Kontakt
Menü

Artikel

Wie die KI-Revolution die Performance des Immobilien-Asset-Managements steigert

Data Science – die Untersuchung von Daten mithilfe von Statistiken, künstlicher Intelligenz (KI), maschinellem Lernen und Computertechnik zur Analyse grosser Datenmengen – ist ein Tool, das bei Global Real Estate zur Gewinnung aussagekräftiger Erkenntnisse für Geschäftsentscheidungen und Anlagemöglichkeiten verwendet wird. Data Science wird häufig für die prädiktive und die präskriptive Datenanalyse eingesetzt.

2. November 2023

Gerald Kremer

Chief Digital Officer, Global Real Estate, Credit Suisse Asset Management (Schweiz) AG und Designated Crew Product Lead Real Estate, UBS Asset Management

Key Takeaways

  • Der Einsatz von Data Science ermöglicht es, Anlageentscheide fundierter zu treffen, unter anderem auf Basis von datenbasierten Vorhersagen zur Marktentwicklung. Dafür werden Millionen von historischen Daten prozessiert. 
  • Global Real Estate nutzt Data-Science-Anwendungen, um hinsichtlich der Vermögenswerte und Fonds strategische Investitionsentscheidungen zu treffen. Neu kommen auch grosse Sprachmodelle (Large Language Models, LLMs) zum Einsatz. Diese nutzen Inhalte aus Anzeigen oder Nachrichten, um die rein datenbasierten Aussagen aus Data-Science-Anwendungen zu ergänzen. 
  • Solche LLMs helfen, Daten und Inhalte zu klassifizieren, Stimmungsanalysen im Markt durchzuführen und daraus Vorhersagen für die künftige Entwicklung abzuleiten sowie die Kommunikation mit der Mieterschaft zu optimieren.

Bei der prädiktiven Analyse werden historische Daten verwendet, um genaue Vorhersagen zu Datenmustern zu erstellen, die in der Zukunft auftreten könnten. Mithilfe einer Kombination aus historischen, externen und alternativen Daten mit maschinellem Lernen, Vorhersagen und Vorhersagemodellen können kausale Zusammenhänge in den Daten ermittelt werden. 

In dieser Ausgabe stellen wir verschiedene Data-Science-Anwendungen zur Unterstützung unseres Immobiliengeschäfts vor, wobei wir diese Technologien nutzen, um hinsichtlich der Vermögenswerte und Fonds strategische Investitionsentscheidungen zu treffen.

Anschliessend erläutern wir, wie der Einsatz der aufkommenden grossen Sprachmodelle (Large Language Models, LLMs) den Mehrwert von Data-Science-Anwendungen weiter steigert.  

Data-Science-Anwendungsfälle in CSAM GRE

Data-Science-Anwendungsfall 1 
 Räumliches Immobilienrisiko

Der Bericht der Credit Suisse über das räumliche Immobilienrisiko nutzt eine Sammlung von elf Millionen Immobilienanzeigen aus der Schweiz mit Verkaufs- und Mietangeboten der letzten zwölf Jahre, ergänzt durch zusätzliche externe und interne Datensätze, um die Mietrendite räumlich vorherzusagen.

Niedrige / hohe Immobiliendichte Um abzuschätzen, ob sich am Markt eine Immo-bilienblase aufbaut, wird die Dichte von Immobilien mit unterdurchschnittlicher oder niedriger Rendite als Indikator herangezogen.

Niedrige / hohe Immobiliendichte
Um abzuschätzen, ob sich am Markt eine Immobilienblase aufbaut, wird die Dichte von Immobilien mit unterdurchschnittlicher oder niedriger Rendite als Indikator herangezogen.
Quelle: Credit Suisse AG. Nur für illustrative Zwecke

Data-Science-Anwendungsfall 2
Abwanderung gewerblicher Mieter

Der Bericht der Credit Suisse über die Abwanderung gewerblicher Mieter nutzt gewerbliche Mietverträge aus der Vergangenheit zur Ableitung eines gekennzeichneten Datensatzes. Dieser wird durch regionale Informationen (zum Beispiel Insolvenzen, neue Wettbewerber) ergänzt, um die Wahrscheinlichkeit abzuschätzen, dass ein Mieter seinen Vertrag innerhalb von sechs bis zwölf Monaten kündigt. So können Vermögensverwalter Leerstände antizipieren und frühzeitig eine optimale Raumnutzung planen.

