Where Are Residential Real Estate Investments Particularly Sustainable? Clear Differences Between Locations in Terms of Dynamism, Stability and Risk

Home , Krefeld

WHERE ARE RESIDENTIAL REAL ESTATE INVESTMENTS PARTICULARLY SUSTAINABLE? CLEAR DIFFERENCES BETWEEN LOCATIONS IN TERMS OF DYNAMISM, STABILITY AND RISK

RESEARCH REPORT JANUARY 2020 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.Wie zu sehen Nach ist, und verläuftzehn JahrenPrognose die Entwicklunglagen einige von wennDaten Wohnungsmieten manuelle und Schnittstellen Einschätzungen abzubilden. bei– Immo Auch- ErklärungStandorteuneinheitlich. noch Nach nahezu und zehn auf JahrenPrognose ihrem lagen Ausgangs einige von- bilieninvestmentswenn Wohnungsmieten manuelle Einschätzungen stets notwendig bei– bleiben, Immo- BestimmungStandorte noch nahezu aufwesentlicher ihrem Ausgangs- bilieninvestments Einflussfaktoren stets notwendig bleiben, Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegenniveau, währendkonnten. dieDabei Spitzenreiter variiert die über Dynamik 60 % tenverarbeitungso sollten sich aufwendige wie Kennzahlenberechnung, Prozesse der Da- mittelszulegenWhere konnten. Korrelationsanalyseare Dabei residential variiert die Dynamik real tenverarbeitung estate investments wie Kennzahlenberechnung, mittelsim betrachteten Korrelationsanalyse Zeitraum. In den ersten Jah- Trendextrapolation, Sortierung und Filterung renimThe betrachteten lagen Range zahlreiche Zeitraum. Städte of In Residentialeher den im ersten Mittelfeld, Jah- dochTrendextrapolation,Market zukünftig Yields weitgehend Sortierung automatisieren und Filterung renparticularlyThe lagen Range zahlreiche Städte ofsustainable? Residentialeher im Mittelfeld, dochMarket zukünftig Yields weitgehend automatisieren die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige die später dann sehr hohe Mietpreiszuwächse lassen, was entsprechend allgemeingültige aufwiesen und dadurchsindIn Zeiten am leistungsfähige Endehoher desMarktdynamik Zeit Systeme- Erklärungs- derund Analysesteigender und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwiesen und dadurchA differentiated am Ende des Zeit analysis- Erklärungs- of cities, und Prognosemodelle erfordert. raums ganz vorn lagenClearAsindstützung –differentiated beispielsweise leistungsfähige differences unverzichtbar. die Systeme analysisin Das between Immobilien- der Analyse of locations cities, und und Markt-Research Entscheidungsunter in terms arbeitet- raums ganz vorn lageninfluencingstützung – beispielsweise unverzichtbar. factors die in Das Immobilien-and resulting und Markt-Research clusters arbeitet der Grafik enthalteneofinfluencingdabei Stadt dynamism, insbesondere Berlin. factors stability an den Ein and Themen and erster resulting Informationserhebung,risk wesentlicher clusters Schritt inKenn der- Ent- der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- zahlenbewertung und Potenzialeinschätzung. Entscheidend ist dabei In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- Residentialdie Kenntnis property von Einflussfaktoren, has become increasingly in Bezug expensive auf aufin recent immobilienwirt years.- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- ThisForschaftliche manydevelopment years Zielgrößen. now was private very Die different and vorliegende institutional when Studiecomparing investors zeigt havelocations, Methoden focused howe undon- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf ver.rentedErgebnisse Future residential investments einer realsolchen estate. can Parameteranalyse, be In betterthis respect planned there bezogen and is decidedconsiderable auf die upon Zielgröße interest if both istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- theinMarktmiete. a rangesstable, sustainableof Die housing Datengrundlage capitalmarket investment yields berücksichtigt and thatthe factorscan bedie planned thatWohnungsmärkte contribute easily. For to Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- moreDeutschlands than ten yearsin Städten now rentsab 70.000 for apartments Einwohnern. have been rising steadily Automobilindustrie inwellbetter Wolfsburg. as orthe worse contributing Inresults anderen arefactors known. marketriablen This size, study konzentrieren. region, examines rent level the Die andyield Komplexität economic range as und Städten und auch wellin über virtually as diethe contributing every Gesamtmenge location. factors Real marketStöranfälligkeit estate size, values region, and desrent purchase level Gesamtmodells and prices economic have wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinweg liegt dies jedochmomentumfollowed nicht the as development unmittelbarparameters. of The rents,durch data and basis sparsame have takes often into Parametrisierungeven account surpassed Germany‘s these ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls auf der Hand. Erklärungenhousingin terms markets of qualitativer the percentage in cities Art with increase. abegrenzt. population Real Als inestate Auswahlkriterien excess market-related of 75,000. für prices verwendete sindauf der ohnehin Hand. kaum Erklärungen have dafür thus geeignet, qualitativerincreased Prozes in almost Art- everyParameterbegrenzt. segment Als und Auswahlkriterienin Daten recent spielenyears; in der fürterms verwendetestatistische of sesind der ohnehin Marktauswahl, kaum units dafür der and Risikoanalyse geeignet, space, vacancies Prozes und -were undParameter previously fachliche undreduced Erklärungsgehalt Daten to aspielen large extent, der für statistischedie and abhän - desse der Portfoliomanagements Marktauswahl,especially der Risikoanalyse in zu larger standardi cities. und In- thegigeund meantime fachliche Zielgröße a shortageErklärungsgehalt sowie diein terms Modellperformance offür areas die abhän - sierendes Portfoliomanagements und damit imcan Rahmen be ascertained. zu der standardi aktuellen - einegige Rolle. Zielgröße sowie die Modellperformance Digitalisierungsansätzesieren und damit im Rahmen durch der Algorithmen, aktuellen eine Rolle. DigitalisierungsansätzeQuestions durch relating Algorithmen, to adequate availability and a further increase in the cost of housing are being discussed from a regional economic and socio-political stance. Intervention at housing policy level and the decline in dynamism 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02 | Erkenntnisse bisherigerin the current Studien economic zu Einflussfaktoren cycle is leading to auf greater Wohnungsmieten risk with relatively low yields for interventions and banks. A focus on loctions with sustai- Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe Im Rahmen dieser Studienable socio-economic werden beispiel- structures, schaftlichen stable prices Zielgrößen. and thus a Eine lower andere degree Gruppe haft verschiedene Einflussfaktorenof risk is gaining importance.in Bezug bildenThe decisive konzeptionelle factors are Arbeiten, location-related beispielsweise haft verschiedene Einflussfaktoren in Bezug bilden konzeptionelle Arbeiten, beispielsweise auf Wohnungsmietenparameters im Neubausegment affecting demand andzur price statistisch-ökonometrischen development such as dynamics, Fundierung auf Wohnungsmieten im Neubausegment zur statistisch-ökonometrischen Fundierung analysiert. Die Auswahlstability potenziell and structural relevanter factors. von To spezifischenthis end this studyPrognosemodellen. analyses various Auf einige analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige Faktoren leitet sich primary, u. a. aus secondary bisherigen and For- tertiary interessante locations for Beispieleinvestments soll on im the Folgenden German kurz Faktoren leitet sich u. a. aus bisherigen For- interessante Beispiele soll im Folgenden kurz schungsarbeiten imresidential internationalen market. Immo- verwiesen werden. bilienmarkt-Researchschungsarbeiten im internationalenab. Über Ausschluss Immo-- verwiesen werden. bilienmarkt-Researchkriterien und Datenreihentests ab. Über Ausschluss wird diese- Die langfristige Beziehung zwischen der dannkriterien schrittweise und Datenreihentests reduziert. Ziel ist wird eine dieseListe EntwicklungDie langfristige von Hauspreisen, Beziehung zwischenPro-Kopf-Ein der- relevanterdann schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick- kommen,Entwicklung Bevölkerungvon Hauspreisen, und Pro-Kopf-Ein weiteren- lungrelevanter der Wohnungsmieten, Einflussfaktoren die auf eine die fachliche Entwick- Fundamentalgrößenkommen, Bevölkerung war Gegenstand und weiteren einer Grundlagelung der Wohnungsmieten, für die weitere Modellierung die eine fachliche schafft. StudieFundamentalgrößen von Gallin (2003). war Unter Gegenstand Verwendung einer Grundlage für die weitere Modellierung schafft. vonStudie Daten von fürGallin 95 (2003).Metropolregionen Unter Verwendung der Ver- Die Suche nach und Bewertung von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver 23- EinflussfaktorenDie Suche nach auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt, von 23 wicklungenEinflussfaktoren war wiederholt auf Immobilienmarktent Gegenstand der- dassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 2 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.Wie zu sehen Nach ist, und verläuftzehn JahrenPrognose die Entwicklunglagen einige von wennDaten Wohnungsmieten manuelle und Schnittstellen Einschätzungen abzubilden. bei– Immo Auch- ErklärungStandorteuneinheitlich. noch Nach nahezu und zehn auf JahrenPrognose ihrem lagen Ausgangs einige von- bilieninvestmentswenn Wohnungsmieten manuelle Einschätzungen stets notwendig bei– bleiben, Immo- BestimmungStandorte noch nahezu aufwesentlicher ihrem Ausgangs- bilieninvestments Einflussfaktoren stets notwendig bleiben, Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegenniveau, währendkonnten. dieDabei Spitzenreiter variiert die über Dynamik 60 % tenverarbeitungso sollten sich aufwendige wie Kennzahlenberechnung, Prozesse der Da- mittelszulegenContent konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsim betrachteten Korrelationsanalyse Zeitraum. In den ersten Jah- Trendextrapolation, Sortierung und Filterung renimThe betrachteten lagen Range zahlreiche Zeitraum. Städte of In Residentialeher den im ersten Mittelfeld, Jah- dochTrendextrapolation,Market zukünftig Yields weitgehend Sortierung automatisieren und Filterung renThe lagen Range zahlreiche Städte of Residentialeher im Mittelfeld, dochMarket zukünftig Yields weitgehend automatisieren die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige die später dann sehr hohe Mietpreiszuwächse lassen, was entsprechend allgemeingültige aufwiesen01 | Outstanding und dadurchperformancesindIn Zeiten am leistungsfähige of Endehoher residential desMarktdynamik Zeit Systemereal- estateErklärungs- derund markets Analysesteigender inund the und Prognosemodelle Wettbewerbsintensitätpast Entscheidungsunter ten years...... erfordert.4- aufwiesen und dadurchA differentiated am Ende des Zeit analysis- Erklärungs- of cities, und Prognosemodelle erfordert. raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raums ganz vorn lageninfluencingstützung – beispielsweise unverzichtbar. factors die in Das Immobilien-and resulting und Markt-Research clusters arbeitet der02 | GrafikDifferentiated enthaltene developmentinfluencingdabei Stadt insbesondere Berlin. in the individual factors an den clusters Ein and Themen erster ...... resulting Informationserhebung, wesentlicher clusters Schritt inKenn der5- Ent- der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- zahlenbewertung und Potenzialeinschätzung. Entscheidend ist dabei In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- Large bandwidthResidential dieof rents Kenntnis across property von all locations Einflussfaktoren, has become...... increasingly in Bezug expensive auf aufin recent immobilienwirt years.6- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- Primary investmentThisschaftliche locations development Zielgrößen.(Top 7)was...... very Die different vorliegende when Studiecomparing zeigt locations, Methoden howe und6- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf ver.Ergebnisse Future investments einer solchen can Parameteranalyse, be better planned bezogen and decided auf die upon Zielgröße if both istEntwicklung derSecondary dominierende begründen investmenttheMarktmiete. Brancheneinflussranges können. locations of Die Einhousing (>= Datengrundlage Beispiel 200,000 market der inhabitants, diedaraufyields berücksichtigt wesentlichen, and aufbauenden excl.the factors Top die tatsächlich 7) . Modellethat...... Wohnungsmärkte contribute sollenrelevanten to sich7 Vaauf- theMarktmiete. ranges of Die housing Datengrundlage market yields berücksichtigt and the factors die thatWohnungsmärkte contribute to Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- Tertiary investmentDeutschlands locations (< in 200,000 Städten inhabitants) ab 70.000...... Einwohnern. 8 Automobilindustrie inwellbetter Wolfsburg. as orthe worse contributing Inresults anderen arefactors known. marketriablen This size, study konzentrieren. region, examines rent level the Die andyield Komplexität economic range as und Städten und auch well über as diethe contributing Gesamtmenge factors marketStöranfälligkeit size, region, desrent level Gesamtmodells and economic wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinweg liegt dies jedochmomentum nicht as unmittelbarparameters. Thedurch data basis sparsame takes into Parametrisierung account Germany‘s ebenfalls hinweg03 | Dynamism liegt dies of the jedochhousing market-related nichtmarkets unmittelbar environment in cities with vs.adurch population development sparsame in excess of rents Parametrisierung of ...... 75,000. ebenfalls9 auf der Hand. Erklärungenhousing markets qualitativer in cities Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete sindauf der ohnehin Hand. kaum Erklärungen dafür geeignet, qualitativer Prozes Art- Parameterbegrenzt. Als und Auswahlkriterien Daten spielen derfür verwendetestatistische Is there a correlation between the development of rents sesind der ohnehin Marktauswahl, kaum dafür der Risikoanalyse geeignet, Prozes und- undParameter fachliche und Erklärungsgehalt Daten spielen der für statistischedie abhän- desse der and Portfoliomanagements Marktauswahl,the number of inhabitants? der Risikoanalyse zu ...... standardi und- gigeund fachliche Zielgröße Erklärungsgehalt sowie die Modellperformance für die10 abhän- sierendes IsPortfoliomanagements the und development damit im Rahmenof rents reflected zu der standardi aktuellen in economic- einegige strength? Rolle. Zielgröße...... sowie die Modellperformance15 sieren und damit im Rahmen der aktuellen eine Rolle. Digitalisierungsansätze Do rents increase in line durch with Algorithmen,employment levels? ...... 18 Digitalisierungsansätze durch Algorithmen, Do rents follow the development taken by wages?...... 21 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 0204 || StructuralErkenntnisse differences bisheriger between Studien the individual zu Einflussfaktoren locations...... auf Wohnungsmieten 25 Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe haftIm Rahmen Economy verschiedene dieser & Labour Einflussfaktoren Studie Market werden: beispiel-in Bezug bildenschaftlichen konzeptionelle Zielgrößen. Arbeiten, Eine andere beispielsweise Gruppe haft verschiedene Einflussfaktoren in Bezug bilden konzeptionelle Arbeiten, beispielsweise auf Where Wohnungsmieten is the market supported im Neubausegment by a strong environment? zur statistisch-ökonometrischen...... Fundierung26 aufanalysiert. Wohnungsmieten Die Auswahl im potenziell Neubausegment relevanter vonzur spezifischen statistisch-ökonometrischen Prognosemodellen. Fundierung Auf einige Supply & Demand: Faktorenanalysiert. leitet Die Auswahlsich u. a. potenziell aus bisherigen relevanter For- interessantevon spezifischen Beispiele Prognosemodellen. soll im Folgenden Auf einige kurz schungsarbeitenFaktorenWhere leitet is housing sich im u. still internationalen a. being aus bisherigen sought and Immo- For- correspondingly verwieseninteressante in werden. short Beispiele supply? soll...... im Folgenden28 kurz bilienmarkt-Researchschungsarbeiten im internationalenab. Über Ausschluss Immo-- verwiesen werden. bilienmarkt-Research ab. Über Ausschluss- kriterien05 | Sustainability und Datenreihentests of residential housing wird markets diese ...... Die langfristige Beziehung zwischen31 der dannkriterien schrittweise und Datenreihentests reduziert. Ziel ist wird eine dieseListe EntwicklungDie langfristige von Hauspreisen, Beziehung zwischenPro-Kopf-Ein der- dann schrittweise reduziert. Ziel ist eine Liste Entwicklung von Hauspreisen, Pro-Kopf-Ein- relevanter Partial ranking Einflussfaktoren Economy & aufLabour die Market Entwick-...... kommen, Bevölkerung und 32 weiteren relevanter Einflussfaktoren auf die Entwick- kommen, Bevölkerung und weiteren lung Partial der Wohnungsmieten, ranking Supply & die Demand eine .fachliche...... Fundamentalgrößen war Gegenstand35 einer Grundlagelung der Wohnungsmieten, für die weitere Modellierung die eine fachliche schafft. StudieFundamentalgrößen von Gallin (2003). war Unter Gegenstand Verwendung einer Overall ranking Matrix & Aggregation...... 37 Grundlage für die weitere Modellierung schafft. vonStudie Daten von fürGallin 95 (2003).Metropolregionen Unter Verwendung der Ver- Die Suche nach und Bewertung von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver 23- EinflussfaktorenDie06 | Conclusion Suche nach...... auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt,42 von 23 wicklungenEinflussfaktoren war wiederholt auf Immobilienmarktent Gegenstand der- dassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 23 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch 1. Outstanding performance of residential real estate markets in the past ten years Erklärunguneinheitlich.Wie zu sehen Nach ist, und verläuftzehn JahrenPrognose die Entwicklunglagen einige von wennDaten Wohnungsmieten manuelle und Schnittstellen Einschätzungen abzubilden. bei– Immo Auch- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- StandorteFor many years noch now nahezu the focus auf of ihrem private Ausgangs and in- -phoria-bilieninvestments and shortage-driven stets market notwendig phases. bleiben, Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,stitutional während investors diefrom Spitzenreiter Germany wesentlicher and überabroad 60 % The so underlyingEinflussfaktoren sollten sich valuation aufwendige yields Prozessehave been der Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegenhas been konnten.on rented Dabei residential variiert real die estate. Dynamik In driven tenverarbeitung to a large extent wie by Kennzahlenberechnung,the general capital zulegen konnten. Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimthis betrachteten respect there Korrelationsanalyse Zeitraum. is considerable In den interest ersten inJah -market.Trendextrapolation, Declining interest Sortierung rates and undthe as Filterung- mittelsim betrachteten Korrelationsanalyse Zeitraum. In den ersten Jah- Trendextrapolation, Sortierung und Filterung renstable,The lagen sustainable Range zahlreiche capital Städte of investments Residentialeher im Mittelfeld, that sociated dochMarket decline zukünftig in yieldsYields weitgehend have played automatisieren a role renThe lagen Range zahlreiche Städte of Residentialeher im Mittelfeld, dochMarket zukünftig Yields weitgehend automatisieren diecan späterbe planned dann sehreasily. hoheIn ZeitenMarkets Mietpreiszuwächse hoher with Marktdynamikrising with lassen, almost und steigender wasall investments. entsprechend Wettbewerbsintensität Capital allgemeingültige from the die später dann sehr hohe Mietpreiszuwächse lassen, was entsprechend allgemeingültige aufwiesenrents and stable und dadurchlong-termsindIn Zeiten am leistungsfähigeleases Endehoher are des Marktdynamikbeing Zeit Systeme -nationalErklärungs- derund and Analysesteigender international und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter environments erfordert. has- aufwiesen und dadurchA differentiated am Ende des Zeit analysis- Erklärungs- of cities, und Prognosemodelle erfordert. raumssought. ganz The Germanvorn lagen Ahousingsindstützung –differentiated beispielsweise leistungsfähige market unverzichtbar. is thus die Systeme analysisin Dasincreasingly Immobilien- der Analyse of found cities, und its und Markt-Research way Entscheidungsunter on to the Germanarbeitet- raumsan attractive ganz vornone. lagenForinfluencingstützung more – beispielsweise than unverzichtbar. ten yearsfactors die in Dasreal Immobilien- estateand resulting market und in Markt-Researchthe clusterssearch for stable arbeitet in- der Grafik enthalteneinfluencingdabei Stadt insbesondere Berlin. factors an den Ein and Themen erster resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent- dernow Grafik residential enthaltene rents zahlenbewertungdabeihave Stadt been insbesondere Berlin. increasing und an Potenzialeinschätzung. denvestmentwicklungEin Themen erster opportunities, Informationserhebung, wesentlicher von Entscheidend Marktbewertungs-and in Schritt particular ist in Kenndabei on der - Ent und- zahlenbewertung und Potenzialeinschätzung. Entscheidend ist dabei Incontinually der Einzelbetrachtung at virtuallyResidentialdie all Kenntnislocations. der property Städte von This Einflussfaktoren, hasis sind becometo theMarktprognosemodellenwicklung increasinglyresidential in Bezug von market.expensive auf Marktbewertungs- As aufin a recent istconsequen immobilienwirt years. die -- Erhe und- true not only for newResidentialdie housing, Kenntnis butproperty vonalso Einflussfaktoren, forhas becomece of theincreasingly strongin Bezug demandexpensive auf (capital) aufin recent immobilienwirtand, years. at- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- existing properties. TheThisschaftliche pricedevelopment development Zielgrößen. was very Diethe different vorliegendesame time,when a Studiecomparing limited zeigt supply locations, Methoden (real howeestate und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf in both segments in ver.recentErgebnisse Future years investments einer has solchenbeen can Parameteranalyse,stock, be better new plannedconstruction), bezogen and decided prices auf die haveupon Zielgröße already if both istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- much higher than thetheMarktmiete. general ranges rate of Die housing of Datengrundlage infla -marketincreased yields berücksichtigt inand the the wake factors of die the thatWohnungsmärkte shortage. contribute It has to Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- Deutschlands in Städten ab 70.000 Einwohnern. Automobilindustrietion (CPI). In this respect inwellbetter Wolfsburg. rents as orthe worsefor contributing new Inresults apart anderen -arefactors known.been marketriablen possible This size, study konzentrieren. to region, observe examines rent this level the Die in andyield recent Komplexität economic range years as und Städten und auch well über as diethe contributing Gesamtmenge factors marketStöranfälligkeit size, region, desrent level Gesamtmodells and economic wird Städtenments have und been auch rising momentum über slightly die stronger Gesamtmengeas parameters. than across TheStöranfälligkeit data a number basis takes of segments into des account Gesamtmodells of the Germany‘s real es- wird hinwegthose for liegtexisting dies housing, jedochmomentum but nicht still as much unmittelbarparameters. less tate Thedurch market.data basis sparsame While takes enlargement into Parametrisierung account of theGermany‘s market ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls aufsubstantially der Hand. than Erklärungenexpectedhousing (Fig. markets qualitativer 1). Real in esta cities - Art with(expansion abegrenzt. population of volumesAls in Auswahlkriterien excess and of areas) 75,000. is desirable für verwendete auf der Hand. Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sindte values ohnehin and purchase kaum dafür prices geeignet, have followed Prozes -fromParameter a housing undpolicy Daten stance, spielen it is difficult der statistische to sind ohnehin kaum dafür geeignet, Prozes- Parameter und Daten spielen der statistische sethe derdevelopment Marktauswahl, of rents, der and Risikoanalyse have often und implement und fachliche in factual Erklärungsgehalt terms. Not only doesfür die the abhän - se der Marktauswahl, der Risikoanalyse und und fachliche Erklärungsgehalt für die abhän- dessurpassed Portfoliomanagements these in terms of their zu percenta standardi- -timegige factor Zielgröße play a role sowie here, diebut Modellperformanceareas suitable des Portfoliomanagements zu standardi- gige Zielgröße sowie die Modellperformance sierenge increase. und The damit reason im Rahmenfor this is an der ongoing aktuellen for constructioneine Rolle. are severely limited, as are the Digitalisierungsansätzesieren“yield compression”, und damit im which Rahmen durch is typical der Algorithmen, for aktuellen eu- necessary eine Rolle. construction capacities. Digitalisierungsansätze durch Algorithmen,

02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02180.0 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 8.0% residential rent Change in resi- index Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe 170.0 7.0% dential rent index - new construction Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe - new construction (nominal) haft verschiedene Einflussfaktoren in Bezug bilden konzeptionelle Arbeiten, beispielsweise (nominal) aufhaft160.0 verschiedeneWohnungsmieten Einflussfaktoren im Neubausegment in Bezug zurbilden statistisch-ökonometrischen konzeptionelle Arbeiten, beispielsweise Fundierung6.0% residential rent Change in resi- index auf Wohnungsmieten im Neubausegment zur statistisch-ökonometrischen Fundierung analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige dential rent index - existing stock 150.0 5.0% - new construction (nominal) analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige Faktoren leitet sich u. a. aus bisherigen For- interessante Beispiele soll im Folgenden kurz (real) Faktoren140.0 leitet sich u. a. aus bisherigen For- interessante Beispiele soll im Folgenden4.0% kurz Consumer schungsarbeiten im internationalen Immo- verwiesen werden. price index schungsarbeiten130.0 im internationalen Immo- verwiesen werden. 3.0% Change in resi- bilienmarkt-Research ab. Über Ausschluss- dential rent index bilienmarkt-Research ab. Über Ausschluss- - existing stock kriterien120.0 und Datenreihentests wird diese Die langfristige Beziehung zwischen2.0% der (nominal) dannkriterien schrittweise und Datenreihentests reduziert. Ziel ist wird eine dieseListe EntwicklungDie langfristige von Hauspreisen, Beziehung zwischenPro-Kopf-Ein der- 110.0 1.0% dann schrittweise reduziert. Ziel ist eine Liste Entwicklung von Hauspreisen, Pro-Kopf-Ein- Change in resi- relevanter Einflussfaktoren auf die Entwick- kommen, Bevölkerung und weiteren dential rent index lungrelevanter100.0 der Wohnungsmieten, Einflussfaktoren die auf eine die fachliche Entwick- Fundamentalgrößenkommen, Bevölkerung war Gegenstand und 0.0% weiteren einer - existing stock lung der Wohnungsmieten, die eine fachliche Fundamentalgrößen war Gegenstand einer (real) Grundlage90.0 für die weitere Modellierung schafft. Studie von Gallin (2003). Unter Verwendung-1.0% Grundlage für die weitere Modellierung schafft. vonStudie Daten von fürGallin 95 (2003).Metropolregionen Unter Verwendung der Ver- 80.0 -2.0% Index values (2000=100) values Index Die Suche nach und Bewertung von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver year-on-year indices Change in rent 23- EinflussfaktorenDie ‘00 Suche‘01 ‘02 nach‘03 auf‘04 und ‘05 BewertungImmobilienmarktent‘06 ‘07 ‘08 von‘09- ‘10 Jahreneinigten‘11 ‘12 wurdeStaaten‘13 ‘14 in über ‘15 dieser‘16 einen ‘17 Arbeit Zeitraum‘18 aufgezeigt, von 23 wicklungenEinflussfaktoren war wiederholt auf Immobilienmarktent Gegenstand der- dassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für immobilienökonomischenFig. 1: Development of indices residential rents Forschung. and consumer prices Eine – base yearHäuser 2000, Germany nur in begrenztem Umfang von der VielzahlSources: bulwiengesa von AG, Forschungsarbeiten Federal Statistical Office; own calculation widmete and illustrationEntwicklung der betrachteten Kennzahlen, sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 24 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

WieThe general zu sehen debate ist, mainly verläuft focuses die Entwicklungon rents. region Daten to region und (e.g. Schnittstellen over five years: abzubilden. +35.41% Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.For investors and Nach tenants und zehn the JahrenPrognose rate oflagen change einige vonin Augsburgwenn Wohnungsmieten manuelle compared Einschätzungen to a mere +0.22% bei– in Immo- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- Standorte(dynamism) noch is just nahezu as interesting auf ihrem as the Ausgangs amount -Jena),bilieninvestments and in part has also stets encompassed notwendig mar bleiben,- Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,of the rents. während Both components die Spitzenreiter wesentlicher provide überthe cal 60 %- kets so whichEinflussfaktoren sollten did sichnot use aufwendige to be primarily Prozesse in the der Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegenculation basiskonnten. in order Dabei to forecast variiert thedie respec Dynamik- focus tenverarbeitung of investors (often wie smaller Kennzahlenberechnung, towns and mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimtive betrachteten payments Korrelationsanalyseand Zeitraum. revenues. In Alongside den ersten this Jah -cities,Trendextrapolation, i.e. the so-called B/C/D Sortierung locations). und As Filterung renimTheliquidity betrachteten lagen andRange zahlreiche revenue Zeitraum. Städteconsideration, of In Residentialeher den im erstenrents Mittelfeld, are Jah -the dochTrendextrapolation,yieldsMarket zukünftigthere have Yields weitgehendalso Sortierung declined, automatisierenthe und cur Filterung- renaThe key lagen element Range zahlreiche when calculating Städte of Residentialeher market im Mittelfeld, values rent doch Marketlevel often zukünftig only Yields provides weitgehend a small automatisieren buffer die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige dieand späterpurchase dann prices, sehr value hohe effects Mietpreiszuwächse therefore. to compensatelassen, was for entsprechend market-typical allgemeingültigerisks such aufwiesen und dadurchAsindIn Zeitendifferentiated am leistungsfähige Endehoher desMarktdynamik Zeit Systeme analysis- Erklärungs- derund Analyse steigenderof cities, und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwiesenResidential rents und are dadurch not an amautonomous Ende des phe Zeit- -as aErklärungs- rent decrease, und vacancies Prognosemodelle or an increase erfordert. raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raumsnomenon, ganz but vorn are also lagen driven – beispielsweise by preceding sodie- inin costs. der Grafik enthalteneinfluencingdabeistützung Stadt insbesondere Berlin. unverzichtbar. factors an Das den Immobilien-Ein and Themen erster resulting Informationserhebung, wesentlicherund Markt-Research clusters Schritt arbeitet inKenn der- Ent- cio-economic demandinfluencing factors such as popu factors- It is toand be assumedresulting that there clusters is a particular risk der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- lation, purchasing power,zahlenbewertung employment levels und Potenzialeinschätzung.of a downturn in markets Entscheidend which have istrecently dabei In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- etc. In particular whenResidential dieit comes Kenntnis to property new von rentals Einflussfaktoren, has becomeseen sharp increasingly rises in without Bezug expensive this auf being aufin recent sustained immobilienwirt years. by- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- they are in part dependentThisschaftliche development on general Zielgrößen. econo was -very Diefundamental different vorliegende when factors, Studiecomparing such zeigt as incomes locations, Methoden or demohowe und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf mic developments andver.Ergebnisse can Future be subject investments einer to solchen cyc- can Parameteranalyse,graphic be better factors. planned Also bezogencriticaland decided are auf markets die upon Zielgröße in if which both istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- lical fluctuations. DependingtheMarktmiete. ranges on the of Die economichousing Datengrundlage market specific yields negativeberücksichtigt and the developments factors die thatWohnungsmärkte withcontribute regard to Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- development, rents canDeutschlands also stagnate inor Städtendeve- abpreceding 70.000 factors Einwohnern. (e.g. unemployment, surplus of Automobilindustrie inwellbetter Wolfsburg. as orthe worse contributing Inresults anderen arefactors known. marketriablen This size, study konzentrieren. region, examines rent level the Die andyield Komplexität economic range as und Städtenlop negatively. und In auch the developmentwell über as diethe contributing Gesamtmenge since 2000 factors residential marketStöranfälligkeit housing) size, region, are likely desrent tolevel Gesamtmodellsemerge. and economic Other ci- wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinwegit is notable liegt that dies the jedochrentmomentum increases nicht as in unmittelbarparameters. the in- ties The durchwill, data on basis the sparsame other takes hand, into Parametrisierung accountbenefit from Germany‘s further ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls aufdividual der years Hand. have Erklärungen variedhousing widely. markets qualitativer In particular in cities Art withgrowth abegrenzt. population or at least Als in remain Auswahlkriterien excess stable. of 75,000. für verwendete auf der Hand. Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sindin strong ohnehin economic kaum phases dafür – geeignet,since 2009 Prozes for -The Parametersustainability und of individualDaten spielen clusters der and statistische ci- sind ohnehin kaum dafür geeignet, Prozes- Parameter und Daten spielen der statistische seinstance der Marktauswahl, – the growth rates der have Risikoanalyse often been und ties, und as well fachliche as the Erklärungsgehaltpotential for these fürand die the abhän - desseconsiderably der Portfoliomanagements Marktauswahl, higher than der the Risikoanalyse general zu standardiincrea - und-risks gigeund they fachlicheZielgröße face, cannot Erklärungsgehalt sowie be measured die Modellperformance fürdirectly. die abhän - sierendesse in prices Portfoliomanagements und (CPI). damit If the im inflation-adjusted Rahmen zu der standardi aktuellen real -There einegige are, Rolle. Zielgröße however, indicators sowie die in Modellperformancethe field real Digitalisierungsansätzesierenvalues are und calculated, damit im however, Rahmen durch then der Algorithmen, in aktuellensome estate eine market, Rolle. construction activity, demogra- Digitalisierungsansätzeperiods, for example the years durch from Algorithmen, the be- phy and economy which point to positive, neu- ginning to the middle of the decade starting tral or negative outlooks. In this study various in the year 2000, there were also phases with parameters are examined for 60 German cities. 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02negative | Erkenntnisse results. bisheriger Studien zu EinflussfaktorenOn the one hand, auf this Wohnungsmietenis conducted individually Following the above-average increase in rents at city/town level, and, on the other hand, figu- Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe in the current market phase, which has now res are consolidated for the respective clusters. haftIm Rahmen verschiedene dieser Einflussfaktoren Studie werden beispiel-in Bezug bildenschaftlichen konzeptionelle Zielgrößen. Arbeiten, Eine andere beispielsweise Gruppe been in progress for ten years, investors are The clusters used here are based on market aufhaft verschiedeneWohnungsmieten Einflussfaktoren im Neubausegment in Bezug zurbilden statistisch-ökonometrischen konzeptionelle Arbeiten, beispielsweise Fundierung aufbecoming Wohnungsmieten more cautious. imThe Neubausegmentquestion is in size zurand the statistisch-ökonometrischen corresponding difference in Fundierungrele- analysiert.which markets Die the Auswahl level attained potenziell is relevantersustai- vance von for spezifischen investors. In Prognosemodellen.this respect the study Auf einige analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige Faktorennable and leitetwhere sich there u. is a. a auspossible bisherigen risk of For-a differentiates interessante between Beispiele primary soll investment im Folgenden lo- kurz Faktoren leitet sich u. a. aus bisherigen For- interessante Beispiele soll im Folgenden kurz schungsarbeitendownturn in the rents im attained internationalen to date and Immo- cations verwiesen (Top 7 werden.markets), secondary locations schungsarbeiten im internationalen Immo- verwiesen werden. bilienmarkt-Researchthose calculated for future ab. projects. Über AusschlussNot least -(cities with more than 200,000 inhabitants, bilienmarkt-Research ab. Über Ausschluss- kriterienof all the background und Datenreihentests to this is the wirdfact that diese excl. Die Top 7) langfristige and tertiary locations Beziehung (smaller zwischen cities der kriterien und Datenreihentests wird diese Die langfristige Beziehung zwischen der dannthe increase schrittweise in rents reduziert. has differed Ziel greatly ist eine from Liste with Entwicklung less than 200,000 von Hauspreisen,inhabitants). Pro-Kopf-Ein- relevanterdann schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick- kommen,Entwicklung Bevölkerungvon Hauspreisen, und Pro-Kopf-Ein weiteren- lungrelevanter der Wohnungsmieten, Einflussfaktoren die auf eine die fachliche Entwick- Fundamentalgrößenkommen, Bevölkerung war Gegenstand und weiteren einer Grundlagelung der Wohnungsmieten, für die weitere Modellierung die eine fachliche schafft. StudieFundamentalgrößen von Gallin (2003). war Unter Gegenstand Verwendung einer 2. Differentiated development in the individual clusters Grundlage für die weitere Modellierung schafft. vonStudie Daten von fürGallin 95 (2003).Metropolregionen Unter Verwendung der Ver- Die Suche nach und Bewertung von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver 23- Institutional investments classically focus on commercial real estate, the general availabili- EinflussfaktorenDie Suche nach auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt, von 23 Einflussfaktorenlocations with strong aufgrowth andImmobilienmarktent which are -ty, lettabilityJahren wurdeand possibility in dieser to sell Arbeit individual aufgezeigt, wicklungenliquid. In Germany war wiederholt these are usually Gegenstand the Top der properties dass eine justify Veränderung limiting the target der Kaufpreisemarkets für wicklungen war wiederholt Gegenstand der dass eine Veränderung der Kaufpreise für immobilienökonomischen7 cities Berlin, Dusseldorf, Frankfurt Forschung. a. M., Eine in suchHäuser a manner. nur in By begrenztem contrast, in the Umfang case of von der immobilienökonomischen Forschung. Eine Häuser nur in begrenztem Umfang von der VielzahlHamburg, vonCologne, Forschungsarbeiten Munich and Stuttgart. widmete For small-volume Entwicklung residential der betrachteten investments, the Kennzahlen, fo- sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 25 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wiecus is zu usually sehen on ist, the verläuftissue of diean increase Entwicklung in percentage Daten undincreases Schnittstellen have differed abzubilden. widely. An Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.demand (population, Nach und zehn households) JahrenPrognose lagenand loca einige- vonoverview wenn Wohnungsmieten of manuelle the growth Einschätzungen rates in the past bei five– Immo- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- Standortetion-specific noch fundamental nahezu auf data ihrem (purchasing Ausgangs -yearsbilieninvestments is provided by the stetsgraphic notwendig below. In this bleiben, Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,power, employment während die level, Spitzenreiter economicwesentlicher growth). über 60 %respect so Einflussfaktoren sollten the bandwidth sich aufwendige ranges from Prozesse +40.5% in der Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegenIn particular, konnten. population Dabei growthvariiert has die ofDynamik late Berlin tenverarbeitung to the almost unchanged wie Kennzahlenberechnung, location Jena. mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimconcentrated betrachteten toKorrelationsanalyse a Zeitraum.high degree In onden the ersten above- Jah- Trendextrapolation, Sortierung und Filterung renimThementioned betrachteten lagen Range zahlreiche major cities.Zeitraum. Städte of In Residentialeher den im ersten Mittelfeld, Jah-Whether dochTrendextrapolation,Market such zukünftig differences Yields weitgehend Sortierung result from automatisieren undthe wi Filterung- renInThe recent lagen Range zahlreicheyears investors Städte of have Residentialeher increasingly im Mittelfeld, dely doch Marketdiffering zukünftig sizes of Yields the weitgehend cities would automatisieren have to die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige dieshifted später their dann focus sehr to smallerhohe Mietpreiszuwächse cities, however, be examined.lassen, was For entsprechendthis reason the allgemeingültigerespective aufwiesen und dadurchAsindIn Zeitendifferentiated am leistungsfähige Endehoher desMarktdynamik Zeit Systeme analysis- Erklärungs- derund Analyse steigenderof cities, und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwieseninitially in the und environs dadurch of the am Top Ende 7, later des also Zeit -meanErklärungs- values for theund rent Prognosemodelle increases have beenerfordert. raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raumsacross aganz wider vorn area. lagen What – isbeispielsweise interesting is the die incalculated for the three size-based clusters. In der Grafik enthalteneinfluencingdabeistützung Stadt insbesondere Berlin. unverzichtbar. factors an Das den Immobilien-Ein and Themen erster resulting Informationserhebung, wesentlicherund Markt-Research clusters Schritt arbeitet inKenn der- Ent- extent to which theseinfluencing cities’ key ratios standfactors this andrespect resulting it can be seen clusters that the primary der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- out from those of thezahlenbewertung Top 7 and from und the Potenzialeinschätzung.investment locations Entscheidenddo indeed display ist dabei the In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe undtrend for Germany asResidential diea whole. Kenntnis This property vonis exami Einflussfaktoren, has- becomegreatest increasingly growth, in Bezug namely expensive auf +25.1% aufin recentover immobilienwirt five years. ye-- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- ned in more detail below.Thisschaftliche development Zielgrößen. was very Diears. different vorliegende The smaller, when Studie comparingtertiary zeigt locations locations, Methoden bring howe undup- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf ver.Ergebnisse Future investments einer solchen can Parameteranalyse,the be rear.better With planned +17.9% bezogen and these decided auflag die uponslightly Zielgröße if both be- istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- Large bandwidth of rentstheMarktmiete. ranges across of Die housing Datengrundlage markethind yields the berücksichtigt secondary and the factors locations, die thatWohnungsmärkte contributewhich saw toa Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- Deutschlands in Städten abdevelopment 70.000 Einwohnern. of +19.4%. The respective rents Automobilindustrieall locations inwellbetter Wolfsburg. as orthe worse contributing Inresults anderen arefactors known. marketriablen This size, study konzentrieren. region, examines rent level the Die andyield Komplexität economic range as und Städten und auch well über as diethe contributing Gesamtmenge factorscan market Störanfälligkeitbe differentiated size, region, furtherdesrent level Gesamtmodells with and respect economic to wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinwegAlthough liegtresidential dies rents jedochmomentum have nichtrisen as throughout unmittelbarparameters. their Thedurch datasize and basis sparsame dynamism takes into Parametrisierung as account follows. Germany‘s ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls aufGermany der Hand.across Erklärungenthe markethousing as markets qualitativera whole, in cities the Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete sindauf der ohnehin Hand. kaum Erklärungen dafür geeignet, qualitativer Prozes Art- Parameterbegrenzt. Als und Auswahlkriterien Daten spielen derfür verwendetestatistische sesind der ohnehin Marktauswahl, kaum dafür der Risikoanalyse geeignet, Prozes und- undParameter fachliche und Erklärungsgehalt Daten spielen der für statistischedie abhän- desse der Portfoliomanagements Marktauswahl, der Risikoanalyse zu standardi und- gigeund fachliche Zielgröße Erklärungsgehalt sowie die Modellperformance für die abhän- sierendes Portfoliomanagements und damit im Rahmen zu der standardi aktuellen- einegige Rolle. Zielgröße sowie die Modellperformance 45.0% Digitalisierungsansätzesieren und damit im Rahmen durch der Algorithmen, aktuellen eine Rolle. Digitalisierungsansätze40.0% durch Algorithmen, Berlin

35.0% Augsburg 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 0230.0% | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten Mean primary locations 25.1% Mean primary locations Im25.0% Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine Osnabrück andere Gruppe haftIm Rahmen verschiedene dieser Einflussfaktoren Studie werden beispiel-in Bezug bildenschaftlichen konzeptionelle Zielgrößen. Arbeiten, Eine andere beispielsweise Gruppe 20.0% 19.4% locations Mean secondary haft verschiedene Einflussfaktoren in Bezug bilden konzeptionelle Arbeiten, beispielsweise auf Wohnungsmieten im Neubausegment 17.9% locations Mean tertiary zur statistisch-ökonometrischen Fundierung 15.0% aufanalysiert. Wohnungsmieten Die Auswahl im potenziell Neubausegment relevanter vonzur spezifischen statistisch-ökonometrischen Prognosemodellen. Fundierung Auf einige analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige Faktoren10.0% leitet sichHamburg u. a. aus bisherigen For- interessante Beispiele soll im Folgenden kurz Faktoren leitet sich u. a. aus bisherigen For- interessante Beispiele soll im Folgenden kurz schungsarbeiten5.0% im internationalen Immo- verwiesen werden. schungsarbeiten im internationalen Immo- verwiesen werden. bilienmarkt-ResearchChemnitz ab. Über Ausschluss- bilienmarkt-Research0.0% Jena ab. Über Ausschluss- Rent development 2013-2018 development Rent kriterien und Datenreihentests wird diese Die langfristige Beziehung zwischen der kriterien und Datenreihentests wird diese Die langfristige Beziehung zwischen der dann schrittweisePrimary locations reduziert. Ziel Secondaryist eine Liste locations Entwicklung Tertiary von locations Hauspreisen, Pro-Kopf-Ein- relevanterdann schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick- kommen,Entwicklung Bevölkerungvon Hauspreisen, und Pro-Kopf-Ein weiteren- lungrelevanter der Wohnungsmieten, Einflussfaktoren die auf eine die fachliche Entwick- Fundamentalgrößenkommen, Bevölkerung war Gegenstand und weiteren einer lung der Wohnungsmieten, die eine fachliche Fundamentalgrößen war Gegenstand einer GrundlageFig. 2: Rent development für die from weitere 2013 to 2018Modellierung (rate of change) schafft. – 60 German cities,Studie clustered von by primary,Gallin secondary, (2003). Unter Verwendung Grundlagetertiary investment für locations die weitere Modellierung schafft. Studie von Gallin (2003). Unter Verwendung Source: F+B GmbH; own calculation and illustration von Daten für 95 Metropolregionen der Ver- Die Suche nach und Bewertung von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver 23- EinflussfaktorenDie Suche nach auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt, von 23 wicklungenEinflussfaktorenPrimary investment war wiederholt locations auf (TopImmobilienmarktent Gegenstand 7) der-rage dassJahren size of eine wurderents Veränderung as inwell dieser as their der Arbeit dynamism. Kaufpreise aufgezeigt, für immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine derAt presentHäuserdass eine the nur apartment Veränderung in begrenztem rent derbased Umfang Kaufpreise on the von der für average value for all seven cities is a little over VielzahlimmobilienökonomischenThe primary von investment Forschungsarbeiten locations, Forschung. here widmeteas the Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der Top 7, lead the way in terms of both the ave- 12.00 EUR/m2. sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 26 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

WieOn average zu sehen the residential ist, verläuft rents die have Entwicklung increa- the Datenrents rose und by Schnittstellennearly 14% (2.6% abzubilden. p.a.) from Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.sed by nearly 4.3%Nach undfrom zehn 2017 JahrenPrognose to 2018 lagen alone. einige von2013 wenn to Wohnungsmieten 2018, manuelle while in Einschätzungen Berlin the figure bei was– Immo- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- StandorteIn the medium noch term nahezu since auf 2013 ihrem the Ausgangsaverage -40.5%bilieninvestments (7.0% p.a.). The capital stets of notwendig Germany also bleiben, Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,growth has während been more die Spitzenreiterthan wesentlicher 25%, which über cor 60 %- posted so Einflussfaktoren solltenthe highest sich aufwendigepercentage Prozesseincrease in der Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegenresponds konnten.to an annual Dabei increase variiert (geometricdie Dynamik each tenverarbeitung of the periods considered. wie Kennzahlenberechnung, In the longer- mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimmean) betrachteten of 4.5%. Korrelationsanalyse Continuous Zeitraum. growthIn den erstencan also Jah -termTrendextrapolation, comparison since 2008 Sortierung the gap in und terms Filterung renimThebe betrachteten observedlagen Range zahlreiche here Zeitraum. even Städte of in theIn Residentialeher denlonger im ersten Mittelfeld, term. Jah -of rent dochTrendextrapolation,Market growth zukünftig to the Yields weitgehendbottom Sortierung of the automatisieren undtable Filterungin renSinceThe lagen 2008 Range zahlreiche the rents haveStädte of increased Residentialeher im by Mittelfeld, more this dochperiodMarket zukünftig(Cologne) Yields is weitgehend nearly 50 percentage automatisieren die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige diethan später 50% in dann total, sehr by 4.1% hohe p.a. Mietpreiszuwächse therefore. points lassen, – rents was in Berlin entsprechend grew twice as allgemeingültige fast each aufwiesen und dadurchAsindIn Zeitendifferentiated am leistungsfähige Endehoher desMarktdynamik Zeit Systeme analysis- Erklärungs- derund Analyse steigenderof cities, und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwiesenAt the same und time dadurch there are am considerable Ende des dif Zeit- -yearErklärungs- from 2008 to und 2018 Prognosemodelle as they did in the meterfordert.- raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raumsferences ganz between vorn lagenthe individual – beispielsweise cities in the die inropolis on the Rhine. In contrast, Munich heads der Grafik enthalteneinfluencingdabeistützung Stadt insbesondere Berlin. unverzichtbar. factors an Das den Immobilien-Ein and Themen erster resulting Informationserhebung, wesentlicherund Markt-Research clusters Schritt arbeitet inKenn der- Ent- cluster. The band-widthinfluencing of rents between factors the the rankingand resulting for rents unchallenged clusters the whole der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent undmost expensive city (Munich)zahlenbewertung and the cheapest und Potenzialeinschätzung.time, with rents increasing Entscheidend by 4.17 EUR/m ist dabei2 sin- In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- city (Dusseldorf) is currentlyResidentialdie Kenntnis at 6.97 property vonEUR/m Einflussfaktoren, has2. becomece 2013 increasingly alone. in Bezug expensive auf aufin recent immobilienwirt years.- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- The rates of increase Thisalsoschaftliche developmentdiffer. In Zielgrößen. Hamburg was very Die different vorliegende when Studiecomparing zeigt locations, Methoden howe und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf ver.Ergebnisse Future investments einer solchen can Parameteranalyse, be better planned bezogen and decided auf die upon Zielgröße if both istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- theMarktmiete. ranges of Die housing Datengrundlage market yields berücksichtigt and the factors die thatWohnungsmärkte contribute to Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- betterDeutschlands or worse in results Städten are abknown. 70.000 This Einwohnern. study examines the yield range as AutomobilindustrieRENT inwell Wolfsburg. as the contributing In anderen factors marketriablenRENT size, konzentrieren. GROWTHregion, rent level Die and Komplexität economic und Städten und auch well über as diethe contributing Gesamtmenge factors marketStöranfälligkeit size, region, desrent level Gesamtmodells and economic wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinweg(Top7) liegt dies jedoch nicht unmittelbar durch sparsame Parametrisierung2017- ebenfalls 2008 2013 momentum2017 2018 as parameters.2008-2018 The data basis takes2013-2018 into account Germany‘s hinwegPRIMARY liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. 2018 ebenfalls auf der Hand. Erklärungenhousing markets qualitativer in cities Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete sindauf der ohnehin Hand. kaum Erklärungen dafür geeignet, qualitativer Prozes Art- Parameterbegrenzt. Als und Auswahlkriterien Daten spielen derfür verwendetestatistische sind ohnehin8.10 9.67 kaum dafür11.60 geeignet,12.09 total Prozes +50.33 %- (+3.98Parameter €/m2) total und+25.13 Daten% (+2.42 €spielen/m2) p.a. der +4.28 statistische % se der€ /m Marktauswahl,2 €/m2 € /m der2 Risikoanalyse€/m2 p.a. +4.11 und % (+0.40 und €/m2 )fachliche p.a. +4.55 Erklärungsgehalt % (+0.48 €/m2) (+0.49 für € /mdie2) abhän- Mean desse der Portfoliomanagements Marktauswahl, der Risikoanalyse zu standardi und- gigeund fachliche Zielgröße Erklärungsgehalt sowie die Modellperformance für die abhän- sierendes Portfoliomanagements und damit im Rahmen zu der standardi aktuellen- einegige Rolle. Zielgröße sowie die Modellperformance sieren Munich und damitMunich imMunich Rahmen Munich der aktuellenBerlin eine Rolle. Berlin Berlin Digitalisierungsansätze10.93 12.90 16.37 durch17.07 Algorithmen,total +85.42 % (+4.71 €/m2) total +40.47 % (+2.95 €/m2) p.a. +8.40 % DigitalisierungsansätzeMax. €/m2 €/m2 €/m 2 durch€/m 2 Algorithmen,p.a. +6.37 % (+0.47 €/m2) p.a. +7.03 % (+0.59 €/m2) (+0.79 €/m2)

Berlin Berlin Berlin Dusseld. Cologne Hamburg Dusseldorf 02 | Erkenntnisse5.52 7.28 bisheriger9.44 10.10 Studientotal +36.17zu Einflussfaktoren % (+2.83 €/m2) total +13.89 auf Wohnungsmieten% (+1.35 €/m2) p.a. -2.34 % 02 Min. | Erkenntnisse€/m2 €/m2 bisheriger€/m2 € /mStudien2 p.a. +3.14zu Einflussfaktoren % (+0.28 €/m2) p.a. +2.64 auf % Wohnungsmieten (+0.27 €/m2) (-0.24 €/m2) Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe Im Rahmen5.41 dieser5.62 Studie6.93 werden6.97 beispiel-49.25 pp schaftlichen Zielgrößen.26.57 pp Eine andere Gruppe haft verschiedene2 2 Einflussfaktoren2 2 in Bezug bilden konzeptionelle Arbeiten, beispielsweise

Min. /m /m /m /m p.a. 3.23 pp p.a. 4.40 pp p.a. 10.74 pp

Max.- € € € € aufhaft verschiedeneWohnungsmieten Einflussfaktoren im Neubausegment in Bezug zurbilden statistisch-ökonometrischen konzeptionelle Arbeiten, beispielsweise Fundierung auf Wohnungsmieten im Neubausegment zur statistisch-ökonometrischen Fundierung analysiert.Fig. 3: Development Die residential Auswahl rents – primary potenziell investment relevanter locations (Top 7), vonvarious spezifischen periods Prognosemodellen. Auf einige Faktorenanalysiert.Source: F+B GmbH; leitet Die own Auswahlsich calculation u. a. potenziell aus bisherigen relevanter For- interessantevon spezifischen Beispiele Prognosemodellen. soll im Folgenden Auf einige kurz schungsarbeitenFaktoren leitet sich im u. internationalen a. aus bisherigen Immo- For- verwieseninteressante werden. Beispiele soll im Folgenden kurz bilienmarkt-Researchschungsarbeiten im internationalenab. Über Ausschluss Immo-- verwiesen werden. bilienmarkt-ResearchSecondary investment locations ab. Über Ausschluss-the Top 7, by approx. 19 percentage points. In kriterien und Datenreihentests wird diesethe Dieshort-term langfristige comparison, Beziehung in contrast, zwischen there der kriterien(>= 200,000 und inhabitants, Datenreihentests excl. Top 7) wird diese Die langfristige Beziehung zwischen der dann schrittweise reduziert. Ziel ist eine Listeis scarcelyEntwicklung any difference von Hauspreisen, (4.3% in the Pro-Kopf-Ein prima- - dann schrittweise reduziert. Ziel ist eine Liste Entwicklung von Hauspreisen, Pro-Kopf-Ein- relevanterThe secondary Einflussfaktoren investment locations auf die differ Entwick -ry cluster,kommen, 3.9% in Bevölkerungthe secondary cluster). und The weiteren relevanter Einflussfaktoren auf die Entwick- kommen, Bevölkerung und weiteren lungconsiderably der Wohnungsmieten, from the Top 7. The die average eine fachliche rent slight Fundamentalgrößen difference of just 0.4 warpercentage Gegenstand points einer lung der Wohnungsmieten, die eine fachliche Fundamentalgrößen war Gegenstand einer Grundlageis currently 4.37für die EUR/m weitere2 lower, Modellierung at 7.72 EUR/m schafft.2. meansStudie a largely von Gallinsimilar (2003).dynamism. Unter Verwendung Grundlage für die weitere Modellierung schafft. Studie von Gallin (2003). Unter Verwendung In Chemnitz, the cheapest city in the cluster, Thevon secondary Daten fürcluster 95 Metropolregionen is extremely hetero der- Ver- von Daten für 95 Metropolregionen der Ver- Diethe rent Suche is just under nach 30% und compared Bewertung to the le- vongeneous, einigten with Staaten the cities über displaying einen Zeitraum some ma -von 23 EinflussfaktorenDievel in Munich. Suche nach auf und BewertungImmobilienmarktent von-jor Jahreneinigtendifferences. wurdeStaaten The ingap über dieser between einen Arbeit Zeitraum the aufgezeigt,most von 23 wicklungenEinflussfaktorenIn a growth comparison war wiederholt auf it is necessary Immobilienmarktent Gegenstand to dif - der-expensive dassJahren einelocation, wurde Veränderung Freiburg in dieser i. derB., Arbeit which Kaufpreise aufgezeigt, sur- für immobilienökonomischenwicklungenferentiate between war wiederholt the periods Forschung. Gegenstandconsidered. In Eine der passes Häuserdass some eine nur of Veränderungthe in begrenztemTop 7 cities derwith Umfang Kaufpreisea rent of von der für 2 Vielzahlimmobilienökonomischenthe longer-term von Forschungsarbeitenmean from 2008 Forschung. to 2018 widmete the Eine 11.64 EntwicklungHäuser EUR/m nur, and in derthe begrenztem cheapest, betrachteten Chemnitz, Umfang Kennzahlen, vonis der 2 sichVielzahlsecondary in den von locations letzten Forschungsarbeiten lag Jahren a long der way empirischen, behind widmete 6.69 insbesondereEntwicklung EUR/m . The growth der dem betrachteten differences Einkommen, are Kennzahlen, also abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 27 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wiegreater zu than sehen in the ist, Top verläuft 7. In the die ten- Entwicklung and fi- almost Daten bordering und Schnittstellen on stagnation. abzubilden. Augsburg, Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.ve-year periods Nach Augsburg und zehn JahrenisPrognose at the lagen top andeinige vonHanover, wenn Wohnungsmieten Braunschweig manuelle Einschätzungen and Kassel stand bei –out Immo- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- StandorteChemnitz at noch the bottom nahezu of auf the ihrem cluster Ausgangs in both -positively.bilieninvestments Here the rents stets have notwendig increased by bleiben, Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,cases. The während resulting die growth Spitzenreiter wesentlicher bandwidths über are 51 60 % more so Einflussfaktoren than sollten 50% sichsince aufwendige 2008. In contrast, Prozesse along der- Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegen(10 years) konnten. and 31 (5 Dabeiyears) variiertpercentage die points,Dynamik side tenverarbeitung bottom-of-the-table wie Chemnitz, Kennzahlenberechnung, western mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimrespectively, betrachteten andKorrelationsanalyse Zeitraum.somewhat In larger den erstenthan inJah -GermanTrendextrapolation, cities such as SortierungMonchengladbach, und Filterung renimThethe betrachtetenprimarylagen Range zahlreiche cluster. Zeitraum. All Städte inof all theIn Residentialeher den 33 im cities ersten Mittelfeld, that Jah -Oberhausen dochTrendextrapolation,Market zukünftig and Wuppertal Yields weitgehend Sortierung have growth automatisieren und ra Filterung- renhaveThe lagen been Range zahlreicheexamined inStädte ofthe secondary Residentialeher im Mittelfeld, cluster tes dochofMarket a mere zukünftig 15% andYields weitgehend less. Differing automatisieren funda- die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige dieare späternot particularly dann sehr homogeneous. hohe Mietpreiszuwächse Some ci- mental lassen, data wasundoubtedly entsprechend play a role; allgemeingültige this will aufwiesen und dadurchAsindIn Zeitendifferentiated am leistungsfähige Endehoher desMarktdynamik Zeit Systeme analysis- Erklärungs- derund Analyse steigenderof cities, und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwiesenties with a clear und increase dadurch in rents am Endecontrast des with Zeit -be examinedErklärungs- later und in thePrognosemodelle study. erfordert. raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raumsother cities ganz that vorn have lagen influencingmorestützung – beispielsweise restrained unverzichtbar. growth factors die in Das Immobilien-and resulting und Markt-Research clusters arbeitet der Grafik enthalteneinfluencingdabei Stadt insbesondere Berlin. factors an den Ein and Themen erster resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent- der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- zahlenbewertung und Potenzialeinschätzung. Entscheidend ist dabei In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- Residentialdie Kenntnis property von Einflussfaktoren, has become increasingly in Bezug expensive auf aufin recent immobilienwirt years.- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- Thisschaftliche development Zielgrößen. was very Die different vorliegende when Studiecomparing zeigt locations, Methoden howe und- Entwicklungteilweise Besonderheiten begründenRENTver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung betterRENT planned aufbauendenrelevanter GROWTH bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf ver.Ergebnisse Future investments einer solchen can Parameteranalyse, be better planned bezogen and decided auf die upon Zielgröße if both istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- theMarktmiete. ranges of Die housing Datengrundlage market yields berücksichtigt and the factors die thatWohnungsmärkte contribute to Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- betterDeutschlands or worse in results Städten are abknown. 70.000 This Einwohnern. study examines the yield range as

SECONDARY 2017- Automobilindustrie2008 2013 inwell2017 Wolfsburg. as the2018 contributing In anderen2008-2018 factors marketriablen size, konzentrieren. region,2013-2018 rent level Die and Komplexität economic und Städten und auch well über as diethe contributing Gesamtmenge factors marketStöranfälligkeit size, region, desrent level Gesamtmodells and economic2018 wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinweg 7) Top excl. (>=200k inhab., liegt dies jedochmomentum nicht as unmittelbarparameters. Thedurch data basis sparsame takes into Parametrisierung account Germany‘s ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls auf der5.84 Hand.6.45 Erklärungenhousing7.42 markets 7.72 qualitativertotal in cities +31.55 Art with% (+1.88 abegrenzt. €population/m2) total Als +19.43 in Auswahlkriterien excess % (+1.26 of € /m75,000.2) p.a. für +3.90 verwendete % €/m2 €/m2 €/m2 €/m2 p.a. +2.74 % (+0.19 /m2) p.a. +3.59 % (+0.25 /m2) (+0.29 €/m2) sindaufMean der ohnehin Hand. kaum Erklärungen dafür geeignet, qualitativer Prozes Art- Parameterbegrenzt.€ Als und Auswahlkriterien Daten €spielen derfür verwendetestatistische sind ohnehin kaum dafür geeignet, Prozes- Parameter und Daten spielen der statistische se derMainz Marktauswahl,Freib. i.B. Freib. der i.B. RisikoanalyseFreib. i.B. Augsburg und und fachliche AugsburgErklärungsgehalt Hanover für die abhän- se der 8.16 Marktauswahl,9.96 11.49 der Risikoanalyse11.64 total+57.52 und % (+3.68 und €/m 2fachliche) total+35.41 Erklärungsgehalt % (+2.63 €/m2) p.a. für+8.78 die % abhän- desMax. Portfoliomanagements €/m2 €/m2 €/m2 €/m zu2 standardip.a. +4.65 % -(+0.37gige €/m2) Zielgrößep.a. +6.25 % sowie (+0.53 € die/m2) Modellperformance(+0.72 €/m2) sierendes Portfoliomanagements und damit im Rahmen zu der standardi aktuellen- einegige Rolle. Zielgröße sowie die Modellperformance sierenChemnitz und damitChemnitz imChemnitz RahmenChemnitz der aktuellenChemnitz eine Rolle. Chemnitz Chemnitz Digitalisierungsansätze4.65 4.75 4.93 durch4.95 Algorithmen,total +6.43 % (+0.30 €/m2) total +4.21 % (+0.20 €/m2) p.a. +0.35 % DigitalisierungsansätzeMin. €/m2 €/m2 €/m 2 durch€/m 2 Algorithmen,p.a. +0.63 % (+0.03 €/m2) p.a. +0.83 % (+0.04 €/m2) (+0.02 €/m2)

3.51 5.21 6.56 6.69 51.09 pp 31.19 pp 2 2 2 2

Min. /m /m /m /m p.a. 4.02 pp p.a. 5.42 pp p.a. 8.43 pp

Max.- € € € € 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten Fig. 4: Development residential rents – secondary investment locations (cities with more than 200,000 inhabitants, excl. Top 7), Imvarious Rahmen periods dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe Source: F+B GmbH; own calculation haftIm Rahmen verschiedene dieser Einflussfaktoren Studie werden beispiel-in Bezug bildenschaftlichen konzeptionelle Zielgrößen. Arbeiten, Eine andere beispielsweise Gruppe aufhaft verschiedeneWohnungsmieten Einflussfaktoren im Neubausegment in Bezug zurbilden statistisch-ökonometrischen konzeptionelle Arbeiten, beispielsweise Fundierung auf Wohnungsmieten im Neubausegment zur statistisch-ökonometrischen Fundierung analysiert. Die Auswahl potenziell relevanterstrongest von spezifischen growth, +26.6% Prognosemodellen. (+4.8% p.a.). Over Auf einige analysiert.Tertiary investment Die Auswahl locations potenziell relevanter von spezifischen Prognosemodellen. Auf einige Faktoren(< 200,000 leitet inhabitants) sich u. a. aus bisherigen For-the interessantepast year the Beispiele leader sollis Heidelberg. im Folgenden A kurz Faktoren leitet sich u. a. aus bisherigen For- interessante Beispiele soll im Folgenden kurz schungsarbeiten im internationalen Immo-rent verwiesen increase of werden. 1.22 EUR/m2 corresponds to schungsarbeiten im internationalen Immo- verwiesen werden. bilienmarkt-ResearchWhile not always focused ab. on by Über investors, Ausschluss the -a growth rate of 12% and is thus higher than bilienmarkt-Research ab. Über Ausschluss- kriterientertiary locations und Datenreihentests are nevertheless ofwird interest. diese for theDie frontrunners langfristige in the Beziehung two other zwischenclusters, der kriterien und Datenreihentests wird diese Die langfristige Beziehung zwischen der dannIn this schrittweisestudy this group reduziert. encompasses Ziel ist 20 eine cities Liste Berlin Entwicklung and Hanover. von Alongside Hauspreisen, Heidelberg Pro-Kopf-Ein it - relevanterdanneach withschrittweise fewer Einflussfaktoren than reduziert. 200,000 Zielinhabitants. auf ist dieeine ListeEntwick-was kommen,Entwicklung above all Osnabrück Bevölkerungvon Hauspreisen, and Ulm, undeach Pro-Kopf-Ein with weiteren - lungrelevanterRelatively der highWohnungsmieten, Einflussfaktoren rents are to be seen die auf ineine Heidelberg die fachliche Entwick -growth Fundamentalgrößenkommen, rates of more Bevölkerung than 8% war in the Gegenstand und past year, weiteren einer Grundlagelung(highest der rent),Wohnungsmieten, für dieIngolstadt, weitere Modellierung Ulm, die eineDarmstadt, fachliche schafft. which StudieFundamentalgrößen posted von an Gallin extraordinary (2003). war Unterdevelopment Gegenstand Verwendung einer GrundlageRegensburg, für Offenbach die weitere a. Modellierung M., Erlangen schafft.and in termsvonStudie Datenof vonrents. fürGallin Saarbrücken 95 (2003).Metropolregionen isUnter the only Verwendung loder- Ver- cation in the cluster for which a downturn in DieWurzburg. Suche Rents nach above undthe ten-euro Bewertung level are von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver 23- realistic here. rents can be seen in a year-on-year compa- EinflussfaktorenDie Suche nach auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt, von 23 The leading cities for rent growth vary de- rison. In addition to Saarbrücken and Jena, wicklungenEinflussfaktoren war wiederholt auf Immobilienmarktent Gegenstand der- dassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für pending on the time horizon. Over ten years which showed the weakest dynamism in the immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für Wolfsburg leads the way with +60.8% (+4.9% two other periods, Cottbus, Leverkusen and Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der p.a.). Over five years Osnabrück posted the Schwerin were, for example, locations with sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 28 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wiemoderate zu sehen growth ist, in rents verläuft over the die periods Entwicklung ob- growth Daten in the und tertiary Schnittstellen cluster was abzubilden.higher than Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.served. In Jena, Nach where und zehn rents Jahren havePrognose more lagen or lesseinige vonin thewenn Wohnungsmietentwo manuelle other clusters, Einschätzungen however. On bei –the Immo- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- Standortestagnated sincenoch 2013, nahezu there auf has ihrem at least Ausgangs been -wholebilieninvestments the development stetsof the tertiary notwendig cluster bleiben, Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,more dynamism während in diethe past Spitzenreiter wesentlicher year (+4.3%). über 60 %has so beenEinflussfaktoren sollten more sichhomogeneous aufwendige than Prozesse that of the der Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegenOn average konnten. across Dabei all the variiert locations die Dynamikin the secondary tenverarbeitung cluster. Here wie too, Kennzahlenberechnung, it is interesting to mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimcluster betrachteten the dynamism Korrelationsanalyse Zeitraum. has beenIn den somewhat ersten Jah -see Trendextrapolation,which potential parameters Sortierung drive undthe de Filterung- renimThegreater betrachteten lagen overRange zahlreiche ten yearsZeitraum. Städte ofand somewhatIn Residentialeher den im ersten Mittelfeld, lower Jah -velopment dochTrendextrapolation,Market zukünftigof rents. Yields weitgehend Sortierung automatisieren und Filterung renoverThe lagen five yearsRange zahlreiche in comparison Städte of Residential eherwith theim Mittelfeld, secon- dochMarket zukünftig Yields weitgehend automatisieren die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige diedary später locations. dann In sehr the shorthohe termMietpreiszuwächse the average lassen, was entsprechend allgemeingültige aufwiesen und dadurchsindIn Zeiten am leistungsfähige Endehoher desMarktdynamik Zeit Systeme- Erklärungs- derund Analysesteigender und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwiesen und dadurchA differentiated am Ende des Zeit analysis- Erklärungs- of cities, und Prognosemodelle erfordert. raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raums ganz vorn lageninfluencingstützung – beispielsweise unverzichtbar. factors die in Das Immobilien-and resulting und Markt-Research clusters arbeitet der Grafik enthalteneinfluencingdabei Stadt insbesondere Berlin. factors an den Ein and Themen erster resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent- der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- RENTzahlenbewertung und Potenzialeinschätzung.RENT GROWTH Entscheidend ist dabei In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- Residentialdie Kenntnis property von Einflussfaktoren, has become increasingly in Bezug expensive auf aufin recent immobilienwirt years.- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- teilweise BesonderheitenThisschaftliche development erkennbar, Zielgrößen. was die very die Die different vorliegendebung when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden howe und- Die TERTIARY ver.Ergebnisse Future investments einer solchen can Parameteranalyse, be better planned bezogen and decided auf die upon Zielgröße2017- if both Entwicklung(<200k inhab.) 2008 begründen2013 2017 können.2018 Ein Beispiel2008-2018 darauf aufbauenden2013-2018 Modelle sollen sich auf ver.Ergebnisse Future investments einer solchen can Parameteranalyse, be better planned bezogen and decided auf die upon Zielgröße2018 if both istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- theMarktmiete. ranges of Die housing Datengrundlage market yields berücksichtigt and the factors die thatWohnungsmärkte contribute to Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- Deutschlands in Städten ab 70.0002 Einwohnern. 2 Automobilindustrie6.48 7.40 inwellbetter8.35 Wolfsburg. as orthe worse8.74 contributing Inresultstotal anderen +34.84 arefactors % known. (+2.26 marketriablen €/m This) size, studytotal konzentrieren. region, +17.90 examines % rent(+1.34 level €the/m Die) andyield Komplexitätp.a. economic range +4.43 % as und Städten€/m und2 € auch/m2 über€/m2 die€ /m Gesamtmenge2 p.a. +3.00 % (+0.23 Störanfälligkeit €/m2) p.a. +3.59 % (+0.25 des €/m Gesamtmodells2) (+0.39 €/m2) wird Mean momentumwell as the contributing as parameters. factors The market data basis size, region,takes into rent accountlevel and Germany‘s economic hinwegStädten liegt und diesauch jedoch über die nicht Gesamtmenge unmittelbar durchStöranfälligkeit sparsame des Parametrisierung Gesamtmodells ebenfalls wird housingmomentum markets as parameters. in cities with The a datapopulation basis takes in excess into ofaccount 75,000. Germany‘s aufhinweg derHeidelb. liegt Hand. Heidelb. dies Erklärungen jedochIngolst. nichtHeidelb. qualitativer unmittelbar Wolfsburg Art begrenzt.durch sparsame Als OsnabrückAuswahlkriterien Parametrisierung Heidelberg für verwendete ebenfalls 8.91 9.38 housing10.79 markets11.29 total+60.81 in cities %with (+3.23 a population€/m2) total+26.65 in excess % (+1.63 of € /m75,000.2) p.a. +12.07 % aufMax. der Hand. Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sind ohnehin€/m2 € kaum/m2 dafür€/m2 geeignet,€/m2 p.a. Prozes +4.87 % -(+0.32Parameter €/m2) p.a. +4.84und %Daten (+0.33 €spielen/m2) (+1.22 der € /mstatistische2) sesind der ohnehin Marktauswahl, kaum dafür der Risikoanalyse geeignet, Prozes und- undParameter fachliche und Erklärungsgehalt Daten spielen der für statistischedie abhän- se derCottbus Marktauswahl,Cottbus Cottbus der RisikoanalyseCottbus undJena und fachliche ErklärungsgehaltJena Saarbrücken für die abhän- des Portfoliomanagements4.74 5.00 5.66 5.73 zu standarditotal +18.77 %- (+1.28gige €/m2 ) Zielgrößetotal +0.22 sowie% (+0.02 die€/m2 ) Modellperformancep.a. -0.60 % Min. /m2 /m2 /m2 /m2 p.a. +1.74 % (+0.13 /m2) p.a. +0.04 % (+0.00 /m2) (-0.04 /m2) sierendes Portfoliomanagements€ und damit€ im € Rahmen € zu der standardi aktuellen- einegige€ Rolle. Zielgröße sowie € die Modellperformance€ sieren und damit im Rahmen der aktuellen eine Rolle. Digitalisierungsansätze4.17 4.38 5.13 durch5.56 Algorithmen,42.04 pp 26.43 pp 2 2 2 2

Min. /m /m /m /m p.a. 3.13 pp p.a. 4.79 pp p.a. 12.67 pp DigitalisierungsansätzeMax.- € € € durch€ Algorithmen,

Fig. 5: Development residential rents – tertiary investment locations (selected cities with less than 200,000 inhabitants), various periods 02Source: | Erkenntnisse F+B GmbH; own calculation bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe haftIm Rahmen verschiedene dieser Einflussfaktoren Studie werden beispiel-in Bezug bildenschaftlichen konzeptionelle Zielgrößen. Arbeiten, Eine andere beispielsweise Gruppe 3. Dynamism of the market-related environment vs. development of rents aufhaft verschiedeneWohnungsmieten Einflussfaktoren im Neubausegment in Bezug zurbilden statistisch-ökonometrischen konzeptionelle Arbeiten, beispielsweise Fundierung aufanalysiert. Wohnungsmieten Die Auswahl im potenziell Neubausegment relevanter vonzur spezifischen statistisch-ökonometrischen Prognosemodellen. Fundierung Auf einige analysiert.Questions relating Die Auswahl to adequate potenziell availability relevanter with von less spezifischen risk – is gaining Prognosemodellen. in importance. The Auf einige Faktorenand a further leitet increase sich u. in a.the aus cost bisherigen of housing For- decisive interessante factors are Beispiele location-related soll im Folgenden demand kurz Faktoren leitet sich u. a. aus bisherigen For- interessante Beispiele soll im Folgenden kurz schungsarbeitenare being discussed im by a internationalen wide audience with Immo- and verwiesen supply parameters, werden. from which state- schungsarbeiten im internationalen Immo- verwiesen werden. bilienmarkt-Researchregard from a regional economic ab. Über and Ausschluss a socio- -ments on the stability of the local housing bilienmarkt-Research ab. Über Ausschluss- kriterienpolitical stance, und and Datenreihentests in part are the subject wird dieseof market Die are langfristige to be derived. Beziehung zwischen der kriterien und Datenreihentests wird diese Die langfristige Beziehung zwischen der dannsome schrittweisecontroversy. Yetreduziert. investors Ziel and ist lenderseine Liste Residential Entwicklung rents do von not Hauspreisen, come about byPro-Kopf-Ein chan- - dann schrittweise reduziert. Ziel ist eine Liste Entwicklung von Hauspreisen, Pro-Kopf-Ein- relevanterlikewise do Einflussfaktorennot view the increases auf as diemerely Entwick -ce, andkommen, the corresponding Bevölkerung rental markets und are weiteren relevanter Einflussfaktoren auf die Entwick- kommen, Bevölkerung und weiteren lungbeing der positive. Wohnungsmieten, Intervention at die housing eine fachlichepolicy also Fundamentalgrößen not self-contained. Rather war prices Gegenstand (rents, einer Grundlagelunglevel –der with Wohnungsmieten, fürvarious die weitere restrictions Modellierung die on eine prices, fachliche schafft. fit- purchase StudieFundamentalgrößen prices) von Gallin and amounts(2003). war (areas,Unter Gegenstand Verwendungapart- einer Grundlageout, contractual für die parameters weitere Modellierung etc. – is increa schafft.- ments)vonStudie areDaten von dependent fürGallin 95 (2003).Metropolregionen on supply Unter and Verwendung de der- Ver- Diesingly Suchebeing felt, nach the possible und downturn Bewertung of the von mand. einigtenvon Both Daten parameters Staaten für 95 über Metropolregionen are ineinen turn dependentZeitraum der von Ver 23- EinflussfaktorenDiecurrent Suche economic nach cycle auf und is leading BewertungImmobilienmarktent to greater von -on precedingJahreneinigten wurdeStaaten factors. in über Socio-economic dieser einen Arbeit Zeitraum para aufgezeigt, -von 23 wicklungenEinflussfaktorenrisks with a simultaneous war wiederholt auf stagnation Immobilienmarktent Gegenstand in yields. der -meters dassJahren for eine population wurde Veränderung in and dieser income der Arbeit Kaufpreisedevelop aufgezeigt,- für A focus on locations which are sustainable ment and for the general economic situaton immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für from a socio-economic stance and which dis- (e.g. labour market, industry structure) are of Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der play stable prices – and are thus associated particular importance here. It is interesting to sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 29 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wiesee whether zu sehen parameters ist, verläuft display die a Entwicklung constant te transferDaten payments und Schnittstellen (e.g. family). abzubilden.Thus any in- Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.development orNach develop und zehn JahrendifferentlyPrognose lagen in theeinige voncrease wenn Wohnungsmietenin the manuelle number of Einschätzungen inhabitants ultimately bei– Immo- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- Standortecourse of time noch and nahezu in the clustersauf ihrem (dynamism, Ausgangs -leadsbilieninvestments to a change in demand stets for notwendig housing – also bleiben, Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,homogeneity), während within die the Spitzenreiter parameterswesentlicher überchange 60 % in termsso Einflussfaktoren sollten of area sichand volumes, aufwendige as well Prozesse as the wil der- Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegenparallel to konnten. rents (rates Dabei of change,variiert timedie Dynamik lags), lingness tenverarbeitung and ability to pay wie for Kennzahlenberechnung, such housing. mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimand betrachteten whether relationshipsKorrelationsanalyse Zeitraum. are In denclear ersten or only Jah -In termsTrendextrapolation, of volumes and Sortierungareas the vacancies und Filterung renimTheidentifiable betrachteten lagen Range zahlreiche to a lesser Zeitraum. Städte degreeof In Residentialeher (correlation). den im ersten Mittelfeld, Jah-have dochTrendextrapolation, Marketbeen zukünftigmore or less Yields weitgehend eradicated, Sortierung and automatisieren und espe Filterung- renThe lagen Range zahlreiche Städte of Residentialeher im Mittelfeld,cially dochMarket in the zukünftig larger cities, Yields weitgehend where there automatisieren is very die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige die später dann sehr hohe Mietpreiszuwächselittle lassen, in the wasway of entsprechend leasing reserves. allgemeingültige If one aufwiesenIs there a correlation und dadurch AbetweensindIn Zeitendifferentiated am leistungsfähige Endehoher desMarktdynamik Zeit Systeme analysis- Erklärungs- derund Analyse steigenderof cities, und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwiesen und dadurch am Ende des Zeit-looksErklärungs- at the aggregate und Prognosemodelle figures for Germany erfordert. as raumsthe development ganz vorn oflagen rentsAsindstützung –differentiated andbeispielsweise leistungsfähige the unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raums ganz vorn lagen – beispielsweise die ina whole the general tendency is towards shor- dernumber Grafik of inhabitants?enthalteneinfluencingdabeistützung Stadt insbesondere Berlin. unverzichtbar. factors an Das den Immobilien-Ein and Themen erster resulting Informationserhebung, wesentlicherund Markt-Research clusters Schritt arbeitet inKenn der- Ent- influencing factorstages. and Although resulting in the longer clusters term there has der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- The development of thezahlenbewertung number of inhabi und- Potenzialeinschätzung.been a natural decline Entscheidend in the population ist dabei for In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- tants is – in conjunctionResidentialdie with Kenntnis other property demand- von Einflussfaktoren, has becomesome time increasingly nowin Bezug(more expensive deaths auf auf inthan recent births),immobilienwirt years. in- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- related factors such Thisasschaftliche household development Zielgrößen. size was and very Diethe different vorliegendeyears since when 2011 Studiecomparing this zeigthas locations,been Methoden more howe than und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf purchasing power – thever.Ergebnisse Futureessential investments einer driver solchen for can Parameteranalyse,compensated be better planned for by bezogen and the decided high auf level die upon ofZielgröße ifmigra both- istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- the housing markets. theEvenMarktmiete. ranges with lowof Die housing incomes Datengrundlage market tion yieldsfrom berücksichtigt abroad. and the The factors current die thatWohnungsmärkte level contribute of housing to Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- (e.g. students, unemployedDeutschlands persons) inpopula Städten- abconstruction, 70.000 Einwohnern. which is by all means leading to Automobilindustrie inwellbetter Wolfsburg. as orthe worse contributing Inresults anderen arefactors known. marketriablen This size, study konzentrieren. region, examines rent level the Die andyield Komplexität economic range as und Städtention growth und regularly auch well überleads as dietothe an contributing Gesamtmenge increase in factors an annualmarketStöranfälligkeit increase size, region, in housing desrent level Gesamtmodells stock, and economiccan scar- wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinwegthe total liegtavailable dies budget jedochmomentum for nicht rent as payments unmittelbarparameters. cely Thedurch makedata basisup sparsame for takes the intoexcess Parametrisierung account demand. Germany‘s This ebenfallsis hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls aufat a location. der Hand. This Erklärungen canhousing be explained markets qualitativer not in leastcities Art withdue abegrenzt. notpopulation least Alsof in all Auswahlkriterien excess to the of regional 75,000. fürdistribu verwendete- auf der Hand. Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sindof all ohnehinby state support kaum dafürfor target geeignet, groups Prozeswith -tionParameter of construction und Datenactivity spielen and the der ongoing statistische sind ohnehin kaum dafür geeignet, Prozes- Parameter und Daten spielen der statistische selow der incomes Marktauswahl, (e.g. housing der benefit) Risikoanalyse and priva - undtrend und towards fachliche smaller Erklärungsgehalt households. für die abhän- desse der Portfoliomanagements Marktauswahl, der Risikoanalyse zu standardi und- gigeund fachliche Zielgröße Erklärungsgehalt sowie die Modellperformance für die abhän- sierendes Portfoliomanagements und damit im Rahmen zu der standardi aktuellen- einegige Rolle. Zielgröße sowie die Modellperformance Digitalisierungsansätzesieren und damit im Rahmen durch der Algorithmen, aktuellen eine Rolle. Digitalisierungsansätze8.0% durch Algorithmen, 1,200,000 residential rent Natural population index - new 7.0% 1,050,000 change construction (nominal) 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 026.0% | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten900,000 residential rent Migration index - existing Im5.0% Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere750,000 Gruppe balance stock (nominal) Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe haft4.0% verschiedene Einflussfaktoren in Bezug bilden konzeptionelle Arbeiten, 600,000 beispielsweise aufhaft verschiedeneWohnungsmieten Einflussfaktoren im Neubausegment in Bezug zurbilden statistisch-ökonometrischen konzeptionelle Arbeiten, beispielsweise Fundierung auf3.0% Wohnungsmieten im Neubausegment zur statistisch-ökonometrischen450,000 Fundierung Change in analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige housing stock analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige year-on-year Faktoren2.0% leitet sich u. a. aus bisherigen For- interessante Beispiele soll im Folgenden300,000 kurz Faktoren leitet sich u. a. aus bisherigen For- interessante Beispiele soll im Folgenden kurz schungsarbeiten1.0% im internationalen Immo- verwiesen werden. 150,000 bilienmarkt-Researchschungsarbeiten im internationalenab. Über Ausschluss Immo-- verwiesen werden. -0.0% 0 bilienmarkt-Researchkriterien und Datenreihentests ab. Über Ausschluss wird diese- Die langfristige Beziehung zwischen der kriterien und Datenreihentests wird diese Die langfristige Beziehung zwischen der -1.0%dann schrittweise reduziert. Ziel ist eine Liste Entwicklung von Hauspreisen, Pro-Kopf-Ein-150,000 - dann schrittweise reduziert. Ziel ist eine Liste Entwicklung von Hauspreisen, Pro-Kopf-Ein- -2.0%relevanter Einflussfaktoren auf die Entwick- kommen, Bevölkerung und-300,000 weiteren Index values – Change year-on-year values Index lungrelevanter der Wohnungsmieten, Einflussfaktoren die auf eine die fachliche Entwick- Fundamentalgrößenkommen, Bevölkerung war Gegenstand und weiteren einer change/ population / Natural balance Migration Change in housing stock year-on-year Grundlagelung der ‘01Wohnungsmieten, für‘02 die‘03 weitere‘04 ‘05 Modellierung ‘06die ‘07eine‘08 fachliche schafft.‘09 ‘10 ‘11StudieFundamentalgrößen‘12 ‘13 von‘14 Gallin‘15 ‘16 (2003).‘17 war‘18 Unter Gegenstand Verwendung einer Grundlage für die weitere Modellierung schafft. vonStudie Daten von fürGallin 95 (2003).Metropolregionen Unter Verwendung der Ver- Die Suche nach und Bewertung von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver 23- DieFig. 6: Development Suche indices nach for residential und rents Bewertung (change year-on-year, von base yeareinigten in each case Staaten 2000) and über housing einen stock (growth Zeitraum year-on- von 23 Einflussfaktorenyear), annual migration balance andauf natural populationImmobilienmarktent change (balance- for 2018Jahren provisional wurde result) – inGermany dieser Arbeit aufgezeigt, wicklungenEinflussfaktorenSources: bulwiengesa war AG, Federal wiederholt auf Statistical Office;Immobilienmarktent Gegenstand own calculation der and- illustrationdassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 102 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

