Präsentation AI im FM

AI im Facility Management bedeutet den Einsatz künstlicher Intelligenz zur Analyse, Automatisierung und Entscheidungsunterstützung im Gebäudebetrieb. Dazu gehören unter anderem Energieoptimierung, Predictive Maintenance, Service-Desk-Automatisierung, Flächenanalysen, Reinigungssteuerung, Sicherheitsanalysen, Dokumentenauswertung und Managementreporting.

Facility Management erzeugt große Mengen an Betriebsdaten: Anlagenzustände, Energieverbräuche, Störungen, Tickets, Flächennutzung, Reinigungsbedarfe, Sensorwerte, Wartungsdaten und Nutzeranfragen. KI kann diese Daten auswerten, Muster erkennen, Prognosen erstellen und Prozesse beschleunigen. FM-Connect beschreibt KI als Unterstützung für operative und strategische FM-Prozesse durch datenbasierte Analyse und Automatisierung.

Praxisnahe Anwendungen sind Energieoptimierung, Predictive Maintenance, Service-Desk-Automatisierung, automatische Ticketklassifikation, Belegungsanalyse, Flächenoptimierung, dynamische Reinigung, Anomalieerkennung, KI-gestütztes Berichtswesen, Dokumentenanalyse und Wissensmanagement.

Nein. Große Organisationen haben meist mehr Daten und komplexere Prozesse, aber auch mittelständische Betreiber können mit klar abgegrenzten Use Cases beginnen. Sinnvoll sind überschaubare Piloten mit messbarem Nutzen, etwa Ticketklassifikation, Energieanomalien, Wartungsprognosen oder automatisierte Dokumentenauswertung.

Automatisierung führt definierte Regeln aus. KI erkennt Muster, leitet Wahrscheinlichkeiten ab, verarbeitet unstrukturierte Daten oder erstellt Prognosen. Ein klassischer Workflow verschickt ein Ticket nach festen Regeln. Eine KI kann den Text einer Störmeldung interpretieren, Priorität vorschlagen, ähnliche Fälle finden und einen passenden Lösungsvorschlag aus der Wissensdatenbank anbieten.

Machine Learning ist ein Teilgebiet der KI. Modelle lernen aus Daten, um Muster zu erkennen oder Prognosen zu erstellen. Im FM kann Machine Learning zum Beispiel Vibrationen von Maschinen, Energieprofile, Störhistorien oder Belegungsdaten auswerten.

Generative KI erzeugt neue Inhalte, zum Beispiel Texte, Zusammenfassungen, Bilder, Programmcode oder Dialogantworten. Im Facility Management kann sie Berichte zusammenfassen, Ausschreibungstexte vorbereiten, Wartungsdokumentationen durchsuchen, Service-Desk-Antworten formulieren oder Wissensartikel erzeugen.

Ein KI-Agent ist ein System, das Aufgaben nicht nur beantwortet, sondern mehrschrittig bearbeitet: Informationen abrufen, Entscheidungen vorbereiten, Werkzeuge nutzen, Tickets erzeugen oder Workflows anstoßen. Im FM kann ein Agent zum Beispiel eine Störmeldung analysieren, Anlageninformationen aus CAFM abrufen, ähnliche Fälle prüfen und einen Wartungsauftrag vorbereiten.

Predictive Maintenance ist vorausschauende Instandhaltung. Sensoren erfassen Zustandsdaten wie Vibration, Temperatur, Druck oder Geräusche. KI-Modelle analysieren diese Daten, erkennen Abweichungen und prognostizieren Wartungsbedarf, bevor ein Ausfall eintritt.

Geeignet sind vor allem kritische, datenfähige oder ausfallrelevante Anlagen: Aufzüge, Pumpen, Ventilatoren, Kälteanlagen, Lüftungsanlagen, Heizungsanlagen, Kompressoren, elektrische Anlagen, USV-Systeme, Türen, Tore, Fördertechnik und Produktionsnebenanlagen.

Der Nutzen liegt in weniger ungeplanten Ausfällen, besserer Wartungsplanung, längerer Anlagenlebensdauer, geringeren Störungskosten und höherer Betriebssicherheit. FM-Connect nennt reduzierte Ausfallzeiten, Kosteneinsparungen, verlängerte Lebensdauer und verbesserte Sicherheit als Vorteile.

KI-gestütztes Energiemanagement analysiert Energieverbräuche, Wetterdaten, Belegungsdaten, Betriebszeiten und Anlagenzustände. Daraus können Empfehlungen oder automatische Regelungen für Heizung, Kühlung, Lüftung, Beleuchtung und Lastmanagement entstehen.

