BIG DATA

GEZIELTE EINBLICKE IN

WOHN-IMMOBLIEN- MARKTE

„WIR DENKEN, DASS DIE LÖSUNG FÜR DIE WOHNUNGS­MÄRKTE IN EUROPA EINZIGARTIG IST.”

Dr. Marcelo Cajias, Associate Director of Research bei PATRIZIA, leistet seit geraumer Zeit Pionierarbeit bei der Nutzung von Big Data im Unternehmen. Im Fokus dabei: die Bewertung des europäischen Wohnimmobilienmarktes. Im estatements Interview erläutert Dr. Cajias, welche Erkenntnisse Big Data bei der Bewertung eines Immobilienmarktes generell liefert und wie er und sein Team hieraus Investitionschancen für Kunden identifizieren.

estatements Magazin: Manche behaupten, die Diskussion über Big Data erinnere an einen Gedankenaustausch von Teenagern zum Thema Sex. Alle reden darüber. Also denkt jeder, alle anderen würden es tun. Tatsächlich aber beschäftigen sich erstaunlich wenige Unternehmen ernsthaft mit Big Data – und diejenigen, die sich dem Thema widmen, tun es nur halbherzig. Was bedeutet Big Data für Sie persönlich?

Dr. Marcelo Cajias: Dieses Thema ist eigentlich nichts wirklich Neues. Viele Unternehmen widmen sich dem Thema Big Data mit großer Ernsthaftigkeit. Grundsätzlich bedeutet Big Data ja nichts anderes als der Umgang mit immensen Datenmengen. Wir sprechen über Millionen von Informationen pro Sekunde, wie sie beim vollautomatisierten Trading, bei der Bilderkennung, bei der Sprachanalyse usw. gang und gäbe sind – und zwar in unterschiedlichen Strukturen und Formaten. Die Kunst liegt vielmehr darin, all diese Daten zu kombinieren und richtig zu lesen, um entsprechende Informationen daraus zu generieren. So wie wir dies bei PATRIZIA machen. Unser Vorgehen würde ich als „Near Big Data“ bezeichnen.

estatements: Können Sie uns dieses Vorgehen genauer erklären?

Cajias: In der Vergangenheit bestand Market Research überwiegend aus Erfahrungswerten und der Auswertung von durch Makler bereitgestellten Excel-Tabellen. Daraus versuchte man sich ein Bild über die Entwicklung von Mieten, Renditen usw. zu machen. Später, in einem zweiten Schritt, gewann die Auswertung weiterer Daten aus den unterschiedlichsten Quellen an Bedeutung. Daten, die uns beispielsweise Google Maps liefert, oder auch so unterschiedliche Informationen wie Temperaturdaten, Finanzdaten, sozioökonomische Daten etc. Auf dieser neuen Informationsbasis wurden von da an Wohnimmobilienmärkte bewertet und eingeschätzt.

Beim Ansatz der dritten Generation spielte das Internet eine immer größere Rolle. Im Vordergrund stehen hier unstrukturierte Daten aus über 100 MLS (Multiple Listing Systems), also Online-Immobilienportale, die Auflistungen von zum Verkauf stehenden Immobilien bereitstellen und in einer riesigen Datenbank komprimiert werden. All diese Informationen sind in einer Cloud-basierten Lösung zusammengefasst, die wir Geo Big Data Analytics nennen.

estatements: Können Sie uns Zahlen nennen, die uns zum Staunen bringen?

Cajias: Gerne. Die PATRIZIA Geo Big Data-Lösung verfügt über mehr als 50 Millionen Informationen, was einer Web-Datenmenge von 80 GB oder 15.625 CDs entspricht. Wir verwenden 84 Prozessoren in der Cloud, um diese Daten zu sammeln und auszuwerten. Im Vergleich zu der Datenmenge, die in anderen Branchen wie der IT, dem Medizinbereich oder den Amazons dieser Welt genutzt wird, ist das zwar überschaubar, in der Immobilienbranche liegen wir damit aber an der Spitze.

