Gemeinnützige Wohnungsgenossenschaften im Wandel

Inhaltsverzeichnis

Abkürzungsverzeichnis

eG eingetragene Genossenschaft · GenG Genossenschaftsgesetz · GdW Bundesverband deutscher Wohnungs- und Immobilienunternehmen · VdW RW Verband der Wohnungs- und Immobilienwirtschaft Rheinland Westfalen · WE Wohneinheit · KStG Körperschaftsteuergesetz · GewStG Gewerbesteuergesetz · AO Abgabenordnung · GEG Gebäudeenergiegesetz · EPBD EU-Gebäuderichtlinie · WPG Wärmeplanungsgesetz · MsbG Messstellenbetriebsgesetz · DSGVO Datenschutz-Grundverordnung · BDSG Bundesdatenschutzgesetz · EU-AI-Act KI-Verordnung (EU) 2024/1689 · AGG Allgemeines Gleichbehandlungsgesetz · KWG Kreditwesengesetz · BaFin Bundesanstalt für Finanzdienstleistungsaufsicht · DORA Digital Operational Resilience Act · BAIT Bankaufsichtliche Anforderungen an die IT · CRREM Carbon Risk Real Estate Monitor · CSRD/ESRS EU-Nachhaltigkeitsberichts-Richtlinie/-Standards · WoFG/WFNG Wohnraumförderungsgesetz (Bund/NRW) · BauGB Baugesetzbuch · BauO NRW Landesbauordnung NRW · KfW Kreditanstalt für Wiederaufbau · ESG Umwelt/Soziales/Governance · PV Photovoltaik · ZDR Zero Data Retention · AVV Auftragsverarbeitungsvertrag.

Tabellen- und Abbildungsverzeichnis

Tabellen: Tab. 1 Größte Wohnungsgenossenschaften Deutschlands (Kap. 2.2) · Tab. 2 Ausgewählte Genossenschaften in NRW (2.3) · Tab. 3 Wertschöpfungs- und Prozesslandkarte (3.2) · Tab. 4 Anwendungsfelder agentischer KI (6) · Tab. 5 Transformationsfelder der Bestandswirtschaft (7) · Tab. 6 Prozessspezifische Effizienz (10.2) · Tab. 7 Aggregation Modellgenossenschaft (10.3) · Tab. 8 Kosten/TCO (10.4) · Tab. 9 Optionen-Vergleich (11) · Tab. 10 Compliance-Landkarte (13) · Tab. 11 Versionsprotokoll (14) · Tab. 12 Watchlist (14) · Tab. 13 Registertabelle NRW (Anhang A3).
Abbildungen: Abb. 1 Drei strategische Optionen (Kap. 11).

Management Abstract

Wohnungsgenossenschaften sind eine tragende Säule der bezahlbaren Wohnraumversorgung in Deutschland: Rund 2.000 eingetragene Genossenschaften bewirtschaften etwa 2,2 Millionen Wohnungen, in denen rund fünf Millionen Menschen leben (GdW). Ihre Nutzungsentgelte liegen im Mittel spürbar unter dem Marktniveau – bei den im GdW organisierten Unternehmen 2024 bei rund 6,63 €/m² gegenüber einem bundesweiten Schnitt von etwa 7,60 €/m². In Nordrhein-Westfalen, dem bevölkerungsreichsten Bundesland, sind im Verband der Wohnungs- und Immobilienwirtschaft Rheinland Westfalen (VdW RW) 323 Genossenschaften organisiert; die Mitgliedsunternehmen des Verbandes bewirtschaften zusammen rund 1,1 Millionen Wohnungen.

Das Geschäftsmodell der Genossenschaft folgt einer eigenen Logik: Sie verfolgt keinen Gewinnmaximierungs-, sondern einen Förderauftrag (§ 1 GenG). Mitglieder sind zugleich Nutzer und Mitträger; sie halten Geschäftsanteile, besitzen ein lebenslang gesichertes Dauernutzungsrecht und entscheiden nach dem Prinzip „ein Mitglied – eine Stimme". Daraus folgt die zentrale ökonomische Einsicht dieser Studie: Der Hebel der künstlichen Intelligenz liegt für Genossenschaften nicht in einer Ertragssteigerung, sondern in Kostenstabilität, Kapazität und Qualität – also in stabilen Nutzungsentgelten, in Entlastung knapper Personalressourcen und in mehr Zeit für Mitglieder, Quartier, Neubau und Sanierung.

Die Studie untersucht, wie agentische KI – autonome, werkzeugnutzende, mehrschrittige KI-Systeme unter menschlicher Letztverantwortung – die genossenschaftliche Wertschöpfungskette verändern kann (Kapitel 6) und ordnet dies in die breitere Transformation der gesamten Wohnungsbestandswirtschaft ein (Kapitel 7): energetische Sanierung, serielles Sanieren, Wärmewende, ESG, Demografie und Digitalisierung. Die KI-Adoption der Branche ist noch jung: Nur rund 22 % der Immobilienverwaltungen setzen bereits KI-Werkzeuge ein, weitere rund 45 % planen den Einsatz (VDIV-Verwalter-Monitor 2025); die Wohnungswirtschaft liegt damit hinter der Gesamtwirtschaft (ifo: 40,9 % 2025 → 54,5 % 2026). Modellrechnungen für eine mittelgroße NRW-Genossenschaft deuten auf eine Reduktion des administrativen Aufwands in den adressierten Prozessen um rund 20–35 % im Base-Case hin, bei einem Payback typischerweise unter 24 Monaten und sehr geringen absoluten KI-Kosten (Herleitung in Kapitel 10).

Vor diesem Hintergrund entwickelt die Studie drei strategische Optionen – die „Effizienz- und Servicegenossenschaft", die „datengetriebene Quartiers- und Bestandsentwicklung" und die „genossenschaftliche KI-Plattform/Verbundlösung" – und würdigt sie ausdrücklich ökonomisch und sozialpolitisch (Kapitel 11). Ein eigenes Kapitel behandelt die Rolle von Politik, Kommunen, Sparkassen und Förderbanken (Kapitel 12). Den regulatorischen Rahmen – Genossenschaftsrecht, Steuerbefreiung der Vermietungsgenossenschaft (§ 5 Abs. 1 Nr. 10 KStG), Neue Wohngemeinnützigkeit, GEG/EPBD, Datenschutz und EU-AI-Act, dazu der DSGVO- und KWG-/DORA-konforme Einsatz von Claude in Deutschland – stellt die Studie detailliert dar und legt sie versionierbar an (Kapitel 13 und 14). Als durchgehender Fallanker dient der Spar- und Bauverein Solingen eG: rund 7.000 Wohnungen, etwa 14.400 Mitglieder, gegründet 1897, mit eigener genossenschaftlicher Spareinrichtung.

Kapitel 1 — Einleitung, Begriffe und Forschungsdesign

1.1 Hintergrund und Motivation

Deutschland erlebt eine doppelte Strukturkrise des Wohnens: Auf der einen Seite fehlen Hunderttausende bezahlbare Wohnungen, die Neubauzahlen sind 2024 auf rund 251.900 Fertigstellungen eingebrochen (−14,4 % gegenüber dem Vorjahr; Destatis), und der Bestand muss zugleich in großem Umfang energetisch saniert werden. Auf der anderen Seite verschärfen Fachkräftemangel, Baukostensteigerungen und gestiegene Zinsen den Druck auf alle Wohnungsanbieter. Wohnungsgenossenschaften stehen dabei in einer besonderen Verantwortung: Als gemeinwohlorientierte, mitgliedergetragene Unternehmen sichern sie bezahlbares, dauerhaftes Wohnen – aber sie tun dies mit knappen Margen, alternder Bausubstanz und wachsendem administrativem Aufwand.

Parallel reift eine Technologie heran, die das Potenzial hat, genau jene administrativen und planerischen Lasten zu senken, die heute Personal binden: die agentische künstliche Intelligenz. Anders als einfache Automatisierung kann sie mehrstufige Vorgänge eigenständig vorbereiten – Anfragen beantworten, Dokumente erstellen, Daten prüfen, Fristen überwachen –, während der Mensch verantwortet und entscheidet. Die Leitfrage dieser Studie lautet daher nicht, ob KI Genossenschaften „ersetzt", sondern wie sie deren Förderauftrag stärken kann: durch stabilere Kosten, bessere Services und freigesetzte Kapazität für das, was Genossenschaften ausmacht – Gemeinschaft, Quartier und bezahlbares Wohnen.

1.2 Forschungsfragen

Die Studie beantwortet zehn Leitfragen: (1) Was kennzeichnet „gemeinnützige" bzw. gemeinwohlorientierte Wohnungsgenossenschaften heute rechtlich, steuerlich und im Selbstverständnis? (2) Wie ist der Markt in NRW und bundesweit strukturiert, und welche Genossenschaften prägen ihn? (3) Welche Geschäftsmodelle und Wertschöpfungsprozesse bestehen? (4) Welche Interessen und Rechte haben die Mitglieder und Wohnungsnutzer? (5) Wo und wie kann agentische KI die Geschäftsmodelle transformieren? (6) Welche Potenziale ergeben sich für den Wohnungsbau in Deutschland und speziell in NRW? (7) Welche konkreten Verbesserungen entstehen für Mitglieder und Wohnungsnutzer? (8) Welche drei strategischen Optionen folgen daraus – ökonomisch und sozialpolitisch? (9) Wie können Politik, Kommunen, Sparkassen und Förderbanken positiv wirken? (10) Welche regulatorischen, rechtlichen und steuerlichen Rahmenbedingungen sind maßgeblich?

1.3 Begriffliche Abgrenzungen: „gemeinnützig", Förderauftrag und Wohngemeinnützigkeit

Der im Auftrag verwendete Begriff „gemeinnützige Wohnungsgenossenschaft" bedarf der Präzisierung, weil er drei unterschiedliche Bedeutungen vereint. Erstens existierte bis 1990 die formelle Wohnungsgemeinnützigkeit nach dem Wohnungsgemeinnützigkeitsgesetz (WGG): steuerbegünstigte Unternehmen mit Bindung an Kostenmiete und Bautätigkeit. Dieses Regime wurde mit dem Steuerreformgesetz 1990 zum 1. Januar 1990 abgeschafft; rund 3,4 Millionen vormals gemeinnützige Wohnungen gingen in den freien Markt über. Zweitens sind Wohnungsgenossenschaften auch ohne dieses Regime gemeinwohlorientiert: Sie verfolgen den genossenschaftlichen Förderauftrag nach § 1 GenG, also die Förderung ihrer Mitglieder, nicht die Gewinnmaximierung. Das ist der eigentliche Kern der „Gemeinnützigkeit" im alltäglichen Sinn. Drittens wurde mit dem Jahressteuergesetz 2024 zum 1. Januar 2025 eine Neue Wohngemeinnützigkeit als gemeinnütziger Zweck (§ 52 Abs. 2 AO) eingeführt; sie begünstigt vergünstigte Vermietung an bedürftige Personen, richtet sich aber primär an gemeinnützige Körperschaften und ist für die klassische, gewinnorientiert wirtschaftende Genossenschaft meist nicht der einschlägige Hebel (Kapitel 13). Steuerlich relevanter ist für die meisten Genossenschaften die Körperschaftsteuerbefreiung der Vermietungsgenossenschaft nach § 5 Abs. 1 Nr. 10 KStG.

Weiter abzugrenzen sind die Rechtsformen: Eine Wohnungsgenossenschaft ist eine eingetragene Genossenschaft (eG) und unterscheidet sich von kommunalen oder privaten Wohnungsunternehmen in der Rechtsform der GmbH oder AG (etwa GAG Köln als AG, Allbau Essen oder VBW Bochum als GmbH). Sie unterscheidet sich auch von der Wohnungseigentümergemeinschaft (WEG) nach dem WEG-Gesetz: Genossenschaftsmitglieder besitzen kein Sondereigentum an „ihrer" Wohnung, sondern einen Anteil an der Genossenschaft und ein vertragliches Dauernutzungsrecht. Wenn diese Studie von „Wohnungsinhabern" oder „Eigentümern" spricht, sind daher die Mitglieder als Mitträger der Genossenschaft gemeint, nicht Eigentümer einzelner Wohneinheiten.

1.4 Definition: agentische KI

Unter generativer KI werden Modelle verstanden, die Texte, Bilder oder Code erzeugen. Agentische KI geht darüber hinaus: Ein KI-Agent plant mehrstufige Aufgaben, nutzt Werkzeuge (etwa Datenbanken, E-Mail, ERP-Systeme), führt Teilschritte aus und übergibt Ergebnisse zur menschlichen Freigabe. Für eine Genossenschaft bedeutet das ein Betriebsmodell, in dem ein KI-System wiederkehrende Vorgänge – eine Mieteranfrage beantworten, eine Betriebskostenabrechnung vorbereiten, einen Förderantrag entwerfen, einen Schaden triagieren – eigenständig vorbereitet, während Vorstand und Mitarbeiter verantworten und entscheiden. Diese disziplinierte Arbeitsteilung – Vorbereitung durch die KI, Verantwortung beim Menschen – ist die Voraussetzung für rechtskonformen und vertrauenswürdigen Einsatz.

1.5 Methodisches Vorgehen, Geltungsbereich und Limitationen

Die Studie verbindet eine Marktanalyse aus öffentlich zugänglichen Verbands-, Behörden- und Regulierungsquellen (insbesondere GdW, VdW Rheinland Westfalen, Destatis, BBSR, dena) mit einer Modellbetrachtung dreier Modellgenossenschaften (klein/mittel/groß, Anker: Spar- und Bauverein Solingen eG) und einer szenarienbasierten Quantifizierung (Konservativ / Base / Ambitioniert). Rechtsbezüge werden mit Paragraph und Quelle angegeben; die Annahmen und die Herleitung aller quantitativen Werte sind in Kapitel 10 und im begleitenden Annahmen-Memo dokumentiert. Die Analyse ist konzeptionell-modellgestützt: Marktzahlen beruhen auf Verbands- und Behördenangaben mit teils unterschiedlicher Erhebungsbasis und wurden nicht unabhängig verifiziert; Effizienz- und Kostenbandbreiten sind illustrative Schätzungen und hängen von Adoptionsdisziplin, Datenqualität und Umsetzung ab. Aussagen zu Plattformen und Recht haben den Stand Juni 2026; insbesondere EU-AI-Act, GEG/EPBD, Neue Wohngemeinnützigkeit, die NRW-Förderbestimmungen sowie die aufsichtsrechtlichen Vorgaben (DORA, BaFin-Hinweise) sind jung bzw. in Bewegung und vor produktiver Nutzung am aktuellen Rechtsstand zu prüfen (Versionspflege, Kapitel 14).

Kapitel 2 — Marktübersicht und Akteurslandschaft

2.1 Der Gesamtmarkt in Deutschland

In Deutschland bestehen rund 2.000 Wohnungsgenossenschaften. Sie bewirtschaften etwa 2,2 Millionen Wohnungen, in denen rund fünf Millionen Menschen leben; die Mitgliederzahl wird auf rund drei Millionen geschätzt (GdW). Eingeordnet in den Gesamtmarkt – rund 43,8 Millionen Wohnungen (Ende 2024; Destatis), davon rund 23,1 Millionen Mietwohnungen (GdW „Wohnungswirtschaftliche Daten und Trends 2024/2025") – stellen Genossenschaften damit rund 9–10 % aller Mietwohnungen. Professionell-gewerbliche Vermieter insgesamt bewirtschaften etwa 9,1 Millionen Wohnungen (gut ein Drittel des Mietwohnungsmarkts); die Genossenschaften sind innerhalb dieser Gruppe der gemeinwohlorientierte Kern.

