Diese Aussage ist einfach zu machen, da braucht man nicht mal Zukunftsforscher zu sein. Ronny Haase von WüstPartner und Daniel Meister, CTO von Datahouse, stellten ihre Ausführungen unter den Titel “Predict the future. Die beiden Referenten meinten mit der provokanten Aussage “wir werden alle verschwinden” nicht die menschliche Vergänglichkeit. Vielmehr schauten sie kritisch auf die Zukunft der Berufsbilder in der Immobilienwirtschaft. Die Zukunft voraussagen ist und bleibt schwierig.

Warum ist es so schwer, die Zukunft vorauszusagen?

 

 

 

 

 

 
Pierre-Simon Laplace ging 1814 in seinem Essai “philosophique sur les probabilités” dieser Frage nach. Er meinte, dass wir einmal die Vergangenheit verstehen müssten. Dann diese Erkenntnisse auf die Gegenwart übertragen. Und schliesslich dies auf den Zustand zu übertragen, der nachher käme. Verschiedene Methoden versuchen sich an der Zukunft. Beim sog. Schmetterlingseffekt (englisch butterfly effect) handelt es sich um ein Phänomen der Nichtlinearen Dynamik. Es ist nicht vorhersehrbar, wie sich eine beliebig kleine Änderung der Anfangsbedingungen des Systems langfristig auf die Entwicklung des Systems auswirkt. Beispiel Wetter: Kann der Flügelschlag eines Schmetterlings in Brasilien einen Tornado in Texas auslösen. Der Schmetterlingseffekt unterscheidet sich vom Schneeballeffekt durch die Unvorhersehbarkeit. Denn beim Schneeballeffekt verstärken sich kleine Effekte über eine Kettenreaktion bis zur Katastrophe.

Die vier W-Fragen

 

 

Der Gartner Life Cycle ist bestens bekannt. Ein weiteres Modell von Garnter ist deren “Analytic Ascendancy Model”. Mit vier Fragen wird ebenfalls von der Vergangenheit über die Gegenwart in die Zukunft geschaft. What happened? Why did it happen? What will happen? What should we do? Es sind die vier Elemente der Datenanalyse. Im Zusammenspiel von Daten, Business Intelligence und Voraussagen sind die vier Elemente der Datenanalyse zu sehen. Descriptive, Diagnostic, Predictive und Prescriptive Analytics führen zu Entscheidungen und dann zu Handlungen.

Ausgangspunkt von jeder Analyse sind gute Daten. Heute ist vieles einfacher geworden. WüstPartner hat 1996 begonnen, die Immobilieninserate aus den Zeitungen manuell zu erfassen. Aktuell verkaufen die Immobilienportale viele der von ihnen gesammelten Daten. Diese werden dann von Spezialisten wie WüstPartner veredelt. Aber die Anhäufung von Daten entbindet uns nicht vom Denken. Am Beispiel des Schoggikonsums wurde erklärt, dass diese süsse Versuchung schlau mache und mehr Nobelpreisträger “produziere”. Eigentlich geht es darum, dass sich Leute in reicheren Ländern eher Schokolade leisten können. Reichtum führt zu einem besseren Bildungssystem. Somit steigt die Chance auf mehr Nobelpreisträger.

Künstliche Intelligenz – ein alter Hut

 

 

 

 

 

 

 
Bereits 1950 entstand der sog. Turing-Test. Jeder hat diesen schon gemacht. Websites verwenden ein Captcha, um herauszufinden, ob der User ein Mensch oder eine Maschine ist. Google lässt beispielsweise die User arbeiten, um die Nutzung der eigenen Dienste zu verbessern. So muss ich erkennen, auf wie vielen Bildern beispielsweise ein Auto zu sehen ist. So lernt das System im Hintergrund. Bis Mitte der 60er Jahre entwickelte sich die KI weiter. Während fast 30 Jahren ging dann nicht mehr viel. Mit der Jahrtausendwende kamen dann die grossen Schritte: Deep blue, Siri, Watson, Alexa, Alphago. Was bringt hier die Zukunft?

Wer sich auf Vorhersagen einlässt, sollte
– die aktuelle und historische Entwicklung kennen (Daten)
– die Datenlage beschreiben (Statistik)
– Modelle bilden und Extrapolieren (Machine Learning/Expertenwissen)

Immobilienmarkt bleibt intransparent
Wer weiss schon, dass die Stadt Zürich den grössten Bestand an Einfamilienhäusern hat. Wir sprechen immer von den Institutionellen Anlegern wie Pensionskassen, Lebensversicherungen, wenn es um Immobilien geht. Aber 60 % der Liegenschaften gehören Privaten. Gibt es den Immobilienmarkt? Wir unterscheiden in den Primärmarkt, da geht es ums Bauen. Der Sekundärmarkt weist drei Segmente auf. Der Bestandesmarkt befasst sich mit der Vermietung. Der Transaktionsmarkt schaut auf die Mieten und die Handänderungen. Schliesslich macht der Nutzermarkt Aussagen zu den Nutzern.

Hedonische Modelle – einfach erklärt

 

 

 

 

 

Hedonische Modelle haben wenig mit dem Begriff Hedonismus zu tun. Hier geht es um das Streben nach Sinnlust und Genuss. Hedonische Modelle stehen für eine Bewertungsmethode von Immobilien. Die hedonische Preisbestimmung as Adjektiv stammt zwar vom Begriff  dem Streben nach Sinnenlust und Genuss, hat aber in dieser Interpretation kaum etwas mit diesem gemeinsam. Bei der hedonischen Preisberechnung wird ein Haus oder eine Wohnung gedanklich (subjektiv) in Qualitätseigenschaften zerlegt. Mit Hilfe der so genannten Regressionsanalyse wird dann der Einfluss dieser Qualitätsmerkmale auf den Preis ermittelt. Dadurch können diejenigen Preisänderungen, die nur auf qualitativen Veränderungen bestimmter Eigenschaften beruhen, von den reinen Preisveränderungen rechnerisch getrennt und eliminiert werden.

Am gefüllten Warenkorb lässt sich das hedonische Modell erklären. Vor mir stehen zwei gefüllte Warenkörbe. Aufgrund meiner subjektiven Wahrnehmung bestimme ich den Preis. Was brauche ich, was will ich sicher nicht. An der Kasse biete ich dann einen Preis für meinen Warenkorb. Hinter mir steht aber ein weiterer Käufer. Diesem gefällt der von mir gewählte Korb ebenfalls und er bietet einen höheren Preis.

Haben wir eine Immobilienblase?

Sicherlich haben wir in den letzten Jahren einen unbeschreiblichen Immobilienboom gesehen. Tiefe Zinsen haben viele Käufer dazu verleitet, Eigentum zu kaufen. Die Banken rechnen bei der Tragbarkeit intern mit 5 %, bieten aber Zinsen unter einem Prozent an. Die UBS errechnet z.B. den Bubble-Index. Die Nationalbank warnt immer wieder vor einer Überhitzung des Immobilienmarktes. WüstPartner hat selber ein Modell errechnet. Die Spezialisten kommen darin zum Schluss, dass wir nicht von einer Immobilienblase sprechen können.