21.10.2026 Kaffeepause mit Annika Steiner, Partnerin bei Wüest Partner

00:00:04: Heute ist Annika Steiner zu Gast in der Goni-Kaffeepause.

00:00:09: Annika ist Partnerin bei Büspartner.

00:00:12: Liebe Annika, schön dass du den Weg nach Frankfurt gefunden hast und es dir einrichten konntest hier an diesem Dienstag bei uns im Büro vorbeizuschauen.

00:00:21: Vielen Zuhörerinnen bist du bekannt?

00:00:25: Und stellen wir uns einmal vor das eine junge Nachwuchskraft einer jungen Immobilienkauffrau oder eine Hochschulabsolvente neu in diese Branche kommt, diesen Podcast hört.

00:00:37: Wie würden deine Kolleginnen oder Kollegen beschreiben wer du bist und in welchem Unternehmen du arbeitest?

00:00:46: Meine Kollegen, wie würden die mich beschreiben?

00:00:48: Hallo erst mal!

00:00:49: Danke für die Einladung.

00:00:50: schön dass ich da sein darf.

00:00:55: Genau Ich bin Partnerin bei Büss Partner Und wir sind ein mobilen Beratungsunternehmen für die Immobilienbranche.

00:01:04: Mein Spezialgebiet, da sind Daten und Software.

00:01:07: Ich habe ursprünglich Geografie studiert und bin dann über das Research zur Immobilie- und zur Immobilienmarkt gekommen und liebe einfach den Raum mit Daten und Modellen zu erklären.

00:01:21: Und das ist glaube ich auch das was wir bei Wiespartner sehr gut machen – einfach über Daten, Immobiliermärkte greifbar und erklärbar zu machen.

00:01:30: Das mache ich mit sehr viel Spaß und Leidenschaft, das würden glaube ich die Kollegen auch sagen.

00:01:37: Dass wir schon immer darauf achten dass es Spaß macht bei der Arbeit und wir schöne spannende neue Projekte

00:01:43: machen.

00:01:46: Also wirst du Partner-, Arbeitgeberwochen Spaß hast?

00:01:49: Ja!

00:01:50: Das nehmen wir schon mal mit.

00:01:52: Richtig.

00:01:52: Und wichtig.

00:01:53: Wie würde dich denn beispielsweise deinen Sohn auf dem Kindergeburtstag vorstellen?

00:01:59: Oh... Der würde was schlechtes sagen.

00:02:02: Ich bin nur am Sprechen, hab nur Termine den ganzen Tag und am Reden.

00:02:10: Genau also weil er weiß schon... Also mein Sohn ist in der fünften Klasse, der ist jetzt zehn, der weiß schon dass ich Partnerin bei uns bin und dass wir im Bereich Immobilien unterwegs sind, aber wenn er mich im Homeoffice erlebt und so merkt er vor allem das ich halt viele Termine habe und viel rede.

00:02:29: Aber was konkret ist ihm jetzt glaube ich noch nicht

00:02:31: so klar?

00:02:33: Die Mama quatscht die ganze Zeit.

00:02:34: Das ist ja ein gut Voraussetzung für diesen Podcast.

00:02:37: Genau!

00:02:39: Quatschen wir doch mal über deinen Einstieg in die Branche.

00:02:43: Du hast Geografie studiert und bist in die Immobilierwirtschaft Und hast irgendwann auch mal die Leitung der GIF Competence Group Research übernommen, bis da so zu sagen wie du selber mal gesagt hast reingeschmissen worden.

00:02:59: Was reizt dich als Geografin denn heute an Daten?

00:03:03: und wie viel von diesem Reizen, vom Blick auf Daten und den Raum steckt auch heute in anderen

00:03:09: Produkten?

00:03:11: Ich glaube tatsächlich heute sogar noch viel mehr als

00:03:15: früher... Weil es mehr Daten gibt!

00:03:18: Da nicht unbedingt mehr Daten gibt, aber weil das Bewusstsein für diese wertvollen Daten oder das Daten wertvoll sind ist ja heute viel größer als noch vor zwanzig Jahren.

00:03:30: Und wir arbeiten hier auch ganz anders mit den Daten als noch von zwanziger Jahren.

00:03:34: und also in der Schule war meine Lieblingsfächer Mathe Informatik Geografie Und dann habe ich mich entschieden, Geografie zu studieren.

00:03:43: und ich finde heute im Job ist eigentlich die Kombination aus Matheinformatik und Geographie ja genau mein täglich Brot.

00:03:51: Wo wir eben dieses räumliche Erklären also Daten erklären ja den Raum.

00:03:57: warum sind die Menschen dort nicht dort?

00:03:59: Warum ist der Standort gut oder nicht gut im Vergleich zur anderen?

00:04:04: Das machen wir heute vielmehr noch mit Daten und Modellen Auswertungen etc.

00:04:11: was man ja eigentlich gut auch mit der Software jetzt macht, also man hat da auch ganz andere Möglichkeiten als früher und kann da auch den Kunden Hilfe zur Selbsthilfe anbieten.