Ihre wohnungspolitische Bedeutung übersteigt den reinen Marktanteil. Genossenschaften vermieten im Mittel deutlich günstiger als der Markt: Bei den im GdW organisierten Unternehmen lag die durchschnittliche Nettokaltmiete 2024 bei rund 6,63 €/m² – fast 1 €/m² unter dem bundesweiten Mittel von etwa 7,60 €/m². Bei Neuvermietungen liegen die Entgelte der Sozial- und Genossenschaftsvermieter im Schnitt rund ein Viertel unter den auf Portalen verlangten Angebotsmieten (GdW). Hinzu kommt die Wohnsicherheit: Das genossenschaftliche Dauernutzungsrecht gilt faktisch lebenslang. Diese Kombination aus Bezahlbarkeit und Sicherheit ist das eigentliche „Produkt" der Genossenschaft.

2.2 Die größten Wohnungsgenossenschaften Deutschlands

Die größten Wohnungsgenossenschaften nach Wohnungsbestand finden sich heute vor allem in Ostdeutschland (aus ehemaligen Arbeiterwohnungsbaugenossenschaften hervorgegangen) sowie in Hamburg; die traditionsreichen Berliner Genossenschaften folgen dahinter. Tabelle 1 nennt die bundesweite Spitzengruppe (gerundete Größenordnungen; Stand der jüngsten verfügbaren Geschäftsberichte).

Rang	Genossenschaft	Stadt	Wohnungen (ca.)	Mitglieder (ca.)
1	Wohnungsgenossenschaft Aufbau Dresden eG	Dresden	~17.000	~18.500
2	Neue Lübecker Norddeutsche Baugenossenschaft eG	Lübeck	~15.600	~18.500
3	Bauverein der Elbgemeinden eG (BVE)	Hamburg	~14.500	~23.200
4	Wohnungsgenossenschaft „Glückauf" Süd Dresden eG	Dresden	~13.000	~14.600
5	Spar- und Bauverein eG Dortmund (SPARBAU)	Dortmund (NRW)	~12.000	~20.980
6	Wohnungsgenossenschaft Lichtenberg eG (WGLi)	Berlin	~10.200	~11.000
7	Berliner Bau- und Wohnungsgenossenschaft von 1892 eG	Berlin	~6.900	~17.600

Tabelle 1: Größte Wohnungsgenossenschaften Deutschlands nach Bestand (gerundet). Quelle: Geschäftsberichte der Genossenschaften; Zusammenstellung baugenossenschaft.info; eigene Recherche. Werte teils 2018–2024, nicht unabhängig verifiziert.

Bemerkenswert ist, dass die größte Genossenschaft nach Mitgliedern (BVE Hamburg, rund 23.200) nicht die größte nach Wohnungen ist – ein erster Hinweis auf die Heterogenität der Beteiligungs- und Bestandsstrukturen. Die mit Abstand größte Genossenschaft in Nordrhein-Westfalen, der Spar- und Bauverein Dortmund, rangiert mit rund 12.000 Wohnungen bundesweit auf Platz fünf.

2.3 Nordrhein-Westfalen im Fokus

Der maßgebliche Branchenverband in NRW ist der Verband der Wohnungs- und Immobilienwirtschaft Rheinland Westfalen e. V. (VdW RW) mit Sitz in Düsseldorf. Er ist seit der Fusion mit dem früheren VdW Westfalen die eine regionale Organisation für NRW (und das nördliche Rheinland-Pfalz) und zugleich genossenschaftlicher Prüfungsverband. Dem VdW RW gehören 475 Mitgliedsunternehmen an, darunter 323 Wohnungsgenossenschaften, 76 kommunale bzw. öffentliche Unternehmen und 58 private, kirchliche oder industrieverbundene Gesellschaften. Zusammen bewirtschaften die Mitgliedsunternehmen rund 1,1 Millionen Wohnungen; etwa jeder fünfte Mieter in NRW wohnt bei einem Mitgliedsunternehmen. 2024 investierten die Mitglieder rund 3,9 Milliarden Euro in Neubau und Modernisierung; die Leerstandsquote lag 2023 bei niedrigen 2,19 % (VdW RW).

Tabelle 2 nennt die größten und einige charakteristische Wohnungsgenossenschaften (Rechtsform eG) in NRW nach Region und Größe. Sie erhebt bewusst keinen Anspruch auf Vollständigkeit – NRW zählt mehrere hundert Wohnungsgenossenschaften –, deckt aber die großen ab und bildet die Bandbreite ab; eine erweiterte Registertabelle findet sich in Anhang A3 (Tabelle 13). Nicht aufgeführt sind kommunale Wohnungsunternehmen anderer Rechtsform (etwa GAG Köln als AG; Allbau Essen, VBW Bochum, BGW Bielefeld, Wohn+Stadtbau Münster, Aachener SWG jeweils als GmbH), die zwar wohnungspolitisch bedeutend, aber keine Genossenschaften sind.

Genossenschaft (eG)	Stadt	Wohnungen (ca.)	Mitglieder (ca.)	Gegr.	Besonderheit
Spar- und Bauverein eG Dortmund (SPARBAU)	Dortmund	~12.000	~20.980	1893	Größte Genossenschaft in NRW
DWG Düsseldorfer Wohnungsgenossenschaft eG	Düsseldorf	~8.000	~11.000	1898	Älteste/größte eG in Düsseldorf
Spar- und Bauverein Solingen eG (SBV)	Solingen	~7.000	~14.400	1897	Eigene Spareinrichtung; Fallanker dieser Studie
GEWOBAU Wohnungsgenossenschaft Essen eG	Essen	~5.500	~6.700	1906	Größte eG in Essen
Baugenossenschaft Freie Scholle eG	Bielefeld	>5.000	>8.000	1911	Quartiers- und Siedlungstradition
Wohnungsgenossenschaft Duisburg-Süd eG	Duisburg	~4.300	n. v.	1905	Größte eG in Duisburg
Wohnungsgen. 1896 / GWG zu Köln / Erbbauverein Köln eG u. a.	Köln	je mehrere Tsd.	n. v.	div.	Fragmentierte eG-Landschaft

Tabelle 2: Ausgewählte Wohnungsgenossenschaften (eG) in NRW (kuratiert, gerundet). Quelle: Geschäftsberichte; VdW Rheinland Westfalen; Wikipedia; eigene Recherche. Nicht unabhängig verifiziert.

Das Muster ist typisch: Wenige große Genossenschaften (Dortmund, Düsseldorf, Solingen, Essen, Bielefeld) prägen die jeweiligen Städte, während die Fläche von einer Vielzahl kleiner und mittlerer Genossenschaften getragen wird. Besonders deutlich wird dies in Köln: Dort besteht keine einzelne dominierende Genossenschaft, sondern eine fragmentierte Landschaft mittelgroßer eG (u. a. Wohnungsgenossenschaft 1896, GWG zu Köln, Erbbauverein Köln, Kölner Wohnungsgenossenschaften), während das größte Kölner Wohnungsunternehmen, die GAG Immobilien AG, gerade keine Genossenschaft ist. Diese Größenheterogenität ist für die KI-Transformation entscheidend: Große Genossenschaften können eigene Digitalisierungsteams aufbauen, kleine sind auf Verbund- und Verbandslösungen angewiesen (Kapitel 11 und 12).

2.4 Fallanker: Spar- und Bauverein Solingen eG

Als durchgängiges Illustrationsbeispiel dient der Spar- und Bauverein Solingen eG (SBV), gegründet am 11. Juli 1897 auf Initiative des Pfarrers Otto Müller. Der SBV bewirtschaftet rund 7.000 Wohnungen in etwa 1.800 Gebäuden, hat rund 14.400 Mitglieder und beschäftigt etwa 130 Mitarbeiter; er ist damit die zweitgrößte Genossenschaft in NRW und die größte Wohnungsgenossenschaft im Rheinland mit eigener genossenschaftlicher Spareinrichtung. Die Spareinlagen der Mitglieder lagen 2024 bei rund 97,7 Millionen Euro (2023: 94,4 Mio. €; seither über 100 Mio. €) und finanzieren einen Teil der Bautätigkeit mit. Die Bilanzsumme betrug 2024 rund 324 Millionen Euro bei einer Eigenkapitalquote von 45,2 %; die Dividende auf die Geschäftsguthaben ist auf maximal 4 % begrenzt. Zum Bestand zählen zudem rund 29 Gewerbeeinheiten und etwa 1.425 Garagen (SBV-Geschäftsbericht 2024).

Zum Vergleich die größte NRW-Genossenschaft, der Spar- und Bauverein eG Dortmund (SPARBAU), gegründet 1893: rund 12.000 Wohnungen und etwa 20.980 Mitglieder. Die beiden Häuser markieren die mittlere und die große Größenklasse, an denen die Modellrechnungen dieser Studie ausgerichtet sind (Kapitel 10). Der SBV Solingen verbindet alle Merkmale, die diese Studie analysiert: gemeinwohlorientiertes Wohnen, Mitgliederfinanzierung über eine aufsichtspflichtige Spareinrichtung (KWG/BaFin, Kapitel 13), solide Bilanz, hoher Bestandsanteil mit Modernisierungsbedarf und ein breites Service- und Verwaltungsgeschäft, das für agentische KI in besonderem Maße zugänglich ist.

2.5 Strukturmerkmale und Segmentierung

Für die weitere Analyse werden Genossenschaften nach Größenklassen segmentiert, weil Größe die Digitalisierungsfähigkeit maßgeblich bestimmt. Kleine Genossenschaften (bis etwa 1.000 Wohnungen) arbeiten oft mit wenigen, teils ehrenamtlich unterstützten Mitarbeitern; sie haben den größten relativen Entlastungsbedarf, aber die geringsten Eigenmittel für Digitalisierung. Mittlere Genossenschaften (etwa 1.000–8.000 Wohnungen, Beispiel SBV Solingen) verfügen über professionelle Verwaltung, ein ERP-System und – teils – eine Spareinrichtung. Große Genossenschaften (über 8.000 Wohnungen, Beispiel SPARBAU Dortmund) können dedizierte Stabsstellen für IT, ESG und Projektentwicklung unterhalten. Quer dazu verlaufen Unterscheidungen nach Lage (großstädtisch vs. ländlich), Bestandsstruktur (Vorkriegs-, Nachkriegs-, Plattenbau- oder Neubaubestand) und dem Vorhandensein einer Spareinrichtung, die der Bankenaufsicht unterliegt (Kapitel 13).

2.6 Marktdynamik: Wohnungsmangel, Bau, Demografie, Klima

Vier Dynamiken prägen den Markt. Erstens der Wohnungsmangel: Je nach Methodik fehlen 370.000 bis über 600.000 Wohnungen (IW Köln; ZIA); der jährliche Neubaubedarf wird vom BBSR auf rund 320.000 Wohnungen beziffert, während 2024 nur rund 251.900 fertiggestellt wurden und für 2025 ein weiterer Rückgang erwartet wird (Destatis). Zweitens der Investitions- und Sanierungsstau: Die GdW-Unternehmen investierten 2024 rund 19,7 Milliarden Euro, erwarten für 2025 aber einen Rückgang um rund ein Zehntel; mehr als die Hälfte der Bestandsgebäude liegt in den Effizienzklassen C und D (GdW). Drittens die Demografie: Alterung, kleinere Haushalte und Zuwanderung verändern die Nachfrage nach barrierearmem und bezahlbarem Wohnraum. Viertens die Klimaziele: GEG, kommunale Wärmeplanung und die EU-Gebäuderichtlinie zwingen zu erheblichen Sanierungsanstrengungen (Kapitel 7, 8 und 13). In dieser Gemengelage ist jede Effizienz- und Kapazitätsreserve wertvoll – und genau hier setzt das Transformationspotenzial agentischer KI an.

Kapitel 3 — Geschäftsmodelle und Wertschöpfungsprozesse

3.1 Das genossenschaftliche Geschäftsmodell

Das Geschäftsmodell der Wohnungsgenossenschaft unterscheidet sich grundlegend von dem einer renditeorientierten Wohnungsgesellschaft. Sein Kern ist der Förderauftrag nach § 1 GenG: Zweck der Genossenschaft ist die Förderung ihrer Mitglieder, konkret die Versorgung mit gutem, sicherem und bezahlbarem Wohnraum. Daraus folgt das Identitätsprinzip – das Mitglied ist zugleich Kapitalgeber, Nutzer und Mitentscheider. Während ein Wohnungskonzern Mieter als Kunden und Kapitalgeber als getrennte Gruppen mit teils gegenläufigen Interessen kennt, fallen beide in der Genossenschaft zusammen. Die Willensbildung ist demokratisch: In der General- oder (ab 1.500 Mitgliedern) Vertreterversammlung gilt „ein Mitglied – eine Stimme", unabhängig von der Höhe der gehaltenen Geschäftsguthaben. Überschüsse werden nicht zur Gewinnmaximierung ausgeschüttet, sondern überwiegend in den Bestand reinvestiert; die Dividende auf die Geschäftsguthaben ist moderat (beim Fallanker SBV Solingen auf maximal 4 % begrenzt).

Ökonomisch bedeutet diese Logik eine Kostenorientierung statt einer Marktpreisorientierung: Nutzungsentgelte sollen die Kosten decken und langfristig stabil bleiben, nicht den maximal erzielbaren Marktpreis abschöpfen. Genau deshalb wirkt KI in der Genossenschaft anders als im Konzern: Sie erhöht nicht die Zahlungsbereitschaft, sondern senkt die Kostenbasis – und übersetzt sich damit unmittelbar in Entgeltstabilität, Reinvestitionsfähigkeit und Servicequalität zugunsten der Mitglieder.

3.2 Wertschöpfungs- und Prozesslandkarte

Die genossenschaftliche Wertschöpfung lässt sich als durchgängige Kette von der Mitgliedergewinnung bis zur Quartiersentwicklung beschreiben. Tabelle 3 ordnet jedem Wertschöpfungsschritt seine Kernaufgaben und die typischen Schmerzpunkte zu, die zugleich die Ansatzpunkte für agentische KI markieren (vertieft in Kapitel 6).

Wertschöpfungsschritt	Kernaufgaben	Typische Schmerzpunkte
Mitgliederverwaltung	Beitritt, Geschäftsanteile, Mitgliederkommunikation, Generalversammlung	papierbasierte Prozesse, Stammdatenpflege, Versammlungsorganisation
Vermietung & Wohnungsvergabe	Interessentenmanagement, Vergabe, Vertragswesen, Übergaben	hoher Anfrageandrang, Vergabekriterien, Diskriminierungsschutz
Bestandsbewirtschaftung & Service	Mieteranfragen, Schadensmeldungen, Betriebskosten, Mietbuchhaltung	Anfragevolumen, Erreichbarkeit, Belegarbeit, Abrechnungskomplexität
Instandhaltung & Modernisierung	Wartung, Reparaturen, Handwerkerkoordination, Sanierungsplanung	Terminierung, Gewerkekoordination, Dokumentation
Neubau & Projektentwicklung	Grundstücke, Planung, Genehmigung, Vergabe, Baucontrolling	Genehmigungsdauer, Baukosten, Förderkomplexität
Energie & ESG	Energiemonitoring, Sanierungsfahrplan, CO₂-Bilanz, Förderung	Datenlücken, GEG/EPBD-Pflichten, Fördermittel-Dschungel
Finanzierung & Treasury / Spareinrichtung	Darlehen, Liquidität, ggf. Spareinlagen, Reporting	Zinsumfeld, regulatorisches Reporting, Aufsicht
Gremien, Governance & Prüfung	Vorstand/Aufsichtsrat, Pflichtprüfung (§ 53 GenG), Compliance	Berichtsaufwand, Sitzungsvorbereitung, Quellen-/Versionspflege
Quartier & Soziales	Nachbarschaft, soziale Angebote, Quartiersentwicklung	Ressourcenknappheit, Bedarfserkennung, Vernetzung

Tabelle 3: Wertschöpfungs- und Prozesslandkarte der Wohnungsgenossenschaft. Quelle: eigene Darstellung.