WieBased zu on sehen the value ist, for verläuft Germany die as Entwicklung a whole cluster) Daten and und Cottbus Schnittstellen (tertiary locations abzubilden. clus- Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.(Fig. 6) the specific Nach und selectionzehn JahrenPrognose of 60 lagen German einige vonter) wenngrew Wohnungsmieten by manuelle a mere 0.4% Einschätzungen and 0.6%, respec bei– - Immo- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- Standortecities is considered noch nahezu below. auf Atihrem cluster Ausgangs and -tively.bilieninvestments The respective means stets for notwendig the clusters bleiben, Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,city level während the analysis die shows Spitzenreiter wesentlicher that population über 60 % also so differ.Einflussfaktoren sollten The sichmean aufwendige is highest – as Prozesse is proba der- Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegengrowth iskonnten. not fundamentally Dabei variiert restricted die Dynamik to bly tenverarbeitungto be expected – wiefor the Kennzahlenberechnung, primary invest- mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimthe betrachtetenTop 7. Although Korrelationsanalyse Zeitraum. Frankfurt In dena. M. ersten displays Jah -mentTrendextrapolation, locations. Assuming Sortierung an ongoing und trend Filterung renimTheconsiderable betrachteten lagen Range zahlreiche dynamism Zeitraum. Städte of (+7.4% In Residentialeher denin fiveim ersten Mittelfeld, years), Jah -with dochTrendextrapolation, Marketpopulation zukünftig development Yields weitgehend Sortierung and automatisieren undlimited Filterung renThegrowth lagen hasRange zahlreiche been even Städte ofgreater Residentialeher in imsecondary Mittelfeld, new doch Marketconstruction zukünftig options, Yields weitgehend the risk of automatisieren vacant die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige dieand später tertiary dann cities sehr such hohe as MietpreiszuwächseLeipzig (+10.6%) housing lassen, would was probably entsprechend be lowest allgemeingültige here. The aufwiesen und dadurchAsindIn Zeitendifferentiated am leistungsfähige Endehoher desMarktdynamik Zeit Systeme analysis- Erklärungs- derund Analyse steigenderof cities, und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwiesenand Potsdam und (+10.3%). dadurch On am the Ende other des hand, Zeit -meanErklärungs- population und growth Prognosemodelle of 4.8% for the erfordert. ter- raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raumswhile there ganz has vorn been lagen no population – beispielsweise shrinkage die intiary investment cluster is only half a percen- der Grafik enthalteneinfluencingdabeistützung Stadt insbesondere Berlin. unverzichtbar. factors an Das den Immobilien-Ein and Themen erster resulting Informationserhebung, wesentlicherund Markt-Research clusters Schritt arbeitet inKenn der- Ent- among the cities consideredinfluencing here, a number factors tage and point resulting lower than that clusters for the Top 7, and der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent undof secondary and tertiaryzahlenbewertung locations have und di- Potenzialeinschätzung.at the same time exceeds Entscheidend the mean ist for dabei the In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- splayed a significantly Residentiallowerdie Kenntnis population property von increa Einflussfaktoren, has- becomelarger secondaryincreasingly in Bezug investment expensive auf aufinmarkets recent immobilienwirt byyears. 1.5- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- se than the Top 7 locationThisschaftliche development with the Zielgrößen. weakest was very Diepercentage different vorliegende when points Studiecomparing (Fig. 7). zeigt locations, Methoden howe und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf growth in the past fivever. Ergebnisseyears, Future Dusseldorf. investments einer solchenCities can Parameteranalyse, be better planned bezogen and decided auf die upon Zielgröße if both istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- such as BraunschweigtheMarktmiete. (secondary ranges of Die housinglocations Datengrundlage market yields berücksichtigt and the factors die thatWohnungsmärkte contribute to Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- Deutschlands in Städten ab 70.000 Einwohnern. Automobilindustrie inwellbetter Wolfsburg. as orthe worse contributing Inresults anderen arefactors known. marketriablen This size, study konzentrieren. region, examines rent level the Die andyield Komplexität economic range as und Städten und auch well über as diethe contributing Gesamtmenge factors marketStöranfälligkeit size, region, desrent level Gesamtmodells and economic wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinweg liegt dies jedochmomentum nicht as unmittelbarparameters. Thedurch data basis sparsame takes into Parametrisierung account Germany‘s ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls auf der Hand. Erklärungenhousing markets qualitativer in cities Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete sindauf der ohnehin Hand. kaum Erklärungen dafür geeignet, qualitativer Prozes Art- Parameterbegrenzt. Als und Auswahlkriterien Daten spielen derfür verwendetestatistische sind ohnehin kaum dafür geeignet, Prozes- Parameter und Daten spielen der statistische se12.0% der Marktauswahl, der Risikoanalyse und und fachliche Erklärungsgehalt für die abhän- desse der Portfoliomanagements Marktauswahl, der Risikoanalyse zu standardi und- gigeund fachliche Zielgröße Erklärungsgehalt sowie die Modellperformance fürLeipzig die abhän- 10.0% Potsdam sierendes Portfoliomanagements und damit im Rahmen zu der standardi aktuellen- einegige Rolle. Zielgröße sowie die Modellperformance sieren8.0% und damit im Rahmen der aktuellen eine Rolle. Mean Digitalisierungsansätze durch Algorithmen, Mean

