Die Bewertung einer Immobilie ist komplex. Denn der Immobilienwert setzt sich aus vielen verschiedenen Kriterien zusammen. Jedes Haus, jedes Grundstück und jeder Ort ist anders. Die Makrolage hat ihren Einfluss, die Mikrolage ist wichtig, ebenso wie Alter, Bausubstanz oder Standard der Liegenschaft. Kurz: Bei der Bewertung kommen sehr grosse, unterschiedliche Mengen von Daten zusammen. 

Entsprechend gefordert sind Bewirtschafter von Immobilienportfolios von Assekuranzen oder Asset Manager bei Immobilien- und Investitionsentscheiden und der kontinuierlichen Optimierung des Portfolios. Zur Unterstützung setzen sie dabei immer mehr auf modernste Technologie in Form von Big Data Analytics und Künstlicher Intelligenz.

Künftige Entwicklungen antizipieren

PropTech-Unternehmen setzen hier an und machen die riesigen Mengen an Immobiliendaten nutzbar, reichern sie an und ermöglichen mit ihren Technologien objektive Einsichten. Die Daten werden in selbstlernende Algorithmen überführt und die Versicherungen erhalten die verschiedenen Bewertungsfaktoren und Objektangaben schliesslich in Form einer webbasierten Lösung oder als Anwendungsprogrammier-Schnittstelle. 

Anzeige

Entwickler und  Investoren können bei der Projektierung oder Anlagestrategie dabei oft auf umfangreiche Marktanalysen zurückgreifen, Makler wiederum erhalten automatisierte Objektvorschläge und Portfoliomanagern ermöglichen die Lösungen eine dynamische Portfoliosteuerung.

Mit einem solchen «Modul» kann der Markt also quasi «live» beobachtet und Aussagen über künftige Entwicklungen getroffen werden. Es gibt Modelle welche Muster erkennen und selbständig lernen, wodurch auch Bewertungen in Gegenden mit wenigen historischen Transaktionen abgedeckt werden. Nebst Angebots-, Transaktions-, und Infrastrukturdaten können auch sozioökonomische Daten einfliessen, ebenso wie Daten von Tripadvisor oder Airbnb.

Versicherungen setzen auf Big Data

Heutige Daten- und Netzinfrastrukturen ermöglichen Analysemethoden, an die vor wenigen Jahren noch nicht zu denken war. So setzt Swiss Life Asset Managers gemeinsam mit Livit, dem ETH-Spinoff Archilyse und Pricehubble eine Lösung um, die eine kontinuierliche Portfolio-Optimierung möglich macht und dabei neue Technologien nutzt. Herzstück des Mechanismus ist die durch Archilyse ermöglichte Anreicherung eines Machine Learning basierten Preismodells mit Hunderten wohnungsspezifischen Datenpunkten, die bisher nicht quantifizierbar waren. 

Konkret werden für die Bewertung zum Beispiel digitale Grundrissanalysen erstellt, die eine objektive Quantifizierung des Wohnraums ermöglichen. Und für jede Wohneinheit können mittels modernsten Simulationen Sonneneinstrahlung und Sichtverhältnisse berechnet werden - um sie dann bei der Preisfestsetzung zu berücksichtigen. 

Auch Helvetia setzt auf neue Technologien und hat hierzu ein Pilotprojekt zur Erstellung eines Benchmarks im Bereich Mietzinsen realisiert. Dabei werden aus verschiedenen Quellen Daten zu Liegenschaften zusammengezogen, um mögliche Marktmieten zu berechnen. Diese setzt Helvetia im Sinne eines Benchmarks für einen Abgleich mit den eigenen Mieten ein. «Ein grosser Vorteil ist die grosse Granularität, die aufgrund des Data- und Analytics-Ansatzes möglich wird», hält der Versicherer fest. So seien solche Auswertungen in dieser Systematik bisher nicht möglich gewesen.
 

Anzeige

Editors Pick
Dieser Beitrag wurde realisiert mit freundlicher Unterstützung von PriceHubble AG:   
Immobilienbewertungen und Objekteinsichten basierend auf Big Data Analytics und künstlicher Intelligenz.

Logo_Price_Hubble
Quelle: PriceHubble