„WÄHREND DER EINFLUSS DER NÄHE INTUITIV ERSCHEINEN MAG, WERDEN DIE PREISE NICHT NUR DURCH DEN ZUGANG, SONDERN VIELMEHR DURCH DEN ZUGANG ZUR RICHTIGEN MISCHUNG VON DATEN BESTIMMT.”
„DIE PATRIZIA GEO BIG DATA LÖSUNG VERFÜGT ÜBER MEHR ALS 50 MILLIONEN INFORMATIONEN, WAS EINER WEB-DATENMENGE VON 80 GB ODER 15.625 CDs ENTSPRICHT.”

estatements: Das Sammeln dieser Datenmengen – gerade aus dem Web – muss sehr aufwändig sein …

Cajias: Das Sammeln selbst ist keine Rocket Science. Schwieriger ist die Verknüpfung all dieser Datenbanken. Wie zum Beispiel verbinden Sie Immobilien- mit Portfoliodaten? Wie können Sie diese Daten mit Informationen über Demografie, Geografie und Mikrodaten wie Echtzeit-Verkehrsberichten oder Mobilfunkverkehr verknüpfen, um aussagekräftige Informationen zu erhalten? Unsere Datenanalyse verbindet vier Datenebenen – Objekt, Portfolio, Mikro- und Makroebene – mithilfe von Cloud-basierten Tools, um auf die Daten zuzugreifen und sie zu analysieren. Dabei kommen wir sehr schnell zu Ergebnissen. Notwendig ist lediglich die Eingabe einer Adresse und man erhält alle wesentlichen Informationen, die zur Bewertung eines Wohnassets im Zusammenhang mit einer Investitionsentscheidung erforderlich sind, einschließlich Beschreibungen des lokalen Marktes, der Bauausführung, der Liquiditätsmaßnahmen, der Preisindizes, der Heatmaps, der demografischen Zusammensetzung und vielem mehr – und das innerhalb von nur acht Minuten in einem 45-seitigen Bericht.

estatements: Wie profitieren Kunden von all diesen Informationen?

Cajias: Unser Report ist unglaublich detailliert. Er liefert zum Beispiel exakte Vermietungsdaten. In München etwa betragen diese derzeit fünf Tage und in Dresden mehrere Wochen. Auch können wir konkrete Mietpreisniveaus aufschlüsseln. Wir wissen beispielsweise, dass eine Wohnung mit Balkon in Stuttgart als höherwertiger gilt als in anderen Städten. Dortige Mieter zahlen also für eine Wohnung mit Balkon mehr. Ganz anders in München. Hier bringt etwa eine Einbauküche höhere Mieteinnahmen, weniger ein Balkon. Solche Merkmale werden von einem eigenen Tool ausgeworfen. Ein anderes Tool erlaubt Bewertungen von Investitionsmöglichkeiten. Damit sind Miethöheschätzungen mit einer Fehlerquote von weniger als einem Euro pro Quadratmeter möglich. Und eine Aussage darüber, um wie viel eine Immobilie im Vergleich zum Marktdurchschnitt „underrented“ oder „overrented“ ist.

Auf Grundlage dieser Renditezahlen, also der jährlichen Rendite geteilt durch den Preis, können wir erste Strategien entwickeln, denn durch Benchmarking mit Daten aus der Cloud sehen wir genau, wie ein Objekt preislich einzuschätzen ist. Diese Informationen helfen uns bei der Wohnraum-Portfolioanalyse und damit der Entscheidung, ob wir für unsere Kunden kaufen, verkaufen oder halten sollen.

estatements: Wurden dadurch bisherige Prozesse verändert?

Cajias: Auf jeden Fall. Ich kann mich noch gut erinnern: Als ich vor acht Jahren zu PATRIZIA kam, musste ich nach dem Einloggen in eine Datenbank gefühlte 100-mal klicken, bevor ich die ersten gesuchten Daten erhielt. Danach musste ich in einer zweiten Datenbank erneut 100-mal klicken, um weiterzukommen. Der gesamte Suchprozess kostete mich damals gut drei Stunden. Anschließend waren zwei weitere Arbeitstage nötig, um all die gesammelten Daten zu analysieren und meine Präsentation aufzubereiten. Der gesamte Prozess dauerte nicht unter vier Tagen und irgendwann kam ich zu der Erkenntnis, dass ich mir diesen Aufwand keine weiteren zehn Jahre antun möchte. An einer Automatisierung ging für mich somit kein Weg vorbei.

