team eine einfache KI-Ampel. Sie sollte keine juristische Einzelfallprüfung ersetzen, aber schnelle Orientierung ermöglichen. Gerade für Teams mit vielen wiederkehrenden Anfragen ist eine einfache Logik oft wirksamer als ein langes Regelwerk, das im Alltag nicht gelesen wird.

Grüne Aufgaben wurden als grundsätzlich geeignet eingestuft. Dazu gehörten neutrale Textentwürfe, Gliederungen, interne Checklisten, allgemeine FAQ-Strukturen, Formulierungshilfen und verständliche Erklärungen ohne personenbezogene Daten.

Gelbe Aufgaben wurden als prüfpflichtig eingestuft. Dazu gehörten Antwortentwürfe zu Beschwerden, allgemeine Informationen zu Betriebskosten, Instandhaltungsprozesse mit mehreren Beteiligten, Aushänge, Schreiben mit rechtlicher Nähe und interne Zusammenfassungen, die fachlich freigegeben werden müssen.

Rote Aufgaben wurden ausgeschlossen. Dazu gehörten Mieterdaten, Namen, Adressen, Vertragsnummern, Zahlungsrückstände, konkrete Beschwerden über Personen, Gesundheitsinformationen, soziale Härtefälle, konkrete Schadensbewertungen, personenbezogene Fotos und vertrauliche interne Vorgänge.

Diese Ampellogik wurde mit einem klaren Grundsatz verbunden: KI darf vorbereiten, strukturieren und formulieren. KI darf aber keine individuelle Entscheidung ersetzen, keine vertraulichen Daten verarbeiten und keine fachliche Freigabe übernehmen. Diese Haltung passt eng zum Inhouse-Seminar zum EU AI Act und aktuellen Unternehmenspflichten, weil dort KI-Kompetenz, Regulierung und organisatorische Verantwortung zusammengeführt werden.

 
 

Praxisbeispiel Mieterkommunikation: Verständlicher antworten, ohne Einzelfälle auszulagern

Ein Schwerpunkt des Seminars lag auf der Mieterkommunikation. Die Teilnehmenden wollten prüfen, ob KI bei wiederkehrenden Texten helfen kann, ohne konkrete Mietverhältnisse oder sensible Vorgänge in das System zu geben.

Ein Übungsfall behandelte eine allgemeine Frage zur Hausordnung. Die erste KI-Aufgabe lautete nicht: „Antworte Mieterin X aus Objekt Y.“ Stattdessen wurde der Prompt neutral formuliert: „Erstelle eine freundliche, sachliche Antwortvorlage für eine allgemeine Mieteranfrage zur Einhaltung der Hausordnung. Verwende keine personenbezogenen Daten. Formuliere verständlich, deeskalierend und mit Hinweis auf weitere Klärung durch die zuständige Stelle.“

Das Ergebnis war ein gut nutzbarer Entwurf, der anschließend gemeinsam überarbeitet wurde. Das Team kürzte zu allgemeine Formulierungen, passte den Ton an die eigene Organisation an und ergänzte interne Prüfschritte. Besonders hilfreich war, dass KI mehrere Tonalitätsvarianten liefern konnte: sachlich, empathisch, kurz, ausführlicher oder besonders klar.

Ein zweiter Übungsfall behandelte Beschwerden. Hier wurde besonders deutlich, dass KI zwar bei Sprache helfen kann, aber keine Bewertung des Einzelfalls übernehmen darf. Die Teilnehmenden entwickelten deshalb Vorlagen für Zwischenbescheide: Eingang bestätigen, Verständnis zeigen, Prüfung ankündigen, keine Schuldzuweisung, keine vorschnelle Zusage. Diese Vorlagen wurden als gelbe Aufgaben eingestuft und mit fachlicher Prüfung verbunden.

 
 

Praxisbeispiel Instandhaltung: Aus Einzelwissen wurden bessere Prozessbausteine

In der Instandhaltung zeigte sich ein anderer Nutzen. Viele Abläufe waren den erfahrenen Mitarbeitenden vertraut, aber nicht immer leicht zugänglich dokumentiert. Wann wird ein Vorgang intern weitergeleitet? Welche Informationen werden für eine Reparaturmeldung benötigt? Welche Rückfragen entstehen häufig? Welche Hinweise sollten Mieterinnen und Mieter erhalten?

