Von Dr. Nicolai Wendland, CIO von 21st Real Estate
Die Corona-Krise trifft die einzelnen Wirtschaftsbranchen unterschiedlich stark und beeinflusst auch die einzelnen Immobilien-Asset-Klassen in verschiedenem Maß. Während das Virus beispielsweise dem Büroboom zumindest kurzfristig ein jähes Ende gesetzt hat und den stationären Einzelhandel vor enorme Herausforderungen stellt, zeigen sich Wohnimmobilien aktuell eher resilient. Wie schnell und wie stark eine zurückgehende wirtschaftliche Dynamik aber auf die verschiedenen Immobiliennutzungsarten durchschlägt, ist häufig auch für ausgewiesene Marktexperten nur schwer zu quantifizieren. Helfen können dabei durch künstliche Intelligenz und Machine-Learning-Prozesse generierte Indikatoren.
KI macht Big Data nutzbar
Die Aussicht auf langfristig stabile Cashflows, unabhängig davon, ob sie zum Erwerbszeitpunkt bereits vorhanden sind oder erst durch den Erwerber etabliert werden, sind für Investoren maßgeblich für die Risikobewertung beim Ankauf einer Immobilie. Eine belastbare Prognose, wie sich spezifische Immobilien in Krisensituationen verhalten, ist indes mit einem enormen Rechercheaufwand verbunden und hat häufig nur wenig Aussagekraft. Nicht selten müssen Markterfahrung und Bauchgefühl herhalten. Dabei existieren die für eine fundierte Einschätzung notwendigen immobilienmarktrelevanten Daten und das sogar in großer Menge. Das Stichwort heißt Big Data. Doch sie liegen in der Regel unvollständig, unsortiert oder nicht zentral griffbereit vor. Anhand neuer Technologien wie künstlicher Intelligenz und Machine-Learning-Prozesse ist es möglich, diese Milliarden von Daten so aufzubereiten, dass sie nutzbar, zugänglich und zudem für Analysen sowie die Erstellung von Prognosen einsetzbar sind.
Analysegrundlage: 2,3 Millionen Kacheln
21st Real Estate füllt diese Lücke durch einen deutschlandweiten Indikator, der die Stressanfälligkeit von Lagen berechnet. Anhand eines ökonometrischen Modells werden die kurz- und mittelfristigen Auswirkungen ökonomischen Stresses auf das Mietwachstum geschätzt. Die technische Grundlage dafür bildet ein räumliches Gliederungssystem, das Deutschland in mehr als 2,3 Millionen Kacheln in bewohnten Gebieten einteilt – 200 mal 200 Meter in Großstädten und 1.000 mal 1.000 Meter im ländlichen Raum. Jede dieser Kacheln enthält Informationen für bis zu 2.700 verschiedene Parameter, von soziodemografischen Angaben, Wirtschaftskennzahlen und Lageinformationen zur Erreichbarkeit über gebäudespezifische Informationen bis hin zu Immobilienmarktdaten wie etwa Angebotsmieten und -preisen, Mietspiegeldaten, Renditen und regulatorischen Werten wie Mietpreisbremse oder Kappungsgrenze.
Seite 1 Wo schlägt die Corona-Krise bei Immobilien zu?
Seite 2 Stressanfälligkeit zwischen 0 und 100
Seite 3 KI ersetzt den Menschen nicht
Dr. Nicolai Wendland 
- Anmelden, um Kommentare verfassen zu können
