Wir verwenden Cookies, um diese Webseite bestmöglich an Ihre Bedürfnisse anzupassen sowie unsere Serviceleistungen zu verbessern. Die weitere Nutzung der Webseite wird als Zustimmung zu unseren Regelungen über Cookies verstanden.

KI – der Game Changer im Immobilienbusiness

Das altbekannte Immobilien-Mantra „Lage, Lage, Lage“ wird immer häufiger durch das neue Credo „Daten, Daten, Daten“ ersetzt. Daten werden jedoch nur dann wertschöpfend, wenn Anwender ausreichend Erfahrung mit der Analyse dieser Daten aufweisen können. Marcelo Cajias, Leiter Data Intelligence bei PATRIZIA, erläutert, wie Digitalisierung und Künstliche Intelligenz (KI) das Immobiliengeschäft disruptiv verändern werden.

Digitalisierung und Immobilienwirtschaft

Kaum ein anderes Thema bestimmt derzeit die Diskussionen in der Immobilienbranche stärker als Digitalisierung und Künstliche Intelligenz. Marcelo Cajias von PATRIZIA ist sich sicher: „Bei diesen disruptiven Themen geht es nicht um einen kurzfristigen Hype. Es handelt sich vielmehr um eine fundamentale Revolution, die das Immobilienbusiness grundlegend verändern wird."

Vor allem institutionelle Investoren sind an diesem Thema stark interessiert. Dazu schreibt Cajias im Journal of Property Investment & Finance am 14. Juli 2020: „Eine solche Entwicklung ist bemerkenswert in einer Branche, in der neue Technologien normalerweise im Schneckentempo eingeführt werden.

Zu den größten Treibern dieser Entwicklung gehört sicherlich das Versprechen, Digitalisierung und KI würden die Effizienz bestehender Prozesse entscheidend steigern und eine Wertschöpfung aus Daten möglich machen. Daneben erobern sog. Protechs und Fintechs zunehmend Teile des Immobiliengeschäfts – durch die Einführung eines ganzen Arsenals an neuen Technologien, zu denen insbesondere KI und maschinelles Lernen gehören. Neuentwicklungen, die das Potential besitzen, wahre Game Changer zu werden.

Bis zur erfolgreichen Adaption dieser Technologien aus anderen Branchen wird jedoch noch einige Zeit vergehen. Sicher ist nur: Die Lernkurve wird steil sein.

"Im Verlaufe eines Immobilienzyklus kommt es regelmäßig zu Konsolidierungen bei neuen Anbietern. Durch ein Black Swan-Event wie Covid-19 werden diese Vorgänge sogar beschleunigt", sagt Cajias voraus. "Es handelt sich dabei um einen natürlichen Prozess. Man erkennt aber auch, mit welcher Wucht nun Veränderungen auf die marktbeherrschenden Player zukommen."

Eine fundamentale Revolution

Wie wird sich diese Revolution auf das Business auswirken? Für institutionelle Mittler wird das Geschäft im Zeitalter des maschinellen Lernens anspruchsvoller. Kunden zum Beispiel können schon heute bestimmte Standorte problemlos durch Onlineabfragen selbst einschätzen und Bewertungen eines Anbieters hinterfragen. Zudem kann eine maschinenbasierte Bewertung Prozesse auch vereinfachen. Zum Beispiel indem man fragt: Finde den besten Standort und bewerte anschließend den gesamten Markt.

"Bereits dieses Beispiel zeigt: Die sog. Disintermediation verunmöglicht es etablierten Immobilienunternehmen, einfach so weiterzumachen wie bisher und es sich auf dem Ruhekissen bequem zu machen. Diese Veränderungen werden ganze Arbeitsorganisationen in Frage stellen", prognostiziert Cajias.