00:04:20: und deswegen finde ich macht sehr viel Spaß eine schöne Studium und jetzt ein schöner Beruf.

00:04:27: Also konsequent fortgesetzt deine Leidenschaft bei Wüstpartner die Wirklichkeit gefunden das zu leben.

00:04:35: viele kennen WüstPartner als Bewerter und Berater.

00:04:40: Wenn du jetzt deine Einheit beschreibst in einem Satz, was verkauft ihr eigentlich?

00:04:45: Daten, Software oder Urteilskraft.

00:04:48: Das sind so schöne Fragen!

00:04:51: Wir verkaufen nicht nur Daten und nicht nur einfach Software sondern wir verkaufen die Kombination von beidem wie du mit qualifizierten guten Daten mit einer guten Software eben zu einem guten Urteil oder Entscheidung für deine mobilen Portfolie kommst.

00:05:06: Also stellen wir es jetzt so vor, ich bin kundebar.

00:05:09: Ich kaufe die Software und werde von euch noch geschult wie ich aus der Software die Daten rausholen damit dich urteilen kann?

00:05:15: Genau also.

00:05:16: wir geben dir eine Guidance wie du die Software am besten anwendest.

00:05:20: dann sind ja verschiedene Daten und Modelle integriert.

00:05:23: sie dir dann helfen dein Portfolio zu Benchmarkten und zu schauen ob du quasi wo du mit deinen strategischen Vorgaben die Du hast auf die richtige Richtung

00:05:33: kommst.

00:05:35: Ihr sammelt seit zwei tausend sieben Transaktionsdaten, Angebote, Mikrolagen, Ratings.

00:05:42: Welche dieser Daten sind denn heute wirkliches wertvolles Rohmaterial für KW-Anwendung zum Beispiel?

00:05:49: Und welche Daten werden völlig überschätzt in der Branche und haben im Grunde doch wenig Aussagekraft?

00:05:58: Ja, gute Frage!

00:06:01: Ich würde es noch ein bisschen differenzierter betrachten.

00:06:06: Wir sammeln viele Daten, wir haben auch viele Datenpunkte.

00:06:09: Aber ich finde der einzelne Datenpunkt nützt dir relativ wenig wenn du den nicht in bestimmten Verhältnissen setzt.

00:06:16: Also du kannst gute Mikrolagen-Ratings machen oder hast dann Entfernung oder den Supermarkt oder den Arzt.

00:06:23: aber wenn du nicht weißt ist es jetzt eine Wohnmobile die ich mir anschaue oder ein Büro oder einen Logistikcenter Dann haben sie Datenpunkts ja eine ganz andere Interpretation Und deswegen, glaube ich, legt die Kunsthäute oder der Wert der Daten darin.

00:06:41: Die richtigen und wichtigen Datenpunkte von der Masse zu unterscheiden, die dir wirklich helfen, deine Entscheidungen besser zu qualifizieren.

00:06:51: Also die Zusammenhänge herzustellen?

00:06:52: Genau!

00:06:53: Das

00:06:53: leistet ihr schon?

00:06:54: Ja genau!

00:06:58: zu prüfen, ob die Daten, wie ich sage mal sinnhaft sind oder korrekt sind.

00:07:03: Also ich meine, weiß nicht wenn du Rohdaten anguckst gerade bei Angebotsmieten und auch bei Transaktionen manchmal vielen Informationen, manchmal tragen Nutzer falsche Sachen ein und dann kommen halt auch... ...falsche Datensätze raus, die nützen dir nichts.

00:07:17: Die nützen nur Daten was sie denn wirklich... ...sinnhaft

00:07:21: sind.

00:07:21: Deswegen

00:07:22: diesen Qualitätscheck.

00:07:23: das ist quasi auch noch der Mehrwert eigentlich dass du geprüfte Qualifizierte Datensätze hast, die sind das wahre Gold.

00:07:30: Das heißt ganz konkret wenn ich weiß ich habe nur fünf Minuten zum nächsten Kaufmannslagen oder zum nächsten Briefkasten von dem Punkt aus der geografischen Koordinate wo ich mich da befinde dann ist es wenig aussagekräftig wenn ich nicht weiß ob dieser Punkt in einer Bürologistik oder Wohnimmobil liegt.

00:07:53: Genau.

00:07:54: Weil für Wohnen hast du ja eine ganz andere Interessenslage, für deinen Nahversorgungs- oder Umkreisgebiet als für ein Büro oder keine Logistik im Wille.

00:08:04: Das liefert ihr direkt mit.

00:08:05: Also ihr

00:08:06: habt

00:08:07: Daten plus die zusammen?

00:08:08: Genau.

00:08:09: Wir machen daraus Ratings entsprechend und der Nutzungsart zum Beispiel.

00:08:12: Und geben darüber dann eine Einschätzung

00:08:15: auf das Wort.

00:08:15: Welche Daten werden völlig überschätzt?