Markt-KI: Daten aus Inseraten der letzten sieben Jahre werden aktualisiert und verwendet, um ein Modell für maschinelles Lernen zu erstellen. Dieses prognostiziert Mietpreise und gibt Hinweise darauf, welche Faktoren zu deren Zunahme (oder Rückgang) beitrugen.

Markt-KI
Daten aus Inseraten der letzten sieben Jahre werden aktualisiert und verwendet, um ein Modell für maschinelles Lernen zu erstellen. Dieses prognostiziert Mietpreise und gibt Hinweise darauf, welche Faktoren zu deren Zunahme (oder Rückgang) beitrugen.
Quelle: Credit Suisse AG. Nur für illustrative Zwecke

Data-Science-Anwendungsfall 3
Mietvorhersage zum Massenmarkt

Basierend auf Anzeigen wird ein Prognosemodell verwendet, um vorherzusagen, was der Markt für die Einheiten in unserem Portfolio zu zahlen bereit ist. Der Betrag, den jedes Attribut zur Miete beiträgt (oder um den es sie reduziert), wird für jede Einheit angegeben. Dadurch können Vermögensverwalter die Performance unserer Immobilien optimieren und so das beste Gleichgewicht zwischen hohen Mietrenditen und niedrigen Leerständen erzielen. 

Leerstandsrisiko 
Bei gewerblichen Mietern ist eine Mobilität entsprechend sich ändernden Marktbedingungen zu beobachten. Mittels eines Modells, das lernt, wie Verträge in der Vergangenheit auf sich verändernde Marktbedingungen wie Zahlungsverzug im selben Sektor oder neuen Raumbedarf reagierten, werden Änderungen vorweggenommen und Empfehlungen zu möglichen Anpassungen zur Unterstützung des Mieters abgegeben.
Quelle: Credit Suisse AG. Nur für illustrative Zwecke

Diese Nutzung von Data Science in unserem Tagesgeschäft ermöglicht genauere Anlagevorhersagen und hilft uns dabei, Risiken zu mindern und bessere Entscheidungen zu treffen. Die Mietvorhersage zum Massenmarkt kann neue Opportunitäten aufzeigen und ermöglicht es uns, proaktiver zu sein. 

Innovationen im Bereich künstliche Intelligenz

Wie bereits zu Beginn dieses Artikels erwähnt, gab es in jüngster Zeit spannende Entwicklungen in den Bereichen künstliche Intelligenz (KI) und maschinelles Lernen. Die Nutzung von grossen Sprachmodellen (Large Language Models, LLMs) wurde der Allgemeinheit zugänglich gemacht. LLMs sind eine Art KI-Algorithmus, der Deep-Learning-Techniken und äusserst grosse Datensätze verwendet, um neue Inhalte zu verstehen, zusammenzufassen, zu generieren und vorherzusagen. Sie eignen sich hervorragend für die Klassifizierung und Kategorisierung von Daten, die Durchführung von Stimmungsanalysen (Verständnis der Absicht eines Inhalts), Konversations-KI und Chatbots (ermöglichen es Nutzerinnen und Nutzern, auf natürlichere Weise mit KI zu interagieren).