Digitalisierungsansätze durch Algorithmen,Mean 6.0% Frankfurt a.M. primary locations 5.3% primary locations tertiary locations locations tertiary 4.8% 4.0% 02 | Erkenntnisse bisheriger Studien 3.3% locations secondary zu Einflussfaktoren auf Wohnungsmieten 022.0% | Erkenntnisse bisheriger Studien zuDusseldorf Einflussfaktoren auf Wohnungsmieten Cottbus Im0.0% Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe Population development (2013-2018) development Population haftIm Rahmen verschiedeneBraunschweig dieser Einflussfaktoren Studie werden beispiel-in Bezug bildenschaftlichen konzeptionelle Zielgrößen. Arbeiten, Eine andere beispielsweise Gruppe Primary locations Secondary locations Tertiary locations aufhaft verschiedeneWohnungsmieten Einflussfaktoren im Neubausegment in Bezug zurbilden statistisch-ökonometrischen konzeptionelle Arbeiten, beispielsweise Fundierung aufanalysiert. Wohnungsmieten Die Auswahl im potenziell Neubausegment relevanter vonzur spezifischen statistisch-ökonometrischen Prognosemodellen. Fundierung Auf einige analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige FaktorenFig. 7: Population leitet development sich from u. a. 2013 aus to 2018 bisherigen (rate of change) For- – 60 Germaninteressante cities, clustering Beispiele by primary, secondary, soll im Folgenden kurz Faktorentertiary investment leitet locations sich u. a. aus bisherigen For- interessante Beispiele soll im Folgenden kurz schungsarbeitenSources: City of Saarbrücken, im Federal internationalen Statistical Office and State Immo- Statistical Offices;verwiesen own calculation werden. and illustration bilienmarkt-Researchschungsarbeiten im internationalenab. Über Ausschluss Immo-- verwiesen werden. bilienmarkt-Researchkriterien und Datenreihentests ab. Über Ausschluss wird diese- Die langfristige Beziehung zwischen der dannkriterienThe comparison schrittweise und Datenreihentestsof reduziert. population Ziel growth ist wird eine and dieseListe than EntwicklungDie for langfristigethe population von Hauspreisen, Beziehung figures. Thus zwischenPro-Kopf-Ein from der- relevanterdannthe increase schrittweise Einflussfaktoren in rents reduziert. in the individual Ziel auf ist clustersdieeine ListeEntwick -2005 kommen,Entwicklung to 2018 the Bevölkerungvon population Hauspreisen, in the und Pro-Kopf-Einprimary weiteren - lungrelevanteris interesting der Wohnungsmieten, Einflussfaktoren (Fig. 8). The longer-term die auf eine die fachliche time Entwick -locations Fundamentalgrößenkommen, increased Bevölkerung by 10.1% war on average, Gegenstand und with weiteren einer series from 2005 onwards shows a popula- rents rising by ca. 54% in the same period. Grundlagelung der Wohnungsmieten, für die weitere Modellierung die eine fachliche schafft. StudieFundamentalgrößen von Gallin (2003). war Unter Gegenstand Verwendung einer tion increase in all three clusters. The highest Even when considered in real terms (adjusted Grundlage für die weitere Modellierung schafft. vonStudie Daten von fürGallin 95 (2003).Metropolregionen Unter Verwendung der Ver- increase not only in absolute terms but also in for inflation) there is an increase of ca. 34%. Die Suche nach und Bewertung von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver 23- percentage terms is observed in the primary The situation is similar in the other clusters, al- EinflussfaktorenDie Suche nach auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt, von 23 Einflussfaktorenlocations. Growth is also auf to be seenImmobilienmarktent in the se- -beitJahren at somewhat wurde lower in dieserlevels. Thus Arbeit the num aufgezeigt,- wicklungencondary and tertiary war wiederholt clusters, however. Gegenstand derber dassof inhabitants eine Veränderung in the secondary der locations Kaufpreise für wicklungen war wiederholt Gegenstand der dass eine Veränderung der Kaufpreise für immobilienökonomischenA parallel consideration of rents Forschung. reveals that Eine increased Häuser by nur 3.4% in begrenztemon average, while Umfang rents von der immobilienökonomischen Forschung. Eine Häuser nur in begrenztem Umfang von der Vielzahltheir rate vonof increase Forschungsarbeiten is considerably higher widmete rose Entwicklung by 33.3% (in real der terms betrachteten nearly 13%). Kennzahlen,In the sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 112 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wietertiary zu locations sehen ist, the verläuftratios were die an Entwicklung average ally Datenalways undlargest Schnittstellen for the primary abzubilden. locations, Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.population increase Nach und ofzehn 6.1% Jahren Prognosewith a lagenmean riseeinige vonsomething wenn Wohnungsmieten manuellewhich points Einschätzungen to an increasing bei– Immo- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- Standortein rents of 39.9% noch (innahezu real terms auf ihrem nearly Ausgangs 20%). -shortagebilieninvestments of housing with stets the corresponding notwendig bleiben, Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,If one takes während the two die growth Spitzenreiter wesentlicher rates and über forms 60 % price so Einflussfaktorenincreases. sollten sich The aufwendigebackground Prozesseto this can der Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegenthe ratio konnten.“rate of Dabeichange variiert rent todie rate Dynamik of be thetenverarbeitung ongoing trend wie towards Kennzahlenberechnung, metropolitan mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimchange betrachteten population”, Korrelationsanalyse Zeitraum. this index In alsoden increasesersten Jah -formsTrendextrapolation, of housing, with shortages Sortierung and und rising Filterung renimTheconsiderably betrachteten lagen Range zahlreiche in all Zeitraum. the Städte ofclusters. In Residentialeher den Rising im ersten Mittelfeld, index Jah -prices dochTrendextrapolation,Market seen zukünftig above all Yields weitgehendin the Sortierung cluster automatisierenwith und the Filterung renThevalues lagen here Range zahlreiche represent aStädte ofdevelopment Residentialeher im which Mittelfeld, in largest dochMarket locations, zukünftig therefore. Yields weitgehend automatisieren die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige diepercentage später dann terms sehr is higher hohe forMietpreiszuwächse rents than for lassen, was entsprechend allgemeingültige aufwiesen und dadurchAsindIn Zeitendifferentiated am leistungsfähige Endehoher desMarktdynamik Zeit Systeme analysis- Erklärungs- derund Analyse steigenderof cities, und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwiesenthe number undof inhabitants. dadurch This am index Ende is des virtu Zeit- - Erklärungs- und Prognosemodelle erfordert. raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raums ganz vorn lageninfluencingstützung – beispielsweise unverzichtbar. factors die in Das Immobilien-and resulting und Markt-Research clusters arbeitet der Grafik enthalteneinfluencingdabei Stadt insbesondere Berlin. factors an den Ein and Themen erster resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent- der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- zahlenbewertung und Potenzialeinschätzung. Entscheidend ist dabei In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- 160 Residentialdie Kenntnis property von Einflussfaktoren, has become increasingly in Bezug expensive auf aufin recent immobilienwirt years.- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- Index rent Thisschaftliche development Zielgrößen. was very Die different vorliegende when Studiecomparing zeigt locations, Methoden howe und- Index rent/pop. primary Entwicklungteilweise150 Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf primary Entwicklung begründenver.Marktmiete.Ergebnisse Future können. investments einer Die Ein Datengrundlage solchen Beispiel can Parameteranalyse, bedarauf better berücksichtigt planned aufbauenden bezogen and diedecided ModelleWohnungsmärkte auf die upon Zielgröße sollen if both sich auf Index rent ist140 der dominierendethe Brancheneinflussranges of housing market der dieyields wesentlichen, and the factors tatsächlich that contribute relevanten to Va- Index rent/pop. secondary theMarktmiete. ranges of Die housing Datengrundlage market yields berücksichtigt and the factors die thatWohnungsmärkte contribute to secondary Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- 130 Deutschlands in Städten ab 70.000 Einwohnern. wellbetter as orthe worse contributing results arefactors known. market This size, study region, examines rent level the andyield economic range as Index rent StädtenAutomobilindustrie und auch in über Wolfsburg. die Gesamtmenge In anderen Störanfälligkeitriablen konzentrieren. des Gesamtmodells Die Komplexität wird und Index rent/pop. tertiary well as the contributing factors market size, region, rent level and economic tertiary Städten120 und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinweg liegt dies jedochmomentum nicht as unmittelbarparameters. Thedurch data basis sparsame takes into Parametrisierung account Germany‘s ebenfalls Index pop. hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls primary auf110 der Hand. Erklärungenhousing markets qualitativer in cities Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete sindauf der ohnehin Hand. kaum Erklärungen dafür geeignet, qualitativer Prozes Art- Parameterbegrenzt. Als und Auswahlkriterien Daten spielen derfür verwendetestatistische Index pop. 100 secondary sesind der ohnehin Marktauswahl, kaum dafür der Risikoanalyse geeignet, Prozes und- undParameter fachliche und Erklärungsgehalt Daten spielen der für statistischedie abhän- Index pop. se90 der Marktauswahl, der Risikoanalyse und und fachliche Erklärungsgehalt für die abhän- Index values (2005=100) values Index des Portfoliomanagements zu standardi- gige Zielgröße sowie die Modellperformance tertiary des Portfoliomanagements zu standardi- gige Zielgröße sowie die Modellperformance sieren ‘05 und damit‘06 ‘07 im Rahmen‘08 ‘09 der ‘10 aktuellen‘11 ‘12eine ‘13Rolle.‘14 ‘15 ‘16 ‘17 ‘18 Digitalisierungsansätzesieren und damit im Rahmen durch der Algorithmen, aktuellen eine Rolle. Digitalisierungsansätze durch Algorithmen, Fig. 8: Overview development of population and rents – indices (2005=100), clustering by primary, secondary, tertiary investment locations Sources: F+B GmbH, City of Saarbrücken, Federal Statistical Office and State Statistical Offices; own calculation and illustration 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten ImThere Rahmen are also dieserdifferences Studie within werden the respective beispiel- difference schaftlichen in all segments Zielgrößen. is considerable Eine andere (pri - Gruppe Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe haftclusters, verschiedene however. This Einflussfaktoren applies to differing intime Bezug mary bilden locations: konzeptionelle 1.04% vs. Arbeiten,0.76%, secondary beispielsweise haft verschiedene Einflussfaktoren in Bezug bilden konzeptionelle Arbeiten, beispielsweise aufperiods Wohnungsmieten as well as between imthe individual Neubausegment cities, locations: zur statistisch-ökonometrischen0.66% vs. 0.30%, tertiary locations: Fundierung aufanalysiert.as shown Wohnungsmieten by DieFig. Auswahl9. im potenziell Neubausegment relevanter0.94% vonzur vs. spezifischen statistisch-ökonometrischen0.53%; each asPrognosemodellen. the increase p.a. 2013- Fundierung Auf einige Faktorenanalysiert.The population leitet Die increase Auswahlsich u. becomes a. potenziell aus bisherigen clear relevanter above For- 2018 interessantevon vs. spezifischen2008-2018). Beispiele InPrognosemodellen. this sollrespect im Folgendena role Aufis einige kurz schungsarbeitenFaktorenall in the largest leitet cities. sich im u. In internationalen a.the aus primary bisherigen segment Immo- For- played verwieseninteressante not only werden. by Beispiele internal migration, soll im Folgenden but also kurz bilienmarkt-Researchschungsarbeitenthe average increase im in the internationalenab. number Über of Ausschluss inhabi Immo-- -above verwiesen all by migrants werden. from abroad, who typi- bilienmarkt-Researchkriterientants for all und cities Datenreihentests since 2008 ab. Überhas been Ausschluss wird nearly diese -cally Die choose langfristige (larger) cities Beziehung as their new zwischen place of der 8%, whereby the strongest growth here was residence. In the three segments cities such as dannkriterien schrittweise und Datenreihentests reduziert. Ziel ist wird eine dieseListe EntwicklungDie langfristige von Hauspreisen, Beziehung zwischenPro-Kopf-Ein der- observed in Frankfurt a. M. with more than 13%. Frankfurt a. M., Leipzig and Potsdam are striking relevanterdann schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick- kommen,Entwicklung Bevölkerungvon Hauspreisen, und Pro-Kopf-Ein weiteren- This corresponds to an annual rise of 1.25% (cal- with their strong growth in the medium-term lungrelevanter der Wohnungsmieten, Einflussfaktoren die auf eine die fachliche Entwick- Fundamentalgrößenkommen, Bevölkerung war Gegenstand und weiteren einer culated as the geometric mean). On average consideration. In contrast, in their respective Grundlagelung der Wohnungsmieten, für die weitere Modellierung die eine fachliche schafft. StudieFundamentalgrößen von Gallin (2003). war Unter Gegenstand Verwendung einer the population of the Top 7 from 2008 to 2018 clusters Dusseldorf, Braunschweig, Oberhausen Grundlage für die weitere Modellierung schafft. vonStudie Daten von fürGallin 95 (2003).Metropolregionen Unter Verwendung der Ver- increased by 0.76% per annum. The secondary and vonCottbus, Daten for für example, 95 Metropolregionen stand out with their der Ver- Dieand tertiary Suche clusters nach differ und in this Bewertung respect. Here von below-average einigten Staaten population über growth. einen ZeitraumThis does von 23 Die Suche nach und Bewertung von einigten Staaten über einen Zeitraum von 23 Einflussfaktorenthe annual population growthauf sinceImmobilienmarktent 2008 has -not Jahrennecessarily wurde reflect in negatively dieser Arbeiton the quality aufgezeigt, Einflussfaktoren auf Immobilienmarktent- Jahren wurde in dieser Arbeit aufgezeigt, wicklungenbeen 0.30% and war 0.53%, wiederholt respectively. Gegenstand derof thedass city eine but can Veränderung also be caused der by Kaufpreise a high für wicklungen war wiederholt Gegenstand der dass eine Veränderung der Kaufpreise für immobilienökonomischenWhat is striking is the increasing Forschung. dynamism of Eine occupancy Häuser level, nur which in begrenztem impedes further Umfang popu von- der immobilienökonomischen Forschung. Eine Häuser nur in begrenztem Umfang von der Vielzahlpopulation vondevelopment Forschungsarbeiten in the past five widmeteyears lation Entwicklung influx (e.g. Dusseldorf). der betrachteten Kennzahlen, Vielzahl von Forschungsarbeiten widmete Entwicklung der betrachteten Kennzahlen, sichabove in all. den Based letzten on the Jahren mean for der all empirischen, cities the insbesondere dem Einkommen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 122 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagenPOPULATION einige von wenn DEVELOPMENTWohnungsmieten manuelle Einschätzungen bei– Immo- Erklärunguneinheitlich.PRIMARY Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- StandorteLOCATIONS noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,Standorte während noch nahezu die Spitzenreiter2008-2018 aufwesentlicher ihrem Ausgangs über 60 %- 2013-2018sobilieninvestments Einflussfaktoren sollten sich aufwendige stets2017-2018 notwendig Prozesse derbleiben, Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegen konnten. Dabeitotal +7.88 variiert % (+96,462) die Dynamik total +5.33tenverarbeitung % (+76,549) wie Kennzahlenberechnung, mittelszulegenCluster konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsim betrachtetenMean Korrelationsanalyse Zeitraum.p.a. +0.76 In % den (+9,646) ersten Jahp.a.- +1.04Trendextrapolation, % (+15,310) p.a. Sortierung +0.64 % (+10,421) und Filterung renimThe betrachteten lagen Range zahlreiche Zeitraum. Städte of In Residentialeher den im ersten Mittelfeld, Jah- dochTrendextrapolation,Market zukünftig Yields weitgehend Sortierung automatisieren und Filterung renThe lagen Range zahlreiche Städte ofFrankfurt Residentialeher a. M.:im Mittelfeld, Frankfurt dochMarket a. zukünftig M.: Yields weitgehendMunich: automatisieren die später dann sehrtotal+13.27 hoheIn Zeiten Mietpreiszuwächse % hoher(+88,218) Marktdynamiktotal +7.37lassen, und % (+51,706) steigender was entsprechend Wettbewerbsintensität allgemeingültige die späterCity Max. dann sehr hohe Mietpreiszuwächse lassen, was entsprechend allgemeingültige aufwiesen und dadurchp.a.sindIn Zeiten+1.25 am leistungsfähige % Ende(+8,822)hoher desMarktdynamik Zeit Systemep.a.- +1.43Erklärungs- derund % (+10,341) Analysesteigender und und Prognosemodelle Wettbewerbsintensität p.a. Entscheidungsunter +1.06 % (+15,469) erfordert.- aufwiesen und dadurchA differentiated am Ende des Zeit analysis- Erklärungs- of cities, und Prognosemodelle erfordert. raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raums ganz vorn lageninfluencingstützung – Hamburg:beispielsweise unverzichtbar. factors die in Das Dusseldorf: Immobilien-and resulting und Markt-Research clustersDusseldorf: arbeitet der GrafikCity Min. enthaltenetotalinfluencingdabei Stadt+3.90 insbesondere %Berlin. (+69,079) factors antotal+3.44 den Ein and Themen % erster(+20,608) resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent- der Grafik enthaltenep.a.zahlenbewertungdabei Stadt+0.38 insbesondere %Berlin. (+6,908) und an Potenzialeinschätzung.p.a. den +0.68wicklungEin Themen % erster (+4,122) Informationserhebung, wesentlicher von Entscheidendp.a. Marktbewertungs- +0.33 Schritt % (+2,014) ist in Kenndabei der - Ent und- zahlenbewertung und Potenzialeinschätzung. Entscheidend ist dabei In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- 9.37 pp 3.93 pp In der EinzelbetrachtungResidentialschaftlichedie Kenntnis der property Zielgrößen. Städte von Einflussfaktoren, has sind become Die vorliegendeMarktprognosemodellen increasingly in Bezug Studie expensive zeigtauf aufin Methoden recent ist immobilienwirt years. die und - Erhe- teilweiseMax.-Min. BesonderheitenThisp.a. development erkennbar, 0.87 pp was die very die differentp.a.bung 0.75 ppwhen relevanter comparing Eingangsparameter.p.a. locations, 0.74 pp howe- Die Thisschaftliche development Zielgrößen. was very Die different vorliegende when Studiecomparing zeigt locations, Methoden howe und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf Entwicklung begründenver.Ergebnisse Future können. investments einer Ein solchen Beispiel can Parameteranalyse, bedarauf better planned aufbauenden bezogen and decided Modelle auf die upon Zielgröße sollen if both sich auf istCorr. der pop. dominierende in t theMarktmiete. Brancheneinflussranges of Die housing Datengrundlage market der dieyields berücksichtigt wesentlichen, and the factors die tatsächlich thatWohnungsmärkte contribute relevanten to Va- theMarktmiete. ranges-0.212 of Die housing Datengrundlage market yields0.173 berücksichtigt and the factors die thatWohnungsmärkte0.433 contribute to Automobilindustrieist derto rent dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- Deutschlands in Städten ab 70.000 Einwohnern. wellbetter as orthe worse contributing results arefactors known. market This size, study region, examines rent level the andyield economic range as StädtenAutomobilindustrie und auch in über Wolfsburg. die Gesamtmenge In anderen Störanfälligkeitriablen konzentrieren. des Gesamtmodells Die Komplexität wird und Corr. pop. in t-1 well as the contributing factors market size, region, rent level and economic Städten und auch momentum über -0.220 die Gesamtmengeas parameters. TheStöranfälligkeit 0.153data basis takes into des account Gesamtmodells0.141 Germany‘s wird hinwegto rent liegt dies jedochmomentum nicht as unmittelbarparameters. Thedurch data basis sparsame takes into Parametrisierung account Germany‘s ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls auf der Hand. Erklärungenhousing markets qualitativer in cities Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete aufCorr. der pop. Hand. in Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sind ohnehin kaum dafür-0.227 geeignet, Prozes- Parameter0.419 und Daten spielen0.868* der statistische sesind dert-2 ohnehin to Marktauswahl, rent kaum dafür der Risikoanalyse geeignet, Prozes und- undParameter fachliche und Erklärungsgehalt Daten spielen der für statistischedie abhän- desse der Portfoliomanagements Marktauswahl, der Risikoanalyse zu standardi und- gigeund fachliche Zielgröße Erklärungsgehalt sowie die Modellperformance für die abhän- sierendes Portfoliomanagements und damit im Rahmen zu der standardi aktuellen- einegige Rolle. Zielgröße sowie die Modellperformance Digitalisierungsansätzesieren und damit im Rahmen durch der Algorithmen, aktuellen eine Rolle. Digitalisierungsansätze durch Algorithmen,POPULATION DEVELOPMENT SECONDARY LOCATIONS 2008-2018 2013-2018 2017-2018 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02 | ErkenntnisseCluster bisherigertotal +3.18 % (+10,572)Studien zu Einflussfaktorentotal +3.34 % (+11,299) auf Wohnungsmieten p.a. +0.30 % (+1,057) p.a. +0.66 % (+2,260) p.a. +0.27 % (+977) Im RahmenMean dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe haft verschiedene EinflussfaktorenMunster: in Bezug bildenLeipzig: konzeptionelle Arbeiten, Leipzig: beispielsweise haft verschiedene Einflussfaktoren in Bezug bilden konzeptionelle Arbeiten, beispielsweise auf City Wohnungsmieten Max. total +14.77 im % Neubausegment (+40,444) total +10.59zur % statistisch-ökonometrischen(+56,295) Fundierung p.a. 1.39 % (+4,044) p.a. 2.03 % (+11,259) p.a. +1.01 % (+5,877) aufanalysiert. Wohnungsmieten Die Auswahl im potenziell Neubausegment relevanter vonzur spezifischen statistisch-ökonometrischen Prognosemodellen. Fundierung Auf einige analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige Faktoren leitet sich u. a. Aachen: aus bisherigen For- Braunschweig:interessante Beispiele Oberhausen: soll im Folgenden kurz schungsarbeitenFaktorenCity Min. leitet sich im total u. internationalen a. -4.59 aus % bisherigen (-11,889) Immo- For-total +0.43verwieseninteressante % (+1,065) werden. Beispiele soll im Folgenden kurz p.a. -0.47 % (-1,189) p.a. +0.09 % (+213) p.a. -0.28 % (-593) bilienmarkt-Researchschungsarbeiten im internationalenab. Über Ausschluss Immo-- verwiesen werden. bilienmarkt-Research ab. Über Ausschluss- kriterien und Datenreihenteststotal 19.35 pp wird diese totalDie 10.16 langfristige pp Beziehung zwischen der Max.-Min. dannkriterien schrittweise und Datenreihentests reduziert.p.a. 1.86Ziel pp ist wird eine dieseListe p.a.EntwicklungDie 1.95 langfristige pp von Hauspreisen, Beziehungp.a. 1.29 pp zwischenPro-Kopf-Ein der- relevanterdann schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick- kommen,Entwicklung Bevölkerungvon Hauspreisen, und Pro-Kopf-Ein weiteren- relevanterCorr. pop. Einflussfaktoren in t auf die Entwick- kommen, Bevölkerung und weiteren lung der Wohnungsmieten,0.418* die eine fachliche Fundamentalgrößen0.121 war0.232 Gegenstand einer to rent Grundlagelung der Wohnungsmieten, für die weitere Modellierung die eine fachliche schafft. StudieFundamentalgrößen von Gallin (2003). war Unter Gegenstand Verwendung einer Grundlage für die weitere Modellierung schafft. Studie von Gallin (2003). Unter Verwendung Corr. pop. in t-1 von Daten für 95 Metropolregionen der Ver- 0.357* 0.180 -0.006 Die to Suche rent nach und Bewertung von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver 23- EinflussfaktorenDie Suche nach auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt, von 23 Corr. pop. in Einflussfaktoren auf 0.375* Immobilienmarktent- Jahren0.246 wurde in dieser0.156 Arbeit aufgezeigt, wicklungent-2 to rent war wiederholt Gegenstand der dass eine Veränderung der Kaufpreise für immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 132 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02The | Erkenntnisserelationship between bisheriger population Studien levels zu EinflussfaktorenThe situation is analogous auf Wohnungsmieten in the five-year ob- Imand Rahmenrents, or dieserrather between Studie werdenthe correspon beispiel-- servation schaftlichen in the tertiary Zielgrößen. cluster, Eine where andere there Gruppe haftImding Rahmen growth verschiedene rates, dieser is plausible Einflussfaktoren Studie werdenin terms of beispiel- incon - Bezugare bildenschaftlichenalso consistently konzeptionelle Zielgrößen. significant Arbeiten, Eine and andere beispielsweisein part Gruppe aufhafttent. Furthermore, verschiedeneWohnungsmieten it can Einflussfaktoren also im be Neubausegmentexamined in sta - Bezughigh zurbilden positive statistisch-ökonometrischen konzeptionelle correlation coefficients, Arbeiten, beispielsweise which Fundierung aufanalysiert.tistically Wohnungsmieten on the Die basis Auswahl of correlation. im potenziell Neubausegment As relevantereffects may vonzur be spezifischensubstantiated statistisch-ökonometrischen Prognosemodellen.theoretically (parallel Fundierung Auf einige Faktorenanalysiert.can also first leitet Die occur Auswahlsich with u. a.a potenzielltime aus delay, bisherigen relevanterit is re For-- development interessantevon spezifischen of population Beispiele Prognosemodellen. and soll rents). im Folgenden Howe Auf- einige kurz schungsarbeitenFaktorencommended leitet that sich a imtest u. internationalenof a. the aus corresponding bisherigen Immo- For- ver, verwieseninteressanteother time werden.periods Beispiele and sollthe primary im Folgenden clus- kurz delays (time lags) is conducted. In addition to ter (with the exception of the leading series bilienmarkt-Researchschungsarbeiten im internationalenab. Über Ausschluss Immo-- verwiesen werden. synchronous series for population growth and of two years in the observation 2017-2018) bilienmarkt-Researchkriterien und Datenreihentests ab. Über Ausschluss wird diese- Die langfristige Beziehung zwischen der rent increase, the population data can also be do not show any significant results. In part dannkriterien schrittweise und Datenreihentests reduziert. Ziel ist wird eine dieseListe EntwicklungDie langfristige von Hauspreisen, Beziehung zwischenPro-Kopf-Ein der- analysed with a leading period of several years there are also some surprising negative coef- relevanterdann schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick- kommen,Entwicklung Bevölkerungvon Hauspreisen, und Pro-Kopf-Ein weiteren- relevanterto the corresponding Einflussfaktoren rent series auf (here die taken Entwick -ficients,kommen, for instance Bevölkerung in the ten-year und observa weiteren- lunginto accountder Wohnungsmieten, with leading periods die eineof one fachliche and tion Fundamentalgrößen of the Top 7, which arise war from Gegenstand statistical einer lung der Wohnungsmieten, die eine fachliche Fundamentalgrößen war Gegenstand einer Grundlagetwo years). fürThe die results weitere across Modellierung the observed schafft. effectsStudie (very von high Gallin rent (2003). growth Unterwith compa Verwendung- Grundlage für die weitere Modellierung schafft. Studie von Gallin (2003). Unter Verwendung clusters and periods are varied. Higher corre- rativelyvon Datenmoderate für population95 Metropolregionen growth, small der Ver- von Daten für 95 Metropolregionen der Ver- Dielation Suchecoefficients nach and statistically und Bewertung significant von number einigten of data Staaten pairs). überThis does einen not, Zeitraum however, von 23 Die Suche nach und Bewertung von einigten Staaten über einen Zeitraum von 23 Einflussfaktorenresults (5% level) can beauf seen inImmobilienmarktent the synchro- -fundamentallyJahren wurde rebut inthe dieser assumed Arbeit correlation aufgezeigt, Einflussfaktoren auf Immobilienmarktent- Jahren wurde in dieser Arbeit aufgezeigt, wicklungennous and leading war time wiederholt series for Gegenstand the seconda - derbetween dass population eine Veränderung growth and der the Kaufpreiseincrease für immobilienökonomischenwicklungenry cluster (period war 2008-2018). wiederholt Forschung. Here Gegenstand the chan Eine- derin rents.Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für Vielzahlimmobilienökonomischenges in rents von clearly Forschungsarbeiten appear to be Forschung. related widmeteto the Eine Ultimately EntwicklungHäuser it nurmay in be der begrenztem stated betrachteten that a Umfang statistical Kennzahlen, von der sichVielzahlpopulation in den von development letzten Forschungsarbeiten Jahren in the derpast empirischen, ten widmeteyears. correlation insbesondereEntwicklung between der dem population betrachteten Einkommen, growth Kennzahlen, and abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 142 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wiethe increase zu sehen in rents ist, verläuftmay be dieascertained Entwicklung in secondary Daten and und tertiary Schnittstellen locations. abzubilden.In the com- Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.part, but that thisNach effectund zehn is JahrennotPrognose always lagen clearly einige vonparison wenn Wohnungsmieten of manuellethe cross-cluster Einschätzungen development bei– of Immo- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- Standortepronounced, noch however, nahezu and auf ultimately ihrem Ausgangs it does -per bilieninvestmentscapita economic output stets it becomes notwendig clear bleiben, Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,not seem während to dominate. die Alongside Spitzenreiter wesentlicher the fact über that 60 % that so thisEinflussfaktoren sollten was very sich homogeneous aufwendige Prozesseuntil 2007. der Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegencorrelations konnten. are not Dabei to be variiertequated die with Dynamik cau- The tenverarbeitung primary markets were wie then Kennzahlenberechnung, affected most mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimsalities, betrachteten it is fundamentally Korrelationsanalyse Zeitraum. to Inbe denassumed ersten that Jah -negativelyTrendextrapolation, by the financial Sortierung and economic und cri Filterung- renimThethere betrachteten lagen are Range zahlreicheother factors Zeitraum. Städte of with In Residentialehera densimultaneous im ersten Mittelfeld, Jah -sis which dochTrendextrapolation,Market commenced zukünftig Yields weitgehendin 2008. Sortierung automatisieren und Filterung renThe(and lagen possibly Range zahlreiche stronger) Städte of impact. Residentialeher Apart im Mittelfeld, from At the dochMarket end zukünftigof the data Yields weitgehend series the index automatisieren value die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige diepopulation später dannfigures, sehr it ishohe likely Mietpreiszuwächse that socio-eco- for thelassen, tertiary was cluster entsprechend is more than allgemeingültige 20 points aufwiesen und dadurchAsindIn Zeitendifferentiated am leistungsfähige Endehoher desMarktdynamik Zeit Systeme analysis- Erklärungs- derund Analyse steigenderof cities, und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwiesennomic factors und such dadurch as income am Endeand employ des Zeit- -higherErklärungs- than in theund Top Prognosemodelle 7 cluster (144.4 erfordert. vs. raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raumsment levels, ganz vornand thus lagen the – beispielsweisegeneral economic die in123.5) and nearly 16 points higher than that der Grafik enthalteneinfluencingdabeistützung Stadt insbesondere Berlin. unverzichtbar. factors an Das den Immobilien-Ein and Themen erster resulting Informationserhebung, wesentlicherund Markt-Research clusters Schritt arbeitet inKenn der- Ent- development of a region,influencing play a role. factorsfor theand secondary resulting locations. clusters After the econo- der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- zahlenbewertung und Potenzialeinschätzung.mic downturn in 2009 Entscheidend the economic recoveryist dabei In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- Is the development ofResidentialdie rents Kenntnis reflected property von Einflussfaktoren, has becomein the tertiaryincreasingly in cluster Bezug expensive was auf significantly aufin recent immobilienwirt stronyears.-- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- in economic strength?Thisschaftliche development Zielgrößen. was very Dieger different vorliegendethan in whenthe other Studiecomparing two zeigt clusters. locations, Methoden Thus howeabove und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf ver.Ergebnisse Future investments einer solchen can Parameteranalyse,all be the better years planned 2010 bezogenand and 2011,decided aufas welldie upon Zielgröße as if 2016,both istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- Alongside populationthe Marktmiete.development, ranges of Die housingthe Datengrundlage eco -marketwere yields shaped berücksichtigt and by the strong factors die growth. thatWohnungsmärkte contribute The rent into- Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- nomic strength of a regionDeutschlands can be ain further Städten abdex 70.000 developed Einwohnern. more strongly than in the se- Automobilindustrie inwellbetter Wolfsburg. as orthe worse contributing Inresults anderen arefactors known. marketriablen This size, study konzentrieren. region, examines rent level the Die andyield Komplexität economic range as und Städtenmajor factor und for auch the sizewell über of as rents. diethe contributing GesamtmengeThe econo -factorscondary marketStöranfälligkeit cluster, size, region, yet remained desrent level Gesamtmodells behind and economic the very wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinwegmic dynamism liegt diesin the jedochmomentum clusters nicht and as unmittelbarlocationsparameters. high Thedurch leveldata ofbasis sparsame growth takes observed into Parametrisierung account with Germany‘sregards ebenfallsto hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls aufmay derbe measured Hand. Erklärungen usinghousing the goodsmarkets qualitativer and in citiesser - Art witheconomic abegrenzt. population output. Als in Auswahlkriterien excess of 75,000. für verwendete auf der Hand. Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sindvices ohnehinproduced kaum in one dafür year geeignet,(GDP and ProzesGDP -In theParameter secondary und cluster Daten thespielen development der statistische sind ohnehin kaum dafür geeignet, Prozes- Parameter und Daten spielen der statistische sechange), der Marktauswahl, for example. This der figure Risikoanalyse may be esti - undof bothund indicesfachliche through Erklärungsgehalt to 2017 is similar. für die In abhän - dessemated der Portfoliomanagements more Marktauswahl, realistically and der be Risikoanalyse more zu compa standardi - und-the gigeundTop fachliche7 Zielgröße markets, Erklärungsgehalt sowiein contrast, die Modellperformancethe increasefür die abhän - sierendesrable through Portfoliomanagements und damit reference im Rahmento the number zu der standardi aktuellen of in- -in rentseinegige isRolle. Zielgröße considerably sowie higher die Modellperformancethan the rise Digitalisierungsansätzesierenhabitants und (GDP damit per capita). im Rahmen durch An improvement der Algorithmen, aktuellen in GDPeine per Rolle. capita. Above all since 2012/2013 Digitalisierungsansätzein this figure is probably related durch to Algorithmen, a higher growth in rents has outstripped economic purchasing power and thus to a stronger growth to a considerable degree. This is an growth in rent levels (conditional upon other indicator that the specific impact of the eco- 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02effects | Erkenntnisse such as wage bisheriger share, taxes, Studien inflation). zu Einflussfaktorennomic output alone auf cannot Wohnungsmieten be used to explain Fig. 10 contrasts the course of the develop- the rise in rents. Rather it is to be assumed Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe ment of GDP per capita as well as the rents that there are other significant factors. haftIm Rahmen verschiedene dieser Einflussfaktoren Studie werden beispiel-in Bezug bildenschaftlichen konzeptionelle Zielgrößen. Arbeiten, Eine andere beispielsweise Gruppe in the three clusters formed by the primary, aufhaft verschiedeneWohnungsmieten Einflussfaktoren im Neubausegment in Bezug zurbilden statistisch-ökonometrischen konzeptionelle Arbeiten, beispielsweise Fundierung aufanalysiert. Wohnungsmieten Die Auswahl im potenziell Neubausegment relevanter vonzur spezifischen statistisch-ökonometrischen Prognosemodellen. Fundierung Auf einige Faktorenanalysiert. leitet Die Auswahlsich u. a. potenziell aus bisherigen relevanter For- interessantevon spezifischen Beispiele Prognosemodellen. soll im Folgenden Auf einige kurz schungsarbeitenFaktoren leitet sich im u. internationalen a. aus bisherigen Immo- For- verwieseninteressante werden. Beispiele soll im Folgenden kurz bilienmarkt-Researchschungsarbeiten im internationalenab. Über Ausschluss Immo-- verwiesen werden. bilienmarkt-Researchkriterien und Datenreihentests ab. Über Ausschluss wird diese- Die langfristige Beziehung zwischen der dannkriterien schrittweise und Datenreihentests reduziert. Ziel ist wird eine dieseListe EntwicklungDie langfristige von Hauspreisen, Beziehung zwischenPro-Kopf-Ein der- relevanterdann schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick- kommen,Entwicklung Bevölkerungvon Hauspreisen, und Pro-Kopf-Ein weiteren- lungrelevanter der Wohnungsmieten, Einflussfaktoren die auf eine die fachliche Entwick- Fundamentalgrößenkommen, Bevölkerung war Gegenstand und weiteren einer Grundlagelung der Wohnungsmieten, für die weitere Modellierung die eine fachliche schafft. StudieFundamentalgrößen von Gallin (2003). war Unter Gegenstand Verwendung einer Grundlage für die weitere Modellierung schafft. vonStudie Daten von fürGallin 95 (2003).Metropolregionen Unter Verwendung der Ver- Die Suche nach und Bewertung von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver 23- EinflussfaktorenDie Suche nach auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt, von 23 wicklungenEinflussfaktoren war wiederholt auf Immobilienmarktent Gegenstand der- dassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 152 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.150 Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- Index rent ErklärungStandorteuneinheitlich. noch Nach nahezu und zehn auf JahrenPrognose ihrem lagen Ausgangs einige von- bilieninvestmentswenn Wohnungsmieten manuelle Einschätzungen stets notwendig bei– bleiben, Immo- Index rent/GDP per primary 140 capita primary Bestimmungniveau,Standorte während noch nahezu die Spitzenreiter aufwesentlicher ihrem Ausgangs über 60 %- sobilieninvestments Einflussfaktoren sollten sich aufwendige stets notwendig Prozesse derbleiben, Da- Index rent Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- Index rent/GDP per secondary zulegen130 konnten. Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, capita secondary mittelsimzulegen betrachteten konnten. Korrelationsanalyse Zeitraum. Dabei variiert In den die ersten Dynamik Jah- Trendextrapolation,tenverarbeitung wie Sortierung Kennzahlenberechnung, und Filterung Index rent mittels120 Korrelationsanalyse Index rent/GDP per tertiary renimThe betrachteten lagen Range zahlreiche Zeitraum. Städte of In Residentialeher den im ersten Mittelfeld, Jah- dochTrendextrapolation,Market zukünftig Yields weitgehend Sortierung automatisieren und Filterung capita tertiary renThe110 lagen Range zahlreiche Städte of Residentialeher im Mittelfeld, dochMarket zukünftig Yields weitgehend automatisieren Index GDP per die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige capita primary die später dann sehr hohe Mietpreiszuwächse lassen, was entsprechend allgemeingültige aufwiesen100 und dadurchAsindIn Zeitendifferentiated am leistungsfähige Endehoher desMarktdynamik Zeit Systeme analysis- Erklärungs- derund Analyse steigenderof cities, und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- Index GDP per aufwiesen und dadurchsind am leistungsfähige Ende des Zeit Systeme- Erklärungs- der Analyse und und Prognosemodelle Entscheidungsunter erfordert.- capita secondary raums90 ganz vorn lagenAstützung –differentiated beispielsweise unverzichtbar. die analysisin Das Immobilien- of cities, und Markt-Research arbeitet raums ganz vorn lagen – beispielsweise die in der Grafik enthalteneinfluencingdabeistützung Stadt insbesondere Berlin. unverzichtbar. factors an Das den Immobilien-Ein and Themen erster resulting Informationserhebung, wesentlicherund Markt-Research clusters Schritt arbeitet inKenn der- Ent- Index GDP per der80 Grafik enthalteneinfluencingdabei Stadt insbesondere Berlin. factors an den Ein and Themen erster resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent- capita tertiary (2005=100) values Index zahlenbewertung und Potenzialeinschätzung.wicklung von Entscheidend Marktbewertungs- ist dabei und zahlenbewertung und Potenzialeinschätzung.wicklung von Entscheidend Marktbewertungs- ist dabei und In der‘05 Einzelbetrachtung‘06 ‘07Residentialdie ‘08 Kenntnis der ‘09property Städte von ‘10 Einflussfaktoren, has sind become‘11 Marktprognosemodellen‘12 increasingly in‘13 Bezug ‘14expensive auf‘15 aufin recent‘16 ist immobilienwirt years. die‘17 - Erhe- Residentialdie Kenntnis property von Einflussfaktoren, has become increasingly in Bezug expensive auf aufin recent immobilienwirt years.- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- teilweise BesonderheitenThisschaftliche development erkennbar, Zielgrößen. was die very die Die different vorliegendebung when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden howe und- Die EntwicklungFig. 10: Overview development begründen ofver.Ergebnisse GDP Future per können. capita investments andeiner Ein rents solchen Beispiel– indices can (2005=100); Parameteranalyse, bedarauf better clustering planned aufbauenden by primary, bezogen and secondary, decided Modelle auf die upon Zielgröße sollen if both sich auf ver.Ergebnisse Future investments einer solchen can Parameteranalyse, be better planned bezogen and decided auf die upon Zielgröße if both istEntwicklungtertiary der investment dominierende locations begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- Sources: F+B GmbH, Federal StatisticaltheMarktmiete. ranges Office and of StateDie housing StatisticalDatengrundlage market Offices (VGRdL); yields berücksichtigt own and calculation the factors and illustrationdie thatWohnungsmärkte contribute to Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- Deutschlands in Städten ab 70.000 Einwohnern. wellbetter as orthe worse contributing results arefactors known. market This size, study region, examines rent level the andyield economic range as StädtenAutomobilindustrie und auch in über Wolfsburg. die Gesamtmenge In anderen Störanfälligkeitriablen konzentrieren. des Gesamtmodells Die Komplexität wird und momentumwell as the contributing as parameters. factors The market data basis size, region,takes into rent accountlevel and Germany‘s economic hinwegStädtenThe graphic liegt und and diesauch tabular jedoch über illustrations die nicht Gesamtmenge unmittelbar (Fig. 10, however. durchStöranfälligkeit Over sparsame ten years des Parametrisierung Berlin Gesamtmodells is the loca ebenfalls- wird housingmomentum markets as parameters. in cities with The a datapopulation basis takes in excess into ofaccount 75,000. Germany‘s hinwegFig. 11) reveal liegt diesthat jedochthe economic nicht unmittelbardevelop- tion durch with the sparsame strongest Parametrisierung growth; viewed over ebenfalls auf der Hand. Erklärungenhousing markets qualitativer in cities Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete sindaufments der ohnehin have Hand. displayed kaum Erklärungen dafürwidely geeignet, differing qualitativer dyna Prozes - Art-a shorterParameterbegrenzt. period Als und Munich Auswahlkriterien Daten is spielenthe leader. derfür In verwendetestatistische the sesindmics. der ohnehinIn the Marktauswahl, ten-year kaum period dafür der GDP Risikoanalyse geeignet, per capita Prozes in und -cluster undParameter of fachliche secondary und Erklärungsgehalt Daten locations spielen it is derabove für statistischedie all abhän - dessethe der tertiary Portfoliomanagements Marktauswahl, cluster increased der Risikoanalyseby 30% zu standardi– this is und -northern gigeund fachliche Zielgrößeand eastern Erklärungsgehalt sowie German die Modellperformancecities für which die abhän - more than ten percentage points higher than stand out positively, whereas locations in sierendes Portfoliomanagements und damit im Rahmen zu der standardi aktuellen- einegige Rolle. Zielgröße sowie die Modellperformance the mean for the primary and secondary loca- North Rhine-Westphalia usually occupy the Digitalisierungsansätzesieren und damit im Rahmen durch der Algorithmen, aktuellen eine Rolle. Digitalisierungsansätzetions. In the five-year observation durch (from Algorithmen, 2012 lower positions. onwards) the tertiary locations still have the Statistical analyses of the relationship bet- highest growth rates, albeit by a much smaller ween rents and GDP do not result in any sig- 02margin. | Erkenntnisse In the short-term bisheriger observation Studien all zuthe Einflussfaktorennificant correlations. auf WohnungsmietenAlthough it is above all 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten clusters are at practically the same level. the Top 7 locations which display high corre- ImBroken Rahmen down dieserby cities Studie it is above werden all the beispiel- ter- lation schaftlichen coefficients, Zielgrößen. these are based Eine on andere a small Gruppe Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe hafttiary verschiedenecluster which Einflussfaktorendisplays heterogeneous in Bezug number bilden of data konzeptionelle pairs and are Arbeiten, not to be beispielsweise regar- haft verschiedene Einflussfaktoren in Bezug bilden konzeptionelle Arbeiten, beispielsweise aufdevelopments. Wohnungsmieten The difference im Neubausegmentbetween the ded zur as significant statistisch-ökonometrischen (at the 5% level). In the Fundierung two auf Wohnungsmieten im Neubausegment zur statistisch-ökonometrischen Fundierung analysiert.location with Die the Auswahl strongest potenziell growth (Wolfs relevanter- other von clusters spezifischen the coefficients Prognosemodellen. are smaller, inAuf einige analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige Faktorenburg) and leitetthe weakest sich u. a.location aus bisherigen (Offenbach For- part interessante also negative, Beispiele and likewise soll not im significant. Folgenden kurz schungsarbeitenFaktorena. M.) amounts leitet to sich more im u. internationalen a.than aus 85 bisherigen percentage Immo- For- In theverwieseninteressante selected werden. test Beispiele environment soll im the Folgenden relevan- kurz bilienmarkt-Researchschungsarbeitenpoints. The city at the im bottom internationalenab. Über of the Ausschluss cluster Immo- -ce ofverwiesen economic werden. output (as rate of change per bilienmarkt-Researchkriterienillustrates the und fact Datenreihentests that a ab. decline Über in economic Ausschluss wird diese -capita) Die for langfristige the development Beziehung of rents zwischen cannot der dannkriterienoutput schrittweise per und capita Datenreihentests isreduziert. still possible Ziel isteven wird eine in dieseListea be demonstratedEntwicklungDie langfristige invon statistical Hauspreisen, Beziehung terms, zwischentherefoPro-Kopf-Ein- der- relevanterdanngood economicschrittweise Einflussfaktoren phase. reduziert. In the five-year Ziel auf ist die eineperiod ListeEntwick -re. Itkommen,Entwicklung has to be assumed, Bevölkerungvon Hauspreisen, however, that und Pro-Kopf-Ein several weiteren - lungrelevanterthe two der cities Wohnungsmieten, Einflussfaktoren are separated by die justauf eine less die fachliche than Entwick -parameters Fundamentalgrößenkommen, for economic Bevölkerung development war Gegenstand und have weiteren einer 36 percentage points. On an annual basis the- an impact in interaction with one another and Grundlagelung der Wohnungsmieten, für die weitere Modellierung die eine fachliche schafft. StudieFundamentalgrößen von Gallin (2003). war Unter Gegenstand Verwendung einer re is a difference of more than six percentage are thus a fundamental bundle of parameters Grundlage für die weitere Modellierung schafft. vonStudie Daten von fürGallin 95 (2003).Metropolregionen Unter Verwendung der Ver- points. for explanations of and prognoses on rents. Die Suche nach und Bewertung von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver 23- In the cluster of Top 7 cities Frankfurt a. M. To be stated in this respect are labour market EinflussfaktorenDie Suche nach auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt, von 23 brings up the rear in all periods; it has posi- indicators and other ratios from national ac- wicklungenEinflussfaktoren war wiederholt auf Immobilienmarktent Gegenstand der- dassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für tive rates of change and a high starting level, counts, for example. immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 162 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich. Nach und zehn JahrenDEVELOPMENTPrognose lagen einige GDP von PERwenn CAPITAWohnungsmieten manuelle (NOMINAL, Einschätzungen IN EUR) bei– Immo- Erklärunguneinheitlich.PRIMARY Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- StandorteLOCATIONS noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,Standorte während noch nahezu die Spitzenreiter2007-2017 aufwesentlicher ihrem Ausgangs über 60 %- 2012-2017sobilieninvestments Einflussfaktoren sollten sich aufwendige stets2016-2017 notwendig Prozesse derbleiben, Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegen konnten. Dabeitotal +16.58 variiert % (+8,789) die Dynamik total +13.36tenverarbeitung % (+7,801) wie Kennzahlenberechnung, mittelszulegenCluster konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsim betrachtetenMean Korrelationsanalyse Zeitraum.p.a. +1.52 In % den (+879) ersten Jahp.a.- +2.53Trendextrapolation, % (+1,560) p.a. Sortierung +2.57 % (+1,737) und Filterung renimThe betrachteten lagen Range zahlreiche Zeitraum. Städte of In Residentialeher den im ersten Mittelfeld, Jah- dochTrendextrapolation,Market zukünftig Yields weitgehend Sortierung automatisieren und Filterung renThe lagen Range zahlreiche Städte of Berlin: Residentialeher im Mittelfeld, dochMunich:Market zukünftig Yields weitgehendMunich: automatisieren die später dann sehrtotal hoheIn +33.88Zeiten Mietpreiszuwächse % hoher (+9,834) Marktdynamiktotal +18.79lassen, und % (+12,467) steigender was entsprechend Wettbewerbsintensität allgemeingültige die späterCity Max. dann sehr hohe Mietpreiszuwächse lassen, was entsprechend allgemeingültige aufwiesen und dadurchp.a.sindIn Zeiten +2.96 am leistungsfähige % Endehoher (+983) desMarktdynamik Zeit Systemep.a.- +3.50Erklärungs- derund % (+2,493) Analysesteigender und und Prognosemodelle Wettbewerbsintensität p.a. Entscheidungsunter +5.06 % (+3,793) erfordert.- aufwiesen und dadurchA differentiated am Ende des Zeit analysis- Erklärungs- of cities, und Prognosemodelle erfordert. raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raums ganz vorn lageninfluencingstützungFrankfurt – beispielsweise unverzichtbar. a. M.: factors die in Das Frankfurt Immobilien-and a.resulting M.: und Markt-Research clustersFrankfurt a. M.: arbeitet der GrafikCity Min. enthaltenetotalinfluencingdabei Stadt +3.54 insbesondere %Berlin. (+3,178) factors antotal den +5.33 Ein and Themen % erster (+4,706)resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent- der Grafik enthaltenezahlenbewertungdabeip.a. Stadt +0.35 insbesondere Berlin.% (+318) und an Potenzialeinschätzung. p.a. den +1.04wicklungEin Themen % erster (+941) Informationserhebung, wesentlicher von Entscheidendp.a. Marktbewertungs- +0.90 Schritt % (827) ist in Kenndabei der - Ent und- zahlenbewertung und Potenzialeinschätzung. Entscheidend ist dabei In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- total 30.34 pp total 13.47 pp In der EinzelbetrachtungResidentialschaftlichedie Kenntnis der property Zielgrößen. Städte von Einflussfaktoren, has sind become Die vorliegendeMarktprognosemodellen increasingly in Bezug Studie expensive zeigtauf aufin Methoden recent ist immobilienwirt years. die und - Erhe- teilweiseMax.-Min. BesonderheitenThisp.a. development erkennbar, 2.61 pp was die very die differentp.a.bung 2.46 ppwhen relevanter comparing Eingangsparameter.p.a. locations, 4.16 pp howe- Die Thisschaftliche development Zielgrößen. was very Die different vorliegende when Studiecomparing zeigt locations, Methoden howe und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf Entwicklung begründenver.Ergebnisse Future können. investments einer Ein solchen Beispiel can Parameteranalyse, bedarauf better planned aufbauenden bezogen and decided Modelle auf die upon Zielgröße sollen if both sich auf istCorr. der GDP dominierende in t theMarktmiete. Brancheneinflussranges of Die housing Datengrundlage market der dieyields berücksichtigt wesentlichen, and the factors die tatsächlich thatWohnungsmärkte contribute relevanten to Va- theMarktmiete. ranges0.726 of Die housing Datengrundlage market yields0.475 berücksichtigt and the factors die thatWohnungsmärkte0.184 contribute to Automobilindustrieist derto rent dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- Deutschlands in Städten ab 70.000 Einwohnern. wellbetter as orthe worse contributing results arefactors known. market This size, study region, examines rent level the andyield economic range as StädtenAutomobilindustrie und auch in über Wolfsburg. die Gesamtmenge In anderen Störanfälligkeitriablen konzentrieren. des Gesamtmodells Die Komplexität wird und Corr. GDP in t-1 well as the contributing factors market size, region, rent level and economic Städten und auch momentum über 0.610 die Gesamtmengeas parameters. TheStöranfälligkeit 0.369data basis takes into des account Gesamtmodells0.569 Germany‘s wird hinwegto rent liegt dies jedochmomentum nicht as unmittelbarparameters. Thedurch data basis sparsame takes into Parametrisierung account Germany‘s ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls auf der Hand. Erklärungenhousing markets qualitativer in cities Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete aufCorr. der GDP Hand. in Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sind ohnehin kaum dafür0.398 geeignet, Prozes- Parameter0.384 und Daten spielen0.106 der statistische sesind dert-2 ohnehin to Marktauswahl, rent kaum dafür der Risikoanalyse geeignet, Prozes und- undParameter fachliche und Erklärungsgehalt Daten spielen der für statistischedie abhän- desse der Portfoliomanagements Marktauswahl, der Risikoanalyse zu standardi und- gigeund fachliche Zielgröße Erklärungsgehalt sowie die Modellperformance für die abhän- sierendes Portfoliomanagements und damit im Rahmen zu der standardi aktuellen- einegige Rolle. Zielgröße sowie die Modellperformance Digitalisierungsansätzesieren und damit im Rahmen durch der Algorithmen, aktuellen eine Rolle. Digitalisierungsansätze durchDEVELOPMENT Algorithmen, GDP PER CAPITA (NOMINAL . IN EUR) SECONDARY LOCATIONS 2008-2018 2013-2018 2017-2018 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02 | ErkenntnisseCluster bisherigertotal +19.73 % Studien (+7,058) zu Einflussfaktoren total +12.03 % (+4,809) auf Wohnungsmieten p.a. +1.80 % (+706) p.a. +2.28 % (+962) p.a. +3.04 % (+1,353) Im RahmenMean dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe haft verschiedene EinflussfaktorenLübeck: in Bezug Dresden:bilden konzeptionelle Arbeiten, Rostock: beispielsweise haft verschiedene Einflussfaktoren in Bezug bilden konzeptionelle Arbeiten, beispielsweise auf City Wohnungsmieten Max. total +35.01 im % Neubausegment (+10,515) total +21.46zur % statistisch-ökonometrischen (+6,915) Fundierung p.a. +3.05 % (+1,052) p.a. +3.97 % (+1,383) p.a. +7.72 % (+2,679) aufanalysiert. Wohnungsmieten Die Auswahl im potenziell Neubausegment relevanter vonzur spezifischen statistisch-ökonometrischen Prognosemodellen. Fundierung Auf einige analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige Faktoren leitet sich u. a. Munster: aus bisherigen For- Gelsenkirchen:interessante Beispiele Oberhausen: soll im Folgenden kurz schungsarbeitenFaktorenCity Min. leitet sich im u.total internationalen a. -0.36 aus % bisherigen (-203) Immo- For-total +1.31verwieseninteressante % (+328) werden. Beispiele soll im Folgenden kurz p.a. -0.04 % (-20) p.a. +0.26 % (+76) p.a. -2.11 % (-575) bilienmarkt-Researchschungsarbeiten im internationalenab. Über Ausschluss Immo-- verwiesen werden. bilienmarkt-Research ab. Über Ausschluss- kriterien und Datenreihentests total 35.37 pp wird diese totalDie 20.16 langfristige pp Beziehung zwischen der Max.-Min. dannkriterien schrittweise und Datenreihentests reduziert.p.a. 3.08 Ziel pp ist wird eine dieseListe p.a.EntwicklungDie 3.71 langfristige pp von Hauspreisen, Beziehungp.a. 9.83 pp zwischenPro-Kopf-Ein der- relevanterdann schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick- kommen,Entwicklung Bevölkerungvon Hauspreisen, und Pro-Kopf-Ein weiteren- relevanterCorr. GDP Einflussfaktoren in t auf die Entwick- kommen, Bevölkerung und weiteren lung der Wohnungsmieten,0.019 die eine fachliche Fundamentalgrößen0.201 war0.129 Gegenstand einer to rent Grundlagelung der Wohnungsmieten, für die weitere Modellierung die eine fachliche schafft. StudieFundamentalgrößen von Gallin (2003). war Unter Gegenstand Verwendung einer Grundlage für die weitere Modellierung schafft. Studie von Gallin (2003). Unter Verwendung Corr. GDP in t-1 von Daten für 95 Metropolregionen der Ver- -0.074 0.229 -0.161 Die to Suche rent nach und Bewertung von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver 23- EinflussfaktorenDie Suche nach auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt, von 23 Corr. GDP in Einflussfaktoren auf -0.169 Immobilienmarktent- Jahren0.138 wurde in dieser-0.039 Arbeit aufgezeigt, wicklungent-2 to rent war wiederholt Gegenstand der dass eine Veränderung der Kaufpreise für immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 172 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich. Nach und zehn JahrenDEVELOPMENTPrognose lagen einige GDP von PERwenn CAPITAWohnungsmieten manuelle (NOMINAL Einschätzungen . IN EUR) bei– Immo- Erklärunguneinheitlich.TERTIARY Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- StandorteLOCATIONS noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,Standorte während noch nahezu die Spitzenreiter2007-2017 aufwesentlicher ihrem Ausgangs über 60 %- 2012-2017sobilieninvestments Einflussfaktoren sollten sich aufwendige stets2016-2017 notwendig Prozesse derbleiben, Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegen konnten. Dabeitotal +29.63 variiert % (+17,183) die Dynamik total +14.88tenverarbeitung % (+9,507) wie Kennzahlenberechnung, mittelszulegenCluster konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsim betrachtetenMean Korrelationsanalyse Zeitraum.p.a. +2.54 In %den (+1,718) ersten Jahp.a.- +2.78Trendextrapolation, % (+1,901) p.a. Sortierung +2.75 % (+1,239) und Filterung renimThe betrachteten lagen Range zahlreiche Zeitraum. Städte of In Residentialeher den im ersten Mittelfeld, Jah- dochTrendextrapolation,Market zukünftig Yields weitgehend Sortierung automatisieren und Filterung renThe lagen Range zahlreiche Städte ofWolfsburg: Residentialeher im Mittelfeld, Wolfsburg: dochMarket zukünftig Yields weitgehendIngolstadt: automatisieren die später dann sehrtotal hoheIn +83.17Zeiten Mietpreiszuwächse % hoher(+78,299) Marktdynamiktotal +34.30lassen, und % (+44,039) steigender was entsprechend Wettbewerbsintensität allgemeingültige die späterCity Max. dann sehr hohe Mietpreiszuwächse lassen, was entsprechend allgemeingültige aufwiesen und dadurchp.a.sindIn Zeiten+6.24 am leistungsfähige % Endehoher(+7,830) desMarktdynamik Zeit Systemep.a.- +6.08Erklärungs- derund % (+8,808) Analysesteigender und und Prognosemodelle Wettbewerbsintensität p.a. Entscheidungsunter +8.37 % (+7,007) erfordert.- aufwiesen und dadurchA differentiated am Ende des Zeit analysis- Erklärungs- of cities, und Prognosemodelle erfordert. raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raums ganz vorn lageninfluencingstützungOffenbach – beispielsweise unverzichtbar. a. M.: factors die in Das Offenbach Immobilien-and a.resulting M.: und Markt-Research clustersWolfsburg: arbeitet der GrafikCity Min. enthalteneinfluencingtotaldabei Stadt -2.58 insbesondere Berlin.% (-975) factors an total den Ein-1.57 and Themen % erster (-587)resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent- der Grafik enthaltenezahlenbewertungdabeip.a. Stadt -0.26 insbesondere Berlin.% (-98) und an Potenzialeinschätzung. denp.a. -0.32wicklungEin Themen erster% (-117) Informationserhebung, wesentlicher von Entscheidendp.a. Marktbewertungs- -4.44 Schritt % (-8,017) ist in Kenndabei der - Ent und- zahlenbewertung und Potenzialeinschätzung. Entscheidend ist dabei In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- total 85.76 pp total 35.87 pp In der EinzelbetrachtungResidentialschaftlichedie Kenntnis der property Zielgrößen. Städte von Einflussfaktoren, has sind become Die vorliegendeMarktprognosemodellen increasingly in Bezug Studie expensive zeigtauf aufin Methoden recent ist immobilienwirt years. die und - Erhe- teilweiseMax.-Min. BesonderheitenThisp.a. development erkennbar, 6.50 pp was die very die differentp.a.bung 6.39 ppwhen relevanter comparing Eingangsparameter.p.a. locations, 12.81 pp howe- Die Thisschaftliche development Zielgrößen. was very Die different vorliegende when Studiecomparing zeigt locations, Methoden howe und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf Entwicklung begründenver.Ergebnisse Future können. investments einer Ein solchen Beispiel can Parameteranalyse, bedarauf better planned aufbauenden bezogen and decided Modelle auf die upon Zielgröße sollen if both sich auf istCorr. der GDP dominierende in t theMarktmiete. Brancheneinflussranges of Die housing Datengrundlage market der dieyields berücksichtigt wesentlichen, and the factors die tatsächlich thatWohnungsmärkte contribute relevanten to Va- theMarktmiete. ranges0.095 of Die housing Datengrundlage market yields0.298 berücksichtigt and the factors die thatWohnungsmärkte0.218 contribute to Automobilindustrieist derto rent dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- Deutschlands in Städten ab 70.000 Einwohnern. wellbetter as orthe worse contributing results arefactors known. market This size, study region, examines rent level the andyield economic range as StädtenAutomobilindustrie und auch in über Wolfsburg. die Gesamtmenge In anderen Störanfälligkeitriablen konzentrieren. des Gesamtmodells Die Komplexität wird und Corr. GDP in t-1 well as the contributing factors market size, region, rent level and economic Städten und auch momentum über 0.197 die Gesamtmengeas parameters. TheStöranfälligkeit 0.247data basis takes into des account Gesamtmodells-0.018 Germany‘s wird hinwegto rent liegt dies jedochmomentum nicht as unmittelbarparameters. Thedurch data basis sparsame takes into Parametrisierung account Germany‘s ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls auf der Hand. Erklärungenhousing markets qualitativer in cities Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete aufCorr. der GDP Hand. in Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sind ohnehin kaum dafür0.153 geeignet, Prozes- Parameter-0.030 und Daten spielen-0.007 der statistische sesind dert-2 ohnehin to Marktauswahl, rent kaum dafür der Risikoanalyse geeignet, Prozes und- undParameter fachliche und Erklärungsgehalt Daten spielen der für statistischedie abhän- desse der Portfoliomanagements Marktauswahl, der Risikoanalyse zu standardi und- gigeund fachliche Zielgröße Erklärungsgehalt sowie die Modellperformance für die abhän- sierendesFig. 11: Overview Portfoliomanagements und development damit imof GDP Rahmen per capita zu – derclustering standardi aktuellen by primary,- secondary,einegige Rolle.tertiary Zielgröße investment sowie locations, die various Modellperformance periods; sierengrowth rates und p.a. as damit geometric im mean, Rahmen absolute growth der p.a. aktuellen as arithmetic mean;eine best/worst Rolle. city in the cluster on the basis Digitalisierungsansätzeof the percentage growth in the period; durch due to lack Algorithmen, of data availability without Aachen and Saarbrücken DigitalisierungsansätzeSources: F+B GmbH, Federal Statistical durch Office and State Algorithmen, Statistical Offices; own calculation