Immobilien-Investmentmanager müssen sich darauf einstellen, dass zukünftig intelligente Zähler, die den Energie- und Wasserverbrauch, die Luftqualität und die Sicherheit eines Gebäudes messen und bewerten, Immobilienverwalter auf Unregelmäßigkeiten aufmerksam machen. Intelligente Kameras optimieren bereits heute die Angebote im Einzelhandel durch tägliche Erfassung der Kundenfrequenz. Weitere Innovationen sind auf dem Weg. KI hilft ebenfalls bei der Überprüfung von Investitionsentscheidungen.

Auf diese Weise werden beispielsweise verlässlichere Mietprognosen möglich – bevor neue Mietverträge unterzeichnet oder Objekte weitervermietet werden.

Marcelo Cajias, Leiter Data Intelligence bei PATRIZIA, erläutert, wie Digitalisierung und Künstliche Intelligenz (KI) das Immobiliengeschäft disruptiv verändern werden.

Aus dem altbekannten Immobilien-Mantra „Lage, Lage, Lage“ wird also zunehmend „Daten, Daten, Daten“. Daten werden jedoch nur dann wertschöpfend, wenn Anwender ausreichend Erfahrung mit der Analyse solcher Daten gewonnen haben. Zunächst jedoch müssen sich Strategen und Anwender von zwei Mythen verabschieden: dass alleine die Migration in eine Cloud sofort sämtliche Erkenntnisse liefert, die man benötigt. Und dass größere Datenmengen automatisch qualitativ bessere Ergebnisse erzielen.

Größere Datenmengen bedeuten nicht zwangsläufig bessere Erkenntnisse

Der Markt wird derzeit von Anbietern überschwemmt, die Immobiliendaten andienen. Diese Daten wurden überwiegend über Web-Scraping-Technologien generiert oder entstammen aus Quellen wie sozialen Medien, Bildaufnahmen oder Sensoren. „Die Einbeziehung zu vieler sog. kollinearer Variablen bei einem Modell kann die Aussagekraft des Modells beeinflussen. Man darf den zu Grunde liegenden Datengenerierungsprozess nicht aus den Augen verlieren“, erklärt Cajias.

"Der Prozess der Wertschöpfung aus Daten ist ein langer Weg."

Marcelo Cajias, Head of Data Intelligence at PATRIZIA

Die Einbeziehung all dieser Informationen in eine sog. hedonische Regression zur Voraussage der Mietpreisentwicklung in einer Stadt hat einen entscheidenden Vorteil: Es können weitere Faktoren identifiziert werden, die die Mietpreisentwicklung besser vorhersagen als herkömmliche Merkmale wie Größe, Lage und Alter der Wohnungen.

„Machine-learning-Anwendungen sind ein leistungsstarkes Tool, das präzise Voraussagen ermöglicht,“ ist Cajias überzeugt. "Voraussetzung allerdings ist, dass Ökonometriker die statistische Kausalität und ökonometrisch-ethische Prinzipien bei ihren Modellen stärker berücksichtigen als zuvor."

Auch der zweite Mythos könnte laut Cajias beharrlicher sein als man denkt. Der Erwerb einer technologischen Infrastruktur als erstem Schritt ist jedenfalls relativ schnell umsetzbar, denn inzwischen werden überall Online-Lösungen angeboten, die innerhalb weniger Minuten genutzt werden können.

Der Weg der Erkenntnis ist lang

Anspruchsvoller wird die Anwendung beim nächsten Schritt: dem Definieren von Datenpipelines zum Sammeln, Bereinigen und Organisieren von Daten. Was sich einfach anhört, erweist sich bald als echte Herausforderung. Insbesondere bezüglich dem Personaleinsatz. Nicht ohne Grund stehen die meisten Anwender derzeit noch an diesem Punkt vor vielen offenen Fragen. In einem dritten Schritt erfolgt dann die Datenanalyse. Hierzu gehört insbesondere die Identifikation von „großen Unbekannten“ innerhalb bestimmter Datenmuster, bei denen einem die Erfahrung zwar sagt, dass sie vorhanden sind, aber diese erste Einschätzung deswegen noch lange nicht sicher validiert ist.