00:08:20: Völlig überschetzt weiß ich nicht... Ich finde eigentlich sind ja alle Daten wertvoll.

00:08:28: Deswegen werden überschätzt, weiß ich jetzt nicht genau.

00:08:35: vielleicht immer so dieses meine Daten deine Daten?

00:08:38: Ich glaube das wird schon noch ein bisschen überschätzen.

00:08:40: also nur wenn ich meine Daten sind zum Beispiel wertvoll aber sie sind nicht so wertvoll wie mit allen anderen zusammen.

00:08:49: Also das ist so ein bisschen glaube Manchmal immer diese Diskussion soll ich jetzt meine Daten teilen oder halte die nicht lieber?

00:08:58: und da ist so die Frage, ob der Wert da vielleicht überschätzt wird von seinen eigenen

00:09:04: Daten.

00:09:06: Also als Asset Manager halte ich meinen eigenen Daten unfassbar wertvoll?

00:09:11: Der Wert, den nicht daran sehe liegt möglicherweise auch daran, dass ich selber das Wissen da hab wie die Zusammenhänge sind.

00:09:17: Wenn ich dir rausgebe dann fehlt den anderen der Zusammenhang und dann sind die...

00:09:21: Zum Beispiel das.

00:09:21: oder dass sie vielleicht auch noch wertvoller werden wenn ich sie mit anderen zusammennehme weil ich dann Benchmarks erstellen kann oder Modelle und dadurch erst vielleicht noch den richtigen Wert entwickeln.

00:09:31: Du hattest ja auch mal geschrieben mehr Daten ja nicht unbedingt sind gemäßt und man muss sie besser nutzen.

00:09:40: Geht es genau in diese Richtung nämlich zu sagen Wenn ich als Asset-Manager Zusammenhänge in meinen Daten erkenne, dann kann ich die Daten verteilen.

00:09:48: Sie sind aber dann nutzlos!

00:09:50: Wenn ich aber die Zusammenhange mit erkläre, gewinnen auch die Daten außerhalb meiner eigenen Sphären relevant eine Bedeutung sind wertvoll?

00:09:59: Genau, das hilft uns allen.

00:10:04: jetzt glaube nicht wenn wir

00:10:05: einfach

00:10:07: massenhaft mit Daten zum Beispiel ... ansammeln kann man machen.

00:10:12: Wir haben ja Speichermöglichkeiten, ... ... IT-Infrastruktur.

00:10:15: heutzutage ist alles möglich ne?

00:10:17: Wir haben auch selber zum Beispiel zu besichtigen eine App ... ... TwistVisits und da kann man glaube ich bis zu ... ... zwei tausend siebenhundert Datenpunkte erfassen... ... aber einfach weil wir verschiedene Anwendungsfälle damit abbilden wollen!

00:10:31: Und wir würden jetzt niemals zu einem Kunden sagen,... ..."Wir sammeln jetzt diese ... ..."Zwei Tausend Siebenhundert Datenpunkten", weil die uns am Ende ... nicht weiterbringen.

00:10:39: Man muss eigentlich genau schauen, was ist dann die Strategie vor dem Kunden?

00:10:42: Wofür will er die Daten erfassen?

00:10:44: und dann wählst du danach eben die Datenpunkte aus und deswegen ist dann immer die Frage, was will ich mit den Daten erreichen oder aussagen oder ermitteln?

00:10:56: und danach kannst du auch mit wenigen Daten sehr viel Aussagekraft

00:11:01: herstellen.

00:11:02: Nimmst Du das denn In der Branche?

00:11:05: bei den Kunden war, dass sie hinsichtlich ihrer eigenen Daten kaum Bewusstsein darüber haben.

00:11:09: Was Sie eigentlich aussagen könnten?

00:11:14: Ich glaube das wissen schon viele Kunden, dass Daten wertvoll sind und es haben auch viele dieses Bewusstsein ja, dass alle auch die Daten gerne haben möchten weil's natürlich schon spannend ist wie Der Büromarkt ist ja von der öffentliche Statistik relativ intransparen.

00:11:40: Deswegen ist es natürlich immer spannend, möglichst viele Daten zu dem Thema zu haben und ich glaube deswegen wissen auch alle wenn sie jetzt ein großes Büromobil in Portfolio haben dass das natürlich schon zum Teil wertvoll Informationen sind die Mietverträge zum Beispiel die da drin sind oder auch Ankaufspreise solche Sachen.

00:11:59: und trotzdem glaube dass diese Daten dann auch heben und nutzbar machen.

00:12:10: Ich glaube, da sind gerade viele mit beschäftigt wie kann man die gut strukturieren?

00:12:15: Welche sollte ich sammeln?

00:12:16: Welches sind einfach nur nice to

00:12:18: have?".

00:12:18: Und das ist, glaube ich, diese große Diskussion, die wir gerade im Markt sehen.

00:12:24: Wo sammle ich meine Daten?

00:12:26: Wo ist die Single Source of Truths?

00:12:28: Ich stelle

00:12:29: mir jetzt gerade vor wie so eine Riesenbuchstammsuppe Und blöffelt das und wird satt, ja aber weiß halt nicht welche Buchstaben er hat.

00:12:39: Am Ende ist sein Job zu sagen ich muss aus dem Buchstabem Wörter bilden die wirklich Exzellenzen nicht schaffen sogar aus den Wöltern Sätze zu bilden die dir noch ein Schippchen drauflegen, die können ganze Sinnhaftigkeiten mit diesen Buchstaben ausdrücken.

00:12:51: Seid ihr diejenigen, die sagt fast mal auf, ja hast du deine Buchstabensuppe?

00:12:55: Wir suchen jetzt erstmal alle Aas raus weil wir wissen wie brauchen die Aas da und dafür Und dann die Bees und sortiert das oder geht ihr hin und holt direkt die Wörter heraus also direkt den Sinn?

00:13:06: Nee, würden es schon auch strukturiert machen.

00:13:08: Also dass du schon erst einmal dir ein gutes Grundgerüst besorgst von deinen Objekten, Daten die du im Haus hast und wirklich schaust.

00:13:18: Was bekommst du von wo?

00:13:20: Was brauchst du vom WM?

00:13:21: Hast du schon alles um gute Sätze zu bilden?

00:13:24: weil es kann natürlich sein wenn wir jetzt bei deinem Vergleich bleiben zum Beispiel Man kann ja schon aus wenigen Daten oder Wörtern, Buchstaben gute Sätze bauen.

00:13:36: Aber man könnte überlegen wenn man jetzt ein anderes Ziel hat müsste man halt gucken ob man doch noch irgendwo was findet was einen dann weiterbringt.

00:13:43: und da würden wir mit dem Kunden, gucken wir mit den Kunden eben zusammen Was hat er?

00:13:47: Was könnte noch gehen?

00:13:49: Und aber trotzdem auch weil die da sind Das ist, was wir hin auch gesagt haben.

00:13:53: Diese geprüften qualifizierten Daten sind der Ursprung von allem und die müssen stimmen und sitzen und deswegen legen wir darauf auch immer viel Wert, dass wir erstmal den Grundstock sauber aufnehmen und dann daraus die Wörter uns sehr zibbeln.

00:14:07: Also Datenaufbereitung ist im Grunde das Thema

00:14:10: in ordentlichen

00:14:11: Kontexten?

00:14:12: Auf der Konferenz im Mai bei euch sagte oder hat eine Unfrage gegeben, dass eighty-fünf Prozent die Datenaufbereitung als den größten Schmerzpunkt empfinden.

00:14:23: Bei der Bewertung Grundbuchauszüge, Gebäude für Sicherungsnachweise und vieles mehr.

00:14:29: ist das denn wirklich, Daten aufzubereiten?

00:14:33: Ein skalierbarer SKI Geschäftsmodell für die Branche?

00:14:42: Ja!

00:14:43: Also das nimmt schon mal unglaublich Arbeit ab, weil es tatsächlich mühsam ist.

00:14:50: Egal welche Grundbuchauszüge oder Themen man hat da kann man sich schon einiges an Arbeit sparen.

00:14:56: aber gerade was das Wichtige ist jetzt auch nicht große Kunst sage ich jetzt mal sondern das einfach nützlich und praktisch dass man es heute kann und ich glaube das Wichtigste dann aber die Daten auch zu prüfen und zu qualifizieren, ob das Modell die jetzt richtig ausgelesen hat.

00:15:15: Ob es sinnhaft ist was da erkannt wird weil wir schon auch gemerkt haben dass die Nutzer dann auch also du hast schon auch ein bestimmtes Anspruchsverhalten wenn du jetzt die KI zum Beispiel solche Sachen machen lässt dann hättest du auch gerne dass das hundert Prozent richtig ist.

00:15:33: ja

00:15:34: weil sonst kann ich es auch alleine machen.

00:15:37: Und das ist natürlich auch schwierig, die macht auch Fehler wie wir alle wissen und deswegen ist es schon praktisch.

00:15:45: oder sehen wir unsere Aufgabe zum Teil dann auch darin die Modelle und die AI so zu trainieren dass eben die Fehlerquote minimal ist und der Nutzer sich damit nicht mehr Gedanken machen muss sondern wirklich weiß okay jetzt habe ich mit den Daten kann ich weiterarbeiten und muss mich jetzt nicht noch dreimal fragen ob er die Zahl aus der Null in den Neuen gemacht hat oder irgendwas anderes.

00:16:06: Und da wird es, glaube ich, spannend.

00:16:07: Gibt's dann bei euch noch einen Plausibilitätscheck?

00:16:11: Ja!

00:16:12: Also überall machen wir Qualitätschecks und Plausabilitätchecks prüfen des Benchmarkens, ob das sinnvoll ist.

00:16:20: Euch würde auch fallen, wenn euch die KI versucht zu verarschen.

00:16:24: Auf jeden Fall.

00:16:28: Prüft sie bestimmt aber...

00:16:31: Und trotzdem gelingt es, dadurch Effizienzgewinne von thirty bis fifty Prozent zu heben.

00:16:38: Besonders im Control Room Asset Management.

00:16:40: ist das die Zahl, die ihr für Valida haltet?

00:16:44: Das stimmt wenn du jetzt, wenn ich mich jetzt auch richtig erinnere... ...es ist aus einer Studie von uns gewesen wo wir das erhoben haben und ja glaube schon dass man das schaffen kann weil man wirklich viele Arbeitsschritte früher manuell gemacht hat, heute automatisiert laufen lassen kann und sich deswegen auf andere Themen fokussieren kann.

00:17:08: Und seine Gehirnleistung quasi woanders ausgeben kann.

00:17:12: Da macht es ja dann eigentlich auch Spaß.

00:17:13: Es hat ja keiner Spaß einen Grundbuch auszugab zu tippen oder eine Mieterliste zu kontrollieren.

00:17:17: Das macht er kein Spaß.

00:17:21: Heißt also wenn ich mir das Thema Bewertungen anschaue am Ende gibt es noch den Menschen, der Gutachter, der auf die KI vorbereiteten Zahlen draufschaut und sagt das klingt plausibel.

00:17:33: Das ist eine belastbare Bewertung?

00:17:37: Ja!

00:17:39: Gerade beim Bereich Bewertungen ist ja auch noch sehr reguliert der Prozess.

00:17:44: Da muss jemand ein Mensch die Verantwortung übernehmen, dass das Ergebnis korrekt ist.

00:17:50: Und sie signieren

00:17:52: mit seinem

00:17:53: besten Wissen und Gewissen.

00:17:55: Deswegen glaube ich schon, lange der Mensch im Prozess bleibt und es macht.

00:18:01: Und da aber eben genau diese Rolle hat, dass er eben die Fleißaufgaben zum Teil auslagern kann und sich dann wirklich fokussieren kann auf das wo seine Expertise Erfahrungswerte Einfluss nehmen können.

00:18:13: Auf der anderen Seite hatte ich letzte Woche auch auf einem Panel die Diskussion was halt schon automatisiert werden kann und was auch vollständig automatisiert wird.

00:18:22: Ich glaube, da gibt es schon perspektivisch auch Sachen, was wirklich wenn man's gut trainiert kein Mensch eigentlich mehr hingucken muss.

00:18:29: Aber du musst dann genau als Unternehmen prüfen wie viel Risiko steckt da drin?

00:18:35: Kann ich mir das erlauben?

00:18:36: Was passiert im schlechtesten Fall, wenn doch irgendwo ein Fehler drin ist?

00:18:41: Du sagst ja, du trainierst so lange bis kein Fehler mehr passiert aber meist nicht.

00:18:45: deswegen muss man da halt abwägen Wo kannst du es alleine laufen lassen, weil das Risiko dann so im Verhältnis steht zu dem was du da verspaßt?

00:18:56: Jetzt stelle ich mir vor dass die Bewertung vorbereitet werden von der KI.

00:19:02: Die weiß ganz genau die Mikrolage und kennt Adresse Und am Ende des Tages geht der Bewerter hin und sagt Das ist valide.

00:19:09: oder Ich habe hier noch eine Einschätzung, noch ein Gefühl Marktstimmung.

00:19:12: Also ich schätze Es sind drei Prozent weniger als das was die KI gesagt hat oder fünf Prozent mehr, weil besondere Effekte die die KI nicht berücksichtigt hat.

00:19:22: Koppelt ihr das zurück an die KI?

00:19:24: Dass der Bewerter gesagt hat, dass was du mir ausgegeben hast, liebe Stuhl, darauf habe ich noch mal fünf Prozent aufgeschlagen und dann damit sie daraus lernt?

00:19:34: Genau.

00:19:34: also wir haben am Beispiel machen jetzt mal, es heißt bei uns Auto-Rent, also Maschine Learning Modelle um Mieten abzuleiten Vertragsmieten ein, dann hast du halt genau die Infos, die du sagst.

00:19:50: Geschossigkeit, Lage im Objekt, Nutzungsart... Wo ist es?

00:19:56: Und dann ergibt dir das Modell eine wahrscheinlich Miethöhe raus für diese Mieteinheit und dann machen wir immer wieder diese Loops auch zurück, dass wir natürlich den Anwender sagen hey schau mal das Model läuft jetzt so fordern dann die Anwender schon auf zurückzugeben.

00:20:16: Hier hast du dreimal daneben, war immer zu hoch sag ich jetzt mal und dann wissen wir okay bei dem Modell müssen wir halt noch mal trainieren.

00:20:24: was dabei aber eben auch auffällt ist dass das Modell halt ein Modell ist und genau wie Du sagst bestimmte Sachen von dem Objekt nicht weiß oder nicht erkennt oder entdeckt auch Sachen die dann ich sage mal unplausibel sind was vielleicht den Menschen am Ende nicht aufgefallen ist, weil es eine durchschnittliche Lage ist.