„UNSER VORGEHEN WÜRDE ICH ALS 'NEAR BIG DATA' BEZEICHNEN.”
“IN DER VERGANGENHEIT ERFORDERTE MARKET-RESEARCH INTUITION UND DIE BESCHAFFUNG VON EXCEL-TABELLEN VON MAKLERN. DARAUS VERSUCHTE MAN, SICH EIN BILD VON DER ENTWICKLUNG VON MIETEN UND RENDITEN ZU MACHEN. DAS WAR FINSTERSTES MITTELALTER."

estatements: Und diese neue Herangehensweise ist einzigartig in unserer Branche?

Cajias: Nach unseren Erkenntnissen ist unsere Lösung in Bezug auf Wohnungsmärkte in Europa tatsächlich einzigartig. Derzeit bieten wir sie in Deutschland, Euro­pas größtem Markt, und in den Niederlanden an. Österreich wird bald folgen. In den USA arbeiten bekannte Unternehmen wie Zillow oder REX mit ähnlichen Lösungen im Hinblick auf die dortigen lokalen Märkte, aber nicht in Europa. Wir jedenfalls weiten unser Angebot Schritt für Schritt auf weitere Schlüsselmärkte aus.

estatements: Besteht nicht das Risiko, dass die wachsenden Datenmengen Sie und Ihr Team eines Tages überrollen?

Cajias: Keine Frage: Die Datenmengen nehmen rapide zu – und mit zunehmendem Anstieg wird es für uns Analysten immer anspruchsvoller, alle Daten zu sichten und zu entsprechenden Erkenntnissen zu gelangen.

estatements: Wie gehen Sie damit um?

Cajias: Wir arbeiten bereits an den nächsten Schritten. Maschinelles Lernen und modernste ökonometrische Methoden werden dabei eine tragende Rolle spielen. In nicht allzu ferner Zukunft lassen wir die Maschine darüber entscheiden, welcher der vier von uns verwendeten Datenebenen die größte Bedeutung zukommen soll. Es wird dann auch möglich sein, nicht-lineare Beziehungen zu erkennen. „Händisch“ wäre dies niemals möglich. Auf dieser Basis können wir die Entwicklung insbesondere von Asset Values noch genauer prognostizieren. Wir haben diese Methodik bereits auf unser Asset- und Portfoliomanagement angewendet und dabei festgestellt, dass die Trefferquote weitaus präziser ist als noch vor über 18 Monaten. Wir können Mietrenditen, Immobilienpreise und lokale Märkte deutlich exakter einschätzen als jemals zuvor und unsere Prognosefehler werden immer geringer.

estatements: Was sind die nächsten Schritte?

Cajias: Wir setzen unsere Technologien ein, um die Attraktivität eines Standorts anhand von Geodaten besser einschätzen zu können. Welchen Einfluss auf die Preise hat es zum Beispiel, wenn eine Immobilie 500 Meter näher an Restaurants, einer Polizeistation, einer Schule oder einem Supermarkt liegt? Es ist kein Geheimnis, dass vor allem eine gute Lage preisbildend ist. Aber es geht dabei nicht nur um einzelne Merkmale, sondern um den richtigen Mix und die Qualität solcher örtlichen Gegebenheiten. Vergleichbare Immobilien mit derselben Postleitzahl können preislich weit auseinanderliegen, obwohl sie sich auf den ersten Blick sehr ähneln. Wir stellen unserem System sämtliche Daten zu den entscheidenden Merkmalen in den wichtigsten Ländern zur Verfügung und setzen darüber hinaus auf maschinelles Lernen. Das System muss verstehen, was eine bestimmte Straße oder ein bestimmtes Viertel besonders attraktiv macht. Und die entscheidenden Merkmale aufzudecken, die im besten Sinn des Wortes wertvoll für unsere Kunden sind. Wir sind damit in der Lage, unseren Kunden direkt umsetzbare Erkenntnisse so schnell und verlässlich wie nie zuvor als Grundlage für deren Entscheidungen zu liefern.

estatements: Vielen Dank für das Gespräch, Dr. Cajias.

DR. MARCELO CAJIAS leitet den Bereich Data Intelligence bei der PATRIZIA AG in Investment Strategy and Research. In seiner Funktion verantwortet er das globale Portfolio an analytischen Lösungen und Dashboards, die strategische Investitionsentscheidungen mittels beobachteter und unbeobachteter Machine Learning Prognosemodelle für unterschiedliche Assetklassen unterstützen.