KI Agent für Hausverwaltungen:
So bauen wir ihn Schritt für Schritt

Alle reden davon, was mit KI möglich ist – aber wie sieht der Weg dazwischen eigentlich aus? Victor öffnet in diesem Video die Blackbox und zeigt den konkreten Prozess, wie mitarbyte einen KI-Agenten für eine innovative Hausverwaltung in München baut. Das Ziel: 50 % weniger Aufwand im Tagesgeschäft. Ein ehrlicher Praxisbericht mit dem Schichtenmodell, Task Shadowing und den größten Learnings aus vier Wochen Projektarbeit.

Das Fünf-Schichten-Modell: Was man verstehen muss, bevor man baut

Bevor ein KI-Agent sinnvoll arbeiten kann, muss man fünf Ebenen durchdringen. Die Business Relevance Layer stellt sicher, dass das, was gebaut wird, für das Unternehmen überhaupt wertvoll ist. Die Task & Decision Layer erfasst, was ein WEG-Verwalter tagtäglich tut und welchen Entscheidungsfäden er folgt. Die Knowledge & Context Layer klärt, woher das Wissen kommt – aus dem Kopf, aus Unternehmensrichtlinien oder aus Systemen.

Dazu kommen die Systems Layer (welche IT-Systeme sind im Einsatz, wo sind Datenlücken?) und die Security Layer – ganz entscheidend, um Leitplanken zu definieren: Was passiert, wenn ein Prozess mal fehlschlägt? Welche Konsequenzen hat das, und welche Vorkehrungen braucht man?

Der Prozess: Vom Kickoff bis zur Umsetzung in vier Wochen

Victor beschreibt den konkreten Ablauf des Projekts: Nach dem Kickoff folgte eine Task-Shadowing-Phase – teils in Live-Meetings, teils über asynchron zugesendete Loom-Videos, in denen WEG-Verwalter ihre Arbeitsabläufe zeigten. Darauf aufbauend folgten ein Task- und Datenworkshop, ein Technologie-Workshop und schließlich eine Validierungsphase.

Die Use-Case-Umsetzung läuft in zwei- bis dreiwöchigen Iterationsschleifen: Sprint Planning, Entwicklung, Validierung mit Testdatensatz, Demo beim Kunden – und dann ab in die nächste Schleife. Für das Rollout und die Integration in den Arbeitsalltag gibt es noch offene Fragen: eigene Plattform mit Chat-Interface, Browser-Plugin als Web-Agent oder eine Kombination – das wird sich im Laufe des Projekts zeigen.

Die drei größten Learnings aus dem Projekt

• Das Schichtenmodell konsequent durchziehen: Als Externer muss man nicht nur verstehen, was der Verwalter tut, sondern auch welchen Kontext er hat, welche Konsequenzen Fehler haben und woher sein Wissen stammt. Das Fünf-Schichten-Modell war dafür extrem hilfreich.
• Use Cases von Anfang an bewerten: Nach Mehrwert für das Unternehmen und Einfachheit der Umsetzung priorisieren. Dann mit den Quick Wins starten. Victor gibt zu, das erst zu spät konsequent umgesetzt zu haben.
• Task Shadowing vor der Priorisierung: Zwar riskiert man, einen Prozess zu analysieren, der sich als wenig wertvoll herausstellt. Aber man kann die Komplexität viel präziser abschätzen – und im Zweifel ist mehr Analyse besser als zu wenig.

Fazit: Flickenteppich oder Superagent?

Victors ehrliche Einschätzung: Der aktuelle Ansatz – einzelne Use Cases herauslösen, die einfach und wertvoll sind – erzeugt zunächst einen Flickenteppich an Lösungen. Ob sich das später zu einem umfassenden KI-Agenten bündeln lässt oder ob mehrere spezialisierte „Superagenten" für Teilbereiche sinnvoller sind, ist noch offen. Aber genau diese Offenheit ist auch eine Stärke: Der Ansatz lässt Spielraum für die richtige Architektur, die sich erst im Laufe des Projekts zeigt.