20 01 02 Haus

Fallbeispiel – Union Investment und Geospin entwickeln automatisierte Lagebewertungen

Herausforderungen der Immobilienbranche

Ein Problem der Immobilienbranche ist ihre Intransparenz, die sich in einer verzögerten und lückenhaften Datengrundlage widerspiegelt. Beispielsweise liegen Daten zu Spitzenmieten und Bodenrichtwerten oft lückenhaft sowie zeitverzögert vor (Schüppler 2019). Die Sammlung und Interpretation von Daten dauert auf herkömmliche Weise lange und liefert aufgrund der mangelhaften Datengrundlage häufig unpräzise Preisbestimmungen. Viele Immobilienunternehmen treffen daher noch heute Entscheidungen auf der Grundlage einer Kombination aus Intuition und retrospektiven Daten (McKinsey & Company 2018).

Automatisierte Lagebewertung – Durchführung eines Proof of Concepts

Union Investment hat bereits früh entschieden, die Vorteile neuer Technologien zu nutzen und uns im Juni 2017 damit beauftragt, automatisierte Lagebewertungen durchzuführen. Im Rahmen des Proof of Concepts wurden unterschiedliche Methoden des maschinellen Lernens angewendet, um ihre Einsatzmöglichkeit zur automatisierten Lagebewertung von Bürogebäuden zu erproben.
Als Zielvariable für die einzelnen Modelle diente dabei der Quadratmetermietpreis.

„Das Verfahren hat gezeigt, dass eine maschinell gestützte Lagebewertung unsere Prozesse sinnvoll unterstützen kann. Die besondere Herausforderung besteht in der Verfügbarkeit großer und laufend aktueller Datenmengen.“
Dr. Peter Scibbe, Senior Business Experte, Union Investment Real Estate GmbH

Wir zeigten Union Investment am Beispiel Hamburg, dass Big Data und maschinelle Lernverfahren es erlauben, mithilfe frei zugänglicher Geodaten automatisiert Bürolagen zu bewerten. Eine wesentliche Herausforderung für aussagekräftige Ergebnisse ist das Vorliegen umfangreicher Inputdaten. In diesem Fall wurden Inputdaten von ImmobilienScout24 zur Verfügung gestellt, um eine ausreichende Datenbasis sicherzustellen.

Mehrwerte unserer automatisierten Lagebewertung

Unsere Standortbewertungen berücksichtigen die komplexen Umgebungsstrukturen, die die Miet- und Kaufpreise beeinflussen. Somit können Zusammenhänge zwischen Immobilienpreisen, vorhandener Infrastruktur sowie harten und weichen Umgebungsfaktoren identifiziert werden. Das Erkennen solcher Zusammenhänge ist mithilfe konventioneller Verfahren kaum möglich. Unser Algorithmus ist beliebig skalierbar und auch in Regionen anwendbar, für die lediglich wenige Vergleichswerte oder Marktinformationen vorliegen. Ein weiterer Mehrwert der Lösung liegt in der möglichen Antizipation zukünftiger Mietpreisentwicklungen begründet.

Immobilien 3

Diese Heatmap zeigt die flächendeckende Vorhersage der Quadratmetermietpreise von Gewerbeimmobilien in Hamburg. Zusätzlich sind die Referenzwerte von ImmobilienScout24 zu sehen. Die von uns vorhergesagten Mietpreise der Gewerbeimmobilien in Hamburg wichen lediglich um Centbeträge von den tatsächlichen Marktpreisen ab.

Unser Verfahren vereinfacht Arbeitsabläufe und trägt zu einer besseren Einschätzung des Potenzials von Investitionsobjekten sowie zu einer erhöhten Transparenz bei.


Quellen:
– McKinsey (2018): Getting ahead of the market: How big data is transforming real estate,
URL: https://www.mckinsey.com/industries/capital-projects-and-infrastructure/our-insights/getting-ahead-of-the-market-how-big-data-is-transforming-real-estate [02.01.2020].
– Schüppler, Ulrich (2019): Für Asset Manager wird eine Vielzahl von Daten wichtig, in: Immobilien Zeitung,
URL: https://www.immobilien-zeitung.de/150076/fuer-asset-manager-wird-vielfalt-von-daten-wichtig [02.01.2020].
– Titelbild URL: https://www.schluesseldienstvergleich.eu/

___________________

Kontaktieren  & folgen Sie uns     

Contact us