02Do |rents Erkenntnisse increase in bisheriger line with Studien zu EinflussfaktorenIn this respect the auf growth Wohnungsmieten in the tertiary cluster 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten employment levels? through to 2013 was actually higher than that Im Rahmen dieser Studie werden beispiel-of theschaftlichen Top 7 locations. Zielgrößen. Since then Eine the dynamism andere Gruppe Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe haftAn important verschiedene ratio for Einflussfaktoren the assessment of in the Bezug displayed bilden by konzeptionelle the Top 7 has Arbeiten,been greater beispielsweise than haft verschiedene Einflussfaktoren in Bezug bilden konzeptionelle Arbeiten, beispielsweise aufsocio-economic Wohnungsmieten structures imof a Neubausegmentcity is the em- that zur of the statistisch-ökonometrischen other cities, however. With an index Fundierung aufanalysiert.ployment Wohnungsmieten level. Die As Auswahl the focus im potenziell of Neubausegmentthis study relevanter has value vonzur of spezifischen109.7 statistisch-ökonometrischen the Top Prognosemodellen.7 also lead the way Fundierung inAuf einige Faktorenanalysiert.been placed leitet Die on an Auswahlsich appraisal u. a. potenziell aus of the bisherigen stability relevanter of For- the interessantevonratio spezifischen of rent increases Beispiele Prognosemodellen. to sollemployment im Folgenden level Auf einige kurz schungsarbeitenFaktorenlocal residential leitet housing sich im u. internationalen a.markets, aus bisherigen the level Immo- of For- increases. verwieseninteressante The considerablewerden. Beispiele rise soll in im the Folgenden number kurz bilienmarkt-Researchschungsarbeitenemployment subject im to social internationalenab. Über security Ausschluss contri Immo-- -of employmentverwiesen werden. relationships subject to soci- bilienmarkt-Researchkriterienbutions is undconsidered Datenreihentests here ab. according Über Ausschluss wird to the diese -al securityDie langfristige contributions Beziehungwas clearly exceeded zwischen der by the rise in rents. The secondary (101.4) and dannkriterienplace schrittweiseof residence und Datenreihentests principle.reduziert. The Ziel index ist wird eine series dieseListe EntwicklungDie langfristige von Hauspreisen, Beziehung zwischenPro-Kopf-Ein derwith 2006 as their base in Fig. 12 show not tertiary locations (102.9), in contrast, display an relevanterdann schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick- kommen,Entwicklung Bevölkerungvon Hauspreisen, und Pro-Kopf-Ein weiteren- only the known growth in rents in the clusters almost uniform development. Only in the most lungrelevanter der Wohnungsmieten, Einflussfaktoren die auf eine die fachliche Entwick- Fundamentalgrößenkommen, Bevölkerung war Gegenstand und weiteren einer but also considerable growth in employment. recent two to three years have the indices for Grundlagelung der Wohnungsmieten, für die weitere Modellierung die eine fachliche schafft. StudieFundamentalgrößen von Gallin (2003). war Unter Gegenstand Verwendung einer The strongest growth in terms of employment rents exceeded those for employment; prior to Grundlage für die weitere Modellierung schafft. vonStudie Daten von fürGallin 95 (2003).Metropolregionen Unter Verwendung der Ver- rates was seen in the primary cluster, which this vonthe employmentDaten für 95 indices Metropolregionen had exceeded the der Ver- Dieultimately Suche has nachan index und value Bewertung of 139.2. This von rent einigten indices. Staaten über einen Zeitraum von 23 Die Suche nach und Bewertung von einigten Staaten über einen Zeitraum von 23 Einflussfaktorenis followed by the tertiary auf cluster Immobilienmarktent with 134.4, - Jahren wurde in dieser Arbeit aufgezeigt, Einflussfaktoren auf Immobilienmarktent- Jahren wurde in dieser Arbeit aufgezeigt, wicklungenahead of the warsecondary wiederholt locations Gegenstand with 130.7. der dass eine Veränderung der Kaufpreise für immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 182 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.160 Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- Index rent ErklärungStandorteuneinheitlich. noch Nach nahezu und zehn auf JahrenPrognose ihrem lagen Ausgangs einige von- bilieninvestmentswenn Wohnungsmieten manuelle Einschätzungen stets notwendig bei– bleiben, Immo- Index rent/ Primary 150 ESSC Primary Bestimmungniveau,Standorte während noch nahezu die Spitzenreiter aufwesentlicher ihrem Ausgangs über 60 %- sobilieninvestments Einflussfaktoren sollten sich aufwendige stets notwendig Prozesse derbleiben, Da- Index rent Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- Index rent/ Secondary zulegen140 konnten. Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, ESSC Secondary mittelsimzulegen betrachteten konnten. Korrelationsanalyse Zeitraum. Dabei variiert In den die ersten Dynamik Jah- Trendextrapolation,tenverarbeitung wie Sortierung Kennzahlenberechnung, und Filterung Index rent mittels130 Korrelationsanalyse Index rent/ Tertiary renimThe betrachteten lagen Range zahlreiche Zeitraum. Städte of In Residentialeher den im ersten Mittelfeld, Jah- dochTrendextrapolation,Market zukünftig Yields weitgehend Sortierung automatisieren und Filterung ESSC Tertiary renThe120 lagen Range zahlreiche Städte of Residentialeher im Mittelfeld, dochMarket zukünftig Yields weitgehend automatisieren Index ESSC die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige Primary die später dann sehr hohe Mietpreiszuwächse lassen, was entsprechend allgemeingültige aufwiesen110 und dadurchAsindIn Zeitendifferentiated am leistungsfähige Endehoher desMarktdynamik Zeit Systeme analysis- Erklärungs- derund Analyse steigenderof cities, und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- Index ESSC aufwiesen und dadurchsind am leistungsfähige Ende des Zeit Systeme- Erklärungs- der Analyse und und Prognosemodelle Entscheidungsunter erfordert.- Secondary raums100 ganz vorn lagenAstützung –differentiated beispielsweise unverzichtbar. die analysisin Das Immobilien- of cities, und Markt-Research arbeitet raums ganz vorn lagen – beispielsweise die in der Grafik enthalteneinfluencingdabeistützung Stadt insbesondere Berlin. unverzichtbar. factors an Das den Immobilien-Ein and Themen erster resulting Informationserhebung, wesentlicherund Markt-Research clusters Schritt arbeitet inKenn der- Ent- Index ESSC der90 Grafik enthalteneinfluencingdabei Stadt insbesondere Berlin. factors an den Ein and Themen erster resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent- Tertiary (2006=100) values Index zahlenbewertung und Potenzialeinschätzung.wicklung von Entscheidend Marktbewertungs- ist dabei und zahlenbewertung und Potenzialeinschätzung.wicklung von Entscheidend Marktbewertungs- ist dabei und In der‘06 Einzelbetrachtung‘07 ‘08Residentialdie ‘09 Kenntnis der property‘10 Städte von ‘11 Einflussfaktoren, has sind become‘12 Marktprognosemodellen‘13 increasingly in‘14 Bezug ‘15expensive auf‘16 aufin recent‘17 ist immobilienwirt years. die‘18 - Erhe- Residentialdie Kenntnis property von Einflussfaktoren, has become increasingly in Bezug expensive auf aufin recent immobilienwirt years.- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- teilweise BesonderheitenThisschaftliche development erkennbar, Zielgrößen. was die very die Die different vorliegendebung when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden howe und- Die EntwicklungFig. 12: Overview development begründen ofver.Ergebnisse employees Future können. subject investments einer Einto social solchen Beispiel security can contributionsParameteranalyse, bedarauf better (ESSC) planned aufbauenden at the placebezogen and of decided residence Modelle auf (as die upon of Zielgröße30.06. sollen if bothof sich auf ver.Ergebnisse Future investments einer solchen can Parameteranalyse, be better planned bezogen and decided auf die upon Zielgröße if both istEntwicklungeach year) der and dominierende rents begründen– indices (2006=100);theMarktmiete. Brancheneinflussranges können. clustering of Die Einhousing by primary,Datengrundlage Beispiel marketsecondary, der diedarauf yieldstertiary berücksichtigt wesentlichen, investment and aufbauenden the locations factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- Sources: Federal Employment Agency,theMarktmiete. ranges F+B GmbH; of ownDie housing calculation Datengrundlage market and illustration yields berücksichtigt and the factors die thatWohnungsmärkte contribute to Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- Deutschlands in Städten ab 70.000 Einwohnern. wellbetter as orthe worse contributing results arefactors known. market This size, study region, examines rent level the andyield economic range as StädtenAutomobilindustrie und auch in über Wolfsburg. die Gesamtmenge In anderen Störanfälligkeitriablen konzentrieren. des Gesamtmodells Die Komplexität wird und momentumwell as the contributing as parameters. factors The market data basis size, region,takes into rent accountlevel and Germany‘s economic hinwegStädtenFurther statistical liegt und diesauch analysis jedoch über die(Fig. nicht Gesamtmenge13) unmittelbar reveals years) durchStöranfälligkeit and Lübeck sparsame (1 year) des Parametrisierung the Gesamtmodells bottom of the ebenfalls wird housingmomentum markets as parameters. in cities with The a datapopulation basis takes in excess into ofaccount 75,000. Germany‘s hinwegthat the primary liegt dies locations jedoch dominate nicht the unmittelbar growth employment durch sparsame ranking is Parametrisierungoccupied by a diffe ebenfalls- auf der Hand. Erklärungenhousing markets qualitativer in cities Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete sindaufrates derin ohnehin all Hand. three kaum periods. Erklärungen dafür In the geeignet, qualitativerten- and Prozesfive- Art-rent Parameterbegrenzt. location in Als undeach Auswahlkriterien Daten case. Atspielen the same derfür verwendetetime,statistische sesindyear der observations ohnehin Marktauswahl, kaum the tertiary dafür der Risikoanalyse geeignet,cluster is slight Prozes - und-employment undParameter fachliche subject und Erklärungsgehalt Daten to social spielen security der für statistischecondie -abhän- dessely ahead der Portfoliomanagements Marktauswahl, of the secondary der cluster. Risikoanalyse zu The standardi largest und -tributions gigeund fachlicheZielgröße increased Erklärungsgehalt sowieby at least die Modellperformance 1,028 für across die abhän - growth in employment in the Top 7 is display- all 33 towns and cities in the cluster in the sierendes Portfoliomanagements und damit im Rahmen zu der standardi aktuellen- einegige Rolle. Zielgröße sowie die Modellperformance ed by Berlin. In this regard the German capital 2017/2018 year-on-year comparison. Digitalisierungsansätzesieren und damit im Rahmen durch der Algorithmen, aktuellen eine Rolle. Digitalisierungsansätzehad a relatively constant annual durch growth Algorithmen, rate In the tertiary cluster Cottbus brings up the of between 3.1 and 3.8 % over the periods in rear in all the periods observed. Since 2008 consideration. Since 2008 there have been the number of employees subject to social 02more | Erkenntnisse than 350,000 bisheriger additional Studienemployment zu Einflussfaktorensecurity contributions auf Wohnungsmieten there has grown by 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten relationships subject to social security con- just under 8%. In Regensburg, which heads Imtributions Rahmen (considered dieser Studieby place werden of residence). beispiel- the schaftlichencluster in this Zielgrößen.period, the level Eine of andere employ - Gruppe Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe haftDusseldorf verschiedene and Cologne Einflussfaktoren bring up the rear inin this Bezug ment bilden rose by konzeptionelle more than 41%. Arbeiten, On the whole beispielsweise this haft verschiedene Einflussfaktoren in Bezug bilden konzeptionelle Arbeiten, beispielsweise aufcluster. Wohnungsmieten Nevertheless, the imemployment Neubausegment levels cluster zur is statistisch-ökonometrischenthe most heterogeneous in terms Fundierung of auf Wohnungsmieten im Neubausegment zur statistisch-ökonometrischen Fundierung analysiert.here also increased Die Auswahl by at least potenziell 2.18% per relevanterannum. employment von spezifischen development. Prognosemodellen. The respective Auf einige analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige FaktorenIn the cluster leitet of sichsecondary u. a. aus locations bisherigen Leipzig For- deviation interessante between Beispiele the highest soll and im lowest Folgenden in- kurz schungsarbeitenFaktorenposts the leitethighest sich upturn im u. internationalen a. in aus employment bisherigen Immo-le For-- creases verwieseninteressante in employment werden. Beispiele in each soll imof Folgendenthe three kurz bilienmarkt-Researchschungsarbeitenvels in the longer-term im internationalenab. and Über medium-term Ausschluss Immo- -periods verwiesen is largest werden. here. Above all in the five- bilienmarkt-Researchkriterienconsiderations. und With Datenreihentests growth ab. Über of more Ausschluss wird than diese -year Die observation langfristige since Beziehung2013 the tertiary zwischen clus- der dannkriterien73,000 schrittweise since und 2008, Datenreihentests reduziert.Leipzig not Ziel only ist wirdleads eine its dieseListe ter deviatesEntwicklungDie langfristige significantly von Hauspreisen, Beziehung from the two zwischenPro-Kopf-Ein other der- relevanterdannown cluster schrittweise Einflussfaktorenby a clear reduziert. margin Ziel inauf thisist dieeineperiod ListeEntwick -clusters kommen,Entwicklung with a growth Bevölkerungvon Hauspreisen, difference und ofPro-Kopf-Ein 20.97 weiteren - lungrelevanterahead der of Wohnungsmieten,Dresden Einflussfaktoren (+48,541) anddie auf Nurembergeine die fachliche Entwick -percentage Fundamentalgrößenkommen, points Bevölkerung between war Offenbach Gegenstand und a. weiterenM. einer (+46,723), but is also ahead of the Top 7 cities and Cottbus. Alongside Cottbus the growth Grundlagelung der Wohnungsmieten, für die weitere Modellierung die eine fachliche schafft. StudieFundamentalgrößen von Gallin (2003). war Unter Gegenstand Verwendung einer Dusseldorf and Stuttgart and only just behind in employment subject to social security con- Grundlage für die weitere Modellierung schafft. vonStudie Daten von fürGallin 95 (2003).Metropolregionen Unter Verwendung der Ver- Frankfurt a. M. (+76,285). In the short-term tributions at the place of residence has been Die Suche nach und Bewertung von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver 23- observation, however, Aachen displays an extremely slight above all in the two somewhat EinflussfaktorenDie Suche nach auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt, von 23 even stronger rise in employment – at least smaller locations Kaiserslautern and Schwerin. wicklungenEinflussfaktoren war wiederholt auf Immobilienmarktent Gegenstand der- dassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für wicklungenin percentage war terms wiederholt – in the secondary Gegenstand clus - der dass eine Veränderung der Kaufpreise für immobilienökonomischenter. With Oberhausen (10 years), Forschung. Chemnitz (5 Eine Häuser nur in begrenztem Umfang von der Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 192 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich. Nach und zehnDEVELOPMENT JahrenPrognose lagen OF einige EMPLOYEES von wenn Wohnungsmieten (SSC) manuelle AT PLACE Einschätzungen OF RESIDENCE bei– Immo- Erklärunguneinheitlich.PRIMARY Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- StandorteLOCATIONS noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,Standorte während noch nahezu die Spitzenreiter2008-2018 aufwesentlicher ihrem Ausgangs über 60 %- 2013-2018sobilieninvestments Einflussfaktoren sollten sich aufwendige stets2017-2018 notwendig Prozesse derbleiben, Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegen konnten. Dabeitotal +30.36 variiert % (+137,012) die Dynamik total +17.13tenverarbeitung % (+86,175) wie Kennzahlenberechnung, mittelszulegenCluster konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsim betrachtetenMean Korrelationsanalyse Zeitraum.p.a. +2.68 In % den (+13,701) ersten Jahp.a.- +3.21Trendextrapolation, % (+17,235) p.a. Sortierung +2.91 % (+16,568) und Filterung renimThe betrachteten lagen Range zahlreiche Zeitraum. Städte of In Residentialeher den im ersten Mittelfeld, Jah- dochTrendextrapolation,Market zukünftig Yields weitgehend Sortierung automatisieren und Filterung renThe lagen Range zahlreiche Städte of Berlin: Residentialeher im Mittelfeld, dochMarketBerlin: zukünftig Yields weitgehendBerlin: automatisieren die später dann sehrtotal hoheIn +35.76 Zeiten Mietpreiszuwächse % (+353,000)hoher Marktdynamiktotal +20.58lassen, und % (+228,690) steigender was entsprechend Wettbewerbsintensität allgemeingültige die späterCity Max. dann sehr hohe Mietpreiszuwächse lassen, was entsprechend allgemeingültige aufwiesen und dadurchp.a.sindIn +3.10Zeiten am leistungsfähige % (+35,300) Endehoher desMarktdynamik Zeit Systemep.a.- +3.81Erklärungs- derund % (+45,738) Analysesteigender und und Prognosemodelle Wettbewerbsintensitätp.a. Entscheidungsunter +3.37 % (+43,692) erfordert.- aufwiesen und dadurchA differentiated am Ende des Zeit analysis- Erklärungs- of cities, und Prognosemodelle erfordert. raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raums ganz vorn lageninfluencingstützung –Dusseldorf: beispielsweise unverzichtbar. factors die in Das Immobilien-Cologne:and resulting und Markt-Research clustersDusseldorf: arbeitet der GrafikCity Min. enthaltenetotalinfluencingdabei Stadt+24.12 insbesondere %Berlin. (+47,737) factors antotal den +13.95 Ein and Themen % erster (+50,924)resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent- der Grafik enthaltenep.a.zahlenbewertungdabei Stadt +2.18 insbesondere %Berlin. (+4,774) und an Potenzialeinschätzung.p.a. den +2.65wicklungEin Themen % erster(+10,185) Informationserhebung, wesentlicher von Entscheidendp.a. Marktbewertungs- +2.43 Schritt % (5,820) ist in Kenndabei der - Ent und- zahlenbewertung und Potenzialeinschätzung. Entscheidend ist dabei In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- total 11.64 pp total 6.63 pp In der EinzelbetrachtungResidentialschaftlichedie Kenntnis der property Zielgrößen. Städte von Einflussfaktoren, has sind become Die vorliegendeMarktprognosemodellen increasingly in Bezug Studie expensive zeigtauf aufin Methoden recent ist immobilienwirt years. die und - Erhe- teilweiseMax.-Min. BesonderheitenThisp.a. development erkennbar, 0.92 pp was die very die differentp.a.bung 1.17 pp when relevanter comparing Eingangsparameter.p.a. locations, 0.94 pp howe- Die Thisschaftliche development Zielgrößen. was very Die different vorliegende when Studiecomparing zeigt locations, Methoden howe und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf Entwicklung begründenver.Ergebnisse Future können. investments einer Ein solchen Beispiel can Parameteranalyse, bedarauf better planned aufbauenden bezogen and decided Modelle auf die upon Zielgröße sollen if both sich auf istCorr. der ESSC dominierende in t theMarktmiete. Brancheneinflussranges of Die housing Datengrundlage market der dieyields berücksichtigt wesentlichen, and the factors die tatsächlich thatWohnungsmärkte contribute relevanten to Va- theMarktmiete. ranges0.742 of Die housing Datengrundlage market yields0.705 berücksichtigt and the factors die thatWohnungsmärkte0.596 contribute to Automobilindustrieist derto rent dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- Deutschlands in Städten ab 70.000 Einwohnern. wellbetter as orthe worse contributing results arefactors known. market This size, study region, examines rent level the andyield economic range as StädtenAutomobilindustrie und auch in über Wolfsburg. die Gesamtmenge In anderen Störanfälligkeitriablen konzentrieren. des Gesamtmodells Die Komplexität wird und Corr. ESSC in well as the contributing factors market size, region, rent level and economic Städten und auch momentum über 0.703 die Gesamtmengeas parameters. TheStöranfälligkeit 0.584data basis takes into des account Gesamtmodells0.497 Germany‘s wird hinwegt-1 to liegt rent dies jedochmomentum nicht as unmittelbarparameters. Thedurch data basis sparsame takes into Parametrisierung account Germany‘s ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls auf der Hand. Erklärungenhousing markets qualitativer in cities Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete aufCorr. der ESSC Hand. in Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sind ohnehin kaum dafür0.589 geeignet, Prozes- Parameter0.565 und Daten spielen-0.359 der statistische sesind dert-2 ohnehin to Marktauswahl, rent kaum dafür der Risikoanalyse geeignet, Prozes und- undParameter fachliche und Erklärungsgehalt Daten spielen der für statistischedie abhän- desse der Portfoliomanagements Marktauswahl, der Risikoanalyse zu standardi und- gigeund fachliche Zielgröße Erklärungsgehalt sowie die Modellperformance für die abhän- sierendes Portfoliomanagements und damit im Rahmen zu der standardi aktuellen- einegige Rolle. Zielgröße sowie die Modellperformance Digitalisierungsansätzesieren und damit im Rahmen durch der Algorithmen, aktuellen eine Rolle. DigitalisierungsansätzeDEVELOPMENT durch Algorithmen, OF EMPLOYEES (SSC) AT PLACE OF RESIDENCE SECONDARY LOCATIONS 2008-2018 2013-2018 2017-2018 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02 | ErkenntnisseCluster totalbisheriger +22.84 % Studien(+23,578) zu Einflussfaktorentotal +12.69 % (+14,403) auf Wohnungsmieten p.a. +2.06 % (+2,358) p.a. +2.41 % (+2,881) p.a. +2.52 % (+3,171) Im RahmenMean dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe haft verschiedene EinflussfaktorenLeipzig: in Bezug bildenLeipzig: konzeptionelle Arbeiten,Aachen: beispielsweise haft verschiedene Einflussfaktoren in Bezug bilden konzeptionelle Arbeiten, beispielsweise auf City Wohnungsmieten Max. total +45.09 im Neubausegment% (+73,163) total +21.44zur % statistisch-ökonometrischen(+41,565) Fundierung p.a. 3.79 % (+7,316) p.a. 3.96 % (+8,313) p.a. +4.11 % (+3,516) aufanalysiert. Wohnungsmieten Die Auswahl im potenziell Neubausegment relevanter vonzur spezifischen statistisch-ökonometrischen Prognosemodellen. Fundierung Auf einige analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige Faktoren leitet sich u. a.Oberhausen: aus bisherigen For- Chemnitz:interessante Beispiele sollLübeck: im Folgenden kurz schungsarbeitenFaktorenCity Min. leitet sich im total u. internationalena. +12.21 aus % bisherigen(+8,086) Immo- For-total +8.02verwieseninteressante % (+6,861) werden. Beispiele soll im Folgenden kurz p.a. +1.16 % (+809) p.a. +1.55 % (+1,372) p.a. +1.32 % (+1,028) bilienmarkt-Researchschungsarbeiten im internationalenab. Über Ausschluss Immo-- verwiesen werden. bilienmarkt-Research ab. Über Ausschluss- kriterien und Datenreihenteststotal 32.88 pp wird diese totalDie 13.42 langfristige pp Beziehung zwischen der Max.-Min. dannkriterien schrittweise und Datenreihentests reduziert.p.a. 2.63Ziel pp ist wird eine dieseListe p.a.EntwicklungDie 2.41 langfristige pp von Hauspreisen, Beziehungp.a. 2.79 pp zwischenPro-Kopf-Ein der- relevanterdann schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick- kommen,Entwicklung Bevölkerungvon Hauspreisen, und Pro-Kopf-Ein weiteren- relevanterCorr. ESSC Einflussfaktoren in t auf die Entwick- kommen, Bevölkerung und weiteren lung der Wohnungsmieten,0.667* die eine fachliche Fundamentalgrößen0.556* war-0.179 Gegenstand einer to rent Grundlagelung der Wohnungsmieten, für die weitere Modellierung die eine fachliche schafft. StudieFundamentalgrößen von Gallin (2003). war Unter Gegenstand Verwendung einer Grundlage für die weitere Modellierung schafft. Studie von Gallin (2003). Unter Verwendung Corr. ESSC in von Daten für 95 Metropolregionen der Ver- 0.702* 0.587* 0.047 Die t-1 Suche to rent nach und Bewertung von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver 23- EinflussfaktorenDie Suche nach auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt, von 23 Corr. ESSC in Einflussfaktoren auf 0.702* Immobilienmarktent- Jahren0.682* wurde in dieser0.242 Arbeit aufgezeigt, wicklungent-2 to rent war wiederholt Gegenstand der dass eine Veränderung der Kaufpreise für immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 202 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich. Nach und zehnDEVELOPMENT JahrenPrognose lagen OF einige EMPLOYEES von wenn Wohnungsmieten (SSC) manuelle AT PLACE Einschätzungen OF RESIDENCE bei– Immo- Erklärunguneinheitlich.TERTIARY Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- StandorteLOCATIONS noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,Standorte während noch nahezu die Spitzenreiter2008-2018 aufwesentlicher ihrem Ausgangs über 60 %- 2013-2018sobilieninvestments Einflussfaktoren sollten sich aufwendige stets2017-2018 notwendig Prozesse derbleiben, Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegen konnten. Dabeitotal +24.10 variiert % (+10,667) die Dynamik total +13.41tenverarbeitung % (+6,522) wie Kennzahlenberechnung, mittelszulegenCluster konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsim betrachtetenMean Korrelationsanalyse Zeitraum.p.a. +2.16 In % den (+1,067) ersten Jahp.a.- +2.53Trendextrapolation, % (+1,304) p.a. Sortierung +2.45 % (+1,345) und Filterung renimThe betrachteten lagen Range zahlreiche Zeitraum. Städte of In Residentialeher den im ersten Mittelfeld, Jah- dochTrendextrapolation,Market zukünftig Yields weitgehend Sortierung automatisieren und Filterung renThe lagen Range zahlreiche Städte ofRegensburg: Residentialeher im Mittelfeld, Offenbach dochMarket a. zukünftig M.: Yields weitgehendOffenbach a. automatisieren M.: die später dann sehr total hoheIn Zeiten+41.09 Mietpreiszuwächse % hoher (+18,747) Marktdynamiktotal +26.10lassen, und % (+10,956) steigender was entsprechend Wettbewerbsintensität allgemeingültige die späterCity Max. dann sehr hohe Mietpreiszuwächse lassen, was entsprechend allgemeingültige aufwiesen und dadurchp.a.sindIn Zeiten+3.50 am leistungsfähige % Endehoher (+1,875) desMarktdynamik Zeit Systemep.a.- +4.75Erklärungs- derund % (+2,191) Analysesteigender und und Prognosemodelle Wettbewerbsintensität p.a. Entscheidungsunter +3.64 % (+1,860) erfordert.- aufwiesen und dadurchA differentiated am Ende des Zeit analysis- Erklärungs- of cities, und Prognosemodelle erfordert. raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raums ganz vorn lageninfluencingstützung – beispielsweiseCottbus: unverzichtbar. factors die in Das Immobilien-Cottbus:and resulting und Markt-Research clustersCottbus: arbeitet der GrafikCity Min. enthaltenetotalinfluencingdabei Stadt +7.95 insbesondere %Berlin. (+2,730) factors antotal den +5.12Ein and Themen % erster (+1,805)resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent- der Grafik enthaltenezahlenbewertungdabeip.a. Stadt +0.77 insbesondere %Berlin. (+273) und an Potenzialeinschätzung. p.a. den +1.00wicklungEin Themen % erster (+361) Informationserhebung, wesentlicher von Entscheidend Marktbewertungs-p.a. 0.74 Schritt % (+272) ist in Kenndabei der - Ent und- zahlenbewertung und Potenzialeinschätzung. Entscheidend ist dabei In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- total 33.13 pp total 20.97 pp In der EinzelbetrachtungResidentialschaftlichedie Kenntnis der property Zielgrößen. Städte von Einflussfaktoren, has sind become Die vorliegendeMarktprognosemodellen increasingly in Bezug Studie expensive zeigtauf aufin Methoden recent ist immobilienwirt years. die und - Erhe- teilweiseMax.-Min. BesonderheitenThisp.a. development erkennbar, 2.73 pp was die very die differentp.a.bung 3.74 ppwhen relevanter comparing Eingangsparameter.p.a. locations, 2.90 pp howe- Die Thisschaftliche development Zielgrößen. was very Die different vorliegende when Studiecomparing zeigt locations, Methoden howe und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf Entwicklung begründenver.Ergebnisse Future können. investments einer Ein solchen Beispiel can Parameteranalyse, bedarauf better planned aufbauenden bezogen and decided Modelle auf die upon Zielgröße sollen if both sich auf istCorr. der ESSC dominierende in t theMarktmiete. Brancheneinflussranges of Die housing Datengrundlage market der dieyields berücksichtigt wesentlichen, and the factors die tatsächlich thatWohnungsmärkte contribute relevanten to Va- theMarktmiete. ranges0.512* of Die housing Datengrundlage market 0.602*yields berücksichtigt and the factors die thatWohnungsmärkte0.510* contribute to Automobilindustrieist derto rent dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- Deutschlands in Städten ab 70.000 Einwohnern. wellbetter as orthe worse contributing results arefactors known. market This size, study region, examines rent level the andyield economic range as StädtenAutomobilindustrie und auch in über Wolfsburg. die Gesamtmenge In anderen Störanfälligkeitriablen konzentrieren. des Gesamtmodells Die Komplexität wird und Corr. ESSC in well as the contributing factors market size, region, rent level and economic Städten und auch momentum über 0.606* die Gesamtmengeas parameters. TheStöranfälligkeit0.633* data basis takes into des account Gesamtmodells0.524* Germany‘s wird hinwegt-1 to liegt rent dies jedochmomentum nicht as unmittelbarparameters. Thedurch data basis sparsame takes into Parametrisierung account Germany‘s ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls auf der Hand. Erklärungenhousing markets qualitativer in cities Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete aufCorr. der ESSC Hand. in Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sind ohnehin kaum dafür0.622* geeignet, Prozes- Parameter0.609* und Daten spielen0.658* der statistische sesind dert-2 ohnehin to Marktauswahl, rent kaum dafür der Risikoanalyse geeignet, Prozes und- undParameter fachliche und Erklärungsgehalt Daten spielen der für statistischedie abhän- se der Marktauswahl, der Risikoanalyse und und fachliche Erklärungsgehalt für die abhän- des*statistically Portfoliomanagements significant correlation at 5% level zu standardi- gige Zielgröße sowie die Modellperformance sierendes Portfoliomanagements und damit im Rahmen zu der standardi aktuellen- einegige Rolle. Zielgröße sowie die Modellperformance sierenFig. 13: Overview und development damit im of employees Rahmen subject der to social aktuellen security contributions eine Rolle. (ESSC) at the place of residence (as of 30.06. of Digitalisierungsansätzeeach year) – clustering by primary, secondary, durch tertiary Algorithmen, investment locations, various periods; growth rates p.a. as geometric mean, Digitalisierungsansätzeabsolute growth p.a. as arithmetic mean; durch best/worst Algorithmen, city in the cluster on the basis of the percentage growth in the period Sources: Federal Employment Agency, F+B GmbH; own calculation

