Real Estate & AI in 2030

Stellen wir uns vor, jedes Investmentteam in der Immobilienbranche hätte Zugang zu unendlich leistungsfähiger KI.

Neue Angebote werden automatisch erfasst und Dubletten erkannt, auch wenn dasselbe Objekt über mehrere Makler kommt. Kennzahlen aus Exposé und Mieterliste werden zusammengeführt und gegen die Anlagerichtlinien des passenden Vehikels geprüft. Fehlende Unterlagen werden erkannt und nachgefordert. Die Vorlage für den ersten Screening-Entscheid liegt vor, bevor jemand das Dokument geöffnet hat.

Was heute Tage kostet, wäre Routine. «Routine» heisst nicht fehlerfrei: Auch in diesem Szenario müssen Ergebnisse geprüft werden. Aber der Aufwand verschiebt sich von der Erstellung zur Kontrolle.

Was würde die Investmentteams dann noch unterscheiden?

Die Antwort liegt nicht in der Leistungsfähigkeit einzelner KI-Modelle. Sie liegt in der Art, wie ein Team arbeitet, entscheidet und sein Wissen weitergibt. Wenn leistungsfähige KI breit verfügbar wird, gewinnt die Fähigkeit an Bedeutung, das eigene Geschäft in klare, nachvollziehbare Abläufe zu übersetzen. Der Umgang mit Daten, Entscheidungen und Verantwortung wird zum Wettbewerbsvorteil.

In Gesprächen mit Immobilieninvestoren sehen wir dabei immer wieder dasselbe: Regeln und Arbeitsabläufe sind nur selten dokumentiert und liegen verstreut in, in SoWs, Investmentprofilbeschreibungen, und Quick Checks, etc. Der tatsächliche Ablauf liegt irgendwo dazwischen, also wie ein Angebot von der Inbox bis zum Signing kommt, existiert vor allem in den Köpfen der Mitarbeitenden und in ihren Excel-Listen.

01 Der Prozess existiert. Aber lässt er sich erklären?

Wenn wir mit Investmentteams über ihre Arbeit sprechen, hören wir meist sehr genaue Beschreibungen einzelner Aufgaben: wer Angebote entgegennimmt, wer die erste Einschätzung abgibt, wer den Kontakt zum Verkäufer hält, wer die Unterlagen für das Investment Committee vorbereitet.

Sobald es um die Verbindungen zwischen diesen Aufgaben geht, wird das Bild unscharf.

Wann ist ein Screening abgeschlossen? Welche Angaben müssen vorliegen, bevor ein Deal weiterbearbeitet wird? Wer entscheidet, wenn ein Objekt knapp ausserhalb der Investmentkriterien liegt? Was passiert, wenn sich während der Prüfung eine zentrale Annahme verändert?

Die Antworten gibt es, verteilt auf mehrere Personen, aus Erfahrung entstanden, je nach Situation anders angewendet. Ein langjähriger Mitarbeiter weiss, welche Rückfrage sich lohnt. Eine Kollegin erkennt, wann die Geschäftsleitung früh eingebunden werden sollte. Die Leiterin Transaktionen hat im Kopf, weshalb ein ähnlicher Deal vor zwei Jahren abgelehnt wurde.

Der Absagegrund steht heute in einer Excel-Spalte mit fünf Wörtern, ausführlicher nur in der Antwort-Mail an den Makler, und der eigentliche Grund häufig nur in ihrem Kopf. Zwei Jahre später kommt dasselbe Objekt über einen anderen Makler zurück, und die Prüfung beginnt von vorn.

Wer in zehn Arbeitstagen ein indikatives Angebot abgeben muss, hat keine Zeit, den Ablauf zu dokumentieren. Er muss ihn ausführen.

Ein Mensch kann mit «Du weisst ja, wie wir das normalerweise machen» arbeiten. Er kennt den Kontext oder fragt nach. Ein automatisierter Ablauf kann das nicht. Er braucht entweder explizite Regeln oder genügend dokumentierte Beispiele, aus denen sich das übliche Vorgehen ableiten lässt. Beides setzt voraus, dass Entscheidungen und ihre Gründe festgehalten werden. Und selbst dann muss laufend überprüft werden, ob ein System die Regeln im Einzelfall richtig anwendet.

02 Zwei Teams, zwei unterschiedliche Arbeitsweisen

Zwei Investmentteams, dieselbe KI. Beide lassen Dokumente auswerten und Analysen vorbereiten.

Das erste Team überträgt die Ergebnisse in die bestehende Angebotsliste in Excel, in E-Mails an den Makler und in die IC-Präsentation. Das Dossier liegt in einem SharePoint-Ordner, die Korrespondenz in Outlook, der Absagegrund in einer der Excel Spalten.

Das zweite Team dokumentiert Informationen, Annahmen, Entscheidungen und nächste Schritte an einem zentral zugänglihcen Ort. Auch abgelehnte Deals bleiben mit ihren Gründen nachvollziehbar dokumentiert, vorausgesetzt, es sind die tatsächlichen angegebenen Gründe. Auch «passt nicht, ohne dass ich es abschliessend erläutern kann warum» kann ein legitimer Grund für das Investteam sein.