KI wurde genutzt, um aus neutralen Prozessbeschreibungen Checklisten und Wissensbausteine zu erstellen. Dabei wurden keine echten Objektadressen, keine Mieterdaten und keine konkreten Schadensfotos verwendet. Stattdessen arbeitete das Team mit allgemeinen Szenarien: „Wasser tropft aus einem Anschluss“, „Heizung funktioniert nicht“, „Fenster schließt nicht richtig“, „Terminabstimmung mit Handwerksbetrieb erforderlich“.

Die KI-Ergebnisse halfen, vorhandenes Erfahrungswissen in übersichtlichere Bausteine zu übertragen. Es entstanden Vorschläge für interne Prüflisten, standardisierte Rückfragen und kurze Informationstexte. Die Fachbereiche entschieden anschließend, welche Bausteine realistisch, korrekt und verwendbar waren.

Damit wurde deutlich: KI ersetzt kein technisches Fachwissen. Aber KI kann helfen, Fachwissen besser aufzubereiten, Einarbeitung zu erleichtern und wiederkehrende Kommunikation vorzustrukturieren.

 
 

Wissensmanagement: Warum interne Orientierung wichtiger war als Automatisierung

Ein zentrales Motiv der Wohnungsbaugesellschaft war internes Wissensmanagement. In vielen Organisationen liegt Wissen nicht an einem Ort, sondern verteilt in Köpfen, E-Mails, Vorlagen, älteren Dokumenten, Ordnerstrukturen und Fachabteilungen. KI kann dieses Problem nicht allein lösen. Aber KI kann helfen, vorhandene Informationen in bessere Strukturen zu bringen.

Im Seminar entwickelte das Team eine erste Gliederung für ein internes Wissenssystem. Die vorgeschlagenen Kategorien waren: Mieterkommunikation, Instandhaltung, Betriebskosten, Beschwerden, Wohnungswechsel, Kündigung, Modernisierung, Hausordnung, Datenschutz, interne Freigaben und häufige Rückfragen.

Diese Struktur wurde nicht ungeprüft übernommen. Sie diente als Arbeitsgrundlage für eine kleine interne Transfergruppe. Besonders hilfreich war, dass die Teilnehmenden nach dem Seminar besser unterscheiden konnten, welche Informationen allgemein nutzbar sind und welche Informationen wegen Datenschutz, rechtlicher Nähe oder Einzelfallbezug besonders geschützt werden müssen.

Genau hier zeigte sich der Mehrwert eines internen Seminars gegenüber einer reinen Tool-Schulung: Die Organisation entwickelte nicht nur einzelne Prompts, sondern ein gemeinsames Verständnis für Wissen, Verantwortung und sichere Nutzung.

 
 

Ergebnisse nach sechs Wochen: Mehr Klarheit und erste Vorlagen im Alltag

Sechs Wochen nach dem Seminar berichtete die Wohnungsbaugesellschaft von mehreren konkreten Ergebnissen. Die Organisation hatte keine große KI-Plattform eingeführt und keine automatisierte Mieterkommunikation gestartet. Stattdessen wurden kleine, kontrollierte Anwendungsschritte umgesetzt.

Erstens entstand eine interne Prompt-Sammlung für grüne Aufgaben. Dazu gehörten neutrale Antwortentwürfe, Checklisten, Gliederungen und FAQ-Strukturen. Zweitens wurde die KI-Ampel in einer kurzen internen Orientierung zusammengefasst. Drittens begann die Mieterbetreuung, wiederkehrende Fragen in eine bessere Vorlagenstruktur zu überführen. Viertens wurden Instandhaltungsprozesse auf mögliche Wissensbausteine geprüft.