02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02With | Erkenntnissethis ratio the correlation bisheriger analysis Studien reveals zu Einflussfaktorenconsider the development auf Wohnungsmieten of employment le- Ima number Rahmen of significant dieser Studie results. werden Although beispiel- the vels, schaftlichen therefore. In Zielgrößen.this respect to Eine some andere extent Gruppe haftImcoefficients Rahmen verschiedene in dieser the primary Einflussfaktoren Studie cluster werden are beispiel-againin Bezug there bildenschaftlichen are longer konzeptionelle causal Zielgrößen. chains Arbeiten, Einethrough andere beispielsweise wage Gruppe aufhafthigher, verschiedeneWohnungsmieten they are not statistically Einflussfaktoren im Neubausegment significant. in In Bezug effects, zurbilden purchasing statistisch-ökonometrischen konzeptionelle power Arbeiten,and demand beispielsweise Fundierung for aufanalysiert.the tertiary Wohnungsmieten Diecluster, Auswahl however, im potenziell the Neubausegment correlation relevanter housing. vonzur spezifischen statistisch-ökonometrischen Prognosemodellen. Fundierung Auf einige Faktorenanalysiert.between the leitet Die development Auswahlsich u. a. potenziell aus of bisherigenemployment relevanter For- interessantevon spezifischen Beispiele Prognosemodellen. soll im Folgenden Auf einige kurz schungsarbeitenFaktorenlevels and leitetrents sichis imconfirmed u. internationalen a. aus across bisherigen all time Immo- For- Do rentsverwieseninteressante follow werden. the Beispiele development soll im Folgenden kurz periods and time sequences (synchronous and bilienmarkt-Researchschungsarbeiten im internationalenab. Über Ausschluss Immo--taken verwiesen by wages? werden. leading series) to the observed significance le- bilienmarkt-Researchkriterien und Datenreihentests ab. Über Ausschluss wird diese- Die langfristige Beziehung zwischen der vel (5%). In addition, the figures for the correla- Employment levels affect wages and salaries. dannkriterien schrittweise und Datenreihentests reduziert. Ziel ist wird eine dieseListe EntwicklungDie langfristige von Hauspreisen, Beziehung zwischenPro-Kopf-Ein der- tion coefficients here are very high; this would Ratios from this area can be compared with relevanterdann schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick- kommen,Entwicklung Bevölkerungvon Hauspreisen, und Pro-Kopf-Ein weiteren- relevanterindicate that Einflussfaktoren the development of aufemployment die Entwick -the developmentkommen, of Bevölkerung rents. To this end und the latest weiteren lungsubject der to Wohnungsmieten, social security contributions die eine fachlicheat the data Fundamentalgrößen from the official statistics war on Gegenstandgross wages einer lung der Wohnungsmieten, die eine fachliche Fundamentalgrößen war Gegenstand einer Grundlageplace of residence für die weitere undoubtedly Modellierung has an (par schafft.- and Studiesalaries von per employeeGallin (2003). were drawnUnter on.Verwendung Grundlage für die weitere Modellierung schafft. Studie von Gallin (2003). Unter Verwendung allel) effect on the rents at the location. For Thevon development Daten für of 95 gross Metropolregionen wages and salaries der Ver- von Daten für 95 Metropolregionen der Ver- Diethe secondary Suche locations nach und cluster Bewertung there is a si- vonsince einigten 2005 was Staaten relatively über uniform einen Zeitraum across all von 23 Die Suche nach und Bewertung von einigten Staaten über einen Zeitraum von 23 Einflussfaktorenmilar result in the ten- auf and five-year Immobilienmarktent periods. -the Jahrenclusters. wurdeThe primary in dieser markets Arbeit merely aufgezeigt, dis- Einflussfaktoren auf Immobilienmarktent- Jahren wurde in dieser Arbeit aufgezeigt, wicklungenIt is merely in war the wiederholt short-term Gegenstandconsideration der play dass an additional eine Veränderung spike in 2010, der but Kaufpreisethis later für immobilienökonomischenwicklungenthat it is not warpossible wiederholt to establish Forschung. Gegenstand a (statisti Eine- derfalls Häuserdass in line eine with nur Veränderung the in begrenztemother clusters der Umfang again. Kaufpreise The von der für Vielzahlimmobilienökonomischencal) correlation. von ForschungsarbeitenFor an appraisal Forschung. of the widmete fur Eine- computed EntwicklungHäuser wage nur in indices der begrenztem betrachteten at the end Umfang of Kennzahlen, 2017 von der sichVielzahlther development in den von letzten Forschungsarbeiten of rents Jahren it can der be empirischen, useful widmete to range insbesondereEntwicklung between 123.3 der dem (secondary betrachteten Einkommen, locations) Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 212 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wieand 125.7 zu sehen(tertiary ist, locations), verläuft and die are Entwicklung thus re- also Daten offset accordingly. und Schnittstellen Above all abzubilden.in the Top 7 Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.latively close to Nach one und zehnanother. JahrenPrognose There lagen is much einige vonmarkets wenn Wohnungsmieten – which manuelle reach Einschätzungen a level of 118.1 – rents bei– Immo- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- Standortegreater differentiation noch nahezu in theauf growth ihrem Ausgangsin rents, -nowbilieninvestments seem to be developing stets independently notwendig of bleiben, Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,on the other während hand. die Thus Spitzenreiter thewesentlicher resulting über ratios 60 % the sogrowth Einflussfaktoren sollten in wages. sich aufwendige Prozesse der Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegencomputed konnten. on the basisDabei of variiert these figuresdie Dynamik are tenverarbeitung wie Kennzahlenberechnung, mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsim betrachteten Korrelationsanalyse Zeitraum. In den ersten Jah- Trendextrapolation, Sortierung und Filterung renimThe betrachteten lagen Range zahlreiche Zeitraum. Städte of In Residentialeher den im ersten Mittelfeld, Jah- dochTrendextrapolation,Market zukünftig Yields weitgehend Sortierung automatisieren und Filterung renThe lagen Range zahlreiche Städte of Residentialeher im Mittelfeld, dochMarket zukünftig Yields weitgehend automatisieren die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige die später dann sehr hohe Mietpreiszuwächse lassen, was entsprechend allgemeingültige aufwiesen und dadurchsindIn Zeiten am leistungsfähige Endehoher desMarktdynamik Zeit Systeme- Erklärungs- derund Analysesteigender und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- Index rent aufwiesen und dadurchA differentiated am Ende des Zeit analysis- Erklärungs- of cities, und Prognosemodelle erfordert. Index rent/ Primary raums150 ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- GWSE Primary raums ganz vorn lageninfluencingstützung – beispielsweise unverzichtbar. factors die in Das Immobilien-and resulting und Markt-Research clusters arbeitet Index rent der140 Grafik enthalteneinfluencingdabei Stadt insbesondere Berlin. factors an den Ein and Themen erster resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent- Index rent/ Secondary der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- GWSE Secondary 130 zahlenbewertung und Potenzialeinschätzung.wicklung von Entscheidend Marktbewertungs- ist dabei und Index rent In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellen increasingly in Bezug expensive auf aufin recent ist immobilienwirt years. die - Erhe- Index rent/ Tertiary Residentialdie Kenntnis property von Einflussfaktoren, has become increasingly in Bezug expensive auf aufin recent immobilienwirt years.- GWSE Tertiary teilweiseIn120 der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- schaftliche Zielgrößen. Die vorliegende Studie zeigt Methoden und Index GWSE teilweise Besonderheitenver.ThisErgebnisse Future development erkennbar, investments einer solchenwas die very diecan Parameteranalyse, bedifferentbung better whenplanned relevanter comparing bezogen and decided Eingangsparameter. auflocations, die upon Zielgröße ifhowe both- Die Primary Entwicklung110 begründen können. Ein Beispiel darauf aufbauenden Modelle sollen sich auf ver.Ergebnisse Future investments einer solchen can Parameteranalyse, be better planned bezogen and decided auf die upon Zielgröße if both istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- Index GWSE ist100 der dominierendetheDeutschlandsMarktmiete. Brancheneinflussranges of Die housing in DatengrundlageStädten market derab 70.000 dieyields berücksichtigt wesentlichen, andEinwohnern. the factors die tatsächlich thatWohnungsmärkte contribute relevanten to Va- Secondary Automobilindustrie inbetter Wolfsburg. or worse Inresults anderen are known. riablen This study konzentrieren. examines the Die yield Komplexität range as und betterDeutschlands or worse in results Städten are abknown. 70.000 This Einwohnern. study examines the yield range as Automobilindustrie90 inwell Wolfsburg. as the contributing In anderen factors marketriablen size, konzentrieren. region, rent level Die and Komplexität economic und Index GWSE (2005=100) values Index Städten und auch well über as diethe contributing Gesamtmenge factors marketStöranfälligkeit size, region, desrent level Gesamtmodells and economic wird Tertiary Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinweg‘05 liegt‘06 dies ‘07 jedochmomentum‘08 nicht ‘09as unmittelbarparameters.‘10 ‘11 Thedurch data‘12 basis sparsame‘13 takes‘14 into Parametrisierung account‘15 ‘16Germany‘s ‘17 ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls auf der Hand. Erklärungenhousing markets qualitativer in cities Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete sindauf der ohnehin Hand. kaum Erklärungen dafür geeignet, qualitativer Prozes Art- Parameterbegrenzt. Als und Auswahlkriterien Daten spielen derfür verwendetestatistische sindFig. 14: Overview ohnehin development kaum ofdafür gross wages geeignet, and salaries per Prozes employee- (GWSE)Parameter and rents – undindices Daten (2005=100); spielen der statistische seclustering der by Marktauswahl, primary, secondary, tertiary der investment Risikoanalyse locations und und fachliche Erklärungsgehalt für die abhän- se der Marktauswahl, der Risikoanalyse und und fachliche Erklärungsgehalt für die abhän- desSources: PortfoliomanagementsF+B GmbH, Federal Statistical Office and zu State standardi Statistical Offices;- owngige calculation Zielgröße and illustration sowie die Modellperformance sierendes Portfoliomanagements und damit im Rahmen zu der standardi aktuellen- einegige Rolle. Zielgröße sowie die Modellperformance Digitalisierungsansätzesieren und damit im Rahmen durch der Algorithmen, aktuellen eine Rolle. DigitalisierungsansätzeThe cluster means for the durch respective Algorithmen, com- Mainz bringing up the rear in both cases. puted ratios in the three periods are very si- In the tertiary cluster Wolfsburg posted the milar. Major differences are only seen within highest growth rates in the medium and lon- 02the |clusters. Erkenntnisse In the Top bisheriger 7 Frankfurt Studien a. M. is zuthe Einflussfaktorenger term. In absolute auf Wohnungsmieten terms, after ten years 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten frontrunner in the longer-term view, in the workers were earning a sum that was at least Immedium-term Rahmen dieserview it Studiebrings up werden the rear, beispiel- ho- ten schaftlichenthousand euros Zielgrößen. higher. A Eine similar andere trend Gruppe Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe haftwever. verschiedene The growth in Einflussfaktorengross wages and salaries in Bezug was bilden displayed konzeptionelle by the second Arbeiten, automotive beispielsweise city, haft verschiedene Einflussfaktoren in Bezug bilden konzeptionelle Arbeiten, beispielsweise aufof more Wohnungsmieten than 9,600 EUR predominantly im Neubausegment came Ingolstadt zur statistisch-ökonometrischen (+13,874 EUR from 2007 to Fundierung2017, auf Wohnungsmieten im Neubausegment zur statistisch-ökonometrischen Fundierung analysiert.about before Die 2012. Auswahl Other potenziellcities were relevanter more +10,183 von EURspezifischen from 2012 Prognosemodellen. to 2017). Despite anAuf einige analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige Faktorendynamic in leitet the subsequent sich u. a. ausyears. bisherigen In Stuttgart For- increase interessante of no less Beispiele than 4,169 soll EUR im Folgendenper wor- kurz schungsarbeitenFaktorenemployees leitet have sichearnt im u. approx. internationalen a. aus 2.8% bisherigen in addi Immo- For-- ker verwieseninteressante(2007-2017), werden. Wurzburg Beispiele brings soll im up Folgenden the rear kurz bilienmarkt-Researchschungsarbeitention since 2012. In Berlin im internationalenab. wages Über and Ausschluss salaries Immo- -within verwiesen the cluster werden. and in a comparison with all bilienmarkt-Researchkriterienincreased undby more Datenreihentests than ab. 4.5% Über in the Ausschluss wird short- diese-the Dieother langfristigecities (after Lübeck Beziehung with +4,592 zwischen EUR der dannkriterienterm view.schrittweise und Datenreihentests reduziert. Ziel ist wird eine dieseListeand EntwicklungDie Bochum langfristige with von +4,694 Hauspreisen, Beziehung EUR). In the zwischenPro-Kopf-Ein short der- relevanterdannThe highest schrittweise Einflussfaktorenincrease reduziert. on an annual Ziel auf basis ist dieeine in the ListeEntwick -term kommen,Entwicklung Cottbus (though Bevölkerungvon Hauspreisen,weak in the section und Pro-Kopf-Ein on weiteren - lungrelevantersecondary der Wohnungsmieten, cluster Einflussfaktoren was posted dieby aufHalle eine die(Saale) fachliche Entwick -employment Fundamentalgrößenkommen, levels) Bevölkerung displays war the clearest Gegenstand und wage weiteren einer with just less than 6.2%; in Bochum, in con- increase, just over 4.6%, among the tertiary Grundlagelung der Wohnungsmieten, für die weitere Modellierung die eine fachliche schafft. StudieFundamentalgrößen von Gallin (2003). war Unter Gegenstand Verwendung einer trast, there was actually a small decrease. In cities; this figure corresponds to ten-fold that Grundlage für die weitere Modellierung schafft. vonStudie Daten von fürGallin 95 (2003).Metropolregionen Unter Verwendung der Ver- the other time periods the frontrunners were posted by the bottom-placed Leverkusen. Die Suche nach und Bewertung von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver 23- Chemnitz and Magdeburg, respectively, with EinflussfaktorenDie Suche nach auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt, von 23 wicklungenEinflussfaktoren war wiederholt auf Immobilienmarktent Gegenstand der- dassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 222 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich. Nach DEVELOPMENTund zehn JahrenPrognose OFlagen GROSS einige WAGES von wenn AND Wohnungsmieten SALARIES manuelle PER Einschätzungen EMPLOYEE (IN EUR) bei– Immo- Erklärunguneinheitlich.PRIMARY Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- StandorteLOCATIONS noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, BestimmungStandorte noch nahezu2007-2017 aufwesentlicher ihrem Ausgangs- 2012-2017bilieninvestments Einflussfaktoren stets2016-2017 notwendig bleiben, Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegenniveau, währendkonnten. dieDabei Spitzenreiter variiert die über Dynamik 60 % tenverarbeitungso sollten sich aufwendige wie Kennzahlenberechnung, Prozesse der Da- Cluster total +22.39 % (+7,338) total +13.30 % (+4,673) mittelsimzulegen betrachteten konnten. Korrelationsanalyse Zeitraum. Dabei variiert In den die ersten Dynamik Jah- Trendextrapolation,tenverarbeitung wie Sortierung Kennzahlenberechnung, und Filterung mittelsMean Korrelationsanalysep.a. +2.04 % (+734) p.a. +2.53 % (+935) p.a. +2.63 % (+1,007) renimThe betrachteten lagen Range zahlreiche Zeitraum. Städte of In Residentialeher den im ersten Mittelfeld, Jah- dochTrendextrapolation,Market zukünftig Yields weitgehend Sortierung automatisieren und Filterung renThe lagen Range zahlreiche Städte ofFrankfurt Residentialeher a. M.:im Mittelfeld, Stuttgart: dochMarket zukünftig Yields weitgehendBerlin: automatisieren die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige die späterCity Max. dann sehrtotal hohe +28.33 Mietpreiszuwächse % (+9,625) total +14.83lassen, % (+5,506) was entsprechend allgemeingültige aufwiesen und dadurchp.a.sindIn Zeiten +2.53 am leistungsfähige % Endehoher (+963) desMarktdynamik Zeit Systemep.a.- +2.80Erklärungs- derund % (+1,101) Analysesteigender und und Prognosemodelle Wettbewerbsintensität p.a. Entscheidungsunter +4.56 % (+1,428) erfordert.- aufwiesen und dadurchA differentiated am Ende des Zeit analysis- Erklärungs- of cities, und Prognosemodelle erfordert. raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raums ganz vorn lagen – beispielsweise die in der Grafik enthalteneinfluencingdabeistützung StadtCologne: insbesondere Berlin. unverzichtbar. factors an Das denFrankfurt Immobilien-Ein and Themen erster a.resulting M.: Informationserhebung, wesentlicherund Markt-Research clustersDusseldorf: Schritt arbeitet inKenn der- Ent- der GrafikCity Min. enthaltenetotalinfluencingdabei Stadt +16.91 insbesondere %Berlin. (+5,493) factors antotal den +10.35 Ein and Themen % erster (+4,088)resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent- zahlenbewertungp.a. +1.57 % (+549) und Potenzialeinschätzung.p.a. +1.99wicklung % (+818) von Entscheidend Marktbewertungs-p.a. +1.38 % (568) ist dabei und zahlenbewertung und Potenzialeinschätzung. Entscheidend ist dabei In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- In der EinzelbetrachtungResidentialdie total Kenntnis 11.42 der property pp Städte von Einflussfaktoren, has sind become totalMarktprognosemodellen 4.48 increasingly pp in Bezug expensive auf aufin recent ist immobilienwirt years. die - Erhe- teilweiseMax.-Min. BesonderheitenThisschaftliche development erkennbar, Zielgrößen. was die very die Die different vorliegendebung when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden howe und- Die Thisschaftlichep.a. development 0.95 pp Zielgrößen. was very Die differentp.a. vorliegende 0.82 ppwhen Studiecomparing zeigtp.a. locations, Methoden 3.17 pp howe und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf Entwicklung begründenver.Ergebnisse Future können. investments einer Ein solchen Beispiel can Parameteranalyse, bedarauf better planned aufbauenden bezogen and decided Modelle auf die upon Zielgröße sollen if both sich auf istCorr. der GWSE dominierende in t theMarktmiete. Brancheneinflussranges of Die housing Datengrundlage market der dieyields berücksichtigt wesentlichen, and the factors die tatsächlich thatWohnungsmärkte contribute relevanten to Va- theMarktmiete. ranges0.198 of Die housing Datengrundlage market yields0.280 berücksichtigt and the factors die thatWohnungsmärkte0.519 contribute to Automobilindustrieist derto rent dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- Deutschlands in Städten ab 70.000 Einwohnern. wellbetter as orthe worse contributing results arefactors known. market This size, study region, examines rent level the andyield economic range as StädtenAutomobilindustrie und auch in über Wolfsburg. die Gesamtmenge In anderen Störanfälligkeitriablen konzentrieren. des Gesamtmodells Die Komplexität wird und Corr. GWSE in well as the contributing factors market size, region, rent level and economic Städten und auch momentum über -0.140 die Gesamtmengeas parameters. TheStöranfälligkeit 0.100data basis takes into des account Gesamtmodells0.359 Germany‘s wird hinwegt-1 to liegt rent dies jedochmomentum nicht as unmittelbarparameters. Thedurch data basis sparsame takes into Parametrisierung account Germany‘s ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls auf der Hand. Erklärungenhousing markets qualitativer in cities Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete aufCorr. der GWSE Hand. in Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sind ohnehin kaum dafür-0.104 geeignet, Prozes- Parameter-0.241 und Daten spielen-0.636 der statistische sesind dert-2 ohnehin to Marktauswahl, rent kaum dafür der Risikoanalyse geeignet, Prozes und- undParameter fachliche und Erklärungsgehalt Daten spielen der für statistischedie abhän- desse der Portfoliomanagements Marktauswahl, der Risikoanalyse zu standardi und- gigeund fachliche Zielgröße Erklärungsgehalt sowie die Modellperformance für die abhän- sierendes Portfoliomanagements und damit im Rahmen zu der standardi aktuellen- einegige Rolle. Zielgröße sowie die Modellperformance Digitalisierungsansätzesieren und damit im Rahmen durch der Algorithmen, aktuellen eine Rolle. DigitalisierungsansätzeDEVELOPMENT durch OF Algorithmen, GROSS WAGES AND SALARIES PER EMPLOYEE (IN EUR) SECONDARY LOCATIONS 2007-2017 2012-2017 2016-2017 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02 | ErkenntnisseCluster bisherigertotal +22.70 % Studien (+6,028) zu Einflussfaktorentotal +14.00 % (+4,009) auf Wohnungsmieten Im RahmenMean dieser Studiep.a. +2.06 werden % (+603) beispiel-p.a. +2.65schaftlichen % (+802) Zielgrößen.p.a. +2.43 Eine % (+770) andere Gruppe haftIm Rahmen verschiedene dieser Einflussfaktoren Studie werden beispiel-in Bezug bildenschaftlichen konzeptionelle Zielgrößen. Arbeiten, Eine andere beispielsweise Gruppe haft verschiedene EinflussfaktorenChemnitz: in Bezug Magdeburg:bilden konzeptionelle Halle Arbeiten, (Saale): beispielsweise auf City Wohnungsmieten Max. total +38.33 im Neubausegment% (+8,209) total +20.88zur % statistisch-ökonometrischen (+4,879) Fundierung aufanalysiert. Wohnungsmieten Die Auswahlp.a. +3.30 im potenziell Neubausegment% (+821) relevanterp.a. +3.87vonzur %spezifischen statistisch-ökonometrischen (+976) Prognosemodellen.p.a. +6.19 % (+1,656) Fundierung Auf einige Faktorenanalysiert. leitet Die Auswahlsich u. a. potenziell aus bisherigen relevanter For- interessantevon spezifischen Beispiele Prognosemodellen. soll im Folgenden Auf einige kurz Faktoren leitet sich u. a. ausMainz: bisherigen For- interessanteMainz: Beispiele sollBochum: im Folgenden kurz schungsarbeitenCity Min. imtotal internationalen +15.81 % (+4,809) Immo-total +9.32verwiesen % (+3,003) werden. bilienmarkt-Researchschungsarbeiten im p.a. internationalenab. +1.48 Über % (+481) Ausschluss Immo-p.a.- +1.80verwiesen % (+601) werden. p.a. -0.05 % (-17) bilienmarkt-Research ab. Über Ausschluss- kriterien und Datenreihenteststotal 22.52 pp wird diese totalDie 11.56 langfristige pp Beziehung zwischen der dannkriterienMax.-Min. schrittweise und Datenreihentests reduziert.p.a. 1.82Ziel pp ist wird eine dieseListe p.a.EntwicklungDie 2.07 langfristige pp von Hauspreisen, Beziehungp.a. 6.24 pp zwischenPro-Kopf-Ein der- relevanterdann schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick- kommen,Entwicklung Bevölkerungvon Hauspreisen, und Pro-Kopf-Ein weiteren- relevanterCorr. GWSE Einflussfaktoren in t auf die Entwick- kommen, Bevölkerung und weiteren lung der Wohnungsmieten,-0.229 die eine fachliche Fundamentalgrößen-0.141 war-0.199 Gegenstand einer to rent Grundlagelung der Wohnungsmieten, für die weitere Modellierung die eine fachliche schafft. StudieFundamentalgrößen von Gallin (2003). war Unter Gegenstand Verwendung einer Grundlage für die weitere Modellierung schafft. Studie von Gallin (2003). Unter Verwendung Corr. GWSE in von Daten für 95 Metropolregionen der Ver- -0.391* -0.243 -0.047 Die t-1 Suche to rent nach und Bewertung von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver 23- EinflussfaktorenDie Suche nach auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt, von 23 Corr. GWSE in Einflussfaktoren auf -0.383* Immobilienmarktent- Jahren-0.291 wurde in dieser0.041 Arbeit aufgezeigt, wicklungent-2 to rent war wiederholt Gegenstand der dass eine Veränderung der Kaufpreise für immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 232 2 2

