Das Fachmagazin für institutionelle Investoren

Geben Sie Ihren Benutzernamen und Ihr Passwort ein, um sich an der Website anzumelden:

Artikel Filter

Erweiterte Suche

Produkte & Strategien

3/2020 | Produkte & Strategien
twitterlinkedInXING

Big Data für Immo-Investoren

Immobilien. Mit alternativen Daten und Machine-Learning-Modellen ­lassen sich auch Immobilienmärkte genauer analysieren.

Der Wunsch, diszipliniert auf einem quantitativen Fundament aufbauend zu investieren, besteht bei institutionellen Anlegern grundsätzlich immer – auch bei Immobilien. Leider ist es in dieser Assetklasse nicht ganz so einfach, sys­tematisch vorzugehen wie etwa bei Aktien, weil jedes Objekt, jedes Marktsegment und auch jede Lage gewissermaßen einzigartig sind. Dennoch ermöglicht Big Data auch in diesem Bereich Fortschritte. „Wir fragen nicht wie in der Aktienwelt, ist das Kurs-Gewinn-Verhältnis ein wichtiger Faktor? Hat er Predictive Power? In der Immobilienwelt fragen wir vielmehr: Welche Faktoren haben Einfluss auf die künftige Bewertung einer Immobilie, eines Bezirks, einer Region?“, erklärt Juri Ostaschov, Chief Data Scientist bei PREA, einem Beratungsunternehmen für Immobilieninvestments. Er kommt ursprünglich aus dem quantitativen Börsenhandel und befasst sich jetzt mit Datenanalyse für Immobilien. Faktoren wie Baujahr, Ausstattung oder Zimmerzahl als allein ausschlaggebend für die Miet- oder Kaufpreishöhe anzusehen, sei gestrig. „Wir nutzen unter ­anderem Airbnb-Daten, um die künftige Attraktivität einer bestimmten Lage zu bestimmen“, so Ostaschov. „Ein privater oder gewerblicher Ferienwohnungsanbieter erkennt die Angebots- und Nachfragesituation vor Ort viel besser als ein globaler Immobilieninvestor.“ Wenn die PREA-Experten dann Preissteigerungen in bestimmten Airbnb-Regionen erkennen, schließen sie daraus auf die künftige Kiez-Entwicklung. „Wir betrachten auch Daten wie das Haushaltseinkommen und die absolute Höhe der Warmmiete“, erklärt Ostaschov, „so können wir bestimmen, wo die Preise noch günstig und wo sie bereits zu hoch sind.“ In manchen Regionen Münchens zahlten die Mieter bereits 46 Prozent ihres Einkommens fürs Wohnen, während man in Berlin im Schnitt bei 25 Prozent liegt. „Aber auch in Berlin gibt es bestimmte überhitzte Regionen. Die erkennen wir anhand unserer ­Daten sofort!“, meint er.
Während die Wertpapierbörsen schnell auf die Coronakrise reagiert haben, ist die Immobilienwelt träger. „In Deutschland kann man nicht aus seiner Wohnung gekündigt werden, obwohl man Mietschulden aufkommen lässt. Zwei Jahre hat man Zeit, die gestundete Miete zurückzuzahlen. Den Wohnimmobilienmarkt trifft die Krise daher erst später“, meint Ostaschov. 
 
Schneller spürt man die Krise bei Büro­immobilien. „Während der Coronakrise waren die Unternehmen nicht bereit, weiteren Büroraum zu hohen Quadratmeterpreisen anzumieten. Daher sehen wir jetzt viel Leerstand“, so Ostaschov. Außerdem sind die Unternehmen während des Lockdowns auf den Geschmack gekommen und versuchen, nun auch künftig einen Teil ihrer Mitarbeiter im Homeoffice arbeiten zu lassen. Dies hat Konsequenzen für den Büroimmobilienmarkt. „Dieses Szenario hat man aber mit den traditionell genutzten Faktoren nicht ­erkennen können“, bedauert Ostaschov. „Hätte man genug alternative Datenquellen angezapft, vielleicht schon. Man hätte zum Beispiel Nachrichten crawlen können, die aus China kamen, um dann ein Pandemieszenario zu entwickeln.“
 
Absicherung unmöglich
 
Aber selbst wenn man gute Prognosemöglichkeiten gehabt hätte: „Im Immobilienbereich ist es schwer, sich auf kurze Sicht abzusichern. Langfristig können Sie einzelne Segmente oder Regionen unter- oder überge­wichten. Aber wie wollen Sie kurz­fristige Zahlungsausfälle kompensieren?“, fragt Ostaschov. „Ja, Sie könnten einen Teil Ihres Cashflows aus Immobilien an die Börse transferieren … und dann?“, fragt er eher rhetorisch. Im Aktienbereich könne man einfach Optionen kaufen, um marktneutral zu sein. Längerfristig ist er für Immobilien aber ohnedies optimistisch:. „Ich gehe davon aus, dass wir in zehn Jahren nichts mehr von der Coronakrise spüren werden. Auf lange Sicht sorgt sie nur für eine leichte ­Anhebung der Volatilität.“ 
 
Bis dahin geht die Suche nach „alternativen Daten“ weiter. Sie sollen eine höhere Auflösung des Marktes ermöglichen, etwa um die Mietentwicklung genauer prognostizieren zu können. Wo ziehen die Menschen weg, wohin gehen sie? Künftig will er auch Sentiment-Daten einholen. „Wir werden Twitter- und Instagram-Daten auswerten und nachsehen, ob über eine ­bestimmte Gegend negativ oder positiv ­gesprochen wird“, so Ostaschov. So ließe sich die Popularität eines Standortes frühzeitig erkennen.
 
Anke Dembowski 

Anhang:

twitterlinkedInXING
 Schliessen

Mit der Nutzung dieser Website stimmen Sie der Verwendung von Cookies und unserer Datenschutzerklärung zu. Mehr erfahren