Die größte Herausforderung folgt erst zum Schluss: die Bereitstellung von Modellen.

„Der Einsatz von KI setzt das Vertrauen in computerbasierte Methodiken voraus, die Beziehungen auf Basis „künstlicher“ Annahmen erfassen, verständlich machen und entsprechende Prognosen entwickeln. In anderen Worten: Es gibt keine Annahmen hinsichtlich der Form der Beziehung, sondern es entsteht vielmehr ein Algorithmus, der sich wiederum aus Hunderten von Regeln zusammensetzt.

All dies wirft eine weitere wichtige Frage auf: Wenn KI-Methoden tatsächlich genauer sind als die zuvor angewandten Praktiken - bedeutet dies, dass das ökonometrische Verständnis der Märkte, das wir vor Jahrzehnten entwickelt haben, womöglich falsch war? „Die kurze Antwort lautet: ja, in der Regel", erläutert Cajias.

Aber auch bei ökonometrischen Modellen muss man differenzieren. Beim herkömmlichen Regressionsansatz ist die Art des Verhältnisses zwischen Mieten und sog. Kovariaten entscheidend.

Zwei Modelle, zwei Ansätze

KI-Lernmethoden zielen darauf ab, Erklärungsmuster unabhängig von ökonometrischen Lehrsätzen und ohne Bezug zu Marktexpertise oder irgendwelchen Immobilientheorien zu optimieren.

Je nach Investitionsvorhaben kann KI ein leistungsfähiges Tool sein, um entsprechende Empfehlungen zu erhalten. Es gibt jedoch nach wie vor Fälle, in denen herkömmliche Methoden zusätzlich zur Beurteilung herangezogen werden müssen. In jedem Fall bietet KI Immobilienverwaltern ein leistungsstarkes Modell zur Schätzung von Mieteinnahmen.

„Dieser Ansatz wird als Prognose bezeichnet und dient lediglich zur Vorhersage und Prognose bei - in der Regel - neuen Vermögenswerten“, erläutert Cajias.

Ein anderer Ansatz bietet sich bei der Entwicklung einer Anlagestrategie bzw. der Ermittlung von Werttreibern bei Mieten an. In diesem konkreten Fall steht die Schätzung der Einzelpreiselastizitäten für jede erklärende Variable mit der höchstmöglichen Genauigkeit im Vordergrund. Dieser Ansatz wird als Inferenz bezeichnet.

"Die ökonometrische Welt, wie sie vor Jahrzehnten entstanden ist, hat ein Verfallsdatum."

„In nicht allzu ferner Zeit werden entsprechende Weiterentwicklungen dieser Technologie die Verknüpfung beider Modelle ermöglichen. Eine neue Wortschöpfung existiert hierfür bereits: die sog. erklärbare künstliche Intelligenz (XAI). Es ist schon heute absehbar, dass XAI die vor Jahrzehnten entwickelten ökonometrischen Methoden ablösen wird“, prognostiziert Cajias.

Um in dieser sich rasant verändernden Welt klug zu navigieren, müssen Player auf dem Immobilienmarkt ein von Grund auf neues Analysesystem etablieren und ins kalte Wasser springen. Sie müssen lernen, die jeweiligen Funktionen richtig zu verstehen und anhand von Trial-and-Error-Methoden auszutesten, um die notwendigen Erkenntnisse zu gewinnen. „Bisher haben nur wenige Immobilien-Unternehmen ihre Komfortzone verlassen und investieren in reale Data Intelligence-Anwendungsfälle“, weiß Cajias und sagt voraus: "Wer sich jetzt schon diesem Thema annimmt wird nach den zu erwartenden Umbrüchen in der Branche die Nase vorn haben."

Dieser Text basiert auf einem Artikel von Marcelo Cajias, Leiter Data Intelligence, Research-Abteilung PATRIZIA, der im Journal of Property Investment & Finance am 14. Juli 2020 veröffentlicht wurde.