Benötigt werden mindestens Verbrauchsdaten, Anlagenzustände, Betriebszeiten, Raumtemperaturen, Außenwetter, Belegung, Regelparameter, Zählerstrukturen, Nutzungsprofile und idealerweise historische Vergleichsdaten. Ohne saubere Zählerstruktur und Datenqualität bleibt die Optimierung eingeschränkt.

Ja, technisch ist das möglich. Organisatorisch und rechtlich ist jedoch zu klären, welche Entscheidungen automatisiert getroffen werden dürfen, welche Grenzen gelten, wer eingreift, wie der sichere Zustand gewährleistet wird und welche Betriebsparameter nicht überschritten werden dürfen. FM-Connect weist darauf hin, dass KI nicht nur analysieren, sondern bei integrierter Gebäudeautomation auch in Systeme eingreifen kann; zugleich sind Fail-Safe-Mechanismen notwendig.

KI im Service Desk unterstützt die Aufnahme, Klassifikation, Priorisierung, Weiterleitung und Beantwortung von Anfragen. Sie kann Chatbots, automatische Ticketgenerierung, intelligente Wissenssuche, Spracherkennung, Eskalationsvorschläge und Mustererkennung in Störungsdaten bereitstellen.

Nein. KI kann den First Level Support entlasten und Standardanfragen beschleunigen. Der Service Desk bleibt aber zentrale Anlaufstelle, Steuerungsinstanz und Eskalationspunkt. Komplexe, sicherheitsrelevante oder konfliktträchtige Fälle benötigen weiterhin qualifizierte Menschen.

Geeignet sind häufige, standardisierte und gut dokumentierte Anfragen: Zutrittskarten, Raumreservierung, Reinigungsnachfragen, Temperaturbeschwerden, einfache Störmeldungen, Wegweisung, Statusabfragen, FAQ, Anleitungen zu Nutzerportalen und Standardprozesse.

Eine KI-Wissensdatenbank verbindet strukturierte Fachinformationen mit Such-, Zusammenfassungs- und Antwortfunktionen. Im FM kann sie Betriebsanleitungen, Wartungsvorgaben, FAQs, Serviceprozesse, Betreiberpflichten, Handbücher, CAFM-Anleitungen und Lessons Learned nutzbar machen.

KI-gestütztes Flächenmanagement analysiert Buchungsdaten, Sensorik, Anwesenheitsmuster, Arbeitsplatznutzung, Raumklima und Flächenkosten. Daraus können Empfehlungen zu Desksharing, Raumgrößen, Schließung wenig genutzter Bereiche, Reinigungssteuerung oder Arbeitsplatzverteilung entstehen.

IoT liefert die Datenbasis für viele KI-Anwendungen. Sensoren, Zähler, Aktoren, Gateways und Plattformen erfassen Betriebs-, Umwelt-, Nutzungs- und Zustandsdaten. FM-Connect beschreibt Sensorik, IoT-Geräte, intelligente Zähler, Netzwerke und offene Schnittstellen als technologische Grundlage für KI im FM.

CAFM ist häufig das zentrale operative Daten- und Prozesssystem im Facility Management. KI kann CAFM-Daten auswerten, Tickets klassifizieren, Wartungsintervalle optimieren, Dokumente verknüpfen, Berichte erstellen oder Stammdatenqualitätsprobleme erkennen.

BIM kann strukturierte Gebäudedaten, Räume, Bauteile, Anlagen und Attribute bereitstellen. Für KI ist BIM besonders relevant, wenn Betriebsdaten, Sensorik, CAFM und digitale Zwillinge zusammengeführt werden. FM-Connect nennt ein einheitliches Datenmodell, etwa IFC, als hilfreiche Grundlage zur Verknüpfung von Bauplanung, Betrieb und Sensorik.

Ein digitaler Zwilling ist ein digitales Abbild eines Gebäudes oder technischen Systems, das Geometrie, Anlagen, Zustände, Betriebsdaten und Prozesse verbindet. KI kann auf dieser Grundlage Prognosen, Simulationen, Anomalieerkennung und Optimierungsvorschläge liefern.

KI benötigt vollständige, aktuelle, konsistente, nachvollziehbare und zweckbezogene Daten. Fehlende Sensoren, falsche Stammdaten, uneinheitliche Anlagenkennzeichen, unklare Raum-IDs, Medienbrüche und unvollständige Störungshistorien verschlechtern die Ergebnisse erheblich.

