KI-Agenten für Immobilienfotos: Ein API-Playbook für 2026

Der Wandel: Von Modellen, die Software beschreiben, zu Agenten, die sie bedienen

Bis vor Kurzem war die Beziehung eines KI-Modells zu Ihrer Immobiliensoftware rein beratend. Es konnte Ihnen sagen, was Sie in das CRM schreiben sollten. Es konnte das CRM jedoch nicht öffnen.

Diese Grenze verschob sich im September 2026. OpenAI kündigte GPT-6 Astra am 3. September mit dem Satz „Anything you can do on a computer, Astra can do for you“ an und meldet 72,6 % im Computer-Use-Benchmark OSWorld 2.0 bei etwa 40 Minuten pro Aufgabe – gegenüber 65,7 % bei rund 75 Minuten für das Vorgängermodell GPT-5.6 Sol. Astra nimmt Text und Bilder entgegen und gibt ausschließlich Text zurück. Die API kostet standardmäßig 10 $ pro Million Input-Tokens und 50 $ pro Million Output-Tokens, und OpenAI listet zudem GPT-6.1 Sol zu einem Fünftel dieses Preises (2 $ / 10 $) auf. Das ähnlich benannte Project Astra von Google ist ein separater Forschungsprototyp, der von einer begrenzten Gruppe vertrauenswürdiger Tester genutzt wird.

Für Immobilienmedien ändert dies, wer die Knöpfe drückt. Ein Inserats-Shooting war schon immer eine Abfolge von Software-Operationen: hochladen, auswählen, stagen, verbessern, konvertieren, kennzeichnen, veröffentlichen. All dies kann nun durchgängig automatisiert werden, was eine Frage aufwirft, die die meisten Proptech-Teams noch nicht beantwortet haben: Wie muss Ihr Stack aufgebaut sein, damit ein Agent ihn sicher steuern kann?

Die kurze Antwort: Der Agent liest, sortiert und prüft; eine Bild-API erstellt die Pixel; Ihr Code verwaltet die Schlüssel, das Budget und die Offenlegungsregeln; und ein Mensch gibt alles frei, was ein Käufer, Mieter oder Gast zu sehen bekommt.

Den ChatGPT-Zugang, vollständige Preise und Benchmark-Ranglisten finden Sie in GPT-6 Astra für Immobilien. In diesem Artikel geht es um die technische Infrastruktur.

Wie eine agentengesteuerte Medien-Pipeline aussieht

Eine Fotobearbeitungs-API macht diesen Prozess steuerbar: Sie senden ein Foto und eine Anweisung (ein Werkzeug und seine Optionen) über HTTPS und erhalten einen Job zurück, den Sie verfolgen können, bis das bearbeitete Bild fertig ist. Darum herum sieht der Ablauf für ein Inserat wie folgt aus:

In den Schritten 2, 3, 6 und 8 beweist ein agentisches Modell seinen praktischen Nutzen. In Schritt 4 übergibt es die Aufgabe, da GPT-6 Astra Text zurückgibt, keine Bilder (siehe Kann GPT-6 Astra virtuelles Staging durchführen oder Bilder generieren?).

Der Agent sollte eine API aufrufen, anstatt sich durch eine Web-App zu klicken. Die Computer-Use-Funktion ist eine Kompatibilitätsschicht für Software ohne API. Wenn eine API existiert, ist deren Nutzung schneller, günstiger, deterministisch und – was um 3 Uhr morgens entscheidend ist – debugfähig.

Hotels, die Zimmerfotos aktualisieren, Möbelhändler, die Katalogräume stagen, und Architekturbüros, die Pläne in 3D-Ansichten umwandeln, durchlaufen denselben Ablauf; lediglich die Werkzeuge und Freigaberegeln variieren.

