Drooms
Menü

Die Anwendung von KI im Immobilien-Investmentmanagement

22. Februar 2021 | Drooms Global


Künstliche Intelligenz (KI) ist mittlerweile zum Inbegriff von Innovation geworden. Dank ihrer einzigartigen Eigenschaften ermöglichen KI-Prozesse nicht nur die Automatisierung alltäglicher Aufgaben in der Immobilienbranche, sondern lernen darüber hinaus im Laufe der Zeit eigenständig dazu. Somit bieten sie Asset- und Portfoliomanagern, Brokern, Verkäufern und Investoren zahlreiche Vorteile.

Bevor wir uns eine der gefragtesten Echtzeitanwendungen von KI in der Branche ansehen, möchten wir zunächst genauer darauf eingehen, worum es bei dieser Technologie geht, welche Untergruppen es gibt und welchen Einschränkungen KI unterliegt.

 

Was ist KI?

 

Künstliche Intelligenz ist ein Teilgebiet der Informatik und wird häufig für die Entwicklung intelligenter Maschinen eingesetzt, die Aufgaben übernehmen können, die normalerweise von Menschen ausgeführt werden.

In den 1950er Jahren verstand man unter KI, dass Computer komplexe Aufgaben – wie Schachspielen und mathematische Berechnungen – im gleichen Maße oder sogar schneller und besser als Menschen durchführen konnten. Heutzutage wird KI deutlich vielfältiger und in diversen Branchen eingesetzt, unter anderem im E-Commerce und Gesundheitswesen.

 

Welche Untergruppen von KI gibt es?

 

KI kann anhand unterschiedlicher Kriterien unterteilt werden. So unterscheiden sich KI-Algorithmen beispielsweise darin, welche Modelle intern verwendet werden, um Wissen über Abläufe und deren Einflüsse aufeinander darzustellen. Bei symbolischen Darstellungen wird ein reales Konzept durch ein Symbol verkörpert. Statistische Modelle beschreiben Vorgänge als Zahlenvektoren, die meist aus der Analyse riesiger Datenmengen abgeleitet werden. Neuronale Netzwerke kodieren Abläufe als Aktivierungsreihenfolge von Neuronensätzen im eigenen Netzwerk.

KI kann auch anhand ihres Anwendungsbereichs kategorisiert werden:

  • Systeme zur natürliche Sprachverarbeitung dienen der Analyse von Textdaten und können unter anderem Dokumente übersetzen oder Kerninformationen herausfiltern, z. B. den Namen des Mieters aus einem Mietvertrag.
  • KI für Bildanalysen überprüft Bilder (z. B. Dokumentseiten), um diese zu klassifizieren (handelt es sich beispielsweise um ein Foto oder eine Landkarte?), Objekte zu erkennen (ist z. B. eine Unterschrift enthalten?) oder zur Lokalisierung von Objekten (z. B. wo auf dem Bild befindet sich die Unterschrift?).
  • Prognosen und Vorschläge beruhen in der Regel auf Datenanalysen, z. B. der Analyse von Nutzerinteraktionen in Protokolldateien. Diese Informationen können beispielsweise bei der Gruppierung von Nutzern auf Grundlage Ihrer Handlungen (z. B. Anfänger, Fortgeschrittene oder erfahrene Nutzer) helfen oder auch bei der Erstellung von Prognosen oder Vorschlägen für nachfolgende Handlungen. Dies ähnelt Produktvorschlägen, die auf dem eigenen Kaufverhalten basieren.

Wir bei Drooms nutzen alle drei Ansätze (symbolische und statistische Darstellungen sowie neuronale Netzwerke), um sowohl Texte als auch Bilder zu analysieren und Vorschläge zu erhalten.

 

Wo fängt Machine Learning an und wo hört es auf?

 

Die Ausdrücke „KI“ und „maschinelles Lernen“ (Machine Learning) werden meist synonym verwendet, sie unterscheiden sich jedoch signifikant, wie die Abbildung unten veranschaulicht.