00:20:50: Aber die Miethöhe ist für ein sehr gutes Objekt oder so, wo man das Modell dann sagt... Für mich wird es jetzt unlogisch.

00:20:57: Der Nutzer oder Bewerter weiß schon warum es trotzdem passt, weil er Infos hat, die im Modell nicht abgebildet werden können.

00:21:04: Da ist es halt begrenzt!

00:21:06: Du hattest mal in einem anderen Kontext gesagt Das ist auch darum geht, neue Wege der Bestandserhebung zu gehen per Luftbild.

00:21:17: Dafür habt ihr Wüstvisitz.

00:21:20: Ihr erkennt also Bauteile auf Bildern?

00:21:23: Welche Daten die über Wüst visiz sammelt, die es bisher nicht gab werden durch KI ergänzt?

00:21:36: Da muss ich noch mal ein bisschen das Aufnehmen des mit den Luftbildern war ein Projekt, was gemacht wurde um die Logistikflächen in Deutschland zu erheben und da haben sie mit Luftbildauswertungen gemacht.

00:21:51: Wir haben auch schon mal sowas in der Art gemacht wo wir geguckt haben wie sich bei bestimmten Gemeinden die einzelnen Flächen zum Beispiel entwickeln über die Jahre weil du immer wieder die Luftbildauswertung dann siehst wo eine Veränderung ist.

00:22:04: Bei Wüstwissitz es tatsächlich ja so dass wir die Bauteile Objekt.

00:22:11: Und da ist es in dem Sinne so, dass die AI dir schon vorschlägt im Hand von dem was du auf dem Foto erkennst das ist jetzt zum Hotel Küche oder Facade gehört und Du kriegst dann einen Vorschlag auf Basis von dem, was das Modell weiß Baujahr Wann wurdest du letztendlich saniert?

00:22:31: müsste der Zustand sehr gut sein?

00:22:34: Ja und dann bist du aber vor Ort und sagst na sehr gut würde ich dazu jetzt aber nicht mehr sagen und sage es dann, das ist nur noch gut.

00:22:41: Und dann kann die, das Modell sozusagen zusammen mit den Fotos halt lernen.

00:22:47: wann ist es denn gut?

00:22:48: Wann ist es sehr gut?

00:22:48: und solche Sachen.

00:22:49: Das kannst du dann eben auswerten und darauf deinen Modellen auch wieder besser

00:22:53: machen.

00:22:53: Du läufst also durch eine Wohnung fotografierst die Küche der Backofen-Herdespilzebank geputzt.

00:22:59: Allerdings, wenn du die Backofen-Tür aufmachst ...

00:23:02: Kommt dir die Tür entgegen.

00:23:03: Möchtest

00:23:04: du lieber die Tür wieder zumachen?

00:23:05: Genau!

00:23:06: Das sieht ja das Bild

00:23:07: nicht.

00:23:08: Das wird dann als super und top Zustand eingekategorisiert Und der Bewerter, der es halt sieht, die Küche und weiß dass nur die Oberfläche hübsch geputzt ist Aber ihm das Leben aus dem Backofengegen springt Der kann das dann korrigieren.

00:23:25: Weißt dann auch die App oder was es für ein Backofen ist, ob der von Bauch nicht Siemens oder so?

00:23:30: Nee, so detailiert sie gar nicht.

00:23:32: Also das ist nicht so dass du Technologistikhalle oder von oben das Foto hast und dann weißt woherst du die Klimatechnik verbaut?

00:23:38: Das kann wir jetzt

00:23:40: noch nicht.

00:23:41: Okay gut, kommt ja aber dann vermutlich noch.

00:23:45: Für diese Bewertungsfunktionen fließen jedes Jahr auch jede Menge anonymisierte Transaktionen vom Partnerunternehmen bei euch in die Datenbank.

00:23:55: Der Kunde liefert also die Rohdaten, ihr verkauft das Ergebnis zurück.

00:23:59: Wem gehört denn der Wert?

00:24:02: Und wann sagt der erste Kunde wenn meine Daten eure Modelle besser machen dann würde ich doch mit verdienen.

00:24:09: Ja ja genau wir sammeln die Daten Und werden die aus, anonymisieren sie und stellen die als Benchmarks zum Beispiel den Nutzern dann wiederum zur Verfügung?

00:24:24: Weil das natürlich ist was wir alle brauchen.

00:24:27: Wir müssen Benchmark haben um zu verstehen wo es stehen.

00:24:29: wir im Markt sind wir gut besser oder schlechter als der Durchschnitt?

00:24:34: sage ich jetzt mal und besprechen das dann auch immer mit den Kunden ob Sie auch Ihre Daten teilen wollen, anonymisiert Und dann kann natürlich jeder aussuchen, ja oder nein.