5 5

REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich. Nach DEVELOPMENTund zehn JahrenPrognose OFlagen GROSS einige WAGES von wenn AND Wohnungsmieten SALARIES manuelle PER Einschätzungen EMPLOYEE (IN EUR) bei– Immo- Erklärunguneinheitlich.TERTIARY Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- StandorteLOCATIONS noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, BestimmungStandorte noch nahezu2007-2017 aufwesentlicher ihrem Ausgangs- 2012-2017bilieninvestments Einflussfaktoren stets2016-2017 notwendig bleiben, Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegenniveau, währendkonnten. dieDabei Spitzenreiter variiert die über Dynamik 60 % tenverarbeitungso sollten sich aufwendige wie Kennzahlenberechnung, Prozesse der Da- Cluster total +24.64 % (+7,255) total +15.51 % (+4,905) mittelsimzulegen betrachteten konnten. Korrelationsanalyse Zeitraum. Dabei variiert In den die ersten Dynamik Jah- Trendextrapolation,tenverarbeitung wie Sortierung Kennzahlenberechnung, und Filterung mittelsMean Korrelationsanalysep.a. +2.21 % (+726) p.a. +2.91 % (+981) p.a. +2.72 % (+940) renimThe betrachteten lagen Range zahlreiche Zeitraum. Städte of In Residentialeher den im ersten Mittelfeld, Jah- dochTrendextrapolation,Market zukünftig Yields weitgehend Sortierung automatisieren und Filterung renThe lagen Range zahlreiche Städte ofWolfsburg: Residentialeher im Mittelfeld, Wolfsburg: dochMarket zukünftig Yields weitgehendCottbus: automatisieren die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige die späterCity Max. dann sehrtotal hohe +40.98 Mietpreiszuwächse % (+15,033) total +28.71lassen, % (+11,536) was entsprechend allgemeingültige aufwiesen und dadurchp.a.sindIn Zeiten+3.49 am leistungsfähige % Ende hoher(+1,503) desMarktdynamik Zeit Systemep.a.- +5.18Erklärungs- derund % (+2,307) Analysesteigender und und Prognosemodelle Wettbewerbsintensität p.a. Entscheidungsunter +4.63 % (+1,244) erfordert.- aufwiesen und dadurchA differentiated am Ende des Zeit analysis- Erklärungs- of cities, und Prognosemodelle erfordert. raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raums ganz vorn lagen – beispielsweise die in der Grafik enthalteneinfluencingdabeistützung StadtWurzburg: insbesondere Berlin. unverzichtbar. factors an Das den Immobilien-Erlangen:Ein and Themen erster resulting Informationserhebung, wesentlicherund Markt-Research clustersLeverkusen: Schritt arbeitet inKenn der- Ent- der GrafikCity Min. enthaltenetotalinfluencingdabei Stadt +15.59 insbesondere Berlin.% (+4,169) factors antotal den +7.15 Ein and Themen % erster (+3,020)resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent- zahlenbewertungp.a. +1.46 % (+417) und Potenzialeinschätzung.p.a. +1.39wicklung % (+604) von Entscheidendp.a. Marktbewertungs- +0.46 % (+186) ist dabei und zahlenbewertung und Potenzialeinschätzung. Entscheidend ist dabei In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- In der EinzelbetrachtungResidentialdie total Kenntnis 25.39 der property pp Städte von Einflussfaktoren, has sind become totalMarktprognosemodellen 21.56 increasingly pp in Bezug expensive auf aufin recent ist immobilienwirt years. die - Erhe- teilweiseMax.-Min. BesonderheitenThisschaftliche development erkennbar, Zielgrößen. was die very die Die different vorliegendebung when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden howe und- Die Thisschaftlichep.a. development 2.03 pp Zielgrößen. was very Die differentp.a. vorliegende 3.79 ppwhen Studiecomparing zeigtp.a. locations, Methoden 4.18 pp howe und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf Entwicklung begründenver.Ergebnisse Future können. investments einer Ein solchen Beispiel can Parameteranalyse, bedarauf better planned aufbauenden bezogen and decided Modelle auf die upon Zielgröße sollen if both sich auf istCorr. der GWSE dominierende in t theMarktmiete. Brancheneinflussranges of Die housing Datengrundlage market der dieyields berücksichtigt wesentlichen, and the factors die tatsächlich thatWohnungsmärkte contribute relevanten to Va- theMarktmiete. ranges-0.100 of Die housing Datengrundlage market yields0.268 berücksichtigt and the factors die thatWohnungsmärkte-0.119 contribute to Automobilindustrieist derto rent dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- Deutschlands in Städten ab 70.000 Einwohnern. wellbetter as orthe worse contributing results arefactors known. market This size, study region, examines rent level the andyield economic range as StädtenAutomobilindustrie und auch in über Wolfsburg. die Gesamtmenge In anderen Störanfälligkeitriablen konzentrieren. des Gesamtmodells Die Komplexität wird und Corr. GWSE in well as the contributing factors market size, region, rent level and economic Städten und auch momentum über -0.053 die Gesamtmengeas parameters. TheStöranfälligkeit -0.170data basis takes into des account Gesamtmodells-0.158 Germany‘s wird hinwegt-1 to liegt rent dies jedochmomentum nicht as unmittelbarparameters. Thedurch data basis sparsame takes into Parametrisierung account Germany‘s ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls auf der Hand. Erklärungenhousing markets qualitativer in cities Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete aufCorr. der GWSE Hand. in Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sind ohnehin kaum dafür-0.015 geeignet, Prozes- Parameter0.226 und Daten spielen-0.577* der statistische sesind dert-2 ohnehin to Marktauswahl, rent kaum dafür der Risikoanalyse geeignet, Prozes und- undParameter fachliche und Erklärungsgehalt Daten spielen der für statistischedie abhän- se der Marktauswahl, der Risikoanalyse und und fachliche Erklärungsgehalt für die abhän- des*statistically Portfoliomanagements significant correlation at 5% level zu standardi- gige Zielgröße sowie die Modellperformance sierendes Portfoliomanagements und damit im Rahmen zu der standardi aktuellen- einegige Rolle. Zielgröße sowie die Modellperformance sierenFig. 15: Overview und development damit im of gross Rahmen wages and der salaries aktuellen per employee (GWSE)eine – Rolle.clustering by primary, secondary, tertiary investment Digitalisierungsansätzelocations, various periods; growth rates durch p.a. as geometric Algorithmen, mean, absolute growth p.a. as arithmetic mean; best/worst city in the cluster Digitalisierungsansätzeon the basis of the percentage growth durchin the period; Algorithmen, due to lack of data availability without Aachen and Saarbrücken Sources: F+B GmbH, Federal Statistical Office and State Statistical Offices (VGRdL); own calculation

02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02The | Erkenntnissedata series under bisheriger consideration Studien show zu EinflussfaktorenChemnitz, Halle auf(Saale), Wohnungsmieten Magdeburg, Leipzig, Imhardly Rahmen any significant dieser Studiecorrelations. werden The beispiel-coef- Dresden) schaftlichen have contrasted Zielgrößen. with Einemoderate andere rent Gruppe haftImficients Rahmen verschiedene change dieser frequently Einflussfaktoren Studie between werden negative beispiel-in Bezug growth bildenschaftlichen over konzeptionelle many Zielgrößen. years. It is Arbeiten, probable Eine andere that beispielsweise the Gruppe aufhaftand positive verschiedeneWohnungsmieten figures, thus Einflussfaktoren making im Neubausegment any interpre in - Bezugeffects zurbilden on statistisch-ökonometrischen rents konzeptionelle will only occur Arbeiten, with a beispielsweise further Fundierung aufanalysiert.tation Wohnungsmieten difficult. Die At Auswahl best the impotenziell secondary Neubausegment relevantercluster time vonzur lag, spezifischen which statistisch-ökonometrischen would requirePrognosemodellen. further data Fundierung and Auf einige Faktorenanalysiert.with the leading leitet Die long-term Auswahlsich u. a. potenziellwage aus bisherigenseries relevanter of one For- new interessantevon calculations. spezifischen BeispieleOn thePrognosemodellen. whole soll imthe Folgendendevelop Auf- einige kurz schungsarbeitenFaktorenand two years leitet provides sich im u. statistically internationalen a. aus bisherigen significant Immo- For- ment verwieseninteressante of wages, werden. salaries Beispiele and sollincomes im Folgenden remains kurz results; contrary to expectations these are important for the assessment of regional hou- bilienmarkt-Researchschungsarbeiten im internationalenab. Über Ausschluss Immo-- verwiesen werden. negative, however. Here high wage rises (e.g. sing markets. bilienmarkt-Researchkriterien und Datenreihentests ab. Über Ausschluss wird diese- Die langfristige Beziehung zwischen der dannkriterien schrittweise und Datenreihentests reduziert. Ziel ist wird eine dieseListe EntwicklungDie langfristige von Hauspreisen, Beziehung zwischenPro-Kopf-Ein der- relevanterdann schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick- kommen,Entwicklung Bevölkerungvon Hauspreisen, und Pro-Kopf-Ein weiteren- lungrelevanter4. Structural der Wohnungsmieten, Einflussfaktoren differences between die auf eine the