Data Governance regelt Verantwortlichkeiten, Datenmodelle, Datenqualität, Zugriffsrechte, Pflegeprozesse, Schnittstellen, Löschregeln und Freigaben. Für KI im FM ist Data Governance zwingend, weil Modelle sonst auf unklaren, veralteten oder unzulässigen Daten arbeiten.

Typische Ursachen sind unklare Ziele, schlechte Datenqualität, fehlende Schnittstellen, zu große Pilotumfänge, fehlende Nutzerbeteiligung, unklare Verantwortlichkeiten, Datenschutzprobleme, überschätzte Automatisierung, fehlender Business Case und mangelnde Integration in bestehende Prozesse.

Sinnvoll ist ein strukturierter Start mit Status-quo-Analyse, Use-Case-Sammlung, Datenprüfung, Nutzenbewertung, Risikoeinstufung, Datenschutzprüfung, Mitbestimmung, Pilotdefinition und klaren Erfolgskriterien. FM-Connect beschreibt dafür eine KI-Potenzialanalyse mit Status-quo-Check, Use-Case-Identifikation, ROI-Prognose, Pilot-Empfehlung und Roadmap. (AI FM Connect)

Ein guter Pilot ist klein genug, um beherrschbar zu bleiben, und relevant genug, um Nutzen zu zeigen. Er hat klare Datenquellen, definierte Nutzer, messbare KPIs, begrenzte Risiken, menschliche Kontrolle und eine klare Entscheidung nach der Testphase: skalieren, anpassen oder beenden.

Geeignete KPIs sind Bearbeitungszeit, First Contact Resolution, Ticketqualität, Energieeinsparung, Anlagenverfügbarkeit, Störungsquote, Prognosegenauigkeit, Wartungskosten, Nutzerzufriedenheit, Datenvollständigkeit, Fehlerquote, Automatisierungsgrad, Eskalationsquote, CO₂-Reduktion und Return on Investment.

Human Oversight bedeutet menschliche Kontrolle über KI-Systeme. Menschen müssen Ergebnisse prüfen, Entscheidungen korrigieren, Systeme abschalten, Eskalationen übernehmen und Verantwortung tragen können. Der AI Act nennt angemessene menschliche Aufsicht als Pflicht für Hochrisiko-KI-Systeme.

Erklärbarkeit bedeutet, dass nachvollziehbar bleibt, warum ein KI-System eine Empfehlung, Prognose oder Entscheidung erzeugt. Im FM ist das wichtig bei sicherheitsrelevanten, kostenrelevanten oder personenbezogenen Anwendungen, etwa Zutrittskontrolle, Flächenbelegung, Wartungspriorisierung oder Energieverteilung.

Der AI Act ist die EU-Verordnung für künstliche Intelligenz. Er legt risikobasierte Regeln für Anbieter und Betreiber von KI-Systemen fest und soll vertrauenswürdige KI, Sicherheit, Grundrechte und Innovation fördern.

Der AI Act unterscheidet im Kern unannehmbares Risiko, Hochrisiko, Transparenzrisiko sowie minimales oder kein Risiko. Unannehmbare Risiken sind verboten. Hochrisiko-Systeme unterliegen strengen Anforderungen. Transparenzpflichten betreffen etwa Chatbots und bestimmte KI-generierte Inhalte.

Kritisch sind insbesondere biometrische Zutrittskontrolle, KI-gestützte Videoanalyse, Beschäftigtenüberwachung, sicherheitsrelevante Gebäudeautomation, autonome Steuerung kritischer Anlagen, KI in Krisen- oder Evakuierungsprozessen und Systeme mit Personenbezug oder erheblichen Auswirkungen auf Rechte und Sicherheit. FM-Connect nennt biometrische Zugangskontrollen, Sicherheitsüberwachung, Energiemanagement und Predictive Maintenance als besonders prüfungsbedürftige Beispiele.

In der Regel nicht. Ein Chatbot für Serviceanfragen fällt typischerweise eher unter Transparenzanforderungen, weil Nutzer wissen müssen, dass sie mit einem KI-System interagieren. Das ändert sich, wenn der Chatbot Entscheidungen mit erheblichen Rechts- oder Sicherheitsfolgen trifft.

Ja, bei bestimmten KI-Systemen bestehen Transparenzpflichten. Die Europäische Kommission nennt als Beispiel Chatbots: Menschen sollen wissen, dass sie mit einer Maschine interagieren, um eine informierte Entscheidung treffen zu können.