3.3 Vertiefung der Kernprozesse

Die wirtschaftliche Substanz liegt in der Bestandsbewirtschaftung: Sie verbindet die laufende Vermietung, den Mieter- und Mitgliederservice, die Mietbuchhaltung sowie die jährliche Betriebskostenabrechnung – einen besonders aufwendigen, fehleranfälligen und fristgebundenen Vorgang. Die Instandhaltung und Modernisierung bindet erhebliche Mittel und Koordinationsleistung, zumal der Genossenschaftsbestand überwiegend aus den 1920er-/1930er- und 1950er-/1970er-Jahren stammt und energetisch wie altersgerecht ertüchtigt werden muss. Die Projektentwicklung und der Neubau sind kapital- und genehmigungsintensiv; hier entscheidet die Fähigkeit, Grundstücke, Planung, Förderung und Baukosten zu steuern. Quer dazu liegen Verwaltung und Governance – von der Mitgliederpflege über das Vertrags- und Dokumentenmanagement bis zur genossenschaftlichen Pflichtprüfung.

3.4 Genossenschaftliche Spareinrichtungen

Eine Besonderheit eines Teils der Wohnungsgenossenschaften ist die genossenschaftliche Spareinrichtung: Mitglieder können Spareinlagen einzahlen, die die Genossenschaft als günstiges, eigenkapitalnahes Finanzierungsinstrument für Bau und Modernisierung nutzt. Der Fallanker SBV Solingen führt eine solche Einrichtung mit Spareinlagen von über 97 Millionen Euro. Spareinrichtungen betreiben das Einlagengeschäft nach § 1 KWG und unterliegen der Aufsicht von BaFin und Deutscher Bundesbank (Sondervorschriften in § 51c KWG); daraus folgen zusätzliche Anforderungen an Risikomanagement, Meldewesen und – zunehmend – an den Einsatz von KI im Finanzbereich (Kapitel 6.7 und 13). Für die Mitglieder verbindet die Spareinrichtung Geldanlage und Wohnen in der vertrauten genossenschaftlichen Sphäre.

3.5 Finanzstruktur und Kennzahlen

Wohnungsgenossenschaften sind typischerweise eigenkapitalstark und konservativ finanziert. Der Fallanker SBV Solingen weist eine Eigenkapitalquote von rund 45 % aus – ein für die Branche charakteristisch hoher Wert, der Stabilität und Unabhängigkeit von kurzfristigen Kapitalmärkten sichert. Relevante Steuerungskennzahlen sind die Nettokaltmiete bzw. das Nutzungsentgelt je Quadratmeter, die Instandhaltungs- und Modernisierungsaufwendungen je Quadratmeter, die Leerstands- und Fluktuationsquote sowie die Verwaltungskosten je Wohneinheit. Für letztere existiert kein einheitlich veröffentlichter Branchenwert; als Orientierungsgröße dienen rund 200–300 € je Wohneinheit und Jahr für die reine Verwaltung (II. BV-Indexierung) bzw. rund 290–420 € aus der Fremdverwaltung als Obergrenze, wobei die intern organisierte Verwaltung von Genossenschaften tendenziell darunter liegt. Diese Kostenposition ist ein zentraler Hebel der KI (Kapitel 10).

3.6 Pain-Points und Effizienzreserven

Die größten Effizienzreserven liegen – analog zu anderen Dienstleistungsbranchen – nicht in der wertvollsten Tätigkeit (persönliche Mitgliederbetreuung, strategische Entscheidungen), sondern in deren administrativem Umfeld: im hohen Volumen wiederkehrender Mieteranfragen und Schadensmeldungen, in der Betriebskostenabrechnung und Belegarbeit, in der Handwerkerkoordination, im Vertrags- und Dokumentenmanagement, in der Fördermittelrecherche sowie im Berichts- und Prüfungswesen. Diese Vorgänge sind stark strukturiert, regelbasiert und vorlagengestützt – und damit in besonderem Maße für die KI-gestützte Vorbereitung geeignet, ohne den persönlichen Kern der genossenschaftlichen Beziehung anzutasten.

Kapitel 4 — Perspektive und Interessen der Mitglieder und Wohnungsnutzer

4.1 Die Doppel- und Dreifachrolle des Mitglieds

Anders als ein gewöhnlicher Mieter ist ein Genossenschaftsmitglied in einer Dreifachrolle: Es ist Nutzer der Wohnung, Mitträger (Mit-„Eigentümer" der Genossenschaft über seine Geschäftsanteile) und Mitentscheider in der demokratischen Willensbildung. Diese Rollenverschmelzung prägt die Interessenlage: Was der Genossenschaft als Ganzes nützt – stabile Kosten, werthaltiger Bestand, gute Reputation – nützt zugleich dem einzelnen Mitglied. Wenn der Auftrag von „Wohnungsinhabern" und „Eigentümern" spricht, sind hier die Mitglieder in dieser Mitträgerrolle gemeint, nicht Eigentümer einzelner Wohneinheiten im Sinne des WEG.

4.2 Rechte und Sicherheiten

Das wichtigste Gut aus Mitgliedersicht ist die Wohnsicherheit: Das genossenschaftliche Dauernutzungsrecht gilt faktisch lebenslang; eine Eigenbedarfskündigung wie bei privaten Vermietern existiert nicht. Hinzu treten Mitbestimmungsrechte (Wahl der Vertreter, Mitwirkung in der Versammlung), Auskunfts- und Teilhaberechte sowie der Anspruch auf Rückzahlung des Geschäftsguthabens bei Austritt (§ 73 GenG). Diese Sicherheiten sind der eigentliche Grund, warum Menschen Mitglied werden – und sie definieren die Grenze, die auch eine KI-Transformation wahren muss: Effizienz darf nie zulasten der Wohnsicherheit, der Mitbestimmung oder des persönlichen Zugangs gehen.

4.3 Ökonomische Interessen

Ökonomisch wünschen Mitglieder vor allem bezahlbare und stabile Nutzungsentgelte sowie stabile Betriebskosten – beides unmittelbar von der Kostenbasis der Genossenschaft abhängig und damit ein direkter Anknüpfungspunkt für KI-gestützte Effizienz. Hinzu kommt das Interesse am Werterhalt der Geschäftsguthaben und an einer angemessenen, verlässlichen Dividende. Weil die Genossenschaft kostenorientiert wirtschaftet, kommt eine Senkung der Verwaltungs- und Bewirtschaftungskosten den Mitgliedern tendenziell direkt zugute – sei es über stabilere Entgelte, höhere Instandhaltungsleistung oder größere Reinvestitionsspielräume.

4.4 Qualitative Interessen

Über das Ökonomische hinaus erwarten Mitglieder Wohnqualität (Instandhaltung, Modernisierung, energetischer Komfort), Barrierefreiheit und altersgerechtes Wohnen (angesichts einer alternden Mitgliederschaft besonders bedeutsam), einen verlässlichen, persönlichen Service, eine lebendige Nachbarschaft und Gemeinschaft sowie den Schutz ihrer Daten. Gerade die soziale Dimension – das Gefühl, in einer solidarischen Gemeinschaft und nicht bei einem anonymen Vermieter zu wohnen – ist ein Alleinstellungsmerkmal, das die Digitalisierung stärken und nicht erodieren sollte.

4.5 Erwartung an Digitalisierung, Heterogenität und Inklusion

Die Mitgliederschaft ist heterogen: Jüngere und berufstätige Mitglieder erwarten zunehmend digitale Self-Service-Angebote (Mieterportal, App, schnelle digitale Antworten) – laut GdW bevorzugen über die Hälfte der Mieter digitale Kommunikationskanäle –, während ältere oder weniger digitalaffine Mitglieder auf persönliche und analoge Zugänge angewiesen bleiben. Eine KI-Transformation muss daher additiv gedacht werden: digitale Kanäle als zusätzliches Angebot, nicht als Ersatz des persönlichen Kontakts. Andernfalls droht digitale Exklusion gerade jener Gruppen, die der Förderauftrag besonders schützt. Datenschutz, Transparenz über den KI-Einsatz und barrierearme Gestaltung sind daher keine Nebenbedingungen, sondern Kern eines genossenschaftskonformen KI-Einsatzes (Kapitel 9 und 13).

Kapitel 5 — Agentische KI: Grundlagen und Plattformen

5.1 Architekturmuster agentischer KI

Agentische KI verbindet drei Fähigkeiten: Planung (Zerlegung einer Aufgabe in Teilschritte), Werkzeugnutzung (Zugriff auf E-Mail, Kalender, ERP-System, Datenbanken, Web-Portale) und mehrstufige Ausführung mit Zwischenergebnissen. Entscheidend für die Wohnungswirtschaft ist das Muster Mensch-in-der-Schleife (human-in-the-loop): Der Agent bereitet vor, schlägt vor und kennzeichnet seine Ergebnisse als Entwurf; ein Mensch prüft und gibt frei. So bleibt die Verantwortung dort, wo sie hingehört – bei Vorstand und Mitarbeitern –, während die Routinevorbereitung skaliert. Ein zweites Muster ist die Orchestrierung: Ein koordinierender Agent verteilt Aufgaben an spezialisierte Sub-Agenten (etwa für Mieterservice, Betriebskosten, Förderung), die jeweils mit definierten Fähigkeiten und einer quellengebundenen Wissensbasis arbeiten.

5.2 Plattformüberblick am Beispiel der Claude-Plattform

Die Claude-Plattform von Anthropic illustriert die Komponenten einer agentischen Umgebung: Claude Cowork als Desktop-Agent für Datei- und Aufgabenmanagement (z. B. Berichts- und Schriftguterstellung), Claude for Excel für formelgestützte Auswertungen (Betriebskosten, Wirtschaftlichkeit, Förderkalkulation), Claude in Chrome als Browser-Agent für Recherche und Datenextraktion aus Portalen (Grundbuch-, Förder-, Lieferantenportale), Claude Code für Automatisierung und Integrationen sowie Claude API, Agent SDK, Skills und Plugins für maßgeschneiderte Abläufe. Über das Model Context Protocol (MCP) lassen sich Connectoren zu den in der Wohnungswirtschaft dominierenden ERP-Systemen herstellen – etwa Aareon (Wodis Sigma/Yuneo, RELion, Blue Eagle), Haufe (wowinex, axera), GAP Immotion, SAP RE-FX oder Domus. Da Aareon-Systeme inklusive der übernommenen Haufe-Lösungen bei den GdW-Unternehmen eine kombinierte Verbreitung von rund 80 % erreichen (GdW Information 171, 2024), ist die saubere ERP-Anbindung der praktische Schlüssel jeder Transformation.

5.3 Wettbewerbsumfeld der Plattformen

Neben Claude konkurrieren OpenAI (ChatGPT/Enterprise), Microsoft Copilot (M365/Excel/Teams), Google Gemini (Workspace), Meta Llama (Open-Weights/Self-Hosting), Mistral (EU-souveräne Modelle) und xAI Grok. Für gemeinwohlorientierte Träger sind weniger Benchmark-Spitzenwerte entscheidend als vier praktische Kriterien: Datenschutz und EU-Datenresidenz (Verarbeitung von Mieter- und Mitgliederdaten in der EU, Auftragsverarbeitung, Sub-Prozessor-Transparenz), Workflow-Integration in die bestehende ERP-/Office-Landschaft, Modellqualität und Quellentreue (Halluzinationsarmut bei rechts- und finanzrelevanten Aufgaben) sowie Wirtschaftlichkeit (Total Cost of Ownership, auch für kleine Genossenschaften). Die konkrete, DSGVO- und – bei Spareinrichtungen – KWG-/DORA-konforme Plattformwahl behandelt Kapitel 13 detailliert; sie ist versionierbar zu halten, weil sich der Markt schnell bewegt.

5.4 Sicherheits- und Compliance-Architektur

Genossenschaften verarbeiten sensible personenbezogene Daten (Mietverhältnisse, Zahlungsverhalten, teils Gesundheits- und Sozialdaten). Ein genossenschaftskonformer KI-Einsatz setzt daher auf Datenschutz by design: EU-Datenresidenz, Auftragsverarbeitungsverträge, Datensparsamkeit und Zweckbindung, rollenbasierte Zugriffsrechte (RBAC), lückenlose Protokollierung (Audit-Trails), getrennte Datenhaltung je Vorgang sowie definierte Aufbewahrung und Löschung. Aus Sicht des EU-AI-Acts handelt es sich bei den meisten Anwendungen um Assistenzsysteme mit verbindlicher menschlicher Aufsicht; besondere Sorgfalt gilt Anwendungen mit möglicher Hochrisiko-Einstufung (etwa Wohnungsvergabe/Scoring, Kapitel 6.2 und 13). Eine Datenschutz-Folgenabschätzung ist regelmäßig angezeigt; der Einsatz ist transparent zu machen (Art. 50 EU-AI-Act für Chatbots).

Kapitel 6 — Transformationspotenzial entlang der Wertschöpfungskette

Dieses Kapitel fächert das Anwendungspotenzial agentischer KI breit auf. Jedes Feld folgt derselben Logik: Was bereitet die KI vor, was bleibt beim Menschen, und welche Effizienz ist realistisch? Die Effizienzangaben beziehen sich auf den administrativen Anteil des jeweiligen Prozesses (Drei-Szenarien-Bandbreite, Base/Ambitioniert); der persönliche und entscheidungsgebundene Kern bleibt unberührt. Die Bandbreiten sind illustrative Schätzungen; ihre Herleitung – Bezugsbasis, Gewichtung und Quellen – ist transparent in Kapitel 10 offengelegt. Tabelle 4 gibt den Überblick, die Abschnitte 6.1–6.10 vertiefen.

Anwendungsfeld	KI bereitet vor (Kurz)	Mensch verantwortet	Effizienz Base / Ambitioniert
6.1 Mitglieder-/Mieterservice	Anfragen beantworten, Schadensmeldung aufnehmen, Self-Service, mehrsprachig	Eskalationen, sensible Fälle, persönlicher Kontakt	30–45 % / 55–70 %
6.2 Wohnungsvergabe	Interessenten-Matching, Vollständigkeitsprüfung, Self-Service	Vergabeentscheidung (AGG, Letztentscheidung)	20–35 % / 45–60 %
6.3 Instandhaltung & Technik	Schadenstriage aus Bild/Text, Handwerkerkoordination, Wartungsplanung	Beauftragung, Abnahme, Budgetfreigabe	25–40 % / 50–65 %
6.4 Backoffice & Abrechnung	Betriebs-/Heizkostenabrechnung, Belegerfassung, Mahnwesen, Posteingang	Freigabe der Abrechnung, Härtefälle	35–55 % / 60–75 %
6.5 Energie & ESG	Energiemonitoring, Sanierungsfahrplan, CO₂-Bilanz, Förder-Scan	Investitionsentscheidung, Antragstellung	25–40 % / 45–65 %
6.6 Neubau & Projektentwicklung	Standortanalyse, Förder-/Genehmigungsunterlagen, Baukostencontrolling	Projektentscheidung, Vergabe, Verträge	15–30 % / 35–50 %
6.7 Finanzierung & Spareinrichtung	Liquiditäts-/Risikoanalyse, regulatorisches Reporting (Entwurf)	Finanz- und Anlageentscheidungen, Meldungen	20–35 % / 40–55 %
6.8 Gremien & Governance	Sitzungs-/Versammlungsvorbereitung, Berichts- und Prüfungszuarbeit	Beschlüsse, Verantwortung der Organe	25–40 % / 50–65 %
6.9 Quartier & Soziales	Bedarfserkennung, Quartiers-App, Vernetzung, Informationsangebote	soziale Arbeit, persönliche Begleitung	15–30 % / 35–50 %

Tabelle 4: Anwendungsfelder agentischer KI je Wertschöpfungsschritt mit Effizienz-Bandbreiten (Schätzung; Herleitung in Kap. 10). Quelle: eigene Modellierung, orientiert an VDIV-Verwalter-Monitor 2025, ZIA/EY 2024/2025 und McKinsey 2024.

