Wo KI-Modelle bei Immobilienentscheidungen versagen

# Wo KI-Modelle bei Immobilienentscheidungen versagen

Im März 2020 bepreiste ein Automated Valuation Model (AVM) eines großen US-iBuyers Häuser weiter so, als existierte der Markt vom Januar noch. Bis die Datenbasis des Modells aufgeholt hatte, hatte das Unternehmen hunderte Häuser oberhalb des Niveaus gekauft, auf das sich der Markt längst bewegt hatte. Dieses Modell war in keiner offensichtlichen Weise defekt. Es lag selbstbewusst und präzise falsch. Diese Lücke zwischen Confidence und Genauigkeit ist das Thema dieser Lektion.

Warum KI in der Immobilienbranche anders scheitert als in anderen Sektoren

Immobilien haben drei strukturelle Merkmale, die die Failure Modes von KI anders aussehen lassen als etwa bei Fraud Detection im Zahlungsverkehr.

Erstens sind Transaktionen selten und illiquide. Ein Wohnimmobilien-AVM wird möglicherweise auf vergleichbaren Verkäufen („Comps“) trainiert, die Monate alt sind, weil das in einem bestimmten ZIP-Code die frischesten verfügbaren Daten sind. Zweitens sind Immobilienmärkte hyperlokal: Ein national trainiertes Modell kann einen Schock auf Nachbarschaftsebene (eine Fabrikschließung, eine neue Nahverkehrslinie) systematisch verfehlen. Drittens tragen Immobilien eine lange Geschichte eingebetteter Diskriminierung (Redlining, die Praxis, Bewohnern bestimmter Gebiete Leistungen zu verweigern, historisch auf Basis der Ethnie, verboten durch den U.S. Fair Housing Act von 1968), weshalb historische Daten, die zum Training von KI genutzt werden, nicht neutral sind. Sie tragen die Fingerabdrücke vergangener Politik.

Wer diese drei Merkmale versteht (veraltete Daten, hyperlokaler Drift, historische Bias), hat ein Framework, um Fehler zu erkennen, bevor sie zur Governance-Krise werden.

Failure Mode 1: Bewertungsmodelle, die auf veralteten Comps trainiert sind

AVMs schätzen den Wert einer Immobilie anhand aktueller Vergleichsverkäufe, Steuerunterlagen und Objektmerkmalen. Zillows „Zestimate“ und das Bewertungstool von Redfin sind verbrauchernahe Beispiele; institutionelle Varianten treiben Hypotheken-Underwriting und iBuying an (Unternehmen, die mit Algorithmen Häuser direkt von Verkäufern kaufen, renovieren und weiterverkaufen).

Der Fehler: Comps hinken der Realität nach. In einem schnell bewegten Markt oder direkt nach einem Schock kann der jüngste „vergleichbare“ Verkauf drei oder sechs Monate alt sein und damit effektiv einen Markt beschreiben, der nicht mehr existiert.

Der am häufigsten zitierte Praxisfall ist Zillows eigene iBuying-Einheit Zillow Offers, die das Unternehmen im November 2021 schloss, nachdem sein Pricing-Algorithmus für tausende Häuser zu viel gezahlt hatte, weil das Modell nicht antizipierte, wie schnell die Preissteigerung bei Wohnimmobilien Ende 2021 abbremsen würde. Zillow führte das Scheitern öffentlich teilweise auf die Unvorhersehbarkeit von Hauspreisprognosen im großen MaMaUsing software to automate repetitive marketing tasks and campaigns, enabling personalisation at scale across channels like email, web, and social.Vollständige Definition ansehen →ßstab zurück (Zillows eigene Stellungnahme und Berichterstattung, Stand Nov. 2021). Der Fall ist gerade deshalb nützlich, weil es sich um ein erfahrenes, gut ausgestattetes Team handelte und das Modell dennoch driftete.

Die Lehre: Jedes AVM hat ein „Freshness Window“. Fragen Sie Anbieter direkt: Wie alt sind die Comp-Daten, die die heutige Bewertung treiben, und wie verhält sich das Modell, wenn das Transaktionsvolumen einbricht (also genau dann, wenn Genauigkeit am meisten zählt)?

Failure Mode 2: Tenant-Screening-Algorithmen und einkodierte Bias

Tenant-Screening-Tools nutzen Vorstrafenregister, Kreditscores, Zwangsräumungshistorie und teils Social-Media- oder Mietzahlungsdaten, um einen „Risk Score“ für potenzielle Mieter zu erzeugen. Sie werden von Property Managern in den USA breit eingesetzt.

Der Fehler: Diese Inputs korrelieren mit Ethnie und Einkommen auf eine Weise, die historische Diskriminierung reproduziert, selbst wenn Ethnie nie ein explizites Input ist. Von Räumungsakten etwa ist bekannt, dass sie überproportional Durchsetzungsmuster widerspiegeln und nicht das tatsächliche Zahlungsrisiko. Eine Klage von 2023 und der anschließende Vergleich gegen SafeRent Solutions (ein Tenant-Screening-Unternehmen) warfen dem Scoring-Algorithmus vor, schwarze und hispanische Mietbewerber mit Wohngutscheinen überproportional zu benachteiligen. Das zeigt, wie ein auf dem Papier neutraler Score einen Disparate Impact erzeugen kann (ein Rechtsstandard, bei dem eine formal neutrale Regel diskriminierende Ergebnisse produziert), der unter dem Fair Housing Act auch ohne Diskriminierungsabsicht angreifbar ist.

Das ist das schärfste Governance-Risiko der Branche: Ein Modell kann historische Ergebnisse „genau“ vorhersagen und dennoch illegal sein, weil die historischen Ergebnisse, aus denen es gelernt hat, selbst von diskriminierenden Praktiken geprägt waren.

Die Lehre: Prognosegenauigkeit ist keine Verteidigung gegen Disparate-Impact-Klagen. Governance verlangt, Ergebnisse über geschützte Gruppen hinweg zu testen (Ethnie, nationale Herkunft, Familienstatus, Behinderung und weitere nach dem Fair Housing Act), nicht nur die Gesamtgenauigkeit des Modells.

Failure Mode 3: Pricing Engines, die in Marktschocks driften

Dynamische Pricing Engines, stark genutzt bei der Mietpreissetzung im Multifamily-Segment (Wohnanlagen), empfehlen Mieten auf Basis von Echtzeit-Nachfragesignalen, Wettbewerberpreisen und Auslastungszielen. RealPage ist hier der prominenteste Name.

Der Fehler und die Kontroverse: Gegen RealPage läuft eine im August 2024 eingereichte Antitrust-Klage des U.S. Department of Justice (DOJ), die vorwirft, der Algorithmus habe Vermietern ermöglicht, ihre Preise faktisch zu koordinieren, indem wettbewerbssensible Daten gepoolt wurden, was potenziell gegen den Sherman Antitrust Act verstößt. RealPage bestreitet die Vorwürfe. Mehrere US-Städte und -Bundesstaaten haben unabhängig davon Gesetze zur Beschränkung algorithmischer Mietpreissetzung vorgeschlagen oder verabschiedet, darunter Verordnungen in San Francisco und Philadelphia (Stand 2024 bis 2025; prüfen Sie den aktuellen Status, dieses Feld bewegt sich schnell).

Unabhängig von der Antitrust-Frage gibt es ein reines Modellrisiko: Pricing Engines, die auf „normalen“ Angebots-Nachfrage-Dynamiken trainiert sind, kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen sich in Schocks unvorhersehbar verhalten. Während der Räumungsmoratorien in der COVID-Zeit etwa spiegelten Auslastungs- und Zahlungsdaten keine echte Marktnachfrage mehr, aber Algorithmen, die auf diese Daten optimierten, wussten nicht automatisch, dass sie sie abschlagen mussten.

Die Lehre: Algorithmische Pricing-Tools sitzen an der Schnittstelle zweier unterschiedlicher Risiken: Modellgenauigkeitsrisiko (bepreist es in einem Schock korrekt) und Rechts- bzw. Wettbewerbsrisiko (erleichtert das Design eine Koordination zwischen Wettbewerbern, auch unbeabsichtigt).

Ein einfaches Framework: Confidence vs. Genauigkeit

Das ist das mentale Modell, das Sie mitnehmen sollten. Ein Modell gibt eine Prognose aus und oft ein Konfidenzintervall oder einen Score. Die oben beschriebenen Failure Modes teilen ein Muster: Die angegebene oder implizierte Confidence des Modells schrumpfte nicht, obwohl die reale Genauigkeit abnahm.

Simple check before trusting a model output:

1. Data recency: how old is the training/reference data (in days)?
2. Regime check: has anything structurally changed since (rate shock,
   policy change, local supply shock)?
3. Confidence calibration: does the model's confidence score actually
   correlate with historical error rates in similar conditions?
4. Subgroup test: does accuracy or error rate vary meaningfully across
   protected classes or submarkets?

If #2 is "yes" and #3 has not been re-tested, treat the model's
confidence score as unreliable, regardless of what it displays.

Das ist kein technisches Audit, das Sie als Führungskraft selbst durchführen müssen, aber Sie sollten einem Anbieter oder internen Data-Team diese vier Fragen stellen und kohärente Antworten erwarten kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen.

Guardrails vor dem Deployment

Angesichts dieser Failure Modes sollte eine minimale Pre-Deployment-Checkliste für KI-Tools im Immobilienbereich enthalten:

• Disparate-Impact-Tests: Ergebnisse (Zusagen, Scores, Preise) vor dem Launch und danach regelmäßig über geschützte Gruppen hinweg prüfen, gemäß Fair-Housing-Act-Vorgaben. HUD (das U.S. Department of Housing and Urban Development) hat Leitlinien zu KI-basiertem Tenant Screening und algorithmischer Werbung veröffentlicht.
• Recency- und Drift-Monitoring: explizite Schwellen festlegen, wie alt Input-Daten sein dürfen, bevor ein Modell-Output markiert oder unterdrückt wird.
• Human-in-the-Loop bei Entscheidungen mit hohem Einsatz: Mieterabsagen, Hypothekenablehnungen und große Objektkäufe sollten einen dokumentierten menschlichen Prüfschritt haben, keine direkte Durchleitung eines Scores.
• Anbietertransparenz: Anbieter (AVM-Provider, Screening-Unternehmen, Pricing Engines) vertraglich verpflichten, Kategorien der Modelllogik offenzulegen und unabhängige Bias-Tests zu unterstützen, nicht nur Genauigkeitsaussagen zu liefern.
• Regulatorisches Bewusstsein: den EU AI Act verfolgen (seit August 2024 in Kraft, mit gestaffelten Pflichten bis 2026 bis 2027), der bestimmte kredit- und mietbezogene KI-Systeme als „hochriskant“ klassifiziert und Risikomanagementsysteme sowie menschliche Aufsicht verlangt, daneben US-Regeln auf Bundesstaatsebene (Colorados AI Act, wirksam ab 2026, und diverse städtische Verordnungen zu algorithmischer Preissetzung).

Für einen praktischen Überblick über die Haltung US-Bundesbehörden ist die Guidance der Federal Trade Commission zu KI und Verbraucherschutz ein nützlicher, kostenloser Einstieg in klarer Sprache.

🎬 [VIDEO: „How Zillow's Home-Buying Algorithm Lost Half a Billion Dollars“ - https://www.youtube.com/results?search_query=zillow+offers+algorithm+failure - ein Durchgang durch die Schließung von Zillow Offers als Fallstudie zu AVM-Überkonfidenz während eines Marktumschwungs]

Key Takeaways

• Confidence eines Modells ist nicht Genauigkeit. Alle drei Failure Modes (veraltete AVMs, verzerrtes Screening, driftende Pricing Engines) betrafen Modelle, die weiter selbstbewusste Zahlen ausgaben, nachdem sich die realen Bedingungen längst geändert hatten.
• Historische Trainingsdaten in der Immobilienbranche sind nicht neutral. Muster aus der Redlining-Ära und ungleiche Durchsetzung von Räumungen kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen als „objektive“ Scores wiederauftauchen, solange Disparate Impact nicht explizit getestet wird.
• Algorithmische Pricing-Tools tragen ein doppeltes Risiko: den Preis in Schocks falsch zu setzen und potenziell wettbewerbswidrige Koordination zu erleichtern, wie im DOJ-Verfahren gegen RealPage vorgeworfen.
• Bestehen Sie vor dem Deployment bei jedem Anbieter auf vier Dingen: Offenlegung der Datenaktualität, Drift-Monitoring, Genauigkeitstests nach Subgruppen und einem menschlichen Prüfschritt bei Entscheidungen mit hohem Einsatz.
• Die Regulierung holt schnell auf. Die Hochrisiko-Kategorie des EU AI Act und entstehende Regeln auf US-Staats- und Städteebene bedeuten, dass die Governance-Anforderungen für KI in der Immobilienbranche bis 2026 und darüber hinaus rasch steigen.