Markt Magazin

istock.com/querbeet

Kreditvergabe für Immobilien: Vorteile durch KI-basierte Bewertungsmodelle   

Durch die überarbeiteten Leitlinien der Europäischen Ban­kenaufsichtsbehörde (EBA) von 2020 können statistische Im­mobilienbewertungsmodelle in die Kreditvergabeprozesse im Kleindarlehnsbereich von Banken und Finanzinstitutionen einfließen. Diese auf Künstlicher Intelligenz (KI) und Big Data basierenden automatisierten Bewertungsmodelle, AVMs (Au­tomated Valuation Model) genannt, nutzen dabei alle verfüg­baren, für den Wert einer Immobilie relevanten Daten, um die statistisch wahrscheinlichsten Markt-und Mietpreise einer Wohnimmobilie zu ermitteln.

Eine solche digitale Immobilienbewertung wird heute auch in der Praxis von Finanzbetrieben wie der DKB Grund, ei­ner Tochter der Deutschen Kreditbank, angewendet. Die DKB Grund nutzt die vielfältigen Einsatzfelder von KI-basierten auto­matisierten Bewertungsmodellen für Immobilien. Im Interview gibt Geschäftsführerin Anett Haberland Einblicke in die Chan­cen und Möglichkeiten dieser neuen Lösungen und die Erfah­rungen mit der Nutzung von AVMs.

KINOTE: Wie hat sich die Kreditvergabe für Immobilien in den vergangenen Jahren verändert?

Anett Haberland: Im Lauf der letzten Jahre waren in der Kreditvergabe für Immobilien mehrere Entwicklungen zu beobachten. Zum einen konnten wir auf der Anfrageseite eine starke Tendenz erkennen, dass die Kundschaft uns hinsichtlich des zur Verfügung stehenden Finanzierungsrahmens vermehrt objektunabhängig anfragt, um sich einen Überblick über die aktuell gültigen Finanzierungskonditionen zu verschaffen. Die finanzierenden Partner sind wiederum durch die digitale Transformation zunehmend in der Lage, Anfragen in einer stetig schnelleren Geschwindigkeit zu bearbeiten. Weiterhin zählen neue Mechanismen der Immobilienbewertung zu diesen Entwicklungen: Während früher umfassende Besichtigungstermine und langwierige Gutachten Standard waren, funktioniert die erste Wertermittlung heute deutlich schneller. Grundlage dafür ist eine umfassende, fundierte und intelligent verknüpfte Datenbasis.

KINOTE: In welchen Prozessen sind statistische Bewer- tungsmodelle für Sie im Einsatz?

Haberland: Wir bieten online die Möglichkeit, sich schnell und einfach über den aktuellen, indikativen Wert der Immobilie zu informieren. Dazu stellen wir unserer Kundschaft ein Tool bereit, das auf den automatisierten Bewertungsmodellen eines Partner-Unternehmens basiert. Darüber hinaus nutzen wir die Bewertungsmodelle einerseits in der Finanzierungsberatung und andererseits, um Anfragen an unsere Partnerbanken gut und entscheidungsreif vorzubereiten.

KINOTE: Wie sind Ihre Erfahrungen mit automatisierten Bewertungsmodellen? Welche Chancen und Herausforderungen gab es, seitdem man sich statistischen Bewertungsmodellen geöffnet hat?

Haberland: Die neuen Methoden versetzen uns in die Lage, transparenter zu beraten, bessere Services und Dienstleistungen zu erbringen, überhaupt die ganze Beratung auf ein datenbasiertes Niveau zu heben und damit eine adäquate Leistung zu bieten, egal ob bei Eigennutz, Kapitalanlage oder Erbschaft. Die Herausforderung besteht darin, diese Beratungskontakte in belastbare Kundenbeziehungen zu verwandeln, indem wir nicht nur fachlich weiterhelfen, sondern beim Herzensthema Immobilie ein emotionales Erlebnis bieten.

KINOTE: Wie profitieren Sie und Ihre Kundschaft von den neuen Möglichkeiten solcher auf KI und Big Data basierenden Bewertungsmodelle?

Haberland: Der Beratungsbedarf ist unterschiedlich: Einige Personen benötigen eine vor allem schnelle und kurzfristige Immobilienbewertung, anderen ist eine umfassende und tiefgehende Beratung wichtig. Immobilienbesitzende, gerade im Kapitalanlagebereich, informieren sich auch laufend über den Wert ihrer Investments, um adäquate Entscheidungen treffen zu können und Entwicklungen im Umfeld der jeweiligen Portfolios zu erkennen. Big Data und KI können für uns in Echtzeit Berechnungen machen, wofür wir vorher zahlreiche Recherchen, Gutachten und Telefonate heranziehen mussten. Das gilt natürlich auch für unsere Beschäftigten in der Beratung, die durch die neuen Bewertungsmodelle mit einer validen Vorbereitung in Gespräche gehen können.

KINOTE: Bei traditionellen Prozessen gibt es eine Vielzahl an Verfechtern dieser Tradition. Welche Erwartungen hatten Sie, als KI-basierte Immobilienbewertungstools nach und nach auf den Markt kamen?

Haberland: Wenn man ehrlich ist, waren die ersten Bewertungsmechanismen gestaltete und noch eindimensionale Datenbanken, die man auf Basis eines Zeitpunkts X erstellt hat, und damit hatte man – unabhängig von gesellschaftlichen, politischen und demoskopischen Entwicklungen – über längere Zeit für die gleiche Immobilie auch den gleichen Wert parat. Da sind wir heute deutlich weiter. Das hängt zum einen mit dem technischen Fortschritt zusammen und zum anderen mit den Erwartungen der Kundschaft, die sich stark verändert hat. Valide Aussagen und Einschätzungen werden in immer kürzerer Zeit gefordert. Die neuen Tools haben sich dahingehend inhaltlich stark weiterentwickelt.

KINOTE: Inwieweit wurden Ihre Erwartungen durch KI erfüllt?

Haberland: Die Stärken automatisierter Bewertungsmodelle durch KI liegen auf der Hand: Geschwindigkeit, Qualität, Genauigkeit und Kosteneffizienz. Mit dem eingesetzten Tool haben wir im Alltag sehr gute Erfahrungen gemacht, etwa bei der Vermittlung von Kreditanfragen, der Lead-Generierung und der ersten indikativen Bewertung. Das entspricht an der Stelle auch dem, was wir erwartet haben. Deswegen sind sie so ein fester Bestandteil unserer Arbeit geworden sind.  

KINOTE: KI und Big Data bieten ein großes Potenzial in den Einsatzfeldern. Was erhoffen Sie sich in Zukunft von den digitalen Möglichkeiten?

Haberland: Immer wieder ergeben sich neue Einsatzmög- lichkeiten in der Beratung, in der Erweiterung der Geschäfts- felder oder auch durch die Änderung von Rahmenbedingun-gen. Es kommt dabei auch immer darauf an, welche Bedürf-nisse die Kundschaft hat. Was ist echter Mehrwert, was ist nette Spielerei, und was ist für die Menschen im Alltag auch umsetzbar? Die Immobilienthemen müssen immer wieder durch die Customer Journey gespielt werden, und je mehr Datensätze oder Plattform- und Software-Anbindungen es gibt, umso mehr Ansatzpunkte finden wir. Welche wir dann tatsächlich nutzen, entscheidet nicht die KI, sondern der Kundennutzen.

KINOTE: Frau Haberland, vielen Dank für das Gespräch.

Die Fragen stellte Dogan Michael Ulusoy.

INTERVIEWPARTNERIN



 

Seit 2008 wird die DKB Grund GmbH von Anett Haber­land als Geschäftsführerin geleitet. Als gelernte Banke­rin ist sie seit über 25 Jahren im DKB-Konzern tätig und begrüßt den zunehmenden Einsatz neuer Technologien im Immobilienbereich.

+++

Was versteht man unter Data Science und wie ist dies in den Themenkomplex KI einzuordnen? Wozu benötigt eine Bank überhaupt einen Data Scientist und mit welchen Daten und Tools wird hier gearbeitet? Diese und weitere Fragen stellen wir Torsten Nahm im Podcast „Data Science“ auis der Reihe „durch die bank“. Nahm leitet das Kompetenzzentrum für Data Science bei der DKB.

Melden Sie sich bei Interesse zu unserem Web-Seminar „KI-gestützte Prognosemodelle zur Ermittlung von Kreditausfallwahrscheinlichkeit in Kreditinstituten“ an.

Stichworte

Verwandte Artikel

Anzeige

Lexikoneinträge