GPAI steht für General-Purpose AI. Das sind allgemeine KI-Modelle, die eine breite Palette von Aufgaben erfüllen können und Grundlage vieler Anwendungen sind. Die AI-Act-Regeln für GPAI-Modelle gelten nach Darstellung der Kommission seit August 2025.

Der AI Act verlangt, dass Organisationen für angemessene KI-Kompetenz sorgen. Praktisch heißt das: Mitarbeitende, die KI-Systeme einsetzen oder verantworten, müssen deren Zweck, Grenzen, Risiken, Datenschutzanforderungen und Bedienung verstehen. Die Kommission nennt AI-Literacy-Pflichten als seit 2. Februar 2025 anwendbar.

ISO/IEC 42001:2023 ist ein internationaler Managementsystemstandard für künstliche Intelligenz. Er beschreibt Anforderungen an Aufbau, Umsetzung, Aufrechterhaltung und kontinuierliche Verbesserung eines AI Management Systems in Organisationen.

FM-Organisationen nutzen KI häufig in komplexen technischen und organisatorischen Prozessen. ISO/IEC 42001 schafft dafür einen Governance-Rahmen: Rollen, Verantwortlichkeiten, Risiken, Ziele, Richtlinien, Daten, Lieferanten, Überwachung, Audits und Verbesserungen werden systematisch gesteuert. FM-Connect beschreibt ISO/IEC 42001 als wichtigen Baustein für verantwortliche KI im Facility Management.

Nein. ISO/IEC 42001 ist ein Managementsystemstandard. Der AI Act ist EU-Recht. ISO/IEC 42001 kann helfen, Prozesse, Governance und Nachweise aufzubauen, ersetzt aber keine rechtliche Prüfung der konkreten Pflichten.

ISO/IEC 27001 ist ein Standard für Informationssicherheits-Managementsysteme. Er ist für KI im FM relevant, weil KI-Daten, Modelle, Schnittstellen, Sensoren, Zugänge, Cloud-Dienste und Gebäudeplattformen geschützt werden müssen. ISO beschreibt ISO/IEC 27001 als Anforderungen an ein ISMS zur Einrichtung, Umsetzung, Aufrechterhaltung und kontinuierlichen Verbesserung der Informationssicherheit.

Risiken entstehen bei personenbezogenen Daten aus Zutrittssystemen, Buchungssystemen, Sensorik, Videoanalyse, Service-Desk-Tickets, Nutzerprofilen, Standortdaten und Beschäftigtendaten. Zu prüfen sind Zweck, Rechtsgrundlage, Datenminimierung, Transparenz, Löschfristen, Zugriffsrechte, Auftragsverarbeitung und Datenschutz-Folgenabschätzung.

Eine Datenschutz-Folgenabschätzung ist erforderlich, wenn eine Verarbeitung voraussichtlich ein hohes Risiko für Rechte und Freiheiten natürlicher Personen zur Folge hat. Bei KI mit Videoanalyse, biometrischen Daten, Beschäftigtenprofilen, umfassender Verhaltensanalyse oder sensiblen Standortdaten ist eine Prüfung regelmäßig naheliegend.

Der Betriebsrat ist einzubeziehen, wenn KI-Systeme Arbeitsorganisation, Leistungs- oder Verhaltensdaten, technische Überwachung, Gesundheitsschutz, Qualifizierung oder Arbeitsbedingungen betreffen. § 87 Abs. 1 Nr. 6 BetrVG ist insbesondere bei KI-gestützten Ticket-, Buchungs-, Monitoring-, Sensor- oder Videoauswertungssystemen zu prüfen. (Gesetze im Internet)

Ja, sobald KI systematisch eingesetzt wird. Eine KI-Richtlinie sollte erlaubte und verbotene Nutzungen, Rollen, Datenregeln, Datenschutz, Urheberrecht, Prompting, Freigaben, Human Oversight, Dokumentation, Lieferanten, Sicherheitsanforderungen und Eskalationen regeln.

Nicht eingegeben werden sollten vertrauliche Unternehmensdaten, personenbezogene Daten ohne Rechtsgrundlage, Passwörter, Sicherheitskonzepte, Zutrittsdaten, technische Schwachstellen, Vertragsgeheimnisse, personenbezogene Tickets, Gesundheitsdaten, Betriebsratsdaten, interne Risikoberichte oder nicht freigegebene Pläne.

