Rhomberg ist im Bereich Building und Facility Management tätig und verfügt bereits über erste IoT-Infrastruktur sowie Projektdaten aus installierten Gebäuden.
Damit ist eine wichtige technologische Grundlage vorhanden. Die zentrale Frage lautete jedoch: Wie lässt sich aus dem bestehenden Projektgeschäft ein standardisiertes und skalierbares Service-Produkt entwickeln, das über klassisches Monitoring und einen Jahresreport hinausgeht?
Gerade im Markt für Gebäudeservices gewinnt diese Frage an Bedeutung. Neue Anbieter treten in den regionalen Markt ein, gleichzeitig eröffnen IoT-Daten und KI neue Möglichkeiten für datenbasierte Services.
Rhomberg wollte diese Entwicklung aktiv nutzen und früh herausfinden, welche Angebote echten Mehrwert für Kunden schaffen und sich gleichzeitig mit einem kleinen Team standardisiert umsetzen lassen.
Zwei Tage, zwei zentrale Fragen
Im Rahmen des Projekts MMIND arbeitete das Rhomberg-Team an zwei aufeinander aufbauenden Workshop-Tagen gemeinsam mit dockyard.ventures an dieser Herausforderung.
Der erste Tag stand unter der Frage „Where to play?“.
Das Team betrachtete den Markt aus drei Perspektiven: Welche Daten und Fähigkeiten sind im Unternehmen bereits vorhanden? Welche Entwicklungen und Wettbewerber prägen den Markt? Und welche konkreten Bedürfnisse haben Kunden rund um Heizung, Strom, Wasser, Lüftung oder Lifte?
Aus diesen Perspektiven wurden die vielversprechendsten Service-Felder herausgearbeitet und priorisiert.
Am zweiten Tag folgte die Frage „How to win?“.
Nun ging es darum, aus den priorisierten Feldern ein konkretes Service-Angebot zu entwickeln: mit klarer Vision, definiertem Ideal Customer Profile, geschärfter Value Proposition, Customer Journey und einem passenden Business Model.
Aus Strategie wird ein klickbarer Prototyp
Die Arbeit blieb nicht auf der strategischen Ebene.
Noch während des Workshops entstand mit Lovable ein erster klickbarer Prototyp eines neuen Service-Produkts. Damit konnten die zuvor entwickelten Ideen unmittelbar sichtbar gemacht, diskutiert und weiterentwickelt werden.
Der Prototyp zeigte unter anderem eine Portfolio-Übersicht mit einer Bewertungslogik für einzelne Gebäude.
So wurde innerhalb von zwei Tagen aus vorhandenen Daten, Marktbeobachtungen und ersten Ideen ein konkreter Produktstand, der intern weiterbearbeitet und gegenüber anderen Personen verständlich präsentiert werden kann.
KI als Werkzeugkasten statt einzelnes Tool
Im Workshop kamen mehrere KI-Werkzeuge zum Einsatz.
Google NotebookLM wurde genutzt, um interne Projektdaten und externe Marktinformationen strukturiert als gemeinsame Wissensbasis aufzubereiten.
Claude und ChatGPT dienten als Sparringspartner für Marktanalyse, Zielkundendefinition, Value Proposition und Geschäftsmodell. Gemini ergänzte die Arbeit durch Recherche und multimodale Analyse.
Mit Lovable entstand der klickbare Prototyp, während Claude Code für produktnahe Artefakte und die Vertiefung technischer Prototypen eingesetzt wurde.
Der zentrale Lernpunkt lag im Zusammenspiel: Welches Werkzeug eignet sich für welchen Arbeitsschritt und wie lassen sich Ergebnisse sinnvoll miteinander verbinden und fachlich beurteilen?
Was nach zwei Tagen entstanden ist
Am Ende des Trainings verfügte Rhomberg über:
priorisierte Service-Felder
ein definiertes Ideal Customer Profile
eine formulierte Value Proposition
ein durchdachtes Business Model
einen ersten klickbaren Prototypen
Noch wichtiger ist jedoch die Methode dahinter.
Das Team kann den Service-Innovationsprozess künftig auf neue Ideen, Kundensegmente und Gebäudetypen übertragen. Damit bleibt nicht nur ein einzelner Prototyp im Unternehmen, sondern auch die Fähigkeit, weitere Service-Produkte systematisch mit Unterstützung von KI zu entwickeln.
„Ein 'Once in a lifetime'-Erlebnis trifft es wahrscheinlich am besten. KI meets Innovation oder andersrum? Beeindruckend, was in nur zwei Tagen entstehen kann, wenn Innovation, KI und vor allem die richtigen Menschen zusammenkommen. Vom ersten Gedanken bis zu einem Prototypen, der am Ende wirklich begeistert hat. Und gleichzeitig wurde wieder klar: Die menschliche Komponente bleibt entscheidend. In der Moderation, im fachlichen Austausch, in den richtigen Entscheidungen und darin, die KI in die passende Richtung zu lenken. Genau dieses Zusammenspiel hat diese zwei Tage so besonders gemacht.“
KI in der Praxis: Aus vorhandenen Daten neue Services entwickeln
Das Praxisbeispiel von Rhomberg zeigt, wie sich KI mit bereits vorhandenen Daten, Branchenwissen und konkreten Kundenbedürfnissen verbinden lässt.
Entscheidend war dabei nicht, möglichst schnell irgendeine KI-Lösung zu bauen. Zuerst wurde geklärt, wo der grösste Nutzen liegt und welches Service-Feld sich wirklich lohnt. Erst danach ging es an Geschäftsmodell und Prototyp.
So entstand in zwei Tagen ein greifbarer nächster Schritt auf dem Weg vom klassischen Projektgeschäft hin zu standardisierbaren, datengetriebenen Building Services.