Agent, Skript, Stapel oder Chat: Die Wahl des Weges

Ein autonomer Agent ist die aufwendigste Option. Wählen Sie den einfachsten Weg, der die Aufgabe erfüllt:

App-Stapelverarbeitungen landen in einem Ordner in der Bibliothek mit einem ZIP-Download, erstatten fehlgeschlagene Fotos und akzeptieren Einstellungen pro Foto, wie z. B. Fenster, Ausblick und Jahreszeit für Innenräume bei Tag zu Dämmerung Fotobearbeitung & Umwandlung (Tageszeitwechsel in der App). Über Nachbessern kann anschließend eine getippte Korrektur für knappe Abweichungen beim Staging, bei Raum leeren, Objekt entfernen oder bei Dämmerungsergebnissen im Innenbereich vorgenommen werden. Kostenpflichtige Tarife beginnen bei 12 $ pro Monat (Preise); die Stapelverarbeitung ist im Kostenlos-Tarif nicht enthalten.

Praxisbeispiel: Ein Agent, der ein Inserat über eine Bild-API stagt

Dieses Beispiel nutzt die Roomagen-API, da wir deren genaue Struktur dokumentieren können; das Muster lässt sich auf jede jobbasierte Bild-API übertragen. Sie dokumentiert jedes Tool, das sie akzeptiert (65 mit Stand Oktober 2026, darunter virtual-staging, virtual-renovation, image-enhancement, day-to-dusk, item-removal und floor-plan-to-3d), verarbeitet ein Bild pro Job und vergibt 50 kostenlose Bilder für den ersten Schlüssel.

Schritt 0: Geben Sie dem Agenten ein eng definiertes Tool, nicht den API-Schlüssel. Die meisten Agenten-Frameworks beschreiben Tools mit JSON Schema. Beschränken Sie es auf das, was Ihr Styleguide erlaubt:

{
  "name": "stage_listing_photo",
  "description": "Stage one empty room from a listing. Returns a job_id; the image arrives later.",
  "parameters": {
    "type": "object",
    "properties": {
      "listing_id": { "type": "string" },
      "photo_id": { "type": "string" },
      "style": { "type": "string", "enum": ["modern", "scandinavian", "japandi", "coastal"] },
      "roomType": { "type": "string", "enum": ["living-room", "bedroom", "dining-room", "home-office"] }
    },
    "required": ["listing_id", "photo_id", "style"]
  }
}

Ihr Code wandelt diesen Aufruf in die API-Anfrage um: Er löst die IDs in eine Bild-URL auf, fügt den Schlüssel, die Webhook-URL sowie den Idempotenz-Schlüssel hinzu und prüft die Ausgabenobergrenze. Der Agent kann keinen Stil erfinden, sieht niemals Zugangsdaten und kann nicht dazu verleitet werden, eine URL aus einer manipulierten E-Mail einzureichen.

Schritt 1: Ein Job pro Foto. Ein Header authentifiziert, und jeder Job besteht aus einem Bild und einem Tool, das bei der Erstellung abgerechnet wird:

curl -X POST https://api.roomagen.com/api/v1/jobs \
  -H "X-Api-Key: rmg_live_YOUR_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: listing-8842-photo-03" \
  -d '{
    "tool": "virtual-staging",
    "image_url": "https://cdn.yourapp.com/listings/8842/photo-03.jpg",
    "options": { "style": "scandinavian", "roomType": "living-room" },
    "webhook_url": "https://yourapp.com/hooks/roomagen"
  }'

Die Antwort wird zurückgegeben, bevor die Generierung abgeschlossen ist:

{
  "job_id": "3f1c9d4e-5b2a-4c8e-9f10-7d6a2b3c4e5f",
  "status": "processing",
  "images_charged": 1
}

Vier Details sind für einen Agenten wichtiger als für einen menschlichen Entwickler:

• Idempotency-Key ist die Sicherheitsplanke. Derselbe Schlüssel und Request-Body geben den ursprünglichen Job zurück, ohne erneute Kosten oder Renderings; derselbe Schlüssel mit einem abweichenden Body führt zu 409 idempotency_conflict. Leiten Sie Schlüssel aus Ihrem eigenen Datensatz ab (Inserats-ID plus Foto-ID), niemals zufällig, da erneute Versuche sonst nicht übereinstimmen.
• images_charged ist die Belastung, nicht die Nettokosten. Fehlgeschlagene Jobs werden automatisch erstattet, das Feld wird jedoch nicht überschrieben; erfassen Sie die Nettoausgaben daher aus abgeschlossenen Jobs oder über image_credits in GET /api/v1/account.
• tool ist lediglich ein Slug. Derselbe Aufruf steuert die Bildverbesserung, die Tag zu Dämmerung Fotobearbeitung & Umwandlung, die Objekt- & Gegenstandsentfernung aus Fotos oder die Umwandlung von Grundriss zu 3D an. Rufen Sie GET /api/v1/tools ab, anstatt Slugs fest zu codieren, die ein Agent eventuell erfinden könnte, und validieren Sie die Optionen selbst: Das Staging weist unbekannte Schlüssel ab, während andere Tools weiterlaufen, aber jeden ignorierten Schlüssel in der Liste warnings der Antwort aufführen – lassen Sie den Agenten diese Liste also prüfen.
• Es gibt keinen Batch-Endpunkt. Ein Shooting mit 40 Fotos entspricht 40 Jobs, und die Joberstellung ist auf 60 pro Minute und Schlüssel begrenzt (ein 429-Fehler enthält Retry-After).

Schritt 2: Das Ergebnis trifft per Webhook ein. Wenn der Job abgeschlossen ist, sendet die API einen POST-Request an Ihren Endpunkt mit einem event-Feld (job.completed oder job.failed):

{
  "job_id": "3f1c9d4e-5b2a-4c8e-9f10-7d6a2b3c4e5f",
  "tool": "virtual-staging",
  "status": "completed",
  "images_charged": 1,
  "result_urls": ["https://api.roomagen.com/api/uploads/9c2f7a10-render.jpg"],
  "error": null,
  "created_at": "2026-09-06T09:14:02.114Z",
  "completed_at": "2026-09-06T09:14:39.902Z",
  "processing_ms": 37788,
  "event": "job.completed"
}

Verifizieren Sie die Signatur, bevor Sie auch nur einem Byte davon vertrauen. Die Header X-Roomagen-Event, X-Roomagen-Timestamp und X-Roomagen-Signature: v1=<hex> enthalten einen HMAC-SHA256 über {timestamp}.{raw body}, signiert mit Ihrem whsec_-Secret:

const crypto = require("crypto");

function verify(rawBody, headers, secret) {
  const ts = headers["x-roomagen-timestamp"];
  const expected =
    "v1=" + crypto.createHmac("sha256", secret).update(`${ts}.${rawBody}`).digest("hex");
  const got = headers["x-roomagen-signature"];
  if (got.length !== expected.length) return false;
  if (!crypto.timingSafeEqual(Buffer.from(got), Buffer.from(expected))) return false;
  return Math.abs(Date.now() / 1000 - Number(ts)) < 300;
}

Berechnen Sie den Digest über die unverarbeiteten (raw) Bytes des Bodys, nicht über neu serialisiertes JSON, und weisen Sie Zeitstempel zurück, die älter als etwa fünf Minuten sind. Zustellungen brechen nach 10 Sekunden ab und folgen keinen Weiterleitungen; die Webhook-Referenz beschreibt die vollständige Schnittstellenspezifikation.

Schritt 3: Polling als Fallback. Webhooks können fehlschlagen, und eine Zustellung wird nach fünf Versuchen über einen Zeitraum von rund 36 Minuten abgebrochen. GET /api/v1/jobs/{id} liefert dasselbe Objekt zurück, sodass eine Überwachungsschleife hängengebliebene Jobs im Status processing abgleichen kann:

async function waitForJob(jobId, timeoutMs = 5 * 60 * 1000) {
  const deadline = Date.now() + timeoutMs;
  while (Date.now() < deadline) {
    const res = await fetch(`https://api.roomagen.com/api/v1/jobs/${jobId}`, {
      headers: { "X-Api-Key": process.env.ROOMAGEN_API_KEY },
    });
    if (res.status === 429) {
      const wait = Number(res.headers.get("Retry-After") || 5);
      await new Promise((r) => setTimeout(r, wait * 1000));
      continue;
    }
    const body = await res.json();
    if (!res.ok) throw new Error(body.error.code); // z. B. job_not_found, key_revoked
    if (body.status !== "processing") return body; // completed oder failed
    await new Promise((r) => setTimeout(r, 3000));
  }
  throw new Error(`job ${jobId} still processing: route it to a person`);
}

Jobs sind typischerweise in 20–60 Sekunden fertig; führen Sie ein Polling daher alle 2–5 Sekunden durch und betrachten Sie alles, was länger als ein paar Minuten dauert, als blockiert. Job-Abfragen sind auf 300 pro Minute und Schlüssel begrenzt. Wenn Dutzende Jobs parallel laufen, überlassen Sie den Webhooks die Arbeit und fragen Sie per Polling nur die Nachzügler ab. Kopieren Sie fertige Bilder auf Ihren eigenen Speicher, da Ergebnis-URLs Aufbewahrungsfristen unterliegen.