Der wichtigste Fortschritt war die neue Entscheidungssicherheit. Vor dem Seminar gab es Unsicherheit zwischen Neugier und Ablehnung. Nach dem Seminar konnte das Team deutlich genauer sagen: Diese Aufgabe eignet sich. Diese Aufgabe braucht Prüfung. Diese Aufgabe bleibt ausgeschlossen. Dadurch wurde KI nicht als diffuses Risiko oder als Wundermittel verstanden, sondern als begrenztes Werkzeug für klar definierte Arbeitsroutinen.

 
 

Grenzen: Welche KI-Nutzung bewusst ausgeschlossen wurde

Die Bildungsakademie am Rosental legte großen Wert darauf, nicht nur Chancen zu zeigen, sondern Grenzen klar zu benennen. In der Wohnungswirtschaft können personenbezogene und sensible Informationen schnell in scheinbar alltäglichen Vorgängen auftauchen. Eine Beschwerde kann Rückschlüsse auf Nachbarschaftskonflikte enthalten. Eine Zahlungsfrage kann wirtschaftliche Notlagen berühren. Eine Reparaturmeldung kann Informationen über Wohnsituation, Gesundheit oder persönliche Lebensumstände enthalten.

Deshalb wurden mehrere Nicht-Nutzungsregeln definiert. Echte Mieterdaten wurden ausgeschlossen. Konkrete Vertragsinformationen wurden ausgeschlossen. Zahlungsrückstände wurden ausgeschlossen. Beschwerden über einzelne Personen wurden ausgeschlossen. Gesundheitsbezogene Angaben wurden ausgeschlossen. Fotos aus Wohnungen wurden ausgeschlossen. Interne Bewertungen von Einzelfällen wurden ausgeschlossen.

Diese klaren Grenzen erhöhten die Akzeptanz im Team. Denn Mitarbeitende mussten nicht jedes Mal neu grundsätzlich diskutieren, ob KI erlaubt ist. Sie konnten sich an einer einfachen Regel orientieren: Wenn ein Vorgang personenbezogen, vertraulich, rechtlich sensibel oder einzelfallbezogen ist, wird er nicht in offene KI-Systeme eingegeben.

 
 

Interne Verlinkung im KI-Cluster: Wo diese Case Study fachlich anschließt

Diese Case Study gehört zum KI-Cluster der Bildungsakademie am Rosental. Der strategische Einstieg erfolgt über den Themenhub Künstliche Intelligenz im Unternehmen – Inhouse Schulungen. Dort werden Nutzen, Risiken, Zielgruppen, Ablauf und Transfer von KI-Inhouse-Schulungen grundsätzlich eingeordnet.

Für Organisationen, die passende Weiterbildungsformate vergleichen möchten, ist die Übersicht KI-Kurse und KI-Seminare der wichtigste Einstieg. Besonders nah an dieser Case Study liegen die Schulungen AI Literacy als Einstieg in das KI-Thema, EU AI Act und Unternehmenspflichten sowie der Einführungskurs zu ChatGPT und weiteren KI-Tools.

Ergänzend beantworten die FAQ-Artikel zu KI, AI und GEO viele Fragen, die auch für Wohnungsbaugesellschaften relevant sind: Welche Inhalte werden in einer KI-Inhouse-Schulung vermittelt? Wie wird Datenschutz berücksichtigt? Welche Ergebnisse sind realistisch? Und für welche Teams eignet sich ein internes Format?

Weitere Praxisbeispiele finden sich in den Case Studies der Bildungsakademie am Rosental. Das Magazin der Bildungsakademie ergänzt diese Projektberichte durch Hintergrundwissen zu Kommunikation, Führung, Organisation, Konflikten, Digitalisierung und beruflicher Weiterbildung.

 
 

Durchführende Person im Projekt

Haupttrainerin für KI-Kompetenz, Mieterkommunikation und internes Wissensmanagement

Die Schulung wurde von einer erfahrenen Haupttrainerin der Bildungsakademie am Rosental durchgeführt, die auf KI-Kompetenz, digitale Kommunikation und organisationsbezogene Lernprozesse spezialisiert ist.

Ihr Trainingsansatz verbindet verständliche KI-Grundlagen mit realen Aufgaben aus Kundenservice, Verwaltung, Wissensmanagement und sensibler Kommunikation.