Wenn dasselbe Objekt achtzehn Monate später über einen anderen Makler zurückkommt, sieht das zweite Team in Sekunden, weshalb es damals abgelehnt wurde und ob sich die Voraussetzungen geändert haben. Das erste Team beginnt von vorn.

Dieselbe KI, zwei sehr unterschiedliche Ergebnisse: Das erste Team wird bei jedem neuen Angebot schneller und fängt trotzdem jedes Mal bei null an. Das zweite Team wird mit jedem Deal nachvollziehbarer.

Der Unterschied zwischen den beiden Teams besteht schon ohne KI. Die Technologie vergrössert ihn, weil sie im zweiten Team auf Strukturen trifft, an die sie andocken kann, und im ersten nur weitere Dateien erzeugt. Die Erfahrung mit früheren IT-Wellen spricht dafür: Firmen mit gleicher Technik, aber besseren Organisations- und Datenpraktiken erzielten messbar höhere Produktivität. Und im Fall generativer KI war es gerade die dokumentierte Erfahrung der erfahrensten Mitarbeitenden, aus der das System seinen Wert zog.

Das zweite Team baut so etwas wie ein gemeinsames Gedächtnis auf. Das allein garantiert noch keine besseren Investments. Auch strukturierte Prozesse können auf falschen Annahmen beruhen. Ihr Vorteil liegt darin, dass sich diese Annahmen leichter erkennen, diskutieren und überprüfen lassen.

03 Welche Prozesse und wie gebe ich nun an KI ab?

Microsoft skizziert im Work Trend Index 2025, einer Publikation, die zugleich Microsofts eigene Produktrichtung begründet, drei Phasen auf dem Weg zu Unternehmen, in denen Menschen und KI-Agenten zusammenarbeiten. Wir nutzen das Modell als Denkrahmen für diesen Artikel, nicht als Prognose, dass es zu 100% so eintreten muss. Für die Immobilienbranche lässt es sich an einem Beispiel erzählen: Ein neues Angebot trifft ein, per Makler-Mailing, als Off-Market-Anfrage direkt an die Leiterin Transaktionen oder als Teaser in einem strukturierten Bieterverfahren mit NDA.

Zunächst unterstützt KI die Bearbeitung. Eine Analystin lässt das Exposé zusammenfassen, Kennzahlen extrahieren oder Fragen für eine erste Prüfung formulieren. Sie steuert die einzelnen Schritte und führt die Ergebnisse zusammen.

Dann delegiert das Team ein Arbeitspaket. Ein System erhält den Auftrag, ein Screening anhand definierter Investmentkriterien vorzubereiten. Es gleicht Informationen ab, dokumentiert Quellen und kennzeichnet offene Punkte. Das Team prüft das Ergebnis.

Schliesslich ist die Bearbeitung Teil eines durchgängigen Ablaufs. Der Eingang eines Angebots löst definierte Schritte aus: Kennzahlen werden extrahiert und gegen die Anlagerichtlinien geprüft, das Objekt wird dem zuständigen Portfoliomanager zugeordnet, und die Kurzanalyse für den ersten Screening-Entscheid liegt vor. Ob ein indikatives Angebot abgegeben wird, entscheidet weiterhin das Investment Committee, aber mit vollständiger Vorlage statt mit drei E-Mails und einem Excel.

Was hier leicht klingt, ist in der Praxis die eigentliche Hürde: Je mehr Schritte ein System ohne menschliche Zwischenprüfung ausführt, desto stärker summieren sich kleine Fehler. Ein durchgängiger Ablauf ist nur so verlässlich wie die Kontrollpunkte, die er enthält. Und die muss das Unternehmen definieren, nicht die Software.

Der Auftrag «Prüfe, ob der Deal zu uns passt» klingt eindeutig. In der Umsetzung ist viel komplexer enthält viele Nuancen und Entscheidungen.

Welche Anlagerichtlinien gelten? Welche Grenzen sind hart (Nutzungsmix, Regionen, Beleihung) und welche sind Zielwerte, bei denen das Investment Committee abweichen darf (Mindestrendite, Baujahr, Restlaufzeit der Mietverträge)? Ab welcher Abweichung zwischen Angebotspreis und eigener Wertindikation lohnt sich eine Weiterbearbeitung überhaupt? Welche Quelle hat Vorrang, wenn die Soll-Miete im Exposé nicht zur Ist-Miete in der Mieterliste passt? Und wer verifiziert, dass automatisch extrahierte Werte mit dem Originaldokument übereinstimmen? Bei uneinheitlich formatierten Exposés und Mieterlisten bleibt diese Kontrolle ein eigener Arbeitsschritt.

Ein strukturierter Prozess beantwortet diese Fragen so, dass alle sie kennen. Das heisst nicht, jede Immobilienentscheidung in ein starres Schema zu pressen. Ein guter Prozess lässt Platz für Urteilskraft. Er unterscheidet zwischen einem fehlenden Dokument, das sich systematisch nachfordern lässt, und einer Investmentannahme, die eine fachliche Diskussion verlangt.

