Eine Immobilienplattform wirkt von außen wie eine Nischenlösung. Im Kern besteht sie jedoch aus drei Dingen, die ich schon oft ausgeliefert habe: einem Marktplatz mit Angeboten, Suche, Filtern und Karte; einem CRM für Leads, Status und die Frage, wer wen angerufen hat; sowie einer Buchungsfunktion für Besichtigungen, Kalender und Erinnerungen. Mit KI wird daraus einer der sinnvollsten Einsatzbereiche für ein Modell: viel halbstrukturierter Text, Fotos und wiederkehrende Fragen – und ein Makler, dem immer die Zeit fehlt.
Ich beginne mit dem Datenmodell, denn daran steht oder fällt das Produkt. Ein Angebot ist nicht einfach eine Zeile mit einem Beschreibungsfeld. Es hat einen Typ, eine Preishistorie, einen Status (Entwurf, aktiv, reserviert, verkauft), einen Standort mit Koordinaten, Medien und einen Eigentümer oder eine Agentur. Dazu gehören PostgreSQL mit echten Constraints, PostGIS oder zumindest indexierte Koordinaten für die Kartensuche, Volltextsuche über Adressen und Beschreibungen sowie ein Audit-Trail, der festhält, wer wann den Preis geändert hat. Duplikate sind der klassische Schmerzpunkt – dieselbe Wohnung wird von drei Maklern inseriert. Deshalb gehört Deduplizierung ins Design und wird nicht später angeflickt.
Der öffentliche Teil läuft mit Next.js und SSR oder ISR für Angebotsseiten, denn in der Immobilienbranche bedeutet SEO Reichweite: Jedes Angebot ist eine Landingpage mit strukturierten Daten, schnell ladenden Bildern und einer verständlichen URL. Für Makler gibt es ein Dashboard mit Lead-Pipeline, Besichtigungskalender und Benachrichtigungen per E-Mail oder Telegram. Beide Seiten sind Mobile First: Interessenten scrollen am Handy, Makler arbeiten aus dem Auto.
Den größten Nutzen sehe ich bei KI, wenn sie ein Schritt im Arbeitsablauf ist und kein Chatbot auf der Startseite. Eine saubere Angebotsbeschreibung wird aus wenigen Feldern und Fotos entworfen und anschließend vom Makler bearbeitet und freigegeben. Strukturierte Daten lassen sich aus einem chaotischen PDF, einem kopierten Inserat oder einer Sprachnachricht extrahieren. Bei der semantischen Suche werden „zwei Schlafzimmer, ruhig, in Parknähe, unter dem Budget“ zu Filtern und Embeddings über den Beschreibungstexten. Bei der Lead-Qualifizierung fasst ein Modell das Gespräch zusammen und schlägt den nächsten Schritt vor – entscheiden darf der Makler. RAG über die eigenen Dokumente der Agentur – Verträge, Richtlinien und Stadtteilführer – sorgt dafür, dass Antworten eine Quelle haben.
Die Leitplanken sind dieselben wie bei jedem KI-Produkt, das ich entwickle. Das Modell veröffentlicht nie eigenständig einen Preis, unterschreibt nichts und schreibt keinem Kunden: Es erstellt einen Entwurf, ein Mensch bestätigt ihn. Jede Generierung wird samt Eingabe protokolliert, damit sich eine falsche Antwort zurückverfolgen lässt. Personenbezogene Daten werden minimiert, bevor sie einen Anbieter erreichen, und die Kosten sind pro Workflow begrenzt. OpenAI oder Anthropic steckt hinter einer Schnittstelle. So wird ein Modellwechsel zur Konfigurationsänderung statt zum Rewrite. Ich schalte einen Workflow per Feature-Flag frei, messe die eingesparte Zeit pro Makler und ergänze erst dann den nächsten.
Derselbe Ansatz funktioniert weit über Immobilien hinaus: Buchungsplattformen, Vertriebswerkzeuge für die Hotellerie, Marktplätze und CRM-intensive SaaS-Produkte – überall dort, wo Menschen viel Text bearbeiten und wiederkehrende Entscheidungen treffen. Wenn du so ein Produkt entwickelst, schick mir den einen Ablauf, den dein Team am liebsten nicht mehr von Hand erledigen würde. Ich antworte mit dem kleinsten Produkt, das ihn automatisiert, den nötigen Daten und der Stelle, an der ein Mensch im Prozess bleibt.
Geben Sie dem nächsten Produkt jemanden, der bleibt.
Bereit für den Start? Schreiben Sie mir – ich kann sofort beginnen und bleiben. Langfristige Mandate statt Übergabe nach zwei Wochen. Lassen Sie uns über Ihr Projekt, die Anforderungen und den besten Weg nach vorn sprechen.