Im Mittelpunkt stehen sichere Anwendung, klare Grenzen, nachvollziehbare Prompt-Methodik und Transfer in den Arbeitsalltag. Zu ihren fachlichen Schwerpunkten gehören AI Literacy, KI-gestützte Textarbeit, interne Leitlinien, Datenschutzsensibilisierung, Kommunikation in anspruchsvollen Servicekontexten und die Einführung pragmatischer KI-Pilotprozesse.

 
 

Was andere Wohnungsunternehmen aus dieser Case Study lernen können

Die wichtigste Lehre lautet: Wohnungsunternehmen sollten KI nicht zuerst über Technik einführen, sondern über wiederkehrende Aufgaben, sichere Grenzen und interne Verantwortung. Mieterkommunikation, Instandhaltung und Wissensmanagement eignen sich besonders gut für einen strukturierten Einstieg, weil dort viele Texte, Fragen, Vorlagen und Abstimmungen entstehen.

Gleichzeitig zeigt die Case Study, dass KI im Wohnungsunternehmen nur dann sinnvoll ist, wenn sensible Informationen geschützt bleiben. Der Nutzen entsteht nicht durch unkontrollierte Automatisierung, sondern durch bessere Entwürfe, klarere Vorlagen, strukturierteres Wissen und schnellere Orientierung.

Für andere Wohnungsbaugesellschaften lassen sich fünf Empfehlungen ableiten:

• Beginnen Sie mit wiederkehrenden Standardaufgaben. Dort wird Nutzen schnell sichtbar.
• Arbeiten Sie mit anonymisierten Beispielen. Praxisnähe ist möglich, ohne Mieterdaten zu verwenden.
• Trennen Sie Entwurf und Freigabe. KI kann vorbereiten, aber nicht verantworten.
• Nutzen Sie eine einfache Ampellogik. Grün, Gelb und Rot helfen im Arbeitsalltag.
• Binden Sie mehrere Bereiche ein. Mieterbetreuung, Instandhaltung, Verwaltung, Kommunikation und Leitung brauchen ein gemeinsames Verständnis.

 
 

FAQ zur Case Study: KI-Seminar für eine Wohnungsbaugesellschaft in Rostock

Warum entschied sich die Wohnungsbaugesellschaft für ein internes KI-Seminar?

Die Wohnungsbaugesellschaft entschied sich für ein internes KI-Seminar, weil sie KI sicher, einheitlich und praxisnah im eigenen Arbeitskontext verstehen wollte.

Im Projekt zeigte sich, dass einzelne Tool-Experimente nicht ausreichen, wenn Mieterkommunikation, Instandhaltung, Datenschutz und internes Wissen zusammenkommen.

Das Inhouse-Format ermöglichte, typische Aufgaben der Organisation zu bearbeiten, ohne echte Mieterdaten zu verwenden. Die Teilnehmenden konnten eigene Arbeitsfelder einbringen und gemeinsam Regeln entwickeln. Dadurch entstand nicht nur Wissen über KI, sondern ein gemeinsamer Rahmen für sichere Anwendung, Nicht-Nutzung und fachliche Prüfung.

 

Welche Aufgaben eigneten sich besonders gut für KI?

Besonders geeignet waren neutrale Textentwürfe, interne Checklisten, FAQ-Strukturen, Gliederungen und allgemeine Formulierungshilfen ohne personenbezogene Daten.

In der Praxis funktionierten vor allem Aufgaben, bei denen KI strukturieren, umformulieren oder erste Varianten vorbereiten sollte.

Beispiele waren Antwortvorlagen zu allgemeinen Fragen, interne Wissensbausteine für neue Mitarbeitende oder Checklisten für wiederkehrende Instandhaltungsmeldungen. Entscheidend war, dass keine Namen, Adressen, Vertragsnummern, Zahlungsdaten oder sensiblen Einzelfalldetails verwendet wurden. KI wurde als Entwurfshilfe verstanden, nicht als Entscheidungssystem.

 

Welche Daten durften nicht in KI-Systeme eingegeben werden?

Nicht eingegeben werden durften Mieterdaten, Adressen, Vertragsdetails, Zahlungsrückstände, Beschwerden über Personen, Gesundheitsinformationen und vertrauliche Vorgänge.

Diese Nicht-Nutzungsregel war einer der wichtigsten Bestandteile des Seminars, weil sie im Alltag sofort Orientierung gab.

Die Teilnehmenden lernten, dass auch scheinbar harmlose Kombinationen sensibel sein können. Eine Reparaturmeldung kann persönliche Lebensumstände enthalten, eine Beschwerde kann Rückschlüsse auf Nachbarschaftskonflikte ermöglichen. Deshalb wurde ein vorsichtiger Grundsatz festgelegt: Personenbezogene, vertrauliche oder einzelfallbezogene Inhalte werden nicht in offene KI-Systeme eingegeben.

 

Wie half KI bei der Mieterkommunikation?

KI half bei der Mieterkommunikation vor allem durch erste Antwortentwürfe, Tonalitätsvarianten und verständlichere Formulierungen.

Das Team nutzte KI nicht für automatische Antworten, sondern für vorbereitende Entwürfe, die anschließend geprüft und angepasst wurden.

Besonders hilfreich war KI bei allgemeinen Anfragen, Zwischenbescheiden und deeskalierenden Formulierungen. Die Teilnehmenden konnten verschiedene Varianten vergleichen: kurz, ausführlich, empathisch oder besonders sachlich. Danach passten sie die Texte an die eigene Sprache der Organisation an. Diese Arbeitsweise sparte Zeit, ohne Verantwortung an KI abzugeben.

 

Welche Rolle spielte Instandhaltung im Seminar?

Instandhaltung spielte eine wichtige Rolle, weil viele Reparatur- und Abstimmungsprozesse wiederkehrende Informationen, Rückfragen und Zuständigkeiten enthalten.

Das Team entwickelte mit KI-Unterstützung erste Checklisten und Wissensbausteine für typische Reparaturmeldungen.

Gearbeitet wurde mit neutralen Beispielen wie Heizung, Fenster, Wasseranschluss oder Terminabstimmung. Echte Objektadressen, Mieterdaten und Fotos wurden ausgeschlossen. KI half, Prozesswissen besser zu strukturieren und typische Rückfragen sichtbar zu machen. Die fachliche Bewertung blieb aber bei den zuständigen Mitarbeitenden und Fachbereichen.

 

Wie viele Personen nahmen am Workshop teil?

Am Workshop nahmen 15 Personen aus Mieterbetreuung, technischer Verwaltung, Instandhaltung, Organisation, Kommunikation und Leitung teil.

Diese Zusammensetzung war wichtig, weil KI-Anwendungen in einer Wohnungsbaugesellschaft mehrere Schnittstellen betreffen.

Die Mieterbetreuung brachte Kommunikationsfälle ein, die technische Verwaltung Prozessfragen, die Organisation Wissensmanagementthemen und die Leitung Transferanforderungen. Dadurch entstand ein gemeinsames Bild, das über einzelne Abteilungen hinausging. Gerade für interne Regeln war diese bereichsübergreifende Perspektive entscheidend.

 

Was war das wichtigste Ergebnis der Schulung?

Das wichtigste Ergebnis war eine einfache KI-Ampel mit geeigneten, prüfpflichtigen und ausgeschlossenen Aufgaben.

Zusätzlich entstanden erste Prompt-Vorlagen, Antwortbausteine, Checklisten und eine Struktur für internes Wissensmanagement.

Die Wohnungsbaugesellschaft gewann vor allem Entscheidungssicherheit. Mitarbeitende konnten nach dem Seminar besser unterscheiden, wann KI sinnvoll ist, wann eine Prüfung nötig ist und wann KI nicht eingesetzt werden darf. Diese Klarheit war wichtiger als die sofortige Einführung vieler Tools. Sie bildete die Grundlage für kontrollierte Pilotanwendungen im Alltag.

 

Warum wurde keine automatische Mieterkommunikation eingeführt?

Automatische Mieterkommunikation wurde nicht eingeführt, weil der erste Schritt bewusst auf Entwürfe, Prüfung und sichere Lernprozesse begrenzt wurde.

Dieser zurückhaltende Ansatz passte besser zu Datenschutz, Verantwortung und sensiblen Einzelfällen in der Wohnungswirtschaft.

Eine automatische Kommunikation hätte deutlich höhere technische, rechtliche und organisatorische Anforderungen erzeugt. Die Organisation wollte zunächst verstehen, welche Aufgaben überhaupt geeignet sind. Deshalb blieb KI auf vorbereitende Tätigkeiten begrenzt. Jede externe Kommunikation musste weiterhin menschlich geprüft, angepasst und freigegeben werden.

 

Wie wurde internes Wissensmanagement verbessert?

Internes Wissensmanagement wurde verbessert, indem wiederkehrende Fragen, Prozesswissen und Checklisten in klarere Strukturen überführt wurden.

KI half dabei, Kategorien vorzuschlagen, Wissensbausteine zu formulieren und Lücken in bestehenden Informationen sichtbar zu machen.

Die Organisation entwickelte erste Kategorien für Mieterkommunikation, Instandhaltung, Betriebskosten, Beschwerden, Wohnungswechsel, Datenschutz und interne Freigaben. Diese Struktur wurde anschließend fachlich geprüft. KI ersetzte also kein internes Wissen, sondern half, vorhandenes Wissen besser auffindbar und verständlicher zu machen.

 

Welche externen Quellen waren für die Einordnung wichtig?

Wichtige externe Bezugspunkte waren BSI, NIST, BfDI und GdW, weil sie Sicherheit, Risikomanagement, Datenschutz und Wohnungswirtschaft abdecken.

Diese Quellen halfen, das Seminar nicht als reine Tool-Schulung, sondern als verantwortungsbewussten Organisationsprozess einzuordnen.

Das BSI bietet Orientierung zu KI-Sicherheit, NIST zum Umgang mit KI-Risiken, der BfDI zu Datenschutzfragen und der GdW zu generativer KI in der Wohnungswirtschaft. Für das Seminar wurden diese Quellen nicht als juristische Detailprüfung genutzt, sondern als fachlicher Rahmen für sichere und realistische KI-Einführung.

 

Für welche Wohnungsunternehmen ist dieser Ansatz geeignet?

Der Ansatz eignet sich besonders für Wohnungsunternehmen, die KI zunächst in Kommunikation, Verwaltung, Instandhaltung und Wissensmanagement prüfen möchten.

Er ist besonders sinnvoll, wenn Mitarbeitende KI bereits ausprobieren, aber noch keine gemeinsamen Regeln existieren.

Auch kleinere und mittlere Wohnungsbaugesellschaften können davon profitieren, weil kein großes technisches Einführungsprojekt nötig ist. Entscheidend sind klare Aufgaben, anonymisierte Beispiele, Datenschutzsensibilität und menschliche Prüfung. Später kann daraus ein umfassenderes KI-Konzept entstehen, etwa mit IT, Datenschutz, Führung und Fachbereichen.

 

Was unterscheidet diese Case Study von einer allgemeinen KI-Schulung?

Der Unterschied liegt im starken Branchenbezug zu Wohnungswirtschaft, Mieterkommunikation, Instandhaltung und sensiblen Verwaltungsprozessen.

Die Schulung arbeitete nicht mit beliebigen Beispielen, sondern mit typischen Aufgaben einer Wohnungsbaugesellschaft.

Dadurch konnten die Teilnehmenden KI direkt auf ihre Arbeitsrealität übertragen. Statt allgemeiner Tool-Tipps entstanden konkrete Regeln, Vorlagen, Grenzen und Transferideen für den Alltag. Genau dieser Praxisbezug macht Inhouse-Schulungen besonders wirksam: Sie verbinden KI-Grundlagen mit den tatsächlichen Fragen einer Organisation.

 
 

Warum dieser Projektbericht exemplarisch für die Arbeit der Bildungsakademie ist

Diese Case Study ist exemplarisch für die Arbeit der Bildungsakademie am Rosental, weil sie zeigt, wie KI-Schulungen aus konkreten Organisationsfragen heraus entwickelt werden. Die Wohnungsbaugesellschaft in Rostock brauchte keinen allgemeinen Zukunftsvortrag, sondern Orientierung für Mieterkommunikation, Instandhaltung, Wissensmanagement, Datenschutz und interne Zusammenarbeit.