6.1 Mitglieder- und Mieterservice, Kommunikation

Der Mitglieder- und Mieterservice ist das volumenstärkste Feld: Anfragen zu Verträgen, Abrechnungen, Schäden und Nachbarschaft binden erhebliche Personalkapazität. Agentische KI kann hier rund um die Uhr Anfragen beantworten, Schadensmeldungen strukturiert aufnehmen, Self-Service-Portale bedienen und mehrsprachig kommunizieren. Konkrete Praxisbeispiele aus der Branche zeigen die Reife: Der Aareon-Assistent „Neela" beantwortet Mieteranfragen, nimmt Schadensmeldungen auf und unterstützt die Betriebskostenabrechnung (im Echtbetrieb u. a. bei Stena Fastigheter, Schweden); der VdW Bayern bietet mit „WohWi-KI" einen eigens auf die Wohnungswirtschaft zugeschnittenen KI-Assistenten; Mieter-App-Plattformen wie casavi binden bereits über 130.000 Gebäude an. Der Nutzen ist doppelt: schnellere, verlässlichere Antworten für Mitglieder und Entlastung der Mitarbeiter für die anspruchsvollen, persönlichen Fälle. Voraussetzung ist die Transparenzpflicht (Kennzeichnung als KI nach Art. 50 EU-AI-Act) und ein klarer Eskalationspfad zum Menschen.

6.2 Wohnungsvergabe und Bewerbermanagement

Die Wohnungsvergabe ist das sensibelste Feld. KI kann Interessenten-Matching, Vollständigkeits- und Plausibilitätsprüfungen sowie Self-Service-Prozesse erheblich beschleunigen. Zugleich birgt eine automatisierte Auswahl oder Bewertung von Bewerbern ein doppeltes Risiko: rechtlich die mögliche Hochrisiko-Einstufung nach EU-AI-Act (Zugang zu wesentlichen Diensten; bei Profiling stets Hochrisiko) und die Diskriminierungsgefahr nach AGG (mittelbare Benachteiligung, Beweislastumkehr nach § 22 AGG; Negativbeispiel Brebau Bremen 2021). Die genossenschaftskonforme Lösung ist klar: KI unterstützt die Vorbereitung und Transparenz, die Vergabeentscheidung bleibt beim Menschen, Auswahlkriterien sind nachvollziehbar und diskriminierungsfrei zu gestalten, und ein Scoring natürlicher Personen ist zu vermeiden bzw. nur unter den strengen Hochrisiko-Pflichten zulässig (Kapitel 13).

6.3 Instandhaltung und Technik

In der Instandhaltung kann KI Schadensmeldungen aus Foto und Text triagieren, Dringlichkeit und Gewerk einschätzen, Handwerker koordinieren und Wartungszyklen vorausschauend planen (predictive maintenance). Das verkürzt die Bearbeitungszeit, reduziert Folgeschäden und verbessert die Dokumentation. Die Beauftragung, die Budgetfreigabe und die Abnahme bleiben beim Menschen. Gerade bei alterndem Bestand mit hohem Reparaturaufkommen ist dieses Feld ein erheblicher Entlastungs- und Qualitätshebel.

6.4 Backoffice, Betriebskosten und Verwaltung

Das Backoffice bietet die unmittelbarsten Effizienzgewinne. Die Betriebs- und Heizkostenabrechnung – aufwendig, fristgebunden und fehleranfällig – lässt sich durch Belegextraktion, Plausibilisierung und Entwurfserstellung stark beschleunigen; ebenso Buchhaltung, Vertrags- und Dokumentenmanagement, Mahnwesen und Posteingangsverarbeitung. Bezeichnend ist, dass laut GdW-Erhebung nur rund 14 % der Wohnungsunternehmen Rechnungs-/Vertragsdokumente bereits direkt im ERP verarbeiten – ein großes, noch ungehobenes Automatisierungspotenzial. Numerische Ergebnisse sind dabei deterministisch zu berechnen (nicht „frei" durch das Modell), und die finale Abrechnung wird vom Menschen freigegeben. Härtefälle (z. B. Zahlungsschwierigkeiten von Mitgliedern) sind bewusst dem persönlichen, sozialen Umgang vorzubehalten – ein Wesensmerkmal der Genossenschaft.

6.5 Bestandsmanagement, Energie und ESG

Angesichts von GEG, kommunaler Wärmeplanung und EU-Gebäuderichtlinie wird das Energie- und ESG-Management zur Pflichtaufgabe. KI kann Verbrauchsdaten überwachen, Sanierungsfahrpläne je Gebäude entwerfen, CO₂-Bilanzen erstellen und – besonders wertvoll – den „Fördermittel-Dschungel" systematisch nach passenden Programmen (KfW/BEG, BAFA, NRW.BANK) durchsuchen und Anträge vorbereiten. Da mehr als die Hälfte des Genossenschaftsbestands in den Effizienzklassen C und D liegt, ist die Beschleunigung der Sanierungsplanung ein zentraler Beitrag zur Erreichbarkeit der Klimaziele bei begrenzten Mitteln (vertieft in Kapitel 7).

6.6 Neubau und Projektentwicklung

Im kapitalintensiven Neubau unterstützt KI die Standort- und Potenzialanalyse, die Aufbereitung von Förder- und Genehmigungsunterlagen, Ausschreibung und Vergabe sowie das Baukostencontrolling. In Verbindung mit seriellem/modularem Bauen (Kapitel 7 und 12) und der Genehmigungsdigitalisierung (Bauturbo § 246e BauGB, BauO NRW) kann dies die Projektdurchlaufzeit verkürzen – ein direkter Beitrag zur Linderung des Wohnungsmangels. Die Projekt-, Vergabe- und Vertragsentscheidungen bleiben beim Menschen.

6.7 Finanzierung, Treasury und Spareinrichtung

In Finanzierung und Treasury kann KI Liquiditäts- und Risikoanalysen, Förderdarlehens-Strukturierungen und regulatorische Reportingentwürfe liefern. Für Genossenschaften mit eigener Spareinrichtung gelten dabei die erhöhten Anforderungen der Bankenaufsicht (KWG/BaFin, DORA); KI ist hier besonders sorgfältig als Assistenz mit menschlicher Letztverantwortung und vollständiger Nachvollziehbarkeit auszugestalten (Kapitel 13). Finanz- und Anlageentscheidungen sowie aufsichtsrechtliche Meldungen verantwortet der Mensch.

6.8 Mitgliederverwaltung, Gremien und Governance

KI kann die Vorbereitung von Vorstands-, Aufsichtsrats- und Vertreterversammlungen, die Zuarbeit zu Geschäfts- und Prüfungsberichten (genossenschaftliche Pflichtprüfung, § 53 GenG) sowie das interne Wissensmanagement erheblich erleichtern. Beschlüsse und die Verantwortung der Organe bleiben unberührt. Eine quellengebundene Wissensbasis – jede rechtliche Aussage mit Quellen-ID und Versionsstand – ist Voraussetzung, um Halluzinationen zu vermeiden und die Prüfbarkeit zu sichern.

6.9 Quartier und Soziales

Im Quartier kann KI Bedarfe erkennen (z. B. Unterstützungsbedarf älterer Mitglieder), Quartiers-Apps und Nachbarschaftsplattformen betreiben, Informationsangebote bereitstellen und Vernetzung fördern. Hier ist besondere Zurückhaltung geboten: Soziale Arbeit und persönliche Begleitung sind nicht automatisierbar und sollen es nicht sein; KI schafft Freiräume und Reichweite, ersetzt aber nicht die menschliche Zuwendung, die den genossenschaftlichen Gemeinschaftsgedanken trägt.

6.10 Querschnitt: Datenarchitektur, Governance und Reifegrad

Quer zu allen Feldern liegen vier Erfolgsfaktoren: eine saubere Daten- und Wissensarchitektur (ERP-Anbindung, getrennte Datenhaltung, quellengebundenes Wissen; Branchenstandards wie der GdW-Datenraum bzw. ForeSight/GAIA-X), die Mensch-in-der-Schleife-Governance (Freigaben, Stopp-Regeln bei sensiblen Vorgängen, Vier-Augen-Prinzip), die Qualitätssicherung (deterministische Berechnung, Entwurfskennzeichnung, Quellenpflicht) und das Change Management (Befähigung der Mitarbeiter, Beginn an den größten Schmerzpunkten). Sinnvoll ist ein Reifegradmodell von Stufe 0 (manuell) über Stufe 1 (punktuelle Assistenz) und Stufe 2 (skillbasierte Standardisierung) bis Stufe 3 (agentisches Betriebssystem). Der wirtschaftliche Nutzen steigt überproportional erst ab Stufe 2, weil dann Standardisierung Skaleneffekte erschließt – ein Argument für Verbundlösungen gerade kleiner Genossenschaften (Kapitel 11).

Kapitel 7 — Transformationspotenziale der Wohnungsbestandswirtschaft

Die vorangegangenen Kapitel betrachten die agentische KI entlang der genossenschaftlichen Wertschöpfungskette. Dieses Kapitel weitet den Blick auf die gesamte Transformation der Wohnungsbestandswirtschaft – also der Bewirtschaftung und Ertüchtigung des bestehenden Gebäudebestands (im Unterschied zum Neubau). Agentische KI ist dabei ein Enabler unter mehreren; die größten Hebel entstehen im Zusammenspiel von energetischer, baulicher, digitaler, ökonomischer und sozialer Transformation. Die Befunde gelten sektorweit; ihre Bedeutung für Genossenschaften und die Rückbindung an die KI fasst Abschnitt 7.13 zusammen.

7.1 Ausgangslage: der Bestand als Schlüssel

Deutschland hatte Ende 2024 rund 43,8 Millionen Wohnungen (Destatis); über 60 % der Wohngebäude wurden vor der ersten Wärmeschutzverordnung (1977) errichtet. Der Gebäudesektor verursacht rund 15 % der direkten Treibhausgasemissionen, einschließlich Strom- und Fernwärme-Vorkette knapp ein Drittel (dena-Gebäudereport 2024/2025; Umweltbundesamt). Die Bewirtschaftungskosten je Wohneinheit (Verwaltung ~200–300 €/WE·Jahr, Instandhaltung ~9,30 €/m²·Jahr; II. BV-Indexierung) und die „zweite Miete" (kalte Betriebskosten Ø 2,67 €/m²·Monat 2024; Deutscher Mieterbund) markieren die Kostenbasis, an der jede Transformation gemessen wird. Kurz: Der Bestand – nicht der Neubau – ist der eigentliche Schlüssel zu Klimazielen und Bezahlbarkeit.

7.2 Energetische Sanierungswelle

Die energetische Sanierung ist das größte und teuerste Transformationsfeld. Die Sanierungsrate liegt mit rund 0,7 %/Jahr (energetische Vollsanierungs-Äquivalente; BuVEG) weit unter den für Klimaneutralität 2045 nötigen rund 1,7–1,9 %/Jahr (dena-Leitstudie). Die ARGE/Verbändebündnis-Studie zum Wohnungsbau-Tag 2022 beziffert die energetische Vollsanierung des Bestands auf bis zu 150 Milliarden Euro pro Jahr bzw. 3,6 Billionen Euro bis 2045 und fordert mindestens 30 Milliarden Euro/Jahr Förderung; der GdW beziffert die verbleibende Förderlücke trotz KfW-Mitteln auf 5,3–13,2 Milliarden Euro. Mehr als die Hälfte der Wohngebäude liegt in schwachen Effizienzklassen. Getrieben wird die Sanierungswelle durch GEG, EU-Gebäuderichtlinie (EPBD) und kommunale Wärmeplanung (Kapitel 13). Für die Genossenschaften ist die Herausforderung, diese Sanierung sozialverträglich – ohne überfordernde Modernisierungsumlagen – zu finanzieren.

7.3 Serielle Sanierung (Energiesprong)

Die serielle Sanierung industrialisiert die Ertüchtigung: 3D-Aufmaß, werkseitig vorgefertigte Fassaden-, Dach- und Energiemodule (mit Wärmepumpe, Speicher, PV) werden am bewohnten Gebäude montiert; Ziel ist der NetZero-Standard mit 80–90 % Energieeinsparung. In Deutschland sind rund 150 Projekte fertiggestellt, etwa 90 im Bau und rund 280 (u. a. ~16.500 Wohneinheiten) in Planung (dena/Energiesprong, Stand 2026); die Kosten sind um rund ein Drittel auf etwa 1.200–1.860 €/m² gesunken, die Bauzeit von durchschnittlich 14 auf 7 Wochen halbiert. Der GdW entwickelt mit der Rahmenvereinbarung „SerSan 1.0" einen skalierbaren Zugang. Weil die Standardisierung Handwerksleistung einspart, ist serielles Sanieren zugleich eine Antwort auf den Fachkräftemangel (7.12).

7.4 Wärmewende im Bestand

Die Heizungswende verlagert sich in den Bestand: 2024 entfielen rund 68 % der verkauften Wärmepumpen auf Bestandsgebäude (Bundesverband Wärmepumpe). Parallel wächst die Fernwärme (Anteil rund 15 % der Wohnungen; BDEW), und die kommunale Wärmeplanung (Großstädte bis 30. Juni 2026, kleinere Kommunen bis 30. Juni 2028) schafft Planungssicherheit für die 65 %-Erneuerbare-Regel des GEG. Für Genossenschaften ist die Wärmeplanung der Taktgeber für Heizungs- und Sanierungsinvestitionen; KI-gestützte Energie- und Förderanalysen (Kapitel 6.5) helfen, die richtige Reihenfolge zu finden.

7.5 Nachverdichtung und Aufstockung

Der Bestand birgt erhebliche Neubaupotenziale ohne neues Bauland. Die TU Darmstadt und das Pestel-Institut (Deutschlandstudie 2019) beziffern das Potenzial auf 2,3–2,7 Millionen Wohnungen, davon 1,1–1,5 Millionen durch Dachaufstockung von Wohngebäuden der Baujahre 1950er–1990er und über 1,2 Millionen durch Aufstockung/Umnutzung von Nichtwohngebäuden (Büros, Discounter-/Parkdeckflächen). Für Genossenschaften mit großen Siedlungsbeständen der Nachkriegszeit ist die Dachaufstockung ein besonders naheliegender Hebel – er schafft bezahlbaren Wohnraum in bestehenden, sozial gewachsenen Quartieren und lässt sich mit serieller Sanierung kombinieren.

7.6 Kreislaufwirtschaft und graue Energie

Mit fortschreitender Dekarbonisierung des Betriebs rückt die „graue Energie" (embodied carbon) der Baustoffe in den Fokus. Der DGNB-Gebäuderessourcenpass (finalisiert 2023) dokumentiert verbaute Materialien, Mengen und Wiederverwendbarkeit; Plattformen wie Madaster (Kooperation mit NRW seit 2024) und Konzepte des Urban Mining ermöglichen Re-Use und Lebenszyklus-CO₂-Anrechnung. Für den Bestand sind Materialpässe vor allem bei Teilrückbau und Sanierung relevant; sie sind ein wachsendes, regulatorisch noch junges Feld.

7.7 Dezentrale Energie im Bestand

Dächer und Quartiere werden zu Energiequellen. Das Mieterstrom-Potenzial ist groß und kaum erschlossen: Rund 3,2 Millionen Mehrfamilienhäuser bieten theoretisch bis zu 14,3 Millionen Mieterhaushalten Solarstrom (IW Köln/Ariadne), bisher ist nur ein Bruchteil realisiert. Das Solarpaket I (in Kraft Mai 2024) hat mit dem Wegfall der 500-kWp-Grenze und der „Gemeinschaftlichen Gebäudeversorgung" Hürden gesenkt. Hinzu kommen Ladeinfrastruktur (GEIG; angekündigtes Bundesförderprogramm bis 500 Mio. € für private Ladepunkte in Wohngebäuden) und der Smart-Meter-Rollout (MsbG-Novelle 2025). Steuerlich ist bei Strom-/Energiediensten die Grenze der erweiterten Gewerbesteuerkürzung bzw. der KStG-Befreiung zu beachten (Kapitel 13).