KI beschäftigt sich damit, eine Technologie zu entwickeln, die menschliches Verhalten nachahmt, um Maschinen so intelligenter zu machen. Machine Learning ist ein Bestandteil der KI. Dabei kommen statistische Verfahren zum Einsatz, um sich selbst lernende Systeme zu entwickeln, die stetig dazulernen und im Laufe der Zeit ihren Output verbessern. Das sogenannte Deep Learning (tiefes Lernen) ist wiederum eine Untergruppe des Machine Learnings und basiert gewöhnlich auf neuronalen Netzwerken. Diese künstlichen Netzwerke sind biologischen neuronalen Netzwerken nachempfunden und wurden von der Informationsverarbeitung des menschlichen Gehirns inspiriert. Neueste Innovationen und Verbesserungen im Bereich KI-basierter Technologien (darunter selbstfahrende Autos und deutliche Verbesserungen bei maschineller Übersetzung) basieren alle auf diesem Deep Learning.

Durch den Einsatz modernster Ansätze wie Deep Learning werden zwar bessere Ergebnisse (z. B. eine höhere Genauigkeit) erzielt, allerdings werden meist Unmengen an Daten benötigt, um das System zu schulen, und die daraus resultierenden Ergebnisse sind häufig nur schwer erklär- oder korrigierbar.

 

Die Grenzen des Deep Learning

 

Ein jüngstes Beispiel für zu hohe Erwartungen ist GPT-3, ein riesiges Sprachmodell, das mit Milliarden Sätzen gefüttert wurde. Anwendungsbeispiele dafür sind unter anderem das automatische Eintragen fehlender Werte in Tabellen oder das Generieren von Software-Codes basierend auf einer natürlichen Sprachbeschreibung. Für jemanden, der kein Experte auf dem Gebiet ist, mag das wie pure Zauberei klingen. Häufig wird allerdings nicht erwähnt, dass das Modell für die fehlenden Daten entweder Werte in eine Tabelle einträgt, die Teil der Schulungsdaten waren, oder einfach ganz neue Zahlen erfindet, die stimmen können, aber nicht zwangsläufig richtig sind. Zudem weist der Output bei der automatischen Codegenerierung häufig nicht die richtige Syntax auf (kein „Compiling“ möglich), sodass sie von Hand korrigiert werden müsste.

Mit der Einführung selbstfahrender Autos und andere autonomen Technologien kamen erneut Fragen zur Verantwortlichkeit auf. Wer ist beispielsweise schuld, wenn ein selbstfahrendes Auto in einen Unfall verwickelt ist? Ähnliche Fragen stellen sich auch dann, wenn KI eine vollständig automatisierte Entscheidungsfindung ermöglicht. Wir von Drooms gewährleisten deshalb, dass bei uns stets ein Mensch involviert ist, der die Vorschläge der Maschine bestätigt oder ablehnt. Somit ist sichergestellt, dass der Nutzer die Kontrolle behält. KI wird in Zukunft allerdings in immer mehr technischen Lösungen wie Datenräumen Anwendung finden und bei der Automatisierung zeitaufwendiger oder monotoner Aufgaben unterstützen.

KI wird in Zukunft allerdings in immer mehr technischen Lösungen wie Datenräumen Anwendung finden und bei der Automatisierung zeitaufwendiger oder monotoner Aufgaben unterstützen.

 

Der Einsatz von KI durch Drooms

 

Drooms setzt bei seinem Datenraumangebot auf künstliche Intelligenz. Diese vollständig intern entwickelte KI wird für alltägliche Arbeitsabläufe angewendet, um die Durchführung wiederkehrender, aber dennoch wichtiger und zeitkritischer Aufgaben deutlich zu verbessern.

Durch die Einführung einer Reihe preisgekrönter Funktionen konnte Drooms die Arbeit von Immobilienexperten revolutionieren, indem Prozesse für Due Diligence, Verkauf und Investitionsmanagement optimiert und effizienter gestaltet wurden. Zu diesen Funktionen gehören unter anderem:

Dokumentenübersetzungen: Dieses Feature ermöglicht es Nutzern in ihrer bevorzugten Sprache zu arbeiten und eine sichere Echtzeitanalyse aller Fakten vorzunehmen, die beim Verkauf eines internationalen Assets eine Rolle spielen.

Auto-Allokation: Hierbei werden Dokumente automatisch den zugehörigen Indexpunkten zugeordnet. Dieser Algorithmus berücksichtigt alle Handlungen: Er lernt aus individuellem Verhalten und Mustern und entwickelt so im Lauf der Zeit die Dokumentenindexierungen weiter.

Auto Naming: Der Zeitaufwand, der mit einer Prüfung gescannter Dokumente und deren Umbenennung einhergeht, wird durch die automatische Kategorisierung und Benennung auf Basis des Dokumenteninhalts verringert.

 

Weitere Informationen zum Einsatz von KI bei Drooms finden Sie hier: