Worum es bei künstlicher Intelligenz im Facility Management wirklich geht

2026 ist künstliche Intelligenz aus den Gesprächen rund um Facility Management nicht mehr wegzudenken. Predictive Maintenance, Smart Buildings, automatisierte Energieoptimierung: Der weltweite Markt für KI im FM soll bis Ende des Jahres einen Wert von über 12 Milliarden US-Dollar erreichen, bei einem jährlichen Wachstum von mehr als 33%. Analysten kommen alle zur gleichen Einschätzung: KI ist kein Experiment mehr, sie wird zu einer operativen Grundlage.

Doch hinter dieser kollektiven Begeisterung bleibt eine Frage weitgehend unbeachtet: Woher kommen eigentlich die Daten, die diese Modelle speisen?

Der blinde Fleck der KI-Transformation im FM

Das Versprechen der KI beruht auf einem einfachen Prinzip: Je reichhaltiger und zuverlässiger die Daten, desto relevanter die daraus resultierenden Entscheidungen. Eine Anomalie erkennen, bevor sie zu einem Vorfall wird, einen Reinigungsbedarf antizipieren, bevor sich ein Nutzer beschwert, eine Wartungsrunde an die tatsächliche Nutzung eines Standorts anpassen: All das setzt eines voraus, nämlich Felddaten, die die Realität widerspiegeln und keine Annäherung.

In einem Großteil der Facility-Management-Betriebe existieren diese Daten jedoch schlicht nicht in nutzbarer Form. Papierbasierte Laufzettel, deklarative Zeiterfassung, telefonisch oder per E-Mail gemeldete Vorfälle: Diese Praktiken sind nach wie vor weit verbreitet und liefern Informationen, die unvollständig, unstrukturiert und oft erst nachträglich statt in Echtzeit erfasst werden.

Eine KI, die mit solchen Daten trainiert wird, trifft keine besseren Entscheidungen. Sie trifft schnellere Entscheidungen auf einer weiterhin ebenso ungenauen Grundlage.

Die Wahrheit vor Ort als Rohstoff

Genau dieses fehlende Glied adressieren wir bei Taqt. Unsere Aufgabe ist es nicht, KI-Modelle zu entwickeln, sondern sicherzustellen, dass diese Modelle, ob künftig unsere eigenen oder schon heute die unserer Partner und Kunden, Zugang zu einem zuverlässigen Rohstoff haben: Felddaten, die genau in dem Moment erfasst werden, in dem die Handlung stattfindet, ohne nachträgliche Eingabe und ohne ungenaue Selbstauskunft.

Konkret bedeutet das vier Datenströme, die unsere Lösungen in Echtzeit erfassen:

• Anwesenheit und Rundgänge (über TaqtOne): zuverlässige Zeitstempel für jeden Einsatz, die den papierbasierten Laufzettel durch einen nutzbaren digitalen Nachweis ersetzen.
• Sichere Zeiterfassung (über SafeQod): betrugssicher garantierte Ein- und Ausgänge, für zuverlässige HR- und Betriebsdaten.
• Serviceanfragen: Jede mit einem Klick gemeldete Störung wird zu einem strukturierten, zeitgestempelten Datensatz, der es ermöglicht, Reaktionszeiten zu messen und langfristig Bedarfe zu antizipieren, noch bevor sie gemeldet werden.
• Nutzerzufriedenheit: direkt vor Ort erfasstes Feedback, das eine Korrelation zwischen Zufriedenheit und Besuchsfrequenz ermöglicht.

Diese Datenströme, zentralisiert und standardisiert über Ubiqod, bilden genau die Art von strukturierter Datenbasis, die ein KI-Modell benötigt, um zuverlässige Vorhersagen zu liefern, statt Annäherungen, die als Algorithmen getarnt sind.

Vom Reaktiven zum Prädiktiven: eine Entwicklung, die bereits im Gange ist

Das ist keine ferne Perspektive. Der Übergang von einer reaktiven Instandhaltung, bei der erst eingegriffen wird, wenn ein Problem gemeldet wurde, hin zu einer präventiven, sogar prädiktiven Instandhaltung, ist bereits die Richtung, in die sich unsere Lösungen für Serviceanfragen entwickeln. Der Unterschied zwischen beiden liegt nicht in der Komplexität des nachgelagerten Algorithmus, sondern in der Qualität und Kontinuität der vorgelagert erfassten Daten.

Diese Überzeugung hat uns dazu bewogen, dem AEROSEED-Konsortium beizutreten, gemeinsam mit Akteuren wie ATALIAN, City One, Envisa oder XXII (Spezialist für Computer Vision), unter der Koordination von Hub One DataTrust. Dieses Projekt, das im Rahmen des France-2030-Programms mit 3,7 Millionen Euro gefördert wird, zielt darauf ab, die erste souveräne Plattform für den Austausch und die Wertschöpfung von Daten für kritische Infrastrukturen aufzubauen: Flughäfen, Bahnhöfe, Häfen und stark frequentierte kulturelle Standorte.

In diesem Ökosystem, in dem Fachexperten, KI-Spezialisten und Datenakteure zusammenkommen, ist unser Beitrag klar: die Wahrheit vor Ort einzubringen. Die fortschrittlichsten Algorithmen in Computer Vision oder Predictive Analytics schaffen nur dann Mehrwert, wenn sie mit einer korrekt dokumentierten operativen Realität verbunden sind, nämlich Sauberkeit, Sicherheit, Instandhaltung. Genau das ist die Brücke zwischen der menschlichen Arbeit vor Ort und den großen Datenthemen, die AEROSEED aufbauen will, und das ist die Rolle, die wir dabei einnehmen.

Was das für FM-Entscheider bedeutet

Wenn Sie Facility-Management-Betriebe verantworten und KI Teil Ihrer Roadmap für 2026-2027 ist, lautet die entscheidende Frage nicht "welches KI-Tool wähle ich zuerst", sondern "auf welchen Daten wird meine KI-Strategie überhaupt aufbauen?"

Eine KI, die mit geschätzten Daten gefüttert wird, liefert geschätzte Empfehlungen. Eine KI, die mit in Echtzeit gemessenen Daten gefüttert wird (Anwesenheit, Einsätze, Zufriedenheit), liefert Entscheidungen, die tatsächlich widerspiegeln, was auf Ihren Standorten geschieht.

Die Transformation des Facility Managements durch KI wird sich nicht allein in den Modellen entscheiden. Sie wird sich vor allem in der Zuverlässigkeit dessen entscheiden, was sie speist.

Das ist die Überzeugung, die unsere tägliche Arbeit leitet, und die uns dazu bewogen hat, an einem landesweiten Dateninfrastrukturprojekt teilzunehmen.