Automatisierte Immobilienbewertungsmodelle (AVM) spielen im wirtschaftlichen Kontext eine immer bedeutendere Rolle (Bankbewertungen, Indexberechnungen, etc.). Diese Modelle basieren auf hedonischen Preismodellen und verwenden beobachtete Preise und deren wertbeeinflussende Eigenschaften. Hierbei können jedoch nur Eigenschaften berücksichtigt werden, die auch vollständig und einheitlich erfasst sind. Durch die zunehmende Digitalisierung liegen den Immobilien immer auch Bilder bei, welche eine Vielzahl an Informationen beinhalten und deshalb ein großes Potential darstellen. Während die Bildanalyse bereits in Bereichen wie Medizin, Gesichtserkennung, etc. fixer Bestandteil ist, wird diese in der Immobilienwirtschaft bzw. Immobilienbewertung bislang nur bedingt angewendet. Das vorliegende Projekt hat daher das Ziel, Informationen aus Immobilienbildern automatisiert zu extrahieren und in hedonische Preismodelle zu integrieren.
Ziel dieses Forschungsvorhabens ist es, die automatisierte Bilderkennung in hedonische Preismodelle von Immobilien zu integrieren. Dabei besteht der Fokus (i) in der Analyse der Merkmale, die automatisch aus den Bildern extrahiert werden können (z.B. Zustandsklassifikation) und (ii) in der Prognosegenauigkeit des hedonischen Preismodells. Insbesondere der Zustand bzw. die Qualität einer Immobilie stellt einen wesentlichen wertbeeinflussenden Faktor dar. Menschen nehmen jedoch Ausstattungs-, Qualitäts- und Zustandsmerkmale unterschiedlich wahr. Die automatisierte Ableitung dieser Merkmale kann hierbei einen einheitlichen Standard schaffen und dadurch eine Verbesserung der Regressionsergebnisse liefern. Dabei wird auf unterschiedlichen Modellierungsebenen das Potential beziehungsweise die Möglichkeiten der Bilderkennung untersucht. Die Regressionsanalyse erstreckt sich hierbei von der Analyse der einzelnen Bildmerkmale bis hin zu einem vollständig bildbasierten Ansatz ohne weitere Informationen.
Die Methodik des Vorhabens basiert auf einem zweigeteilten Ansatz: (1) Bildanalyseverfahren werden verwendet, um aus Immobilienbildern (Außen-/Innenaufnahmen sowie Luft-/Satellitenbildern von Immobilien) wertbeeinflussende Merkmale zu extrahieren. Hierzu werden mehrere neuronale Netzwerke (CNNs) aufgebaut und trainiert, in denen entweder Bildpatches oder die gesamten segmentierten Gebäudekonturen als Eingangssignal verwendet werden. Die Klassifizierung der Bilder erfolgt anschließend anhand der extrahierten Merkmale. Nach erfolgtem Training des Netzwerkes ist für die Klassifizierung lediglich ein Eingangsbild erforderlich. Alle weiteren Schritte bis hin zum Klassifizierungsergebnis erfolgen vollautomatisch. (2) Die aus den Bildern extrahierten Merkmale werden anschließend in hedonische Preismodelle implementiert. Hierbei wird untersucht, ob Informationen aus den Bildern die Preisschätzung verbessern und welche Merkmale in diesem Zusammenhang den größten Einfluss auf den Preis haben.