00:24:48: Natürlich fühlen wir auch das Gespräch ... was wir alle davon

00:24:53: haben.

00:24:54: Das darf ich jetzt machen.

00:24:55: Was hast du sehr diplomatisch umschrieben?

00:24:58: Gut, oder?

00:24:59: Ja,

00:24:59: es ist farbelhaft!

00:25:00: Was bedeutet das konkret?

00:25:04: Dass das für jeden ein gutes Geschäft wird am Ende.

00:25:12: Schön.

00:25:13: Es ist ähnlich und verbindlich.

00:25:17: Na gut, also die Frage, die ich mir nur stellte.

00:25:20: Wie gelingt es so viele Daten zu sammeln?

00:25:25: Was meinst du mit?

00:25:26: wie?

00:25:26: im Sinne von... Ja, du

00:25:27: brauchst ja Zulieferer.

00:25:29: Genau!

00:25:30: Also

00:25:30: schickst du ein Crawler los, hast du Verträge mit großen Assetmanagers, die sagen okay wir sind Partner, wir liefern dir jede zweite Transaktion.

00:25:42: So, irgendwie

00:25:42: muss die Datenmarkt ja voll werden.

00:25:43: Ja

00:25:43: genau so.

00:25:44: Die Datenbank wird voll... Ist ja nicht nur

00:25:46: Zeitung lesen und das daraus extrazieren sondern...

00:25:48: Das stimmt.

00:25:49: Wirst du?

00:25:49: Verschieden will kaufen die Datensätze ein?

00:25:51: zum Teil wir haben selber Open Source Data die wir einsammeln sozusagen und darüber unsere Datenbanken füttern.

00:26:03: Dann haben wir eben Kunden, die die Plattform nutzen und die mit uns sozusagen das Agreement getroffen haben, dass wir ihre Daten für Modelle verwenden dürfen.

00:26:11: Und so fühlt sich quasi über die Jahre die Platform.

00:26:15: Ist das vollständig dann oder ist es?

00:26:17: Vollständig

00:26:17: kann ja bei so Datensachen das nie sein.

00:26:20: Also wenn man jetzt zum Beispiel bei dem Thema ... Nehmen wir Angebotsmieten

00:26:26: z.B.,

00:26:27: was man beim EMSCODE nicht im Umwelt finden kann.

00:26:30: Du hast immer den Effekt, Sag ich mal, in Berlin hast du unglaublich viele Angebote.

00:26:37: Hast den Effekt aber das so viel und so schnell Umschlag vielleicht auf dem Markt ist, dass das Angebot nur eine Stunde online war?

00:26:44: Dann kann es sein, dass du's verpasst.

00:26:46: Ja.

00:26:46: Dann gibt's aber auch Region Mecklenburg-Vorpommern wo vielleicht ein Jahr lang gar nichts passiert.

00:26:51: dann haste auch quasi nicht ein vollständiges Bild.

00:26:54: Und so kannst du dir dann aber wiederum mit Modellen weiterhelfen um abzuleiten, was wahrscheinlich der Preis ist.

00:27:03: Weil du aus dem Modell heraus weißt hier hat sich in jahr lang nichts gedreht?

00:27:08: Genau das nicht passiert.

00:27:10: ich weiß aber Einkommensniveau oder Bevölkerungsentwicklung oder Bautätigkeit und diese ganzen Sachen.

00:27:14: da kommt wieder vom Anfang zusammen wo wir eben aus den vielen einzelnen Datepunkten eine Aussage

00:27:21: machen können.

00:27:22: Okay also verstanden es gibt externe Zulieferer ihr Kauf zu unsere Kunden liefern.

00:27:29: Das ist also ein Potpourri an unterschiedlichen Quellen, die bei euch in den Datenbanken

00:27:33: fließen.

00:27:34: Nach einer DVW, einem DVW-Bildpaper hat Deutschland eine der dichtesten Immobilienlandschaften in Europa und nutzt sie, so war das zumindest als Paper unter dem Potenzial, beispielsweise die sechzehn Länder keine einheitliche Mietpreissammlung.

00:27:54: sollte der Staat auch dafür eintreten, dass Daten gerade was das betrifft offen und KI tauglich bereitgestellt werden?

00:28:06: Auf jeden Fall.

00:28:07: Ich bin ja auch Ausschussvorsitzende vom Ausschuss Transparenz und Benchmarking vom ZIA.

00:28:13: Und da ist er auch uns ein Anlegen den mobilen Markt transparenter zu machen.

00:28:17: Das war ja auch von, sag ich mal, vom Wiespartner damals als wir gegründet wurden, ja auch des Uransinn, den Markt transparenter zu machen mit Datensammeln und Bereitstellen.

00:28:25: Und ich glaube schon, dass es allen nutzen würde, wenn wir eine bessere öffentliche Statistik hätten wie in anderen europäischen Ländern.

00:28:33: Wenn wir dann einfach eine viel belastbare gleiche gute Datengrundlage hätten auf der wir die Modelle aufbauen könnten.

00:28:41: und in der Schweiz ist zum Beispiel so da gibt's ein zentrales Gebäude- und Wohnungsregister.

00:28:46: du kriegst sehr viele öffentlich verfügbare Daten das haben wir jetzt zum Beispiel angeschlossen an Büstermanjens sondern kann der Nutzer gibt dann halt nur die Straße ein und dann werden aus diesem öffentlichen Register schon mal alle Daten abgefüllt, die man im System hat.

00:28:59: Und dadurch bist du halt schon auch viel schneller und hast deine Daten, die aber geprüft und korrekt sind.

00:29:06: Ich glaube schon dass es für alle Markteilnehmern Vorteil wäre wenn die öffentliche Statistik auch ein bisschen transparenter wäre.

00:29:15: ich sage jetzt schon mal auch die anderen Nutzungsarten das wir halt nur wissen.

00:29:18: Wir haben einen Wohnungsbestand und andere.

00:29:21: Dabei gibt es die Daten, Informationen.

00:29:24: Sonstige ...

00:29:25: Genau, sonstige, was da alles drin ist.

00:29:27: Produktionen, Virologistik und alles.

00:29:30: Wenn es eine höhere Transparenz im Markt geben würde, würde auch euer Geschäftsmodell in Frage gestellt werden.

00:29:37: Ihr verdient doch daran, dass nicht für alle offensichtlich ist, wo wie zu welchem Preis über den Tisch gegangen

00:29:44: ist?

00:29:44: Nein, das finde ich nicht!

00:29:45: Unser Geschäfts-Modell ist ja die Verknüpfung von Daten, Expertise und Software in einem.

00:29:54: Und das heißt jetzt nicht immer dass es immer unsere Daten sein müssen die da drin sind sondern wir brauchen einfach Daten um gute Aussagen treffen zu können und den Markt transparent anzumachen und Modelle zu bilden vorher die kommen.

00:30:10: also sie können auch öffentliche Daten sein die wir

00:30:12: verwenden.

00:30:13: Ein zum Grund ist euer Geschäftsmodell eher ich gebe mir ein Werkzeugkoffer zum Kunden fix eben das da mit seinen Daten, mit meinem Werkzeug.

00:30:21: Genau!

00:30:22: Und ich weiß welches Werkzeug ich benutzen muss.

00:30:24: Oder genau, ich bringe auch noch mein Werkzeug mit und... genau.

00:30:31: Kommen wir zur letzten Frage.

00:30:34: Und zwar aus dem Film Buseful ist dir hängen geblieben?

00:30:38: Das hat es zumindest mal gesagt mit Arnold Schwarzeninger, der in einer Nebenrolle aufgetreten ist.

00:30:46: Er wollte nicht auftreten im Nebenrolle,

00:30:49: er wollte

00:30:49: nur die Hauptrolle.

00:30:50: Das fand ich schon

00:30:50: ein bisschen krass.

00:30:53: Ja, heißt das also auch für euch und dein Team?

00:30:57: Dass ihr mit Daten immer mehr die Hauptrolle spielen wollt.

00:31:02: Also dass Daten keine Nebenrolle mehr sind?

00:31:04: Ja,

00:31:04: das auf jeden Fall!

00:31:05: Und was da halt wichtig war, war die Aussage irgendwie, dass du den Fokus verlieren kannst wenn du zu viel ... nebenbei machst du das eigentlich nicht dein Ziel sozusagen.

00:31:18: Und ich finde, es passt halt auch gut zu unserem Thema wie wir's vorhin hatten... Wenn Du halt zu viele Daten sammelst oder dich zupackst mit zu viel von irgendwas dann verlierst Du halt deinen eigentlichen Fokus oder verlierst Deine Strategie eigentlich aus dem Auge.

00:31:31: und deswegen fand ich das halt nochmal so wichtig sich immer wieder klarzumachen dass man sich immer weiter fragen muss wo will ich eigentlich hin?

00:31:39: Was brauche ich wirklich dafür?

00:31:40: Und was ist so Nebengeräusche die ich eigentlich ausblenden kann?

00:31:44: Und das können wir, glaube ich alle.

00:31:47: Egal ob es jetzt um Daten und Meetings oder Projekte geht.

00:31:51: Da muss man sich immer wieder fragen, muss ich meine Zeit wirklich hier investieren?

00:31:56: Das ist gut!

00:31:57: Oder sollte ich noch mal wanna singen?

00:32:01: Heißt – um das abzuschließen – am Ende des Tages geht's ganz besonders um die Frage wie viel Daten brauche ich und wofür?

00:32:11: Genau, wie viele Daten braue ich und wofür?

00:32:13: womit verarbeitet ich sie?

00:32:15: einen schnellen und guten Überblick, wo zum Beispiel mein Portfolio heute steht und wo es morgen ist.

00:32:22: Und das ist glaube ich das Ziel oder die Frage, die jeder sich beantworten können soll – wir helfen gerne dabei, das rauszufinden!