Schritt 4: Fehler, auf die der Agent reagieren muss. Jede Antwort außerhalb des 2xx-Bereichs lautet { "error": { "code", "message", "doc_url" } }. Verzweigen Sie die Programmlogik nach code, niemals nach message. Folgende Codes treten bei einem autonomen Ablauf auf (die Fehlerreferenz führt alle auf):

Ohne eine explizite Verzweigung für jeden dieser Fälle wiederholt ein Agent Versuche blind und verbraucht unnötig Credits.

Warum Agenten deterministische Tools statt Chat-Schnittstellen brauchen

Die unbequeme Wahrheit agentengesteuerter Medien lautet: Der Engpass ist nicht die Modellintelligenz, sondern der Determinismus der Werkzeuge. Das GenAI Security Project des OWASP nennt ein verwandtes Risiko „Excessive Agency“ (übermäßige Handlungsfähigkeit) und führt es auf übermäßige Funktionalität, Berechtigungen oder Autonomie zurück. Die Eigenschaften, die eine Schnittstelle für Agenten geeignet machen, sind unspektakulär:

• Idempotenz, damit ein Wiederholungsversuch kostenlos bleibt statt abgerechnet zu werden.
• Stabile maschinenlesbare Fehlercodes, damit die Fehlerbehandlung eine logische Verzweigung ist und kein Ratespiel.
• Ein Discovery-Endpunkt und strikte Optionsvalidierung, damit der Agent prüft statt mutmaßt. Wo ein Anbieter nachsichtig ist – wie Roomagen außerhalb des Stagings –, validieren Sie dies in Ihrem eigenen Code.
• Signierte Push-Benachrichtigungen mit Polling-Fallback, damit der Abschluss nicht davon abhängt, dass der Agent aktiv bleibt.
• Kosten in der Antwort, ein Guthaben-Endpunkt und eine veröffentlichte Richtlinie für Fehlschläge, damit die Ausgaben pro Aktion transparent sind und die Kosten eines fehlgeschlagenen Renderings im Voraus bekannt sind.

Ein Chatfenster oder eine Point-and-Click-Benutzeroberfläche bietet einem Agenten fast keinen dieser Vorteile. Deshalb funktioniert „der Agent nutzt einfach unsere Web-App“ in Demos hervorragend, scheitert jedoch im Betrieb: Jede Änderung der Benutzeroberfläche bringt den Ablauf zum Absturz, nichts ist idempotent und ein Fehler äußert sich als Screenshot statt als Code.

Die Fehlermuster, die niemand einkalkuliert

Prompt-Injection über den eigenen Posteingang. Ein Immobilienmakler liest E-Mails, PDFs und Portal-Inserate, die von Fremden verfasst wurden. In externen Tests von Gray Swan, über die The Decoder berichtete, kompromittierten Angreifer mit 15 Versuchen pro Szenario GPT-6 Astra mindestens einmal in 8,5 % der Szenarien (GPT-5.6 Sol: 27 %; Claude Opus 5: 4,8 %). Kein getestetes Modell war immun. Geben Sie demselben Agenten daher niemals sowohl nicht vertrauenswürdige Eingaben als auch unbeaufsichtigte Befugnisse zum Veröffentlichen, Bezahlen oder Abschließen von Verträgen.

Die Selbsteinschätzung des Agenten über seine eigene Arbeit. Am 28. September sagte OpenAI die Veröffentlichung von GPT-6.1 Astra ab. Die Leiterin der Sicherheitssysteme erklärte gegenüber Al Jazeera, das Modell habe die Anforderungen an „scope and authorization, and how it communicates back to the user about the type of work it's done“ verfehlt. Der Chefwissenschaftler von OpenAI bezeichnete die Überwachung der Gedankenkette (Chain-of-Thought) zudem als „fragil“. Behandeln Sie die Zusammenfassung eines Agenten („alle 24 Fotos gestagt und veröffentlicht“) als bloße Behauptung und gleichen Sie sie mit Job-Objekten, Ihrem CRM und Ihren eigenen Protokollen ab.

At-Least-Once-Webhook-Zustellung. Ein Handler, der nach getaner Arbeit in ein Timeout läuft, erhält das Ereignis erneut. Führen Sie daher eine Deduplizierung anhand der job_id durch und halten Sie Handler idempotent. Bei bis zu fünf Versuchen über etwa 36 Minuten hinweg ist die erste Zustellung nicht zwingend die einzige.

Keine Reihenfolgegarantien. Gehen Sie nicht davon aus, dass ein Webhook erst eintrifft, nachdem Ihr eigener POST-Aufruf zurückgekehrt ist, oder dass der Callback für Job A vor dem für Job B eingeht. Schreiben Sie Zustandsautomaten, die das Eintreffen in beliebiger Reihenfolge tolerieren.

Unerwartete Kostenexplosionen. Es laufen zwei Zähler: die Tokens des Modells und die Bilder. Rate-Limits sind eine Bremse, kein Budget: Bei 60 Joberstellungen pro Minute könnte eine unkontrollierte Schleife in zehn Minuten 600 Jobs einreichen – rund 150 $ beim kleinsten API-Paket zu 0,25 $ pro Bild. Idempotenz-Schlüssel verhindern Wiederholungen, stoppen jedoch keinen Agenten, der kontinuierlich neue Aufgaben einreicht. Begrenzen Sie die Ausgaben pro Durchlauf in Ihrem Code, prüfen Sie vorher das Guthaben und schlagen Sie bei ungewöhnlichen Joberstellungsraten Alarm.

Stille strukturelle Abweichungen. Der Job meldet completed, aber ein Fenster wurde verschoben. Generative Modelle – einschließlich unseres eigenen – können Dinge verändern, um die Sie nicht gebeten haben. Nur ein Verifizierungsschritt deckt dies auf: ein Mensch oder ein Agent, der Unterschiede markiert, damit ein Mensch darüber urteilen kann.

Offenlegungen, die niemand angewendet hat. Wenn ein Agent um 4 Uhr morgens Bilder bearbeitet, erinnert sich nur der Programmcode an die Regeln. In Kalifornien verpflichtet der Business and Professions Code Abschnitt 10140.8 (AB 723) Lizenznehmer seit dem 1. Januar 2026 dazu, digital veränderte Bilder in der Immobilienwerbung offenzulegen und das Original bereitzustellen. Der im September 2026 unterzeichnete AB 2025 weitet eine ähnliche Regelung ab dem 1. Januar 2027 auf Mietanzeigen aus und deckt Wohnungsanbieter ebenso wie Lizenznehmer und vollständig KI-generierte Bilder ab. Die Roomagen-API liefert ausschließlich das bearbeitete Bild ohne Offenlegungskennzeichnung zurück; die Kennzeichnung und die Aufbewahrung der Originale liegen somit in Ihrer Pipeline. Unser Leitfaden zu AB 723 und den MLS-Regeln enthält hierzu alle Details.

Was weiterhin in Menschenhand gehört

Das Department of Real Estate in Kalifornien stellt unmissverständlich klar: Wenn ein KI-Tool ungenaue Informationen oder irreführende Werbung erzeugt, liegt die Verantwortung nach geltendem Recht beim Lizenznehmer und seinem verantwortlichen Broker, nicht beim Technologieanbieter. Sein Rundschreiben vom März 2026 fordert Lizenznehmer auf, KI als Unterstützungswerkzeug und nicht als unabhängigen Entscheidungsträger zu behandeln und KI-Ergebnisse freizugeben, bevor man sich darauf verlässt. Dieselbe Aufteilung funktioniert für Hotels, Händler und Designstudios: die Arbeit automatisieren, das Urteilsvermögen beim Menschen belassen.

Die Zeilen für menschliche Eingriffe werden sich so schnell nicht verschieben. Ob ein bearbeitetes Foto eine Immobilie wahrheitsgetreu darstellt, hat rechtliches und ethisches Gewicht; ein unzufriedener Verkäufer braucht ein Gespräch, keinen erneuten API-Versuch; und eine Ausgabenobergrenze, die der Agent nicht ändern kann, ist die günstigste Versicherung in dieser Architektur.

Die Agent-Readiness-Checkliste für Proptech-Teams

Bewerten Sie Ihren eigenen Stack. Die Punkte 1–8 sind Blocker: Fehlt auch nur einer davon, korrigieren Sie die Integrationsschnittstelle, bevor ein Agent unbeaufsichtigt läuft. Ein intelligenteres Modell kann einen Stack, der sich nicht sicher automatisieren lässt, nicht kompensieren.

Vor jedem unbeaufsichtigten Durchlauf

1. Jedes System in der Pipeline verfügt über eine API, oder Sie akzeptieren Computer Use als langsamere, teurere und fehleranfälligere Variante.
2. Schreiboperationen sind idempotent, mit Schlüsseln, die aus Ihren eigenen Datensätzen abgeleitet sind.
3. Der Agent erhält eng begrenzte Tools mit fest definierten Optionen und besitzt niemals einen API-Schlüssel.
4. Fehlerbehandlungen verzweigen nach Fehlercodes mit einer Abbruchliste: keine Credits, ungültige Schlüssel, Idempotenz-Konflikte, abgewiesene Webhook-URLs.
5. Webhooks werden über Raw-Bytes verifiziert (mit einem Constant-Time-Vergleich), anhand der Job-ID dedupliziert, sind tolerant gegenüber beliebigen Eingangsreihenfolgen und durch einen Poller abgesichert.
6. Ausgaben werden außerhalb des Agenten gedeckelt und vor jedem Durchlauf mit dem aktuellen Guthaben abgeglichen.
7. Nicht vertrauenswürdige Eingaben sind isoliert von jedem Tool, das Veröffentlichungen vornehmen, Zahlungen ausführen oder Verträge abschließen kann.
8. Ein Mensch gibt die Inhalte frei, bevor irgendetwas an die Öffentlichkeit gelangt.

Bevor Sie skalieren

9. Offenlegung und Aufbewahrung der Originalbilder werden im Code erzwungen und nicht der Gewohnheit überlassen.
10. Ein Prüfpfad (Audit-Trail) verknüpft jedes veröffentlichte Bild mit seinem Job, seinem Quellfoto und dem Durchlauf des Agenten, der es angefordert hat.
11. Ergebnisse werden in Ihren eigenen Speicher kopiert; die Ergebnis-URL eines Anbieters ist kein Archiv.
12. Eine dokumentierte Abbruchbedingung legt fest, was einen Durchlauf stoppt und einen Menschen alarmiert.

Das Fazit

Die Astra-Ära bedeutet nicht, dass Modelle Ihre Inseratsfotos erstellen werden. Sie bedeutet, dass Modelle die Werkzeuge bedienen, die sie erstellen – was den Druck von der Intelligenz auf die Werkzeuge verlagert. Der September hat beide Seiten gezeigt: Agenten wurden besser darin, Software zu bedienen, und OpenAI hielt GPT-6.1 Astra unter anderem deshalb zurück, wie das Modell über seine eigene Arbeit berichtete.

Die Teams, die davon profitieren werden, betreiben einen Medien-Stack, der API-first, idempotent, signiert, beobachtbar und budgetiert ist – und bei dem Menschen jene Freigaben behalten, die rechtliches Gewicht tragen. Wenn Sie einen Agenten an eine Bild-Pipeline anbinden, führt Sie die API-Schnellstartanleitung durch die erste Anfrage, und die API-Übersicht deckt die Preise ab – von 50 kostenlosen Bildern für Ihren ersten Schlüssel bis hin zu Paketen ab 500 Bildern für 125 $.

Die Modellfähigkeiten, Benchmark-Werte und Preise wurden am 3. Oktober 2026 anhand der unten stehenden Quellen überprüft. Die Formate der API-Anfragen spiegeln die Roomagen API v1 wider; prüfen Sie die Dokumentation auf die aktuelle Spezifikation.