Dünne Datenlage: Was PropTech-Tools in Regionen nicht können

Was ein Algorithmus braucht, den es in dünnen Märkten nicht gibt

Jedes automatisierte Bewertungsverfahren arbeitet nach demselben Grundprinzip: Es sucht nach Vergleichstransaktionen, bildet Durchschnittswerte, gewichtet nach Lage, Baujahr, Fläche — und gibt eine Bandbreite aus. Das funktioniert, solange genug Transaktionen vorliegen, aus denen sich ein Muster ableiten lässt. In München-Schwabing oder Frankfurt-Sachsenhausen ist das gegeben. In einem Landkreis mit 40.000 Einwohnern, in dem jährlich vielleicht zwölf Einfamilienhäuser den Eigentümer wechseln, nicht.

Nicht zwölf Transaktionen insgesamt — zwölf, die nach Lage, Objekttyp, Baujahr und Zustand als Vergleich infrage kommen könnten. In der Praxis bleiben nach dieser Filterung oft zwei oder drei übrig. Manchmal keine.

Was passiert, wenn das Fundament fehlt

Ein Algorithmus, der auf drei Datenpunkten aufbaut, kann keinen Durchschnitt bilden — er kann nur die drei Datenpunkte wiedergeben. Liegt einer davon bei einem Notverkauf nach Erbschaft, ein anderer bei einem Liebhaberpreis zwischen Nachbarn, verzerrt jede dieser Transaktionen das Ergebnis erheblich. In dichten Märkten gleichen sich solche Ausreißer heraus. In dünnen Märkten sind sie das Marktgeschehen.

Vergleichsobjekte liegen zwei oder drei Jahre zurück — in Lagen, in denen sich die Nachfrage seitdem verändert hat.
Mikrolagen innerhalb einer Gemeinde unterscheiden sich stark, ohne dass die Datenlage diese Unterschiede abbildet: die ruhige Sackgasse versus die Straße mit Durchgangsverkehr, der Blick auf den Sportplatz versus den auf die Felder.
Zustandsbeschreibungen wie „gepflegt" oder „renovierungsbedürftig" tauchen in Kaufvertragsdaten nicht auf — der Preis ist das Einzige, was registriert wird.
Besondere Objekte — Bauernhöfe mit Nebengebäuden, ehemalige Gasthöfe, Doppelhäuser mit unklarer Eigentümerstruktur — haben in dünnen Märkten überhaupt keine validen Vergleichsobjekte.

Das Problem mit der Konfidenz

Viele Tools geben neben dem Schätzwert eine Konfidenzangabe aus — „hoch", „mittel", „niedrig". Was diese Einstufung bedeutet, ist selten dokumentiert. In einigen Fällen spiegelt sie die Transaktionsdichte. In anderen spiegelt sie die Qualität der Eingabedaten. Und manchmal ist sie eine pauschale Kategorie, die sich nicht verändert, egal wie dünn die Datenlage ist.

Wer als Gutachter oder Makler in der Region arbeitet, weiß, was vor Ort wirklich zählt: dass das Grundstück am Ende der Straße wegen des Bachs im Keller seit Jahren unverkäuflich ist, dass ein bestimmtes Neubaugebiet in der Käuferwahrnehmung schlechter dasteht als die Kaufpreise vermuten lassen, oder dass ein Eigentümer einen Preis durchgesetzt hat, der mit dem Markt nichts zu tun hatte. Dieses Wissen ist nirgendwo abrufbar. Es ist auch nicht digitalisierbar — es entsteht durch Präsenz.

Warum der automatische Marktbericht mehr verschleiert als erklärt

Ein Marktbericht sieht aus wie ein Marktbericht. Balkendiagramme, Prozentangaben, Trendlinien — das Format signalisiert Zuverlässigkeit, unabhängig davon, auf wie vielen Transaktionen es beruht. Genau das ist das Problem.

In einem Berliner Bezirk mit tausend Kauffällen im Jahr trägt ein Algorithmus die tatsächliche Marktbewegung ab. In einem Landkreis mit achtzehn gemeldeten Kauffällen im selben Zeitraum tut er es nicht. Der Bericht sieht trotzdem gleich aus.

Wenn vier Objekte eine Marktaussage ergeben

Ein Makler in einer mittelgroßen Kreisstadt zeigt dem Eigentümer einen automatisch generierten Preisvergleich. Das Tool weist einen Quadratmeterpreis aus — auf zwei Nachkommastellen. Was der Eigentümer nicht sieht: Der Vergleich basiert auf fünf Angeboten, von denen zwei Erbauseinandersetzungen waren und eines seit vierzehn Monaten am Markt steht. Der Algorithmus gewichtet Angebote, keine Abschlüsse — weil Abschlüsse in vielen Regionen schlicht nicht verfügbar sind.

Das Ergebnis ist nicht falsch im technischen Sinne. Es ist irreführend im praktischen: Der Bericht beantwortet eine Frage, die so nie gestellt wurde, mit einer Zahl, die so nie hätte entstehen sollen.

Präzision ohne Grundlage

Die Schwierigkeit liegt nicht in der Ausgabe, sondern in dem, was sie nicht zeigt. Kein automatischer Marktbericht aus einem Standardtool weist aus, wie viele Datenpunkte hinter einem Wert stehen. Eine Preissteigerung von 4,2 Prozent, abgeleitet aus acht Transaktionen, steht im selben Format wie eine, die auf achthundert beruht. Der Leser bekommt keinen Hinweis, welcher der beiden Fälle vorliegt.

Für einen Gutachter ist das der entscheidende Unterschied: Ein Wert, der auf dünner Basis steht, ist kein Marktpreis — er ist eine Schätzung mit breitem Unsicherheitsband. Das Unsicherheitsband bleibt unsichtbar.

Angebote statt Kaufpreise: In Regionen ohne öffentlich zugängliche Kaufpreissammlungen berechnen Tools ihre Werte aus Inseraten — die erheblich von den tatsächlichen Abschlüssen abweichen können.
Kleine Stichproben, große Aussagen: Fünf Kauffälle pro Quartal erzeugen statistische Ausreißer, die wie Trends aussehen.
Historische Daten aus dem falschen Jahr: Wenn frische Vergleichsobjekte fehlen, greift das System auf ältere zurück — ohne diese Lücke zu kennzeichnen.

Eine Maklerin, die den automatischen Bericht im Kundengespräch zeigt, gibt eine Zahl weiter, deren Grundlage sie selbst nicht kennt. Das ist nicht ihre Nachlässigkeit — das Tool lässt sie im Unklaren. Die Zahl wirkt belastbar, weil sie aus einem System kommt. Ob sie es ist, steht nirgends.

Das eigentlich Folgenreiche daran ist nicht der falsche Wert. Es ist, dass ein richtiger und ein falscher Wert in diesem Format nicht zu unterscheiden sind. Beide kommen als Bericht. Beide tragen eine Dezimalstelle. Wer den Unterschied kennen will, muss fragen, wie viele Objekte dahinterstehen — und die Antwort bekommt er vom Tool nicht.

Welche PropTech-Versprechen im Stadtkontext entstanden sind

Die meisten Werkzeuge, die heute für automatische Bewertungen und Marktberichte beworben werden, sind in Berlin, München oder Hamburg entstanden. Das ist kein Zufall und kein Vorwurf — es ist die Erklärung dafür, was sie können und was nicht.

In diesen Städten gibt es etwas, das den Entwicklern so selbstverständlich erschien, dass es in keiner Produktbeschreibung erwähnt wird: Masse. Zehntausende Transaktionen pro Jahr, dichte Portalaktivität, Tausende vergleichbarer Objekte im Radius weniger Kilometer, hohe Fluktuation, standardisierte Grundrisse in Bauphasen, die man datenbankweit beschriften kann. Wer ein Modell in Schwabing testet, bekommt sofort Rückmeldung, ob es funktioniert.

Aus diesem Umfeld stammen die Versprechen, die heute in Produktfolien stehen:

Marktwert in Sekunden — ohne Besichtigung, ohne Unterlagen, allein auf Basis von Adresse und Baujahr
Automatischer Marktbericht für jedes Quartier, wöchentlich aktualisiert
Preistrend-Prognose auf Stadtteilebene für die nächsten zwölf Monate
Vergleichswerte aus aktuellen Transaktionen, nicht aus Angeboten

Wer diese Werkzeuge in einer Berliner Produktdemonstration gesehen hat, hat auch gesehen, dass sie dort funktionieren. Die Karte zeigt Farbverläufe, die Zahlen wirken präzise, der Bericht liest sich wie ein Gutachten. Das ist keine Täuschung — für den gezeigten Markt stimmt es.

Was die Demo zeigt und was sie verschweigt

Das Problem entsteht nicht im Verkaufsgespräch. Es entsteht drei Wochen später, wenn dieselbe Funktion für ein Reihenhaus in einem Landkreis mit 60.000 Einwohnern aufgerufen wird. Der Bericht erscheint. Die Zahl erscheint. Nichts weist darauf hin, dass die Datenbasis, auf der er beruht, aus achtzehn Angeboten der letzten drei Jahre besteht — von denen niemand weiß, ob sie je verkauft wurden und zu welchem Preis.

Die Werkzeuge wurden für Märkte entworfen, in denen Nachfrage und Angebot so dicht sind, dass sich Muster statistisch herausschälen lassen. Das Produkt hat diese Voraussetzung nie explizit genannt, weil sie für die Entwickler unsichtbar war. Sie lebten in ihr.

Für Makler und Gutachter außerhalb der großen Zentren bedeutet das: Was ihnen als Vereinfachung ihrer Arbeit präsentiert wurde, erzeugt im Regionalmarkt eine Ausgabe, die wie ein Ergebnis aussieht, aber keines ist. Die Frage ist nicht, ob das Werkzeug gut gebaut ist. Die Frage ist, ob der Markt existiert, den es zu beschreiben vorgibt.

Was Datenschutz und Grundbuch zusätzlich einschränken

Wer in Deutschland verstehen möchte, zu welchem Preis eine Immobilie tatsächlich den Eigentümer gewechselt hat, stößt früh auf eine Grenze, die kein Tool überbrückt: Das Grundbuch ist kein öffentliches Register. Einsicht erhält, wer ein berechtigtes Interesse nachweist — und das ist kein Versehen, sondern Absicht.

Das hat Folgen für jede Software, die Marktpreise aus Transaktionsdaten ableiten will. In Großbritannien sind Kaufpreise öffentlich und tagesaktuell beim HM Land Registry abrufbar. In den USA sind sie es auf County-Ebene, in unterschiedlichem Detailgrad. Der deutsche Markt funktioniert anders: Was tatsächlich bezahlt wurde, liegt bei den Gutachterausschüssen der Länder — in aggregierter Form, mit Verzögerung, und zu unterschiedlichen Bedingungen je nach Bundesland.

Kaufpreissammlungen: verfügbar, aber nicht einheitlich

Einige Gutachterausschüsse veröffentlichen ihre Daten jährlich als Grundstücksmarktbericht, andere auf Anfrage gegen Gebühr, wieder andere kaum. Bayern, Nordrhein-Westfalen und Hamburg unterscheiden sich dabei erheblich — nicht nur im Preis, sondern in der Tiefe der Auswertung, der zeitlichen Granularität und darin, ob Einzeltransaktionen oder nur Lageindizes zugänglich sind.

Was PropTech-Plattformen stattdessen verwenden, sind meistens Angebotsdaten: Preise, die jemand aufgerufen hat. Kein Angebotspreis ist ein Kaufpreis. In einem dünnen Markt, in dem zehn Objekte im Jahr wechseln, kann die Differenz erheblich sein — in beide Richtungen.

Was die DSGVO mit Eigentümerdaten macht

Hinzu kommt der Datenschutz. Eigentümerdaten aus dem Grundbuch sind personenbezogene Daten. Eine automatisierte Verknüpfung von Eigentümername, Flurstück, Kaufpreis und Vermarktungsverlauf — wie sie für präzise Bewertungsmodelle nützlich wäre — ist ohne ausdrückliche Rechtsgrundlage unzulässig. Die Anforderungen der DSGVO schränken nicht nur ein, was Plattformen speichern dürfen, sondern auch, was sie aus öffentlich zugänglichen Quellen aggregieren und weiterverarbeiten können.