Urheberrecht ist relevant bei Plänen, Texten, Fotos, Gutachten, Ausschreibungen, Softwarecode, Schulungsunterlagen und generierten Inhalten. Vor Uploads in KI-Systeme ist zu klären, ob Nutzungsrechte bestehen und ob vertrauliche oder geschützte Inhalte verarbeitet werden dürfen.

KI im FM verbindet Gebäudetechnik, IT, Cloud, Sensorik, CAFM, Gebäudeautomation und Nutzerportale. Dadurch entstehen Angriffsflächen: Datenabfluss, Modellmanipulation, Prompt Injection, kompromittierte Sensorik, unsichere APIs, ungesicherte Fernwartung oder falsche Steuerbefehle. Cybersecurity muss daher Teil der KI-Governance sein.

Prompt Injection ist ein Angriff oder Fehlverhalten, bei dem ein KI-System durch manipulierte Eingaben dazu gebracht wird, Regeln zu ignorieren, Daten offenzulegen oder falsche Aktionen auszulösen. Besonders kritisch ist das bei KI-Agenten, die E-Mails lesen, Tickets bearbeiten oder Systeme ansteuern können.

Data Poisoning bedeutet, dass Trainings-, Referenz- oder Betriebsdaten manipuliert werden, sodass das KI-System falsche Muster lernt oder falsche Empfehlungen gibt. Im FM könnte dies etwa Energieprognosen, Wartungsprognosen oder Sicherheitsauswertungen verfälschen.

Concept Drift bedeutet, dass sich die Realität verändert, während das KI-Modell auf alten Mustern basiert. Im FM kann das auftreten, wenn Gebäudenutzung, Arbeitsmodelle, Anlagenzustände, Wetterprofile oder Betriebszeiten sich ändern. Modelle müssen deshalb überwacht und regelmäßig angepasst werden.

Nein. KI kann Betreiberpflichten unterstützen, aber nicht die Verantwortung ersetzen. Betreiber müssen weiterhin Organisation, Kontrolle, Fachkunde, Nachweise, Entscheidungen und Eskalationen sicherstellen. KI-Ergebnisse sind Hilfsmittel, keine haftungsfreie Delegation.

Das ist nur mit sehr strengen Anforderungen denkbar. Bei sicherheitskritischen Anwendungen müssen Risikoeinstufung, technische Zuverlässigkeit, Dokumentation, Human Oversight, Notfallmodus, Auditierbarkeit, Datenschutz, Cybersecurity und rechtliche Zulässigkeit geprüft werden. In vielen Fällen sollte KI lediglich Entscheidungsvorschläge liefern.

Human-in-the-Loop bedeutet, dass ein Mensch im Entscheidungsprozess eingebunden bleibt. Das ist im Facility Management besonders wichtig bei Sicherheitsfällen, Nutzerrechten, Zutrittsentscheidungen, Beschäftigtendaten, Krisenmanagement und kostenintensiven Maßnahmen.

Ausschreibungen sollten Datenzugang, Schnittstellen, Modelltransparenz, Datenschutz, Cybersecurity, Erklärbarkeit, Audit-Rechte, Betriebsmodell, Support, Wartung, Update-Regeln, Exit-Konzept, Datenportabilität, Schulung, SLA, KPIs und Verantwortlichkeiten regeln.

Viele KI-Lösungen kommen von Softwareanbietern, Plattformbetreibern, CAFM-Anbietern, Gebäudeautomationsfirmen oder Cloud-Diensten. Betreiber müssen prüfen, wer Anbieter, Betreiber, Auftragsverarbeiter, Unterauftragnehmer oder Integrator ist und welche Pflichten vertraglich abgebildet werden.

Ein KI-Register ist eine Übersicht aller im Unternehmen eingesetzten KI-Systeme. Es sollte Zweck, Systemname, Anbieter, Verantwortliche, Datenarten, Nutzergruppen, Risikoklasse, Rechtsgrundlage, Schnittstellen, Modelltyp, Human Oversight, Datenschutzstatus, Betriebsstatus und Prüfdatum enthalten.

Erforderlich sind je nach Anwendung KI-Register, Use-Case-Beschreibung, Risikobewertung, Datenschutzprüfung, Datenquellenbeschreibung, Berechtigungskonzept, technische Dokumentation, Testnachweise, Modellmonitoring, Betriebsanweisung, Schulungsnachweise, Betriebsvereinbarung, Verträge, Vorfallprozesse und Auditberichte.

