Von Marcelo Cajias, Head of Investment Strategy & Data Intelligence
Seit Jahrzehnten gilt in der Immobilienwirtschaft die Devise, dass die Lage alles ist. Sie hat Bestand, weil sie im Großen und Ganzen stimmt. Allerdings war „Lage“ lange ein deutlich weniger präziser Begriff, als es das Vertrauen vermuten lässt, mit dem wir ihn verwenden.
Über weite Teile meiner beruflichen Laufbahn waren die verfügbaren Informationen zur Beurteilung einer Lage relativ spärlich. Wir stützten uns auf Vergleichsdaten von Maklern und amtliche Statistiken, ergänzt um die Einschätzungen von Menschen, die den jeweiligen Markt sehr gut kannten. Beides bleibt wichtig. Allerdings mussten wir die Eigenschaften einer Straße oder eines Quartiers oft aus vergleichsweise wenigen Beobachtungen ableiten.
Künstliche Intelligenz macht diese Expertise nicht überflüssig. Ihr größerer Nutzen besteht darin, dass sie uns eine wesentlich breitere Datengrundlage liefert, anhand derer wir solche Einschätzungen überprüfen können.
Nehmen wir München als Beispiel. Für unsere jüngste Wohnungsmarktanalyse haben wir rund 188.000 Mietangebote aus den Jahren 2014 bis 2026 ausgewertet. Dazu haben wir die Stadt in 496 Gebiete von jeweils etwa einem Quadratkilometer aufgeteilt und Unterschiede in den Merkmalen der einzelnen Wohnimmobilien berücksichtigt, um die Mietentwicklung sinnvoll vergleichen zu können. Die Ergebnisse zeigen, wie viel in Durchschnittswerten auf Stadt- oder sogar auf Stadtbezirksebene untergehen kann.
Unter den Lagen mit stärkerem Mietwachstum waren auch solche mit absolut niedrigen Mieten. Modernisierungen waren zudem mit einem zusätzlichen Anstieg der jährlichen Mietwachstumsrate verbunden, der in unserem Modell mehr als doppelt so hoch ausfiel wie der durchschnittliche Unterschied der Mietwachstumsraten zwischen den Münchner Stadtbezirken. Unterhalb der Bezirksebene zeigten sich noch erheblich größere Unterschiede zwischen einzelnen Mikrolagen.
Das bedeutet nicht, dass die herkömmliche Einschätzung des Münchner Marktes falsch ist. Die Ergebnisse zeigen vielmehr, dass grobe Marktabgrenzungen zwangsläufig einige der Faktoren verdecken, von denen die Entwicklung einzelner Immobilien abhängt. Der Kauf einer Immobilie in der „richtigen“ Stadt oder sogar im „richtigen“ Stadtbezirk sagt deshalb möglicherweise weniger über die Aussichten des Gebäudes aus, als wir annehmen.
Für Investoren lassen sich dadurch präzisere Fragen stellen. Statt nur zu fragen, ob ein Stadtbezirk attraktiv ist, können wir den Zusammenhang zwischen einer einzelnen Immobilie und ihrem unmittelbaren Umfeld untersuchen und prüfen, ob Veränderungen am Gebäude oder am Standort ihre Aussichten wesentlich beeinflussen könnten.
Diesen Ansatz entwickeln wir seit einigen Jahren weiter. Der Amenities Magnet von PATRIZIA nutzt beispielsweise Daten über Nahversorgungs-, Freizeit- und Infrastrukturangebote (Amenities) im Umfeld, um die Attraktivität einzelner Standorte zu vergleichen. Der wesentliche Fortschritt besteht darin, dass wir zunehmend über die reine Messung des Ist-Zustands hinausgehen und untersuchen können, was bei veränderten Annahmen geschehen könnte.
In Berlin haben wir das Modell eingesetzt, um ein Wohnbauprojekt in Spandau zu untersuchen. Im Vergleich mit Berlin insgesamt erzielte der Standort einen Wert von 40 und erschien zunächst nicht besonders attraktiv. Bei einem Vergleich mit Standorten, die innerhalb von 15 Minuten mit dem Fahrrad erreichbar sind, stieg der Wert hingegen auf 78. Damit erhielten wir eine andere Grundlage für die Beurteilung der Lage und für die Frage, wie die im Rahmen des Projekts geplanten Amenities ihre Attraktivität im Laufe der Zeit beeinflussen könnten.
Nach demselben Prinzip sind wir in Birmingham vorgegangen. Dort stieg der Standortwert durch die Modellierung von Veränderungen bei den Angeboten und Einrichtungen im Umfeld eines geplanten Bauprojekts von 60 auf 72. Die Analyse zeigte außerdem, welche einzelnen Maßnahmen für den Anstieg ausschlaggebend waren. Das Investmentteam konnte diese gezielt prüfen, statt pauschal anzunehmen, dass zusätzliche Angebote die Lage verbessern würden.
Meiner Ansicht nach kommt gerade diese Entwicklung in der Diskussion über KI in der Immobilienwirtschaft oft zu kurz. Es geht darum, Investmentthesen besser überprüfen zu können, statt Investmentprofis durch Algorithmen zu ersetzen. Wenn wir glauben, dass eine Mikrolage bessere Aussichten hat als benachbarte Lagen, können wir die Belege dafür kritisch prüfen. Wenn ein Businessplan davon ausgeht, dass eine Modernisierung die Mietentwicklung verbessert, können wir vor dem Kapitaleinsatz die Größenordnung des möglichen Effekts testen. Manchmal bestätigt die Analyse die ursprüngliche These. Ebenso wichtig: Manchmal stellt sie die These aber auch infrage.
Was uns solche Analysen sagen können, hat allerdings klare Grenzen. Ein Modell kann eine Lage mit attraktiven mietrelevanten Merkmalen identifizieren, ohne zugleich beurteilen zu können, ob sich dort eine Immobilie zum richtigen Preis erwerben lässt oder ob der Businessplan tatsächlich umsetzbar ist. Eine Chance, die sich bei einem einzelnen Gebäude bietet, lässt sich möglicherweise auch nur schwer im institutionellen Maßstab replizieren.
Das menschliche Urteil bleibt deshalb entscheidend. Lokale Marktkenntnis ist weiterhin nötig, nicht weil die Daten versagen, sondern weil eine Investmententscheidung letztlich voraussetzt, dass man sowohl die einzelne Immobilie als auch ihren Markt versteht. Das Modell kann die Datengrundlage präzisieren und es erleichtern, Annahmen kritisch zu prüfen, aber die Verantwortung für die Entscheidung kann es nicht übernehmen.
Verändert haben sich Qualität und Detailtiefe der Informationen, die für solche Entscheidungen vorliegen. Vor zehn Jahren hätte ein Investmentkomitee unterschiedliche Einschätzungen einer Lage womöglich weitgehend auf Basis von Vergleichsobjekten und Markterfahrung diskutiert. Heute lassen sich manche dieser Annahmen vor dem Kapitaleinsatz auf Ebene einzelner Immobilien oder Quadratkilometer untersuchen.
Das mag eine weniger spektakuläre Anwendung von KI sein, als es manche Aussagen über die Technologie vermuten lassen. Für Immobilieninvestoren könnte es sich auf Dauer jedoch als wesentlich nützlicher erweisen, zu erkennen, was herkömmliche Definitionen von „Lage“ nicht berücksichtigen.