7.8 Digitale und KI-Transformation der Bewirtschaftung

Die digitale Transformation ist der Querschnittshebel. Studien beziffern erhebliche Produktivitätspotenziale: Die ZIA/EY-Digitalisierungsstudie 2025 sieht bei 90 % der Unternehmen KI als Schlüsseltechnologie der nächsten fünf Jahre, nennt aber Personalmangel (79 %) und Datenqualität (75 %) als größte Hürden; McKinsey verortet (global, gewerblich orientiert – als Orientierung) ein Plus des Netto-Betriebsergebnisses von mindestens 10 % und KI-Agenten-Effekte von 10–30 % über ganze Workflows. Konkrete Felder im Bestand sind vorausschauende Wartung und Smart Building (IoT), digitale Zwillinge/BIM im Bestand, Datenräume (GdW-Kompetenzzentrum DigiWoh; ForeSight/GAIA-X für Mehrfamilienhäuser) sowie die Prozess- und Dokumentenautomatisierung. Die KI-Adoption ist allerdings noch jung: 22,2 % der Immobilienverwaltungen nutzen KI, 45,1 % planen es (VDIV-Verwalter-Monitor 2025); gesamtwirtschaftlich liegt die Nutzung höher (ifo: 40,9 % 2025 → 54,5 % 2026). Der deutsche PropTech-Sektor zählt rund 1.472 aktive Unternehmen (blackprint 2025), zunehmend mit Fokus auf Bestands-, Energie- und Betriebsprobleme.

7.9 ESG und Stranded-Asset-Risiko

Nachhaltigkeit wird zum finanziellen Faktor. Die EU-Taxonomie und die Berichtspflichten nach CSRD/ESRS (Standard E1 Klimawandel; durch das Omnibus-I-Paket 2025 auf große Unternehmen verengt) verlangen gebäudescharfe Energie- und Emissionsdaten. Der Carbon Risk Real Estate Monitor (CRREM) liefert Dekarbonisierungspfade; in einer Investorenbefragung gaben rund 40 % an, bis zu 25 % ihres Portfolios seien bereits „gestrandet", weitere ~22 % sahen 25–50 % betroffen (portfolio institutionell 2023). Große Wohnungsunternehmen refinanzieren ESG-Investitionen zunehmend über Green Bonds (Vonovia 600 Mio. € 2021, Paket 2,5 Mrd. € 2022; LEG 600 Mio. €). Für Genossenschaften ist ESG weniger Kapitalmarkt- als Bestandsthema: Energetisch schwache Gebäude bergen Sanierungs- und Wertrisiken, deren datenbasierte Steuerung KI erleichtert.

7.10 Demografische Transformation

Die Alterung verändert die Nachfrage tiefgreifend. Bundesweit fehlen rund 2,2 Millionen barrierefreie bzw. altersgerechte Wohnungen (Pestel-Institut 2023); nur etwa jede siebte Wohnung ist altersgerecht. Bis 2035 wird ein Fehlbestand von rund 2 Millionen altersgerechten Wohnungen erwartet, die Zahl mobilitätseingeschränkter Personen steigt auf rund 3,7 Millionen (KfW). Das KfW-Programm 455-B („Altersgerecht Umbauen – Investitionszuschuss") fördert Barrierereduzierung mit bis zu 6.250 €/Wohnung (Budget 2026: 50 Mio. €, Wiederaufnahme ab April 2026), ist gemessen am Bedarf jedoch chronisch unterfinanziert. Für Genossenschaften mit treuer, alternder Mitgliederschaft ist der altersgerechte Umbau eine Kern-, keine Randaufgabe – KI-gestützte Bedarfserkennung (Kapitel 6.9) hilft, ihn vorausschauend zu planen.

7.11 Neue Geschäftsmodelle rund um den Bestand

Der Bestand wird zur Plattform für Dienstleistungen jenseits der Kaltmiete: Mieterstrom und Energie-Contracting, „Wohnen als Service" (kuratierte Anbieternetzwerke, Mieter-Apps), Mobilitäts- und Sharing-Angebote, altersbegleitende und Ambient-Assisted-Living-Dienste sowie Quartiersdienstleistungen. Einzelne Unternehmen gründen dafür eigene Servicegesellschaften aus (z. B. Bündelung von Mieterstrom, Effizienz und E-Mobilität). Für Genossenschaften sind solche Modelle attraktiv, müssen aber steuerlich sorgfältig strukturiert werden, damit das Nichtmitgliedergeschäft die Steuerbefreiung nicht gefährdet (Kapitel 13).

7.12 Fachkräftemangel als Transformationstreiber

Der Fachkräftemangel ist Treiber und Engpass zugleich: Im Handwerk sind rund 250.000 Stellen unbesetzt, im Baugewerbe über 41.000 (mit Schwerpunkten in Bauelektrik und SHK). In der Immobilienverwaltung ist Personalmangel seit Jahren die größte Digitalisierungshürde. Genau dieser Mangel macht Produktivitätshebel wertvoll: serielles Sanieren reduziert die Baustellen-Handwerksleistung, agentische KI die Verwaltungsarbeit. Beides erlaubt es, mit knappem Personal mehr Bestand zu ertüchtigen – ein doppelter Hebel gegen den Engpass.

7.13 Synthese: Transformationsfelder im Überblick

Tabelle 5 verdichtet die Felder und ihren Bezug zu Genossenschaften und agentischer KI. Die Botschaft: Die Bestandstransformation ist ein Mehrfrontenprojekt; KI wirkt nicht isoliert, sondern als Beschleuniger der Planung, Förderung, Datenarbeit und Kommunikation in jedem dieser Felder.

Transformationsfeld	Treiber	Hebel / Potenzial	Bezug Genossenschaft & KI
Energetische Sanierung	GEG, EPBD, Klimaziele	Rate 0,7 %→1,8 % nötig; bis 3,6 Bio. € bis 2045	Sanierungsfahrplan, Förder-Scan (KI)
Serielle Sanierung	Kosten, Fachkräfte	−⁠⅓ Kosten, Bauzeit halbiert; ~16.500 WE Pipeline	Skalierung über Verbund; Planungs-KI
Wärmewende	GEG/WPG	68 % WP im Bestand; Fernwärmeausbau	Energie-/Förderanalyse (KI)
Nachverdichtung/Aufstockung	Wohnungsmangel	1,1–1,5 Mio. WE (Dach); 2,3–2,7 Mio. gesamt	Potenzialanalyse; Bestandsquartiere
Digitalisierung/KI	Effizienz, Personalmangel	NOI +≥10 % (global); Adoption 22 %/45 %	Kernhebel dieser Studie
ESG/Stranded Asset	Taxonomie, CSRD, CRREM	bis 25–50 % Portfolio „stranded"-Risiko	Datenbasierte ESG-Steuerung (KI)
Demografie	Alterung	~2,2 Mio. fehlende barrierefreie WE	Bedarfserkennung, altersgerechter Umbau
Neue Geschäftsmodelle	Wertschöpfung, Quartier	Mieterstrom, „Wohnen als Service"	Steuerlich strukturieren (10 %-Grenze)

Tabelle 5: Transformationsfelder der Wohnungsbestandswirtschaft. Quelle: eigene Darstellung auf Basis dena, GdW, TU Darmstadt/Pestel, ZIA/EY, IW Köln, KfW, CRREM (Einzelnachweise im Quellenverzeichnis). Zahlen teils Schätzungen/Befragungsbasis.

Kapitel 8 — Wirkung auf den Wohnungsbau in Deutschland und Nordrhein-Westfalen

8.1 Produktivität in einem Sektor unter Fachkräftemangel

Die Wohnungswirtschaft leidet – wie das Baugewerbe – unter akutem Fachkräftemangel; viele Verwaltungen arbeiten an der Kapazitätsgrenze, während die Aufgaben durch neue regulatorische Pflichten seit 2023 zunehmen. Agentische KI wirkt hier zuerst als Kapazitätserweiterung: Sie übernimmt Routinevorbereitung und gibt knappes Fachpersonal für wertschöpfende Tätigkeiten frei – für Mitgliederbetreuung, Quartiersarbeit und vor allem für die Bewältigung des Neubau- und Sanierungsstaus. In einem Sektor, in dem zusätzliche Mitarbeiter kaum zu finden sind, ist diese Freisetzung von Kapazität oft wertvoller als die reine Kostenersparnis.

8.2 Neubaugeschwindigkeit, Planung und serielles Bauen

Der Neubau leidet an langen Planungs- und Genehmigungszeiten (Bauüberhang von rund 760.000 Wohnungen) und an hohen Baukosten. KI kann die planerische und administrative Durchlaufzeit verkürzen: Aufbereitung von Genehmigungsunterlagen, Förder- und Ausschreibungsmanagement, Baukostencontrolling. In Verbindung mit dem seriellen/modularen Bauen (GdW-Rahmenvereinbarung, Baukosten teils unter dem Median von rund 3.200 €/m²) und der Genehmigungsbeschleunigung (Bauturbo § 246e BauGB seit Oktober 2025; referenzielle Genehmigung serieller Gebäude nach § 66 BauO NRW) kann die Zeit von der Idee zum bezugsfertigen Wohnraum spürbar sinken.

8.3 Sanierungsrate und Klimaziele

Der Gebäudebestand ist der entscheidende CO₂-Hebel: Über die Hälfte der GdW-Gebäude liegt in den Effizienzklassen C und D. GEG, kommunale Wärmeplanung und die EU-Gebäuderichtlinie (EPBD) verlangen erhebliche Sanierungsanstrengungen, doch Mittel und Planungskapazität sind knapp. KI-gestützte Sanierungsfahrpläne, Energiedatenauswertung und – besonders wirksam – die systematische Erschließung von Fördermitteln können die Sanierungsrate erhöhen, ohne die Mitglieder durch überproportionale Modernisierungsumlagen zu überfordern (vgl. die sektorweite Einordnung in Kapitel 7). Damit wird KI zu einem Instrument sozial verträglicher Dekarbonisierung.

8.4 Beitrag zur Linderung des Wohnungsmangels

Je nach Methodik fehlen 370.000 bis über 600.000 Wohnungen, und die Fertigstellungen liegen weit unter dem Bedarf von rund 320.000 Wohnungen pro Jahr. Genossenschaften können einen überproportionalen Beitrag leisten, weil sie dauerhaft bezahlbar und bestandsorientiert bauen. KI erhöht ihre Bau- und Sanierungskapazität auf zwei Wegen: direkt durch beschleunigte Projektprozesse und indirekt durch die Freisetzung von Verwaltungskapazität, die in Projektentwicklung umgewidmet werden kann. Der Effekt ist kein Allheilmittel gegen den Wohnungsmangel, aber ein realer, kumulativer Beitrag.

8.5 NRW-Spezifika

Nordrhein-Westfalen ist mit rund 1,1 Millionen von VdW-Mitgliedern bewirtschafteten Wohnungen ein Schlüsselmarkt. Drei NRW-Spezifika verstärken das Potenzial: erstens die starke, finanzkräftige Förderkulisse über die NRW.BANK (Mehrjahresprogramm rund 12 Milliarden Euro 2023–2027, Anfangskondition 1,0 %); zweitens die Genehmigungsdigitalisierung über die novellierte BauO NRW (Wegfall der Schriftform, serielles Bauen nach § 66); drittens die dichte, teils altindustrielle Bestandsstruktur des Ruhrgebiets und des Bergischen Landes mit hohem Sanierungsbedarf. Hier kann KI – Förder-Scan, Sanierungsplanung, Genehmigungsmanagement – einen besonders konkreten Beitrag leisten.

Kapitel 9 — Nutzen für Eigentümer/Mitglieder und Wohnungsnutzer

9.1 Kostenwirkung und Entgeltstabilität

Weil die Genossenschaft kostenorientiert wirtschaftet, schlägt sich eine niedrigere Verwaltungs- und Bewirtschaftungskostenbasis tendenziell direkt in stabileren Nutzungsentgelten und Betriebskosten nieder – oder in höherer Instandhaltungs- und Reinvestitionsleistung bei gleichem Entgelt. Für die Mitglieder ist das der unmittelbarste Nutzen: Bezahlbarkeit wird gesichert, gerade in einem Umfeld steigender Bau- und Energiekosten.

9.2 Service- und Qualitätsverbesserungen

Mitglieder profitieren von schnelleren, rund um die Uhr erreichbaren und verlässlicheren Services: zügige Antworten auf Anfragen, einfache digitale Schadensmeldung, transparente Abrechnungen, weniger Fristversäumnisse. Wichtig ist, dass diese digitalen Kanäle den persönlichen Kontakt ergänzen und nicht ersetzen.

9.3 Energie-, Komfort- und Barrierefreiheitsgewinne

KI-gestützte Energieoptimierung senkt die warmen Betriebskosten und erhöht den Wohnkomfort; vorausschauende Instandhaltung reduziert Ausfälle. Datenbasierte Bedarfserkennung kann zudem altersgerechte und barrierefreie Anpassungen gezielter planen – ein wachsender Bedarf in einer alternden Mitgliederschaft (vgl. Kapitel 7.10).

9.4 Mitbestimmung, Transparenz und Werterhalt

Bessere Information stärkt die genossenschaftliche Demokratie: verständlich aufbereitete Unterlagen für Versammlungen, transparente Abrechnungen und nachvollziehbare Entscheidungen erhöhen die Teilhabe. Eine wirtschaftlich gesunde, gut verwaltete Genossenschaft sichert zugleich den Werterhalt der Geschäftsguthaben und die Verlässlichkeit der Dividende.

9.5 Risiken aus Mitgliedersicht und Gegenmaßnahmen

Den Chancen stehen Risiken gegenüber, die ernst zu nehmen sind: Datenschutz (sensible Mieter- und Sozialdaten), Entpersonalisierung und digitale Exklusion. Mit Entpersonalisierung ist gemeint, dass der persönliche, menschliche Kontakt zwischen Mitglied und Genossenschaft durch automatisierte Kanäle verloren geht – dass also an die Stelle des vertrauten Ansprechpartners ein anonymes System tritt und damit gerade jenes Gemeinschaftsgefühl erodiert, das die Genossenschaft von einem anonymen Vermieter unterscheidet. Digitale Exklusion bezeichnet die Benachteiligung von Mitgliedern, die digitale Angebote nicht nutzen können oder wollen. Die Gegenmaßnahmen sind klar: Datenschutz by design und Transparenz über den KI-Einsatz; ein garantierter persönlicher und analoger Zugang als gleichwertige Alternative; barrierearme Gestaltung; sowie die bewusste Steuerung des Effizienzgewinns in Richtung Servicequalität und Mitgliedernähe statt reiner Rationalisierung. So bleibt die KI dem Förderauftrag verpflichtet.

Kapitel 10 — Quantifizierung der Effizienz- und Kostenpotenziale

Dieses Kapitel legt die Herleitung aller in der Studie genannten Effizienz- und Kostenwerte offen. Sämtliche Werte sind illustrative, szenarienbasierte Schätzungen – keine Punktprognosen. Sie dienen der Größenordnung und sind durch betriebliche Praxisdaten zu validieren.