Die Bildungsakademie übersetzt KI-Themen in praxistaugliche Lernprozesse. Das bedeutet: verständliche Grundlagen, realistische Übungen, klare Grenzen, konkrete Vorlagen und ein Transfermodell für den Alltag. Gerade für Wohnungsunternehmen ist diese Verbindung wichtig, weil KI nicht isoliert eingeführt werden kann. Sie berührt Servicequalität, Vertrauen, Daten, Verantwortung, Fachbereiche und Kommunikation.

Der Projektbericht zeigt außerdem, warum die Case Studies der Bildungsakademie ein wichtiger Bestandteil des KI-Clusters sind. Sie machen sichtbar, wie aus allgemeinen KI-Fragen konkrete Lernwege in Organisationen entstehen – von der ersten Orientierung über sichere Anwendungsfälle bis zu internen Regeln.

 
 

Zusammenfassung: KI lohnt sich für Wohnungsunternehmen, wenn Regeln vor Tools kommen

Die Case Study zeigt, dass Wohnungsbaugesellschaften KI sinnvoll einsetzen können, wenn Mieterkommunikation, Datenschutz, Instandhaltung und Wissensmanagement gemeinsam betrachtet werden.

Das Projekt in Rostock machte deutlich: Der Nutzen von KI entsteht nicht durch unkontrollierte Automatisierung, sondern durch sichere Entwürfe, bessere Vorlagen, klarere Wissensstrukturen und ein gemeinsames Verständnis für Grenzen. Die Wohnungsbaugesellschaft entschied sich für ein internes Seminar, weil sie nicht einzelne Tool-Experimente fördern, sondern verantwortungsvolle KI-Kompetenz im Team aufbauen wollte.

Für andere Wohnungsunternehmen ist dieser Ansatz besonders wertvoll, weil er Entlastung und Verantwortung miteinander verbindet. Eine praxisnahe KI-Inhouse-Schulung kann helfen, diese Balance herzustellen und erste sichere Anwendungsschritte im Team zu verankern.

 
 

English Summary

Why a housing company in Rostock chose an internal AI seminar

This anonymized case study describes why a housing company in Rostock decided to run an internal AI seminar for tenant communication, maintenance coordination and knowledge management.

The project focused on safe draft texts, internal FAQ structures, maintenance checklists and clear rules for handling sensitive tenant information.

The organization did not introduce automated tenant communication. Instead, the team developed a practical traffic-light model for suitable, review-required and excluded AI tasks. The workshop helped employees understand how AI can support drafting, structuring and knowledge work while keeping human review, data protection and organizational responsibility at the center of the process.

 
 

Unser maßgeschneidertes Inhouse-Seminar für Sie!

Wählen Sie bei Ihrer Anfrage auch gern zwischen einem a) Inhouse-Präsenz-Seminar an Ihrem Standort, b) einem Inhouse-Online-Workshop mit Ihrem Team oder c) einem Inhouse-Präsenz-Kurs direkt an der Akademie – das Inhouse-Training gern auch in Kombination mit Teambuilding-Aktionen.

 



Ähnliche Artikel:

• Case Study: Stadtwerke nahe Koblenz setzten KI-Kurs für Kundenservice und Wissensmanagement ein
• Case Study: Wie eine Krankenkasse in Trier nach Inhouse-Seminar KI-Anwendungen sicher und schrittweise einführte
• Case Study: KI-Inhouse in Essen – warum vertrauliche Praxisfälle ein internes Seminar besonders wirksam machten
• Case Study: Von Inhouse-Kurs zur Praxis – wie ein Bauunternehmen in Ulm in Projekten die KI etablierte
• Case Study: Welche Aufgaben ein Handelsunternehmen in Celle nach unserem KI-Seminar automatisierte
• Case Study: Seit unserem AI-Kurs nutzt Lübecker Logistikunternehmen die KI für Angebote & Wissenssicherung