Zu den konkreten Möglichkeiten, LLMs für unsere bestehenden Berichte zu nutzen, gehören: 

Räumliches Immobilienrisiko 


Durch die Integration der zusätzlichen Fähigkeit, Text aus Anzeigen und Nachrichtenartikeln zu verstehen, könnte eine Stimmungsanalyse Marktentwicklungen vorwegnehmen – dies kann das aktuelle Modell mit seiner historischen Sicht nicht bieten. Darüber hinaus kann ein LLM die Ergebnisse direkt abfragen, eine Marktanalyse für bestimmte Segmente bereitstellen und einen Bericht erstellen. 

Abwanderung gewerblicher Mieter

Die Kombination der modellgestützten Erkenntnisse mit einem LLM, das die Kommunikation mit den Mietern direkt vorbereitet, um den geschäftlichen Herausforderungen zu begegnen, wird unsere Beziehung zu unseren Mietern verbessern. Durch die Hinzufügung früherer Mitteilungen sind unsere Kundenberaterinnen und Kundenberater zudem in der Lage, extrem präzise mit den Mietern zu kommunizieren; dies vermittelt unseren Mietern die Zuversicht, dass wir ihre Anliegen verstehen und für sie da sind.

Mietvorhersage zum Massenmarkt 

Aktuelle Modelle verwenden quantitative Attribute und nur eine begrenzte Anzahl qualitativer Bewertungen der Immobilien. Durch Hinzufügen der Informationen, die in der Beschreibung von Anzeigen enthalten sind, mithilfe eines LLM kann diese Lücke geschlossen und ein präziseres Modell erstellt werden. 

Diese jüngsten Innovationen werden es uns ermöglichen, noch effizienter, genauer und innovativer bei unseren Geschäftsentscheidungen, unserer strategischen Planung und unseren Anlagemöglichkeiten zu sein.

Anlagemöglichkeiten

Wählen Sie in der Fondssuche aus unserem umfangreichen Produktangebot die für Sie passende Anlagelösung. Hier erhalten Sie Zugriff auf alle produktbezogenen Informationen.

Folgen Sie einem Fonds und erhalten Sie das Factsheet jeden Monat schnell und unkompliziert per E-Mail.

Fundsearch
fundsearch-fund-updates-newsletter2.jpg
Fundsearch

Vor kurzem veröffentlicht

Lesen Sie die neuesten Novum Artikel
2. November 2023
Investitionen in den Manufactured- Housing-Sektor in den USA

Im aktuell unsicheren Marktumfeld sind Investment-Opportunitäten mit hoher Stabilität bei den Cashflows besonders attraktiv. Ein gutes Beispiel für solche Investitionen mit relativ geringem Risiko liegt im Fertighausbereich beziehungsweise Manufactured Housing in den USA.

2. November 2023
Pilotprojekt zur Förderung von internem Wohnungswechsel in Oerlikon

Mieterinnen und Mieter in der Liegenschaft Accu können in einem Pilotprojekt auf einfache Weise ihre Wohnung wechseln. Das Pilotprojekt in Oerlikon ist auf mindestens ein Jahr ausgelegt.

Wenden Sie sich ans Asset Management

Fragen Sie uns nach interessanten Anlagechancen. Wir helfen Ihnen, Ihre Anlageziele zu erreichen.

Kontaktieren Sie uns
Kontaktieren Sie uns

Das oben erwähnte Unternehmen dient lediglich zu Illustrationszwecken und stellt weder eine Aufforderung noch ein Angebot zum Kauf oder Verkauf von Anteilen oder Anlagen dar.

Quelle: Credit Suisse, ansonsten vermerkt. 
Sofern nicht explizit anders gekennzeichnet, wurden alle Abbildungen in diesem Dokument von Credit Suisse AG und/oder den mit ihr verbundenen Unternehmen mit grösster Sorgfalt und nach bestem Wissen und Gewissen erstellt. 

Dieses Material stellt Marketingmaterial der Credit Suisse AG und/oder mit ihr verbundenen Unternehmen (nachfolgend «CS» genannt) dar. Dieses Material stellt weder ein Angebot oder eine Aufforderung zur Emission oder zum Verkauf noch einen Bestandteil eines Angebots oder einer Aufforderung zur Zeichnung oder zum Kauf von Wertpapieren oder anderen Finanzinstrumenten oder zum Abschluss einer anderen Finanztransaktion dar. Ebenso wenig stellt es eine Aufforderung oder Empfehlung zur Partizipation an einem Produkt, einem Angebot oder einer Anlage dar. Diese Marketingmitteilung stellt kein rechtsverbindliches Dokument und keine gesetzlich vorgeschriebene Produktinformation dar. Dieses Material stellt in keiner Weise ein Anlageresearch oder eine Anlageberatung dar und darf nicht für Anlageentscheidungen herangezogen werden. Es berücksichtigt weder Ihre persönlichen Umstände noch stellt es eine persönliche Empfehlung dar, und die enthaltenen Informationen sind nicht ausreichend für eine Anlageentscheidung. Die in diesem Dokument enthaltenen Informationen und Meinungen repräsentieren die Sicht der CS zum Zeitpunkt der Erstellung und können sich jederzeit und ohne Mitteilung ändern. Sie stammen aus Quellen, die für zuverlässig erachtet werden. Die CS gibt keine Gewähr hinsichtlich des Inhalts und der Vollständigkeit der Informationen und lehnt, sofern rechtlich möglich, jede Haftung für Verluste ab, die sich aus der Verwendung der Informationen ergeben. Ist nichts anderes vermerkt, sind alle Zahlen ungeprüft. Die Informationen in diesem Dokument dienen der ausschliesslichen Nutzung durch den Empfänger. Die Angaben in diesem Material können sich nach dem Datum der Veröffentlichung dieses Materials ohne Ankündigung ändern, und die CS ist nicht verpflichtet, die Angaben zu aktualisieren. Dieses Material kann Angaben enthalten, die lizenziert und/oder durch geistige Eigentumsrechte der Lizenzinhaber und Schutzrechtsinhaber geschützt sind. Nichts in diesem Material ist dahingehend auszulegen, dass die Lizenzinhaber oder Schutzrechtsinhaber eine Haftung übernehmen. Das unerlaubte Kopieren von Informationen der Lizenzinhaber oder Schutzrechtsinhaber ist strengstens untersagt. Dieses Material darf nicht an Dritte weitergegeben oder verbreitet und vervielfältigt werden. Jegliche Weitergabe, Verbreitung oder Vervielfältigung ist unzulässig und kann einen Verstoss gegen den Securities Act der Vereinigten Staaten von 1933 in seiner jeweiligen Fassung (der «Securities Act») bedeuten. Zudem können im Hinblick auf das Investment Interessenkonflikte bestehen. In Zusammenhang mit der Erbringung von Dienstleistungen bezahlt die Credit Suisse AG und/oder mit ihr verbundene Unternehmen unter Umständen Dritten oder erhält von Dritten als Teil ihres Entgelts oder in anderer Weise eine einmalige oder wiederkehrende Vergütung (z.B. Ausgabeaufschläge, Platzierungsprovisionen oder Vertriebsfolgeprovisionen). Potenzielle Anleger sollten (mit ihren Steuer-, Rechts- und Finanzberatern) selbstständig und sorgfältig die in den verfügbaren Materialien beschriebenen spezifischen Risiken und die geltenden rechtlichen, regulatorischen, kreditspezifischen, steuerlichen und buchhalterischen Konsequenzen prüfen, bevor sie eine Anlageentscheidung treffen.
Copyright © 2023 CREDIT SUISSE. Alle Rechte vorbehalten.

Händler: Credit Suisse (Schweiz) AG, Paradeplatz 8, 8001 Zürich I Händler: Credit Suisse AG, Paradeplatz 8, 8001 Zürich I Händler: Credit Suisse Asset Management (Schweiz) AG, Kalandergasse 4, 8045 Zürich I Aufsichtsorgan (Registrierungsstelle): Eidgenössische Finanzmarktaufsicht (FINMA)

Tags

Immobilien Digitalization