10.1 Bezugsrahmen und Bottom-up-Methodik

Die Quantifizierung erfolgt bottom-up an einer Modellgenossenschaft mittlerer Größe (rund 7.000 Wohnungen, ~130 Mitarbeiter, mit Spareinrichtung – an den Fallanker SBV Solingen angelehnt) und wird auf eine kleine (~800 WE) und eine große (~12.000 WE) Genossenschaft skaliert. Bezugsbasis sind die Verwaltungs-/Bewirtschaftungskosten je Wohneinheit und Jahr; als Orientierung dient eine Bandbreite von rund 300–450 € je Wohneinheit und Jahr (Proxy: II. BV-Indexierung für die reine Verwaltung ~200–300 €/WE; Fremdverwaltungssätze als Obergrenze ~290–420 €/WE; ein sauberer GdW-Public-Wert für eG-interne Verwaltung liegt nicht vor – daher Proxy). Der durch agentische KI adressierbare administrative Anteil wird auf rund 40–60 % dieser Kosten geschätzt (jener Teil, der auf strukturierte, regelbasierte Vorgänge entfällt; vgl. Kapitel 3.6).

10.2 Prozessspezifische Effizienzpotenziale – Herleitung

Die Effizienz-Bandbreiten je Anwendungsfeld (Tabelle 4) sind aus drei Quelltypen abgeleitet: (1) sektorale KI-Adoptions- und Wirkungsbefragungen (VDIV-Verwalter-Monitor 2025; ZIA/EY-Digitalisierungsstudien 2024/2025), (2) branchenübergreifende Produktivitätsschätzungen für KI-Agenten (McKinsey 2024: 10–30 % über Workflows, 60–80 % Zeitersparnis in dokumentenlastigen Finanz-/Reportingprozessen – global/gewerblich, nur als Orientierung) und (3) eigener Einschätzung des Automatisierungsgrades je Vorgang. Daraus ergibt sich, gewichtet nach dem typischen Kostenanteil der Felder, ein Gesamteffekt auf den adressierbaren administrativen Aufwand:

Szenario	Effizienz auf adressierbaren Admin-Aufwand	Wirkung auf Gesamt-Verwaltungskosten
Konservativ	10–20 %	~5–12 %
Base-Case	20–35 %	~10–20 %
Ambitioniert	35–55 %	~18–33 %

Tabelle 6: Effizienz auf den adressierbaren administrativen Aufwand und (über den ~40–60 %-Anteil umgerechnet) auf die Gesamt-Verwaltungskosten. Schätzung; Quellen: VDIV 2025, ZIA/EY 2024/2025, McKinsey 2024, eigene Modellierung.

10.3 Aggregation auf Ebene der Modellgenossenschaft

Die Rechenlogik lautet: Effizienzpotenzial je WE = Verwaltungskosten je WE × adressierbarer Anteil × Effizienz auf adressierten Aufwand. Rechenbeispiel Base-Case: 375 €/WE·Jahr × 50 % × 27 % ≈ 50 €/WE·Jahr; hochgerechnet auf 7.000 Wohnungen ergibt das rund 0,35 Mio. €/Jahr. Tabelle 7 zeigt die Bandbreite je Szenario – ausgedrückt als vermiedene Kosten bzw. als in Servicequalität und Bautätigkeit umwidmbare freigesetzte Kapazität (Bemessungsgrundlage: €/WE·Jahr; Modellgenossenschaft 7.000 WE).

Szenario	Effizienz auf adressierten Aufwand	Potenzial je WE/Jahr	Gesamt p. a. (7.000 WE)	Lesart
Konservativ	10–20 %	~15–30 €	~0,1–0,2 Mio. €	punktuelle Entlastung
Base-Case	20–35 %	~30–55 €	~0,2–0,4 Mio. €	Entgeltstabilität
Ambitioniert	35–55 %	~55–90 €	~0,4–0,6 Mio. €	strukturelle Kapazitätsfreisetzung

Tabelle 7: Aggregiertes jährliches Effizienzpotenzial der Modellgenossenschaft (7.000 WE). Rechenbasis: 300–450 €/WE·Jahr × 40–60 % adressierbar × Szenario-Effizienz. Schätzung; eigene Modellierung.

10.4 Kosten und Total Cost of Ownership

Die absoluten KI-Kosten sind im Verhältnis zum Potenzial gering. Tabelle 8 zeigt die Bandbreiten für die mittlere Modellgenossenschaft. Bemessungsgrundlage: Lizenzkosten je produktivem Nutzer und Monat (rund 40 produktive Nutzer angenommen), einmalige Einrichtung/Integration sowie laufender Betrieb und Compliance pro Jahr. Die Lizenz je Nutzer sinkt mit steigender Reife und zunehmendem Marktwettbewerb.

Position	Konservativ	Base	Ambitioniert
KI-Lizenz je produktivem Nutzer/Monat	150 €	90 €	30 €
Einrichtung/Integration (einmalig)	60.000 €	35.000 €	20.000 €
Betrieb/Pflege p. a.	30.000 €	18.000 €	9.000 €
Datenschutz/Compliance p. a.	20.000 €	12.000 €	6.000 €
Laufende Kosten gesamt p. a. (≈40 Nutzer)	~122.000 €	~73.000 €	~29.000 €

Tabelle 8: Illustrative Kosten/TCO der Modellgenossenschaft (≈40 produktive Nutzer). Schätzung; eigene Annahmen, orientiert an marktüblichen Lizenz-/Implementierungskosten. Die laufende Summe enthält Lizenz (40 × Monatswert × 12) plus Betrieb und Compliance.

10.5 Netto-Effekte, Payback und Sensitivität

Im Base-Case übersteigt das jährliche Effizienzpotenzial (rund 0,2–0,4 Mio. €) die laufenden KI-Kosten (rund 73.000 €) deutlich; der Payback der Einrichtungskosten liegt typischerweise unter 24 Monaten. Für kleine Genossenschaften kehrt sich die Logik teilweise um: Die Fixkosten der Einrichtung wiegen relativ schwerer, weshalb gerade hier Verbundlösungen (geteilte Plattform über Verband/Verbund, Kapitel 11 und 12) den Payback erst ermöglichen. Kritisch zu würdigen ist, dass die Werte Schätzungen sind und stark von Adoptionsdisziplin, Datenqualität, ERP-Integration und regulatorischer Reibung abhängen; zudem ist der wahre Nutzen für eine Genossenschaft weniger die Kostensenkung als die Umwidmung freigesetzter Kapazität in Mitgliedernähe, Quartier und Bautätigkeit. Die wichtigsten Sensitivitätstreiber sind – in dieser Reihenfolge – der realisierte Automatisierungsgrad, die ERP-Datenqualität, die Freigabedisziplin und die regulatorischen Anforderungen.

Kapitel 11 — Drei strategische Optionen

Vor dem Hintergrund des Transformationspotenzials werden drei strategische Optionen entwickelt. Sie sind kumulativ und als Migrationspfad lesbar (Abbildung 1); jede wird ausdrücklich ökonomisch und sozialpolitisch/gesellschaftlich gewürdigt. Für eine kostenorientierte Genossenschaft ist die ökonomische Dimension stets Mittel zum Zweck – der Zweck ist der Förderauftrag.

11.1 Option A — „Effizienz- und Servicegenossenschaft" (digitale Effizienz)

Logik. KI wird zur Effizienz in Bestandsbewirtschaftung und Mitgliederservice eingesetzt (Anwendungsfelder 6.1, 6.3, 6.4): Mieterservice-Agent, Schadenstriage, Betriebskostenabrechnung, Backoffice. Ziel ist stabile Nutzungsentgelte, bessere Servicequalität und Entlastung knappen Personals. Ökonomisch: geringe bis moderate Investition, kurzer Payback (Base unter 24 Monaten), unmittelbar messbare Entlastung; geeignet als Einstieg für nahezu jede Genossenschaft. Sozialpolitisch: Entgeltstabilität sichert Bezahlbarkeit; bessere Erreichbarkeit nützt allen Mitgliedern – sofern der persönliche Zugang erhalten bleibt. Risiken: Entpersonalisierung und digitale Exklusion bei unbedachter Umsetzung (vgl. 9.5). KPIs: Bearbeitungszeit je Anfrage, Erstlösungsquote, Kosten je Wohneinheit, Mitgliederzufriedenheit. Eignung: alle Größen; für kleine eG idealerweise als Verbundlösung (Option C).

11.2 Option B — „Datengetriebene Quartiers- und Bestandsentwicklung"

Logik. KI wird strategisch für ESG, Sanierung und Quartiersentwicklung genutzt (Felder 6.5, 6.6, 6.9; vgl. Kapitel 7): Energiemonitoring, Sanierungsfahrpläne, Fördermittelmanagement, Quartiers-Apps, Bedarfserkennung. Es entstehen neue, gemeinwohlorientierte Services für Mitglieder und Nachbarschaft. Ökonomisch: höhere Investition und längerer Zeithorizont, aber großer Hebel auf die teuerste Zukunftsaufgabe (Dekarbonisierung) und auf die Erschließung von Fördermitteln. Sozialpolitisch: sozial verträgliche Klimasanierung (Vermeidung überfordernder Modernisierungsumlagen), Stärkung von Quartier und Teilhabe, gezielte Unterstützung vulnerabler Gruppen. Risiken: Datenschutz bei Quartiers- und Sozialdaten, Komplexität, Abhängigkeit von Förderpolitik. KPIs: Sanierungsrate, eingeworbene Fördermittel, CO₂-Reduktion, Quartiers-Engagement. Eignung: mittlere und große eG, in Kooperation mit Kommunen und sozialen Trägern.

11.3 Option C — „Genossenschaftliche KI-Plattform / Verbundlösung"

Logik. Mehrere Genossenschaften teilen sich KI-Infrastruktur und Shared Services – getragen über Verbände (VdW, GdW) oder den genossenschaftlichen Verbund, mit gemeinsamen Datenstandards und Musterlösungen (vgl. WohWi-KI des VdW Bayern, GdW-Kompetenzzentrum DigiWoh). Das Genossenschaftsprinzip wird damit auf die Digitalisierung selbst angewandt: gemeinsame Selbsthilfe. Ökonomisch: Skaleneffekte senken die Stückkosten drastisch und machen anspruchsvolle KI auch für kleine Genossenschaften erschwinglich; der sonst prohibitive Fixkostenblock wird geteilt. Sozialpolitisch: verhindert eine digitale Spaltung zwischen großen und kleinen Genossenschaften, sichert die Vielfalt der Träger und damit die flächendeckende gemeinwohlorientierte Wohnraumversorgung. Risiken: Governance der gemeinsamen Plattform, Datenhoheit, Abstimmungsaufwand, Anbieterabhängigkeit. KPIs: Zahl teilnehmender eG, Stückkosten je Wohneinheit, Adoptionsbreite. Eignung: besonders für kleine und mittlere eG; strategisch für die gesamte Branche.

11.4 Empfehlungslogik

Die Optionen sind kein Entweder-oder. Für die meisten Genossenschaften ist Option A als Einstieg, Option B als strategische Vertiefung und Option C als Ermöglicher – insbesondere für kleine Häuser – der rationale Pfad. Große Genossenschaften können A und B eigenständig gehen und C mitgestalten; kleine Genossenschaften erreichen A und B realistisch nur über C. Tabelle 9 fasst den Vergleich zusammen.

Kriterium	Option A — Effizienz/Service	Option B — Quartier/Bestand	Option C — Verbundplattform
Investition	gering–moderat	moderat–hoch	geteilt (pro eG gering)
Time-to-Value	kurz (<1 Jahr)	mittel (1–3 Jahre)	mittel (Aufbauphase)
Ökon. Hebel	Kostenstabilität	Sanierung/Förderung	Skaleneffekte
Sozialpol. Hebel	Bezahlbarkeit/Service	Klima-Gerechtigkeit/Quartier	Trägervielfalt/Teilhabe
Primäre Eignung	alle Größen	mittel/groß	klein/mittel + Branche

Tabelle 9: Vergleich der drei strategischen Optionen. Quelle: eigene Darstellung.

Kapitel 12 — Rolle von Politik, Kommunen und öffentlich-rechtlichen Unternehmen

Die genossenschaftliche KI-Transformation und der genossenschaftliche Wohnungsbau hängen wesentlich von einem ermöglichenden Umfeld ab. Die öffentliche Hand und der öffentlich-rechtliche bzw. genossenschaftliche Finanzsektor können erheblich positiv wirken.

12.1 Politik (Bund und Land)

Die Politik setzt den Rahmen: Wohnungsbau- und Förderpolitik (Bündnis bezahlbarer Wohnraum mit dem – laut GdW mittelfristig unerreichbaren – Ziel von 400.000 Wohnungen/Jahr), Bürokratieabbau, Bau- und Vergaberecht sowie steuerliche Rahmensetzung. Für die KI-Transformation besonders relevant sind drei Hebel: die Förderung von Digitalisierung (bislang eine Lücke – weder KfW noch NRW.BANK haben eine dedizierte Digitalisierungs-Förderlinie für die Wohnungswirtschaft), die Setzung von Datenstandards (Interoperabilität als Voraussetzung von Verbundlösungen) und ein klarer, praktikabler Rechtsrahmen für KI (EU-AI-Act-Umsetzung mit Augenmaß, Rechtssicherheit bei Wohnungsvergabe und Datenschutz).

12.2 Kommunen

Kommunen wirken über die Bodenpolitik (Konzeptvergabe von Bauland, Erbbaurecht statt Verkauf, Bevorzugung gemeinwohlorientierter Träger), über die Quartiersentwicklung und über die Beschleunigung und Digitalisierung von Genehmigungsverfahren (Bauturbo § 246e BauGB, digitale Bauanträge). Sie sind zugleich natürliche Kooperationspartner für datengetriebene Quartiersentwicklung (Option B), etwa bei Wärmeplanung, Sozialdaten und Infrastruktur.

12.3 Sparkassen

Sparkassen sind als öffentlich-rechtliche, regional verankerte und gemeinwohlorientierte Institute natürliche Finanzierungspartner der Genossenschaften – mit kultureller Nähe zum genossenschaftlichen Gedanken. Sie können Modernisierungs- und Digitalisierungsinvestitionen finanzieren und über ihre regionale Verankerung Kooperationen im Quartier unterstützen.

12.4 Förderbanken (KfW und NRW.BANK)

Die Förderbanken sind der stärkste finanzielle Hebel. Die KfW fördert energieeffizientes Bauen und Sanieren (BEG), Programme wie „Jung kauft Alt" sowie den altersgerechten Umbau (455-B); die NRW.BANK trägt mit ihrem Mehrjahresprogramm (rund 12 Milliarden Euro 2023–2027, Anfangskondition 1,0 %, 2024 rund 2,26 Milliarden Euro für 12.847 Wohnungen) die soziale Wohnraumförderung in NRW. Strategisch entscheidend wäre, das Förderinstrumentarium um eine Digitalisierungs- und KI-Komponente zu erweitern – etwa Zuschüsse für gemeinsame Plattformen (Option C) oder für die KI-gestützte Sanierungsplanung –, da hier bislang eine Förderlücke besteht.

12.5 Verbände und genossenschaftlicher Verbund

GdW und VdW Rheinland Westfalen sowie der genossenschaftliche Finanzverbund (DZ Bank, DZ Hyp, Münchener Hypothekenbank) sind zentrale Akteure: als Träger geteilter Infrastruktur und Standards (DigiWoh, GAIA-X/ForeSight, WohWi-KI), als Schulungs- und Wissensplattform und als Finanzierungspartner. Sie sind die natürlichen Träger der Verbundlösung (Option C).

12.6 Handlungsempfehlungen an die öffentliche Hand

Drei Empfehlungen ergeben sich: erstens die Schließung der Digitalisierungs-Förderlücke durch eine KfW-/NRW.BANK-Komponente für KI- und Plattforminvestitionen der gemeinwohlorientierten Wohnungswirtschaft; zweitens die Setzung verbindlicher, offener Datenstandards für Interoperabilität (Voraussetzung von Verbundlösungen und Reduktion von Anbieterabhängigkeit); drittens ein rechtssicherer, praktikabler Rahmen für KI in Wohnungsvergabe, Datenschutz und Energie, der Innovation ermöglicht, ohne den Diskriminierungs- und Datenschutz aufzuweichen.

Kapitel 13 — Regulatorische, rechtliche und steuerliche Rahmenbedingungen

Dieses Kapitel stellt den maßgeblichen Rahmen dar und erörtert seine Wirkung auf Geschäftsmodell und KI-Einsatz. Alle Angaben haben den Stand Juni 2026 und sind vor produktiver Nutzung am aktuellen Rechtsstand zu prüfen (Versionspflege, Kapitel 14). Diese Studie ersetzt keine Rechts- oder Steuerberatung.

13.1 Genossenschaftsrecht

Maßgeblich ist das Genossenschaftsgesetz (GenG): Förderauftrag (§ 1), Organe (Vorstand, Aufsichtsrat, General-/Vertreterversammlung; Vertreterversammlung ab über 1.500 Mitgliedern, § 43a), Grundsatz „ein Mitglied – eine Stimme" (§ 43 Abs. 3) und Auszahlung des Geschäftsguthabens bei Austritt (§ 73). Besonders prägend ist die genossenschaftliche Pflichtprüfung (§ 53 GenG; jährlich bei einer Bilanzsumme über 2 Mio. Euro, sonst mindestens alle zwei Jahre) und die Pflichtmitgliedschaft in einem Prüfungsverband (§ 54), der zugleich die Verfolgung des Förderauftrags prüft (§ 58 Abs. 1). KI kann die Berichts- und Prüfungszuarbeit erleichtern, ersetzt aber nicht die Organverantwortung. Hinweis: Eine GenG-Novelle (Stärkung der genossenschaftlichen Rechtsform, u. a. Digitalisierung) befindet sich im Gesetzgebungsverfahren; Stand prüfen.

13.2 Gemeinnützigkeit und Wohngemeinnützigkeit

Die historische Wohnungsgemeinnützigkeit (WGG) wurde zum 1. Januar 1990 abgeschafft. Mit dem Jahressteuergesetz 2024 wurde zum 1. Januar 2025 eine Neue Wohngemeinnützigkeit als gemeinnütziger Zweck (§ 52 Abs. 2 AO) eingeführt: vergünstigte Wohnraumüberlassung an bedürftige Personen (§ 53 AO, Einkommensgrenze bis zum Fünf-/Sechsfachen des Regelsatzes), mit dauerhaft unter dem Marktniveau liegender oder kostendeckender Miete. Sie begünstigt jedoch primär gemeinnützige Körperschaften; für die klassische, gewinnorientiert wirtschaftende Genossenschaft ist sie meist nicht einschlägig, und ihre Praxiswirkung ist bislang gering (rund 105.000 begünstigte Haushalte; geplante Investitionszuschüsse wurden gestrichen). Für die meisten Genossenschaften ist die KStG-Befreiung (13.3) relevanter.

13.3 Steuerrecht

Zentral ist die Körperschaftsteuerbefreiung der Vermietungsgenossenschaft nach § 5 Abs. 1 Nr. 10 KStG (mit gewerbesteuerlicher Parallele in § 3 Nr. 15 GewStG): Befreit ist die Überlassung von Wohnungen an Mitglieder. Übersteigen die Einnahmen aus nicht begünstigten Tätigkeiten 10 % der Gesamteinnahmen, entfällt die Befreiung vollständig (Faustregel: rund 90 % Mitgliedernutzung). Dies ist der wichtigste steuerliche Begrenzungsfaktor – und zugleich die zentrale steuerliche Warnung dieser Studie: Neue, KI-ermöglichte Dienstleistungen für Nichtmitglieder (etwa entgeltliche Services oder Energielieferung an Dritte) zählen zu den nicht begünstigten Einnahmen und können bei Überschreiten der 10 %-Grenze die gesamte Steuerbefreiung gefährden. Für steuerpflichtige Wohnungsunternehmen ist daneben die erweiterte gewerbesteuerliche Kürzung (§ 9 Nr. 1 S. 2 GewStG) bedeutsam, deren Bagatellgrenzen (20 % für PV/Ladestrom, 10 % für Mieter-Dienstleistungen) bei neuen Tätigkeiten zu beachten sind. Hinzu treten die genossenschaftliche Rückvergütung (§ 22 KStG) und die zum 1. Januar 2025 wirksame Grundsteuerreform (in NRW nach dem Bundesmodell; die Grundsteuer bleibt als Betriebskostenart umlagefähig). Konsequenz: Jede Ausweitung KI-gestützter Dienste ist steuerlich im Einzelfall zu prüfen; eine Beratung ist zwingend.

13.4 Miet- und Nutzungsrecht

Genossenschaftliche Dauernutzungsverträge unterliegen grundsätzlich dem Wohnraummietrecht des BGB; Mitgliedschaft und Nutzungsvertrag sind rechtlich getrennt. Die Mietpreisbremse (§§ 556d ff. BGB, bundesseitig bis Ende 2029 verlängert) und die Kappungsgrenze (§ 558 Abs. 3, 20 %/15 %) gelten grundsätzlich auch für Genossenschaften; die NRW-Gebietskulisse ist gesondert zu prüfen. Faktisch bieten Genossenschaften durch Satzung und Selbstverständnis einen über das gesetzliche Maß hinausgehenden Bestandsschutz.

13.5 Wohnraumförderung und Baurecht

Die soziale Wohnraumförderung liegt seit 2006 bei den Ländern; in NRW gilt das WFNG NRW, konkretisiert durch die „Förderrichtlinie Öffentliches Wohnen NRW 2025" (vormals Wohnraumförderungsbestimmungen), umgesetzt über die NRW.BANK. Im Baurecht erleichtern der Bauturbo (§ 246e BauGB, in Kraft seit 30. Oktober 2025, befristet bis Ende 2030) und die novellierte BauO NRW (Wegfall der Schriftform, serielles Bauen nach § 66) Neubau und Verdichtung. KI kann die Antrags- und Genehmigungsprozesse hier wirksam unterstützen.

13.6 Energie- und Klimarecht

Das Gebäudeenergiegesetz (GEG) verlangt bei neuen Heizungen einen Anteil von 65 % erneuerbarer Energie, gekoppelt an die kommunale Wärmeplanung (Großstädte über 100.000 Einwohner bis 30. Juni 2026, kleinere Kommunen bis 30. Juni 2028). Die Neufassung der EU-Gebäuderichtlinie (EPBD, (EU) 2024/1275) ist bis 29. Mai 2026 in nationales Recht umzusetzen (Umsetzung teils noch offen); sie verlangt Nullemissionsneubau ab 2030 und sektorale Primärenergie-Reduktionsziele für Wohngebäude (−16 % bis 2030). Diese Pflichten sind der stärkste Treiber des Sanierungsbedarfs – und ein Hauptanwendungsfeld der KI (6.5, 7.2, 8.3).

13.7 Datenschutz

Die Verarbeitung von Mieter- und Mitgliederdaten unterliegt DSGVO und BDSG. Besondere Vorsicht gilt der Videoüberwachung (Innenbereiche regelmäßig unzulässig), dem Smart Metering (Messstellenbetriebsgesetz) und jeder Form von Profiling oder automatisierter Einzelentscheidung (Art. 22 DSGVO). Bei KI-Einsatz mit sensiblen Daten ist regelmäßig eine Datenschutz-Folgenabschätzung (Art. 35 DSGVO) erforderlich; Leitlinie ist u. a. die EDSA-Stellungnahme 28/2024 zu KI-Modellen.

13.8 KI-Regulierung und Diskriminierungsschutz

Der EU-AI-Act ((EU) 2024/1689) gilt gestuft: Verbote seit Februar 2025, Pflichten für KI-Modelle mit allgemeinem Verwendungszweck seit August 2025, der Großteil der Pflichten – einschließlich der Hochrisiko-Anforderungen für Annex-III-Systeme – ab August 2026 (ein Kommissionsvorschlag vom November 2025 zur Verschiebung ist noch nicht in Kraft; Stand prüfen). Für Genossenschaften besonders relevant: KI zur Bewertung der Kreditwürdigkeit und zum Zugang zu wesentlichen Diensten ist Hochrisiko; eine KI-gestützte Mieterauswahl mit Profiling ist stets Hochrisiko und löst Transparenz-, Risikomanagement-, Daten- und Aufsichtspflichten aus. Chatbots unterliegen der Kennzeichnungspflicht (Art. 50). Hinzu tritt das Allgemeine Gleichbehandlungsgesetz (AGG): Automatisierte Wohnungsvergabe birgt ein erhebliches Risiko mittelbarer Diskriminierung (Beweislastumkehr nach § 22 AGG; Negativbeispiel Brebau Bremen 2021). Die genossenschaftskonforme Konsequenz ist die menschliche Letztentscheidung bei der Vergabe und der Verzicht auf Personen-Scoring.

13.9 Bankaufsicht bei Spareinrichtungen

Genossenschaften mit eigener Spareinrichtung (wie der Fallanker SBV Solingen) betreiben das Einlagengeschäft nach § 1 KWG und unterliegen insoweit dem Kreditwesengesetz (Sondervorschriften § 51c KWG) und der Aufsicht von BaFin und Deutscher Bundesbank. KI-Einsatz im Finanz- und Meldewesen ist daher mit besonderer Sorgfalt, vollständiger Nachvollziehbarkeit und menschlicher Letztverantwortung auszugestalten – und unterliegt zusätzlich den aufsichtlichen IT- und Auslagerungsanforderungen (13.11).

13.10 Compliance-Landkarte

Tabelle 10 ordnet den wichtigsten KI-Anwendungsfeldern die jeweils maßgeblichen Pflichten zu.

Anwendungsfeld	Maßgebliche Regelungen	Kernpflicht
Mieterservice-Chatbot	EU-AI-Act Art. 50; DSGVO	Kennzeichnungspflicht, Datensparsamkeit
Wohnungsvergabe/Scoring	EU-AI-Act Annex III; AGG; DSGVO Art. 22	ggf. Hochrisiko; menschliche Entscheidung; Diskriminierungsfreiheit
Neue Dienste für Nichtmitglieder	§ 5 Abs. 1 Nr. 10 KStG; § 9 Nr. 1 GewStG	10 %-Grenze beachten (Verlust der Steuerbefreiung)
Energie/ESG, PV-Strom	GEG/EPBD; § 9 Nr. 1 S. 3 GewStG	Sanierungspflichten; 20 %-Bagatellgrenze Strom
Finanz-/Spareinrichtung	KWG; BaFin; DORA; BAIT	Auslagerung § 25b, IKT-Drittparteienrisiko, Nachvollziehbarkeit
Gremien/Prüfung	GenG §§ 53, 54, 58	Organverantwortung, Prüfungsfähigkeit

Tabelle 10: Compliance-Landkarte je KI-Anwendungsfeld. Quelle: eigene Darstellung; Rechtsstand Juni 2026.

13.11 Praxis: DSGVO- und KWG-/DORA-konformer Einsatz von Claude in Deutschland

Für eine BaFin- und Bundesbank-beaufsichtigte Genossenschaft mit Spareinrichtung gilt: Claude sollte nicht über die Endkunden-Apps oder die voreingestellte US-Verarbeitung der Standard-API genutzt werden, sondern über eine EU-Region eines Hyperscalers – konkret Claude über Amazon Bedrock (Region Frankfurt) oder Google Vertex AI (EU-Regionen) – unter Auftragsverarbeitungsvertrag und idealerweise mit Zero-Data-Retention-Vereinbarung, eingebettet in eine DORA-konforme Auslagerungs-Governance.

DSGVO. Anthropic agiert für Geschäftskunden als Auftragsverarbeiter und trainiert nicht auf Kundendaten; ein Data Processing Addendum (Art. 28 DSGVO) ist verfügbar, Zertifizierungen umfassen ISO 27001, ISO 42001 und SOC 2. EU-Datenresidenz wird über Bedrock/Vertex erreicht (die erstanbieterische Anthropic-API speichert standardmäßig in den USA). Erforderlich sind die AVV-Kette (Anthropic plus AWS/Google als Sub-Auftragsverarbeiter), eine Datenschutz-Folgenabschätzung (Art. 35), Datensparsamkeit/Zweckbindung, menschliche Letztentscheidung bei wesentlichen Entscheidungen (Art. 22) sowie ein Lösch-/Aufbewahrungskonzept.

KWG/Bankaufsicht und DORA. Der KI-Bezug rund um die Spareinrichtung ist eine IT-Auslagerung (§ 25b KWG, MaRisk AT 9, BAIT) und unterliegt der seit 17. Januar 2025 anwendbaren DORA-Verordnung ((EU) 2022/2554): IKT-Drittparteienrisiko-Management, Eintrag in das Informationsregister, Vertragspflichten nach Art. 30 (Audit- und Zugangsrechte, Angabe der Datenverarbeitungsorte, Exit-Strategie) sowie Berücksichtigung der Konzentrationsrisiken – AWS, Google und Microsoft wurden im November 2025 als kritische IKT-Drittdienstleister (CTPP) eingestuft. Maßgeblich ist zudem die BaFin-Orientierungshilfe zu IKT-Risiken beim Einsatz von KI (18. Dezember 2025), die KI als komplexes IKT-System in den DORA-Rahmen einordnet und eine vom Vorstand verantwortete KI-Strategie, kritikalitätsabhängiges Testen und durchgängiges IKT-Drittparteienrisiko-Management verlangt. Vor Vertragsschluss zu verifizieren: DORA-konforme Vertragszusätze speziell von Anthropic (die AWS/Google-Addenda decken nur die Infrastrukturebene), die exakte Einstufung der Genossenschaft als CRR-Institut sowie der aktuelle Stand der EU-Datenresidenz-Optionen.

13.12 Plattformwahl und souveräne Alternativen

Die beste Plattform hängt von der Abwägung zwischen Leistungsfähigkeit, Datensouveränität, Total Cost of Ownership und Betriebsaufwand ab. Höchste Leistungsfähigkeit bei EU-Residenz bietet Claude auf Bedrock/Vertex (EU) bzw. Azure OpenAI mit EU-Datengrenze – allerdings mit US-Muttergesellschaften und CTPP-Konzentrationsrisiko. Beste Balance aus Souveränität und Fähigkeit bietet das EU-/französische Unternehmen Mistral (EU-gehostete API oder On-Premise-/VPC-Betrieb, auch als Open-Weights). Maximale Datensouveränität erreichen selbst gehostete Open-Weights-Modelle (Llama, Mistral) auf souveränen deutschen Infrastrukturen wie IONOS AI Model Hub, Schwarz/STACKIT (u. a. mit Aleph Alpha PhariaAI) oder OVHcloud – bei höchstem Betriebsaufwand und gewisser Leistungs-Einbuße. Unabhängig vom Modell gilt ein gemeinsames agentisches Regime: Orchestrierung auf EU-/souveräner Infrastruktur, Mensch-in-der-Schleife bei allen wesentlichen Entscheidungen, rollenbasierte Rechte, lückenlose Protokollierung, Quellenbindung (Retrieval über eigene, geprüfte Dokumente) sowie getestete Exit- und Portabilitätspläne (DORA). So lässt sich Leistungsfähigkeit mit Datenschutz, Aufsichtskonformität und genossenschaftlicher Datenhoheit vereinbaren.

Kapitel 14 — Versionierbarkeit und Pflege der Studie

Die Studie ist – wie vom Auftrag gefordert – hinsichtlich Quellen und Rechtsgrundlagen versionierbar angelegt. Sie folgt der KATALYSIA-Versionspflege-Routine (Versionspflege_EU-AI-Act_IDW.md), hier um wohnungswirtschaftliche Quellen erweitert. Gerade weil zentrale Rechtsgrundlagen (EU-AI-Act, GEG/EPBD, Neue Wohngemeinnützigkeit, NRW-Förderung, GenG-Novelle, DORA/BaFin-KI-Hinweise) jung oder in Bewegung sind, ist eine disziplinierte Pflege unerlässlich.

14.1 Versionsprotokoll

Version	Datum	Auslöser	Wesentliche Änderungen
1.0	6. Juni 2026	Erstpublikation	Erstellung der Studie (Kap. 1–14 a. F.), Annahmen-Memo, Designsystem-Anwendung
1.1	8. Juni 2026	Umsetzung Änderungsliste	Neues Kapitel 7 „Bestandswirtschaft"; offengelegte Herleitung der Effizienz-/Kostenwerte (Kap. 10); generisches Maskulinum; Inhalts-, Abkürzungs- und Tabellenverzeichnis; Tabellennummerierung; Quellenangaben Branchenadoption; DSGVO-/KWG-/DORA-konformer Claude-Einsatz (13.11–13.12); klickbare Quellen mit Abrufdatum; Optionen-Grafik (Abb. 1); Logo oben rechts (40 mm)
1.2	9. Juni 2026	Qualitäts-Durchgang (Prüfbericht)	Wohnungsbestand einheitlich auf Destatis-Leitzahl (43,8 Mio. Wohnungen, Ende 2024) in Kap. 2.1 und 7.1 (F1); Agent-Prompt öffentlich nur noch als PDF auf der Themen-Indexseite, öffentliche HTML-Fassung entfernt (F3)
geplant	vor 2.8.2026	EU-AI-Act-Anwendungsstufe	Prüfung der Hochrisiko-Einordnung von Wohnungsvergabe/Scoring; Anpassung Compliance-Landkarte
geplant	bis/ab 29.5.2026	EPBD-Umsetzung in nationales Recht	Aktualisierung Energie-/Klimakapitel (GEG-Anpassung)
geplant	Q4 2026	Halbjahresupdate	Marktzahlen-Refresh (GdW/VdW/dena), Vendor-Stand, Förderprogramme

Tabelle 11: Versionsprotokoll der Studie. Quelle: eigene Darstellung.

14.2 Watchlist (Wohnungswirtschaft & KI)

Bereich	Quelle	Beobachtungsfokus
KI-Regulierung	EU-Kommission, EU-AI-Office	Anwendungsstufen, Hochrisiko (Vergabe/Scoring), Digital-Omnibus, GPAI
Bankaufsicht/IKT	BaFin, EU (DORA)	BaFin-KI-Orientierungshilfe, DORA-Register/Verträge, CTPP-Designation, BAIT
Datenschutz	EDSA/EDPB, BfDI, LDI NRW	KI-/Profiling-Leitlinien, Smart Metering, Videoüberwachung
Energie/Klima	BMWSB, BBSR, dena, EU	GEG-Anpassung, EPBD-Umsetzung, kommunale Wärmeplanung (WPG)
Energie dezentral	BMWE, Bundesnetzagentur	Solarpaket I/Mieterstrom, MsbG-Novelle, Ladeinfrastruktur (GEIG)
Steuer/Gemeinnützigkeit	BMF, Finanzverwaltung NRW	§ 5 KStG, § 9 GewStG, Neue Wohngemeinnützigkeit, Grundsteuer-Hebesätze
ESG-Berichtspflichten	EU, DRSC	CSRD/ESRS, Omnibus-Paket, EU-Taxonomie, CRREM-Pfade
Genossenschaftsrecht	BMJ, DGRV, Prüfungsverbände	GenG-Novelle, Prüfungsstandards, Förderauftrag
Wohnraumförderung/Bau	MHKBD NRW, NRW.BANK, KfW	WFNG/FRL NRW, Förderbudgets, Bauturbo, BauO NRW, KfW 455-B
Markt/Branche	GdW, VdW Rheinland Westfalen, Destatis	Bestands-, Miet-, Investitions- und Adoptionsdaten
Plattformen	Anthropic, AWS, Google, Microsoft, Aareon u. a.	Modellversionen, EU-Datenresidenz, Pricing, ERP-KI-Funktionen

Tabelle 12: Themenspezifische Watchlist für die Versionspflege. Quelle: eigene Darstellung in Anlehnung an die KATALYSIA-Versionspflege-Routine.

14.3 Trigger, Routinetakte und Verantwortlichkeiten

Ein Versionssprung wird ausgelöst bei Rechtsänderungen (EU-AI-Act, GEG/EPBD, Steuer, GenG, DORA/BaFin), bei wesentlichen Marktdatenänderungen oder bei Vendor-seitigen Materialveränderungen. Die Routinetakte folgen dem Memo: monatlicher Watchlist-Scan, quartalsweiser Datenrefresh, halbjährliche Querprüfung gegen das Designsystem, jährliche Vollrevision. Verantwortlich für die inhaltliche Pflege ist der KATALYSIA-Research-Lead.

14.4 Quellenführung

Jede regulatorische und statistische Aussage ist mit stabiler Referenz und Abrufdatum zu führen, sodass Aktualisierungen nachvollziehbar versioniert werden können. Die Kernquellen sind am Ende dieser Studie zweispaltig und mit Abrufdatum dokumentiert.

Kapitel 15 — Synthese und Ausblick

15.1 Zentrale Befunde

Wohnungsgenossenschaften sind eine stabile, gemeinwohlorientierte Säule der bezahlbaren Wohnraumversorgung – mit unterdurchschnittlichen Mieten, hoher Eigenkapitalausstattung und einer eigenen, mitgliedergetragenen Logik. Weil sie kostenorientiert wirtschaften, liegt der Wert agentischer KI für sie nicht in höheren Erträgen, sondern in Kostenstabilität, Kapazität und Qualität. Das Potenzial ist breit – von Mieterservice und Backoffice über Energie/ESG bis Neubau – und ordnet sich in die umfassendere Transformation der Bestandswirtschaft ein (Kapitel 7). Die Adoption ist noch jung, was Vorreitern einen Vorsprung verschafft. Die größte strukturelle Herausforderung ist die Größenheterogenität: Kleine Genossenschaften erreichen den Nutzen realistisch nur über Verbundlösungen.

15.2 Handlungsempfehlungen

Für Genossenschaften: an den größten Schmerzpunkten beginnen (Mieterservice, Betriebskosten, Förder-Scan); Mensch-in-der-Schleife, Datenschutz und Transparenz von Anfang an verbindlich regeln; den persönlichen Zugang als gleichwertige Alternative sichern; freigesetzte Kapazität bewusst in Mitgliedernähe, Quartier und Bautätigkeit umwidmen; steuerliche Wirkungen neuer Dienste (10 %-Grenze) vorab prüfen; bei Spareinrichtung den DSGVO-/KWG-/DORA-konformen Einsatzpfad (Kapitel 13.11) wählen; kleine Häuser sollten Verbundlösungen über VdW/GdW suchen. Für die öffentliche Hand: die Digitalisierungs-Förderlücke schließen, offene Datenstandards setzen und einen rechtssicheren KI-Rahmen schaffen.

15.3 Forschungs- und Validierungsbedarf

Belastbare branchenspezifische Kennzahlen (Verwaltungskosten je Wohneinheit, Personalquoten, realisierte KI-Effekte) sind öffentlich nur eingeschränkt verfügbar; eine Validierung über GdW-/VdW-Daten und Pilotprojekte einzelner Genossenschaften ist empfehlenswert. Die Quantifizierungen dieser Studie sind illustrativ und durch Praxisdaten zu untermauern (Kapitel 10).

15.4 Ausblick 2030+

Bis 2030 prägen drei Entwicklungen das Feld: steigender Wohnungs- und Sanierungsbedarf bei knappen Mitteln, die Reifung agentischer KI-Betriebsmodelle und ein sich verdichtender Rechtsrahmen (EU-AI-Act, EPBD, DORA). Genossenschaften, die früh und genossenschaftskonform – gemeinsam, transparent und mitgliederorientiert – digitalisieren, können ihren Förderauftrag im 21. Jahrhundert stärken: bezahlbares, sicheres und gemeinschaftliches Wohnen, ermöglicht durch Technologie, aber getragen von Menschen.

Anhänge

A1 Zentrale Annahmen. Vollständig im begleitenden Annahmen-Memo. Kerngrößen: Markt ~2.000 Genossenschaften, ~2,2 Mio. Wohnungen, ~5 Mio. Bewohner; NRW (VdW RW) 323 Genossenschaften, ~1,1 Mio. Wohnungen; Modellgenossenschaft mittel ~7.000 WE / ~130 Mitarbeiter (Anker SBV Solingen); adressierbarer Admin-Anteil ~40–60 %; Effizienz Base 20–35 %; Payback Base unter 24 Monaten.

A2 Glossar (Auswahl). eG – eingetragene Genossenschaft. Förderauftrag – gesetzlicher Zweck der Mitgliederförderung (§ 1 GenG). Identitätsprinzip – Mitglied ist Nutzer und Träger zugleich. Dauernutzungsrecht – faktisch lebenslanges Wohnrecht des Mitglieds. Geschäftsguthaben – eingezahlte Anteile des Mitglieds. Spareinrichtung – genossenschaftliche Sparannahme (KWG/BaFin). Pflichtprüfung – Prüfung durch den genossenschaftlichen Prüfungsverband (§ 53 GenG). Agentische KI – autonome, werkzeugnutzende, mehrschrittige KI unter menschlicher Letztverantwortung. Entpersonalisierung – Verlust des persönlichen Kontakts durch Automatisierung. Serielle Sanierung – industrialisierte Bestandssanierung mit vorgefertigten Modulen. Stranded Asset – Gebäude, das die Dekarbonisierungspfade verfehlt und an Wert verliert. ZDR – Zero Data Retention. DORA – Digital Operational Resilience Act.

A3 Registertabelle NRW (erweitert, kuratiert). Tabelle 13 ergänzt Kapitel 2.3 um eine nach Regionen geordnete Auswahl; sie ist nicht vollständig (NRW zählt mehrere hundert Genossenschaften; vollständiges Verzeichnis beim VdW Rheinland Westfalen).

Region	Genossenschaft (eG)	Stadt	Wohnungen (ca.)
Ruhrgebiet	Spar- und Bauverein eG Dortmund (SPARBAU)	Dortmund	~12.000
Ruhrgebiet	GEWOBAU Wohnungsgenossenschaft Essen eG	Essen	~5.500
Ruhrgebiet	Wohnungsgenossenschaft Duisburg-Süd eG	Duisburg	~4.300
Ruhrgebiet	weitere eG (Auswahl)	Bochum, Gelsenkirchen, Hamm	n. v.
Rheinland	DWG Düsseldorfer Wohnungsgenossenschaft eG	Düsseldorf	~8.000
Rheinland	Wohnungsgen. 1896 / GWG zu Köln / Erbbauverein Köln eG	Köln	je mehrere Tsd.
Rheinland	weitere eG (Auswahl)	Krefeld, Mönchengladbach	n. v.
Bergisches Land	Spar- und Bauverein Solingen eG (SBV)	Solingen	~7.000
Bergisches Land	Wuppertaler Bau- und Sparverein eG	Wuppertal	~1.400
Westfalen	Baugenossenschaft Freie Scholle eG	Bielefeld	>5.000
Westfalen	weitere eG (Auswahl)	Münster, Paderborn	n. v.

Tabelle 13: Erweiterte Registertabelle ausgewählter Wohnungsgenossenschaften in NRW nach Region (kuratiert, gerundet, unvollständig). Quelle: Geschäftsberichte, VdW Rheinland Westfalen, eigene Recherche; „n. v." = nicht verifiziert.

A4 Datentabellen. Effizienz-, Kosten- und ROI-Modellierung der Modellgenossenschaft mit offengelegter Herleitung in Kapitel 10.2–10.4 (Tabellen 6–8).

A5 Compliance-Checkliste (Auszug). KI-Einsatz transparent gemacht (Art. 50) · Wohnungsvergabe ohne Personen-Scoring, menschliche Letztentscheidung (AGG, EU-AI-Act) · Datenschutz-Folgenabschätzung bei sensiblen Daten · 10 %-Grenze (§ 5 KStG) bei neuen Diensten geprüft · GewSt-Bagatellgrenzen beachtet · Spareinrichtung: § 25b KWG/BAIT/DORA, EU-Datenresidenz (Bedrock/Vertex), AVV + ZDR · Pflichtprüfung/Organverantwortung gewahrt · persönlicher/analoger Zugang gesichert.

A6 Quellenverzeichnis. Siehe Abschnitt „Kernquellen dieser Analyse" (klickbar, mit Abrufdatum).

A7 Versionsprotokoll und Watchlist. Siehe Kapitel 14 (Tabellen 11 und 12).

Methodik & KI-Einsatz

• Erstellt mit Claude Opus 4.6 (Anthropic) auf Basis öffentlich zugänglicher Quellen (Branchenverbände GdW und VdW Rheinland Westfalen, dena, Behörden- und Regulierungspublikationen, Geschäftsberichte, Vendor-Dokumentation).
• Schwerpunkt der Analyse: Deutschland mit Vertiefung Nordrhein-Westfalen; Zeitraum 2026–2030, selektiver Ausblick bis 2032; Fallanker Spar- und Bauverein Solingen eG.
• Zahlenangaben zu Markt, Beständen und Kosten beruhen auf Verbands-, Behörden- und Unternehmensangaben und wurden nicht unabhängig verifiziert.
• Quantifizierungen sind szenarienbasiert (Konservativ / Base / Ambitioniert); ihre Herleitung ist in Kapitel 10 offengelegt; tatsächliche Entwicklungen hängen von Adoptionsdisziplin, Datenqualität, ERP-Integration und regulatorischer Reibung ab.
• Stand der Recherche: Juni 2026 – spätere Markt- und Rechtsbewegungen sind nicht berücksichtigt; Versionspflege gemäß Versionspflege_EU-AI-Act_IDW.md und Kapitel 14.

Kernquellen dieser Analyse

Alle Online-Quellen abgerufen im Juni 2026. Die genannten Zahlen sind nicht unabhängig verifiziert; bei Schätzungen ist dies im Text gekennzeichnet.

Primärquellen – Branchenreports & Industrie

Regulierung, Recht & Statistik

GdW Bundesverband – Wohnungswirtschaftliche Daten und Trends; Genossenschaften; Information 171; Arbeitshilfe 101 VdW Rheinland Westfalen – Verbands- und Jahresbericht Spar- und Bauverein Solingen eG – Geschäftsbericht 2024 (Fallanker) dena – Gebäudereport; Energiesprong/serielle Sanierung ZIA / EY Real Estate – Digitalisierungsstudie 2024/2025 McKinsey – KI im Real Estate (global, Orientierung) VDIV Deutschland – Verwalter-Monitor „KI in der Immobilienverwaltung" 2025 Aareon – ERP/KI (Neela, Bots4You) TU Darmstadt / Pestel-Institut – Deutschlandstudie 2019 (Aufstockung); Pestel – Wohnen im Alter 2023 IW Köln – Mieterstrom-Potenzial; CRREM – Dekarbonisierungspfade Anthropic – Claude-Plattform, Regional Compliance (Bedrock/Vertex EU)

GenG · § 5 KStG · § 9 GewStG · AO §§ 52, 53 · KWG (§ 25b, § 51c) GEG · EU-EPBD 2024/1275 · EU-AI-Act 2024/1689 · AGG DSGVO · DORA (EU) 2022/2554 · EDSA (Opinion 28/2024) BaFin – Orientierungshilfe IKT-Risiken/KI (12/2025), BAIT · § 246e BauGB MHKBD NRW · NRW.BANK · KfW (BEG, 455-B) Statistisches Bundesamt (Destatis) – maßgeblich für den Gesamt-Wohnungsbestand (43,8 Mio., Ende 2024) und Baufertigstellungen · BBSR · Umweltbundesamt · ifo Institut (KI-Nutzung)