In der heutigen Zeit sind Daten allgegenwärtig. Behörden, private Unternehmen wie auch diverse Plattformen sammeln Informationen und verarbeiten sie mittels Künstlicher Intelligenz (KI) weiter.
Die oft zitierte Metapher «Daten sind das neue Gold» verdeutlicht, wie wichtig Daten heutzutage sind. Die zunehmende Verbreitung von KI verstärkt noch die Bedeutung von Daten als wertvolles Gut.
Aber was ist eigentlich KI, und wie kann sie in der Immobilienwirtschaft eingesetzt werden? Wir haben uns eingehend mit diesen Fragen beschäftigt und mit unserem ImmoSparrow-Cockpit entsprechende Schritte in die Zukunft unternommen.
KI steht für Künstliche Intelligenz. Dieser Begriff bezieht sich auf die Fähigkeit von Maschinen oder Computern, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern. KI-Systeme nutzen umfangreiche Datenmengen, um Muster zu erkennen, Vorhersagen zu treffen und komplexe Aufgaben zu bewältigen. So werden KI-Systeme auf ihre Anwendungsbereiche «trainiert». Die Qualität und Vielfalt der verfügbaren Daten werden somit zu entscheidenden Faktoren für die erfolgreiche Leistung von KI-Anwendungen.
Das Potenzial der KI-Technologie, das sich der Immobilienwirtschaft eröffnet, ist beeindruckend. Dass damit auch gewisse Herausforderungen einhergehen, versteht sich von selbst.
Drei Anwendungsbereichen von Künstlicher Intelligenz kommt eine besondere Rolle zu. Jedes dieser Themen liesse sich noch weiter vertiefen. Wir beschränken uns hier auf einen Überblick:
KI optimiert das Building Information Modelling (BIM). In anderen Worten ausgedrückt: KI unterstützt Unternehmen dabei, Bestandesbauwerke effizient zu digitalisieren.
Um die KI dahingehend zu trainieren, werden Daten aus Laserscans analysiert und ausgewertet. Zu diesem Prozess werden Informationen über die baulichen Materialien und die Geometrie der Bauteile herangezogen.
Die Einspeisung verschiedenartiger Datenquellen, wie beispielsweise Baupläne, Lebenszyklusdaten, energetische Informationen und Materialdaten, stellt eine Herausforderung dar. Um die Konsistenz und Austauschbarkeit der Daten sicherzustellen, sollten die Datenformate im gesamten Gebäudebereich standardisiert werden.
Mit welchem Mehrwert für BIM-Nutzer:innen? Präzise Projektvisualisierungen erhöhen die Effizienz und reduzieren massgeblich den manuellen Aufwand im Alltag von Unternehmen, die sich mit dem Bauprozess und dem Gebäudeunterhalt beschäftigen.
Für Facility Manager sind Instandhaltungsmassnahmen und Sanierungen wie das Beispiel der Predictive Maintenance besonders gut aufzeigt, frühzeitig erkennbar.
Die KI-Technologie nutzt dazu Maschinelles Lernen und trainiert sich an historischen Daten vergangener Wartungsarbeiten und Prognosen zum Lebenszyklus von Geräten.
Die Integration von Echtzeitdaten aus verschiedenen Systemen stellt diesen Bereich vor besondere Hürden, welche sich durch flexibel anpassbare Plattformen und Technologien vermeiden lassen. Daten sollten mittels Datenbereinigungs- und Validierungstechnologien regelmässig überprüft und verbessert werden.
KI hilft, Ausfälle zu vermeiden und eine vorausschauende Wartung sowie reduzierte Wartungskosten zu gewährleisten. Als weitere Vorteile sind die optimierte Ressourcennutzung, erhöhte Lebensdauer von Installationen und die Zuverlässigkeit von Systemen zu nennen.
Die KI-Technologie basiert auf neuronalen Netzen, welche in Daten Muster erkennen und so präzise Bewertungen ermöglichen.
Die Herausforderung beim Training der KI liegt in der Integration vielfältiger Datenquellen, darunter einzigartige Merkmale und dynamische Marktsituationen, die eine heterogene Datenlandschaft schaffen. Aus diesem Grund sollten Daten laufend geprüft, subjektive Faktoren in Algorithmen quantifiziert und die KI-Modelle an lokale Marktbedingungen sowie regionale Unterschiede angepasst werden.
Die automatisierte Immobilienbewertung durch KI erleichtert den Verkaufsprozess erheblich. Sie verbessert grundsätzlich die Informationsgrundlage, ermöglicht präzise Bewertungen und lässt fundiertere Entscheidungen wie auch schnellere Reaktionen auf Marktdynamiken zu.
Fazit: Wie die Ausführungen zu den drei wichtigsten Anwendungsbereichen oben verdeutlichen, ermöglicht KI in der Immobilienwirtschaft generell eine effizientere Arbeitsweise und vorausschauende Entscheidungen. Ein Blick in die Zukunft der Immobilienbranche lässt erahnen, wie bedeutend KI für neue innovative Lösungen noch sein wird.
Die Grundvoraussetzung für die Anwendung von Künstlicher Intelligenz ist die Datensammlung. Doch woher beziehen wir diese Daten und welche Herausforderungen sind dabei zu bewältigen?
Wir von ImmoSparrow greifen auf eine Vielzahl öffentlicher und bezahlter Datenquellen zu, darunter:
Zudem nutzen wir gesetzlich erlaubtes Crawling (Spidering), um Daten von bedeutenden Plattformen wie dem Telefonbuch, Grundbuch (Eigentümerinformationen), Handelsregister und von Points of Interest zu erfassen.
Crawling (Spidering) bezeichnen den automatisierten Prozess, bei dem Suchmaschinen das Internet regelmässig nach neuen oder aktualisierten Inhalten durchsuchen. Dieser Vorgang wird auch Indizieren genannt. Suchmaschinen halten dadurch ihre Suchergebnisse auf dem neuesten Stand.
Die Daten, die wir durch diesen Indizierungsvorgang erhalten, sind oft unstrukturiert, fehlerhaft oder unzureichend präzise. Dieses Problem tritt bei Inseratebeschreibungen besonders oft auf. Damit die Suchergebnisse für den anschliessenden KI-Einsatz verfügbar sind, bereiten wir sie auf und legen sie strukturiert ab. Adressen müssen geo-codiert, also mit Koordinaten versehen, ungewöhnliche Werte beziehungsweise Ausreisser erkannt, markiert und auf ihre Richtigkeit überprüft und entsprechend gekennzeichnet werden.
KI agiert auf der Grundlage von Wahrscheinlichkeiten und Erfahrungswerten. Ein KI-System versteht nicht grundsätzlich, was es zusammenträgt. Es ist nicht in der Lage, Inhalte zu bewerten, abzuwägen oder zu hinterfragen. Vielmehr muss es mittels Algorithmen zuerst auf seinen Anwendungsbereich trainiert werden. Ein trainiertes KI-System kann dann mit bisher unbekannten Daten umgehen, Muster erkennen und daraus Handlungen ableiten.
Ein anschauliches Beispiel für das Trainieren eines KI-Systems liefert der ImmoSparrow-Preisbewerter.
Wir nehmen sämtliche, bereinigt vorliegenden Inseratedaten, welche mit einem Preis versehen sind. Diesen fügen wir Lageinformationen hinzu wie beispielsweise Koordinaten, Sonneneinstrahlung, Lärmbelastung, topografische Geländedaten, Mikrolage sowie steuerliche und demografische Informationen.
Anschliessend separieren wir von der Gesamtdatenmenge 20 Prozent der Daten. Jetzt kommt das KI-System auf den übrigen 80 Prozent zum Einsatz. Die KI rechnet nun alle Möglichkeiten durch und nähert sich einem «optimalen» Preisschätzungsmodell an.
Sobald das Modell fertiggestellt ist, prüfen wir es auf seine Verlässlichkeit – im Fachjargon auch «Konfidenz» genannt. Dazu entfernen wir bei den isolierten 20 Prozent die Preisangabe und senden diese Daten zur Berechnung an unser Modell. Den so errechneten Preis vergleichen wir mit dem tatsächlichen Inseratepreis. Je näher das Modell diesem Preis kommt, desto besser «performt» es. Dieser Vergleich ermöglicht uns festzustellen, ob die KI verlässlich trainiert ist.
Aber nicht nur: Dieser Vergleich erlaubt uns auch zu verstehen, welche Eigenschaften (wie Preisinformationen, Lageinformationen usw.) in welchem Masse für das Modell relevant sind. Die Validität des Ergebnisses wird erst durch Stichprobenprüfungen gewährleistet.
Wir nutzen bereits KI in verschiedenen Bereichen, einschliesslich dem Einsatz eines Copiloten in der Software-Entwicklung. Dieser Copilot schlägt Programmiercodes in Echtzeit vor, indem er das Vorschlagsprinzip, ähnlich der «Autovervollständigung» von Google, anwendet.
Die Anwendung von KI im Preisrechner ermöglicht es uns, schnell mit neuen Daten zu trainieren und somit immer am Puls des aktuellen Marktes zu sein. Der Preisrechner nutzt KI, um Preise zu bewerten.
Zudem arbeiten wir an der Bilder-Klassifizierung, um Objekte anhand von Inseratebildern zu kategorisieren. Gleichzeitig setzen wir uns zum Ziel, Parzellenzonen anhand von Bildmustern zu identifizieren.
Ein weiterer spannender Ansatz ist die Nutzung eines Large Language Models (LLM) zur Extraktion strukturierter Texte aus Inseratebeschreibungen durch eine Art «Gespräch» mit dem Inserat – hier haben wir uns von ChatGPT inspirieren lassen.
Zusammenfassend zeigt sich, dass die Nutzung von KI in der Immobilienwirtschaft vielfältig ist, jedoch eine individuelle Herangehensweise erfordert. Wir wählen gezielt relevante Daten für bestimmte Use-Cases aus. Eine universelle Lösung gibt es bisher nicht.
Bei ImmoSparrow gehen wir diesen Weg konsequent und arbeiten stetig daran, die Potenziale von Daten und künstlicher Intelligenzoptimal zu nutzen, um die Zukunft der Immobilienwirtschaft mitzugestalten.
