Wer eine Immobilie kaufen oder verkaufen will, steht vor einer grundlegenden Frage: Was ist das Objekt tatsächlich wert? Jahrzehntelang war die Antwort Aufgabe erfahrener Sachverständiger, die Unterlagen prüften, Vergleichsobjekte recherchierten und schließlich ein Gutachten erstellten. Dieses Bild verändert sich. Softwaregestützte Modelle übernehmen zunehmend Teile dieses Prozesses, in manchen Fällen sogar vollständig. Für Branchenfremde wirkt das abstrakt. Dabei lässt sich recht konkret beschreiben, wie diese Systeme funktionieren und wo ihre Schwächen liegen.
Was algorithmische Bewertungsmodelle eigentlich tun
Der Fachbegriff lautet Automated Valuation Model, kurz AVM. Diese Systeme greifen auf große Datensätze zurück: Kaufpreissammlungen der Gutachterausschüsse, Angebotspreise aus Portalen, Bodenrichtwerte, Lagemerkmale, Gebäudedaten aus amtlichen Katastern. Aus diesen Quellen errechnen sie einen Schätzwert, meist innerhalb von Sekunden. Banken nutzen AVMs schon seit Jahren für die schnelle Plausibilitätsprüfung bei Kreditanfragen. In Deutschland haben mehrere Institute diese Systeme in ihre Finanzierungsprozesse integriert, ohne dass Kunden davon etwas mitbekommen.
Grundlage der meisten Modelle ist eine Variante der hedonischen Preisanalyse. Dabei wird eine Immobilie in ihre Merkmale zerlegt: Wohnfläche, Baujahr, Ausstattungsstandard, Entfernung zu Schulen oder Bahnhöfen, Lärmbelastung. Jedes Merkmal erhält einen statistisch ermittelten Preisbeitrag. Die Summe ergibt den geschätzten Marktwert. Moderne Systeme ergänzen diesen Ansatz durch maschinelle Lernverfahren, die Muster in historischen Verkaufsdaten erkennen und Vorhersagen ableiten.
Qualität der Daten entscheidet über alles
Wie gut ein AVM arbeitet, hängt fast ausschließlich von der Datenbasis ab. In deutschen Ballungsräumen wie München, Hamburg oder Berlin gibt es genug Transaktionen, um belastbare Modelle zu trainieren. Auf dem Land sieht das anders aus. In Landkreisen mit wenigen hundert Verkäufen pro Jahr reichen die Daten oft nicht aus, um statistisch stabile Ergebnisse zu liefern. Das Ergebnis sind breite Konfidenzintervalle: Das System gibt nicht einen Wert aus, sondern eine Bandbreite von beispielsweise 280.000 bis 420.000 Euro. Für eine Kreditentscheidung ist das kaum brauchbar.
Ein weiteres Problem ist die Qualität der Eingangsdaten. Destatis, das Statistische Bundesamt, weist in seinen Berichten zum Immobilienmarkt regelmäßig darauf hin, dass Transaktionsdaten in Deutschland fragmentiert und teils zeitverzögert vorliegen. Kaufpreissammlungen der Gutachterausschüsse sind kommunal organisiert und nicht bundesweit standardisiert. Was in Bayern als Merkmal „saniert“ gilt, muss in Nordrhein-Westfalen nicht dasselbe bedeuten. Algorithmen können diese semantischen Unterschiede nicht aus sich heraus lösen.
Wo algorithmische Systeme an Grenzen stoßen
Ein Altbau mit denkmalgeschützter Fassade in einer Kleinstadtlage, ein Haus mit Erbbaurecht, eine Gewerbeimmobilie mit Altlastenverdacht: Solche Objekte überfordern AVMs regelmäßig. Das liegt nicht an mangelnder Rechenleistung, sondern daran, dass für seltene Objekttypen schlicht zu wenige Vergleichstransaktionen existieren. Zudem erfassen Algorithmen keine Informationen, die nicht in strukturierten Datensätzen vorliegen. Ob ein Haus nach innen gepflegt oder verwahrlost ist, ob die Nachbarschaft in den nächsten Jahren aufgewertet wird oder ob ein Bebauungsplan kurz vor einer Änderung steht, all das bleibt außerhalb des Modells.
Genau hier setzt die professionelle Immobilienbewertung durch Sachverständige an, die solche qualitativen Faktoren systematisch erfassen und in den Wert einarbeiten. Das ist kein Argument gegen Algorithmen, sondern eine Einordnung: AVMs und Gutachter lösen unterschiedliche Aufgaben. Wer ein schnelles Plausibilitätssignal braucht, ist mit einem automatisierten Modell gut bedient. Wer eine rechtssichere, gerichtsverwertbare Wertermittlung benötigt, kommt um ein qualifiziertes Gutachten nicht herum.
Regulatorische Rahmenbedingungen in Deutschland
Die Immobilienwertermittlung in Deutschland ist gesetzlich geregelt. Die Immobilienwertermittlungsverordnung schreibt vor, welche Verfahren zulässig sind und wie Wertermittlungen methodisch aufgebaut sein müssen. Algorithmische Modelle bewegen sich hier in einer Grauzone: Für behördliche Zwecke oder gerichtliche Auseinandersetzungen sind sie nicht zugelassen. Banken dürfen sie intern nutzen, müssen bei der Kreditvergabe aber zusätzliche Anforderungen aus der Kapitaladäquanzverordnung (CRR) beachten, die eine regelmäßige Überprüfung der Modelle vorschreiben.
Das schafft eine zweigeteilte Praxis. Große Kreditinstitute setzen AVMs für Massengeschäfte ein, beauftragen für größere oder komplexere Finanzierungen aber weiterhin Gutachter. Für private Käufer und Verkäufer bleibt das Gutachten die verlässlichere Grundlage, wenn es um viel geht.
Stärken algorithmischer Modelle im Überblick
- Geschwindigkeit: Ein AVM liefert Ergebnisse in Echtzeit, ein Gutachten dauert in der Regel zwei bis vier Wochen.
- Kosten: Automatisierte Bewertungen sind deutlich günstiger, was sie für Portfolioanalysen und Massenanwendungen attraktiv macht.
- Skalierbarkeit: Ein System kann tausende Objekte gleichzeitig bewerten, was für Versicherungen oder Fondsgesellschaften relevant ist.
- Marktbeobachtung: Durch kontinuierliche Datenauswertung lassen sich Preistrends früher erkennen als mit punktuellen Gutachten.
Wohin die Entwicklung führt
Die Forschung an AVMs ist nicht abgeschlossen. Aktuelle Ansätze versuchen, Satelliten- und Luftbilddaten einzubeziehen, um Außenzustand und Umgebungsqualität automatisch zu erfassen. Andere Modelle werten Grundrisse aus digitalen Bauplänen aus oder analysieren Straßenfotos. Einige Universitäten, darunter das KIT in Karlsruhe, forschen an der Kombination von maschinellem Lernen und klassischer Bewertungsmethodik.
Was bleibt, ist eine strukturelle Asymmetrie. Algorithmen werden besser, aber sie werden besser in dem, was sie schon können: große Datenmengen strukturiert auswerten. Was ein erfahrener Gutachter leistet, wenn er ein Objekt betritt, Gespräche führt und Marktkenntnis einbringt, lässt sich nicht ohne Weiteres in Trainingsdaten übersetzen. Der wahrscheinlichste Pfad ist deshalb kein Entweder-oder, sondern eine hybride Praxis. Algorithmen übernehmen Vorfilterung und Plausibilitätsprüfung, Sachverständige konzentrieren sich auf die Fälle, in denen es auf Genauigkeit und rechtliche Belastbarkeit ankommt. Wer das versteht, kann beide Werkzeuge sinnvoll einsetzen.