Das trifft vor allem Anwendungsfälle, die in anderen Märkten selbstverständlich geworden sind: automatische Eigentümeransprache auf Basis von Haltedauer und Lage, Abgleich von Verkaufshistorie mit aktuellen Angebotspreisen, Verknüpfung von Gebäudedaten mit Besitzwechseln. In Deutschland ist das rechtlich komplex und in vielen Konstellationen schlicht nicht erlaubt.

Für Makler und Gutachter bedeutet das: Ein Tool, das anderswo mit Transaktionsdaten arbeitet, arbeitet hierzulande meistens mit Angebotspreisen — und gibt diese Differenz nicht immer transparent aus. Wer das nicht weiß, liest eine Zahl als Marktaussage, die eine Hochrechnung aus einem anderen Datentopf ist.

Was die Lücke zwischen Tool-Ausgabe und lokalem Marktwissen über Kaufentscheidungen sagt

Ein Algorithmus, der den Quadratmeterpreis einer Straße berechnet, kennt die Transaktionen der letzten Jahre. Er kennt nicht das Gespräch, das Nachbarn auf dem Wochenmarkt führen. Und genau dieses Gespräch entscheidet manchmal darüber, ob ein Käufer ein Angebot ernst nimmt oder übergeht.

In dünn besiedelten Regionen ist lokales Marktwissen nicht eine Ergänzung zur Datenlage — es ist oft der einzige verlässliche Orientierungspunkt. Wer in einer Kleinstadt mit 8.000 Einwohnern verkauft, weiß: Es gibt drei Straßen, in die Zugezogene nicht wollen, weil der Ruf seit einem Jahrzehnt haftet. Es gibt ein Neubaugebiet, das günstiger aussieht als es ist, weil der Erschließungsvertrag noch läuft. Es gibt Höfe, die seit einer Generation in Familienhand sind und nie auf einem Portal auftauchen.

Kein PropTech-Tool schreibt das auf. Nicht weil die Anbieter es vergessen haben, sondern weil sich diese Art von Wissen strukturell nicht erfassen lässt. Es existiert in Gesprächen, in Erinnerungen, in den Bedenken, die ein Käufer äußert, und in den Antworten, die ein erfahrener Makler darauf hat.

Was das für Kaufentscheidungen bedeutet

Die meisten Käufer, die eine Region nicht kennen, verlassen sich zunächst auf das, was ihnen ein Tool zeigt: Preisspanne, Infrastruktur, Erreichbarkeit. Sie kommen mit einer Vorstellung. Dann sprechen sie mit jemandem vor Ort — und die Vorstellung verschiebt sich. Nicht weil die Daten falsch waren, sondern weil sie unvollständig waren.

Das ist kein Versagen des Tools. Es ist eine Eigenschaft des Marktes. Problematisch wird es, wenn die Tool-Ausgabe als vollständig behandelt wird — von Käufern, die keine andere Quelle haben, oder von Verkäufern, die ihre Immobilie ausschließlich gegen ein Computermodell prüfen, das den Ruf der Straße nicht kennt.

Ein Käufer, der per Karte entscheidet, sieht die Bushaltestelle — aber nicht, dass der letzte Bus um 18:30 Uhr fährt.
Ein automatischer Lagebericht zeigt Schulen im Umkreis — aber nicht, welche davon die Familien tatsächlich wählen.
Ein Preisindex vergleicht Straßen — aber nicht, warum die eine seit Jahren teurer ist als die andere, obwohl die Grundrisse identisch sind.

Der Makler, der diese Fragen beantworten kann, ist nicht durch ein besseres Tool zu ersetzen. Er ist die Schnittstelle zwischen dem, was in Datenbanken steht, und dem, was Käufer wirklich brauchen, um eine Entscheidung zu treffen, mit der sie zehn Jahre leben.