Der Nutzen wird über vorher definierte KPIs gemessen: Zeitersparnis, Kostenreduktion, bessere Verfügbarkeit, weniger Störungen, schnellere Reaktionszeit, geringerer Energieverbrauch, weniger Beschwerden, bessere Datenqualität, höhere First-Contact-Resolution oder reduzierte CO₂-Emissionen.

Risiken sind Fehlinvestitionen, Akzeptanzverlust, Datenschutzverstöße, schwache Ergebnisse, Prozesschaos, falsche Automatisierung, unklare Verantwortlichkeit und Sicherheitslücken. KI sollte immer von konkreten Problemen, Nutzenerwartungen und Datenfähigkeit aus geplant werden.

Mitarbeitende benötigen Grundwissen über Funktionsweise, Grenzen, Risiken, Datenschutz, Prompting, Ergebniskontrolle und fachliche Plausibilisierung. FM-Connect betont bei der KI-Einführung Change-Management, Schulungen, Kompetenzaufbau, transparente Kommunikation und Beteiligung der Mitarbeitenden.

Deskilling beschreibt den Verlust fachlicher Fähigkeiten, wenn Menschen zu stark auf Automatisierung vertrauen. Im FM kann das kritisch werden, wenn technische Diagnosen, Betreiberpflichten, Dokumentationsprüfung oder Risikobewertungen ungeprüft KI-Systemen überlassen werden.

Durch Schulung, Plausibilitätsprüfungen, Rotation, fachliche Review-Prozesse, manuelle Notfallverfahren, dokumentierte Entscheidungsregeln und klare Vorgabe, dass KI Empfehlungen liefert, aber Fachverantwortung nicht ersetzt.

KI kann Energieverbräuche senken, Betriebszeiten optimieren, Lastspitzen erkennen, Anomalien melden, Reinigung bedarfsgerecht steuern, Flächen effizienter nutzen und Maßnahmen zur CO₂-Reduktion priorisieren. Voraussetzung ist eine belastbare Datenbasis und eine Kopplung an Energiemanagement und Nachhaltigkeitsziele.

KI kann Regelstrategien verbessern, Belegung, Wetter und Verbrauchsdaten berücksichtigen, Anomalien erkennen und Optimierungsvorschläge liefern. Der Eingriff in Gebäudeautomation erfordert jedoch klare Betriebsgrenzen, Fallback-Modus, Cybersecurity, Verantwortlichkeiten und Monitoring.

KI kann Reinigungsbedarfe anhand von Belegung, Sensorik, Beschwerden, Nutzungszeiten oder Roboterinformationen dynamisch steuern. Dadurch können Reinigungskräfte gezielter eingesetzt und Über- oder Unterreinigung reduziert werden.

KI kann Video-, Zutritts-, Sensor- und Ereignisdaten auswerten. Gerade hier sind aber Datenschutz, Mitbestimmung, Verhältnismäßigkeit, Erklärbarkeit, Fehlalarmmanagement und Risikoeinstufung besonders sensibel.

KI kann Kennzahlen verdichten, Abweichungen erläutern, Störmuster zusammenfassen, Energieberichte vorbereiten, Maßnahmenlisten strukturieren und Management-Dashboards ergänzen. Die fachliche Freigabe bleibt beim verantwortlichen Menschen.

Typische Fehler sind fehlendes Zielbild, schlechte Datenbasis, keine Risikoeinstufung, kein Datenschutzkonzept, keine Mitbestimmung, unklare Eigentümerschaft, keine Schulung, keine KPIs, fehlender Exit-Plan, nicht geprüfte Anbieter, unkontrollierte Schatten-KI und fehlende Überwachung nach dem Go-live.

Ein KI-Betriebskonzept sollte Geltungsbereich, Use Cases, Datenquellen, Systemarchitektur, Rollen, Verantwortlichkeiten, Risikoklasse, Datenschutz, Mitbestimmung, Cybersecurity, Human Oversight, Monitoring, KPIs, Vorfallmanagement, Schulung, Lieferantensteuerung, Dokumentation und kontinuierliche Verbesserung beschreiben.

FM-Connect unterstützt bei KI-Potenzialanalyse, Use-Case-Identifikation, Dateninfrastruktur, KI-Governance, KI-Strategie, Service-Desk-Automatisierung, Predictive Maintenance, KI-IoT-Integration, AI-Cybersicherheit, KI-Ethik, Nutzerzentrierung, Wissensmanagement, Automatisierung und Umsetzung von Pilotprojekten. Der Schwerpunkt liegt auf einem praxisnahen, risikoarmen und nutzenorientierten Einsatz von KI im Facility Management.