Die Software Einführung ist vergleichsweise schnell durchgeführt. Eine gemeinsam etablierte Arbeitsweise nicht.

Die Ökonomen Brynjolfsson, Rock und Syverson beschreiben in «The Productivity J-Curve» (AEJ: Macroeconomics, 2021), weshalb Allzwecktechnologien wie KI ergänzende Investitionen benötigen: Prozesse, Kompetenzen und Organisation müssen erst aufgebaut werden. Das kostet zunächst und drückt die gemessene Produktivität, bevor die Erträge sichtbar werden.

Für ein Investmentteam heisst das: Daten müssen geordnet, Begriffe vereinheitlicht werden. Das Team muss festlegen, welche Entscheidungen es delegieren will und welche Prüfung bleibt. Und Mitarbeitende müssen lernen, KI-Ergebnisse zu beurteilen und Fehler zu erkennen.

Diese Arbeit bindet Zeit, auch von erfahrenen Personen. Sie ist aber begrenzt: ein Ablauf, wenige Arbeitssitzungen, und das Ergebnis ist mehrfach nutzbar, für die nächste Einarbeitung, die nächste Revision und den Tag, an dem Schlüsselpersonen evtl. das Unternehmen verlassen.

Eine geklärte Zuständigkeit oder ein sauber dokumentierter Absagegrund erzeugt noch keinen abgeschlossenen Deal. Wer den Erfolg einer KI-Einführung nur am Zeitgewinn nach dem Kauf misst, sieht deshalb nur einen Teil der Veränderung. Verringerte Fehlerquote, erhöhte Arbeitsqualität in der vertieften Prüfung, mehr Zeit für Beziehungspflege anstatt von Admin, etc. sind viele weitere qualitative und quantitative Quality of Life Verbesserungen für ein Unternehmen.

04 Was bleibt am Ende beim Menschen?

Auch in einem weitgehend automatisierten Transaktionsprozess bleiben unternehmerische Aufgaben. Jemand muss festlegen, welche Strategie verfolgt wird. Welche Unsicherheit wo tragbar ist. Wo eine Ausnahme sinnvoll erscheint. Und ob die vorliegenden Informationen ausreichen, um Kapital zu binden.

Marktzugang, lokale Erfahrung, Beziehungen und Verhandlungsgeschick bleiben eigenständige Fähigkeiten. Gerade der Marktzugang hängt davon ab, wie ein Unternehmen mit Angeboten umgeht: Wer schnell und mit nachvollziehbarem Grund absagt, wird beim nächsten Off-Market-Deal wieder angerufen.

Und rechtlich bleibt die Anlageentscheidung ohnehin beim Menschen: Revisionsstelle und Aufsicht erwarten, dass jede Kaufentscheidung einer verantwortlichen Person zugeordnet und dokumentiert ist. Ein strukturierter Prozess macht das sogar einfacher, nicht schwieriger.

Die Rolle von Investmentteams dürfte sich in Richtung Prozessgestaltung, Ausnahmebehandlung und Entscheidung verschieben. Das verlangt weiterhin fachliche Tiefe: Wer ein Ergebnis verantwortet, muss verstehen, worauf es beruht.

Das wirft eine Frage für die Ausbildung auf: Wenn KI immer mehr vorbereitende Arbeit übernimmt, woher nehmen junge Investmentprofis die Erfahrung, in einer Mieterliste den Mieter zu erkennen, der womöglich in zwei Jahren kündigen wird? Wer KI-Ergebnisse prüfen soll, muss die Arbeit dahinter einmal selbst gemacht haben. Unternehmen werden deshalb bewusst entscheiden müssen, welche Aufgaben sie nicht automatisieren, damit Erfahrung weiter entsteht. Kompetenzaufbau wird daher aus unserer Sicht in einem automatisierten Umfeld erstmal teurer, nicht billiger.

05 Was AssetOS dazu beiträgt

Wir bauen AssetOS als das System, in dem ein Transaktionsprozess Schritt für Schritt strukturiert und, wo sinnvoll, automatisiert wird. Die Investmentkriterien liegen als Profil vor, gegen das jedes Angebot vorgeprüft wird, gegen die Anlagerichtlinien des Vehikels, in das es passen würde, und erneut geprüft, sobald ein fehlendes Dokument eintrifft. Jede Absage wird mit ihrem Grund festgehalten. Jede Phase hat eine verantwortliche Person und ein Fälligkeitsdatum. Jede Zahl in einer IC-Vorlage lässt sich bis zur Quelle zurückverfolgen. Die Entscheidung bleibt beim Team; die Kontrollpunkte setzt das Unternehmen. Was entsteht, ist das gemeinsame Gedächtnis eines Investmentteams: ein Ablauf, der mit jedem Deal nachvollziehbarer wird, statt in E-Mails und Excel-Listen zu verschwinden. In Kurz: AssetOS baut das AI-native Real Estate Transaction Management System.