Suchprofil und Suchauftrag trennen

Ein Suchprofil beschreibt den fachlichen Bedarf einer Person, eines Haushalts oder einer Organisation. Ein Suchauftrag beschreibt eine vertragliche oder organisatorische Beauftragung. Beide können miteinander verbunden sein, sind aber nicht identisch. Ein Kontakt kann mehrere aktive oder historische Profile besitzen; ein gemeinsames Profil kann mehreren Beteiligten zugeordnet sein.

Stufe 1: technische und räumliche Vorselektion

Zuerst werden nur aktive Objekte und aktive Suchprofile desselben Mandanten betrachtet. Transaktionsart, Vermarktungsstatus und bereits erfolgte Angebote werden geprüft. Suchgebiete können auf die bestehenden 6-km-Tiles abgebildet werden. Primäre Suchtiles, Nachbartiles, erweiterte Bereiche und Ausschlussteile erlauben eine räumliche Auswahl ohne starre Bindung an Postleitzahlen.

Stufe 2: harte Kriterien

Harte Kriterien entscheiden, ob ein Objekt grundsätzlich infrage kommt. Dazu gehören beispielsweise Preismaximum, Mindestfläche, Mindestzimmerzahl, Objektart, Transaktionsart und ausdrücklich ausgeschlossene Eigenschaften. Ein Verstoß führt nicht zu einem bloß etwas niedrigeren Score, sondern zu einem transparenten Ausschluss. Unscharfe oder fehlende Angaben werden gesondert behandelt.

Stufe 3: gewichtete Wünsche

Bevorzugte Lage, Ausstattung, Zustand, Energie, Baujahr, Grundstück oder besondere Wünsche können unterschiedlich gewichtet werden. Das Ergebnis sollte nicht nur eine Zahl sein. Benutzer benötigen eine verständliche Begründung: welche Kriterien erfüllt wurden, wo Abweichungen bestehen und welche Daten noch fehlen. Muss-, Wunsch- und Ausschlusskriterien dürfen nicht als unstrukturierter Freitext verborgen bleiben.

Stufe 4: Prozess- und Kommunikationsprüfung

Ein fachlich passendes Objekt darf nicht automatisch angeboten werden, wenn Einwilligung, Kontaktsperre, Vertraulichkeit, Zuständigkeit oder Kooperationsfreigabe entgegenstehen. Auch bereits erfolgte Ablehnungen, laufende Verhandlungen oder ein gesperrtes Objekt müssen berücksichtigt werden. Matching ist deshalb nicht nur ein mathematischer Vergleich, sondern Teil des CRM-Prozesses.

Spätere ML-Ergänzung

Machine Learning kann später Reaktions-, Kompromiss- oder Abschlusswahrscheinlichkeiten schätzen. Dieser ML-Score bleibt vom regelbasierten Score getrennt. Er darf harte Ausschlüsse und Berechtigungen nicht umgehen. Trainingsdaten benötigen historische Zeitstände, stabile Objekt- und Profilidentitäten sowie nachvollziehbare Zielvariablen. Benutzer müssen weiterhin erkennen können, warum ein Match vorgeschlagen wurde.

Vom Match zur Lernschleife

Angebot, Interesse, Ablehnung, Besichtigung, Verhandlung und Abschluss werden auf das Match zurückgeführt. Dadurch lernt das System nicht nur aus erfolgreichen Abschlüssen, sondern auch aus nachvollziehbaren Ablehnungsgründen. Die fachliche Wahrheit bleibt in MariaDB; Automatisierung und Benachrichtigung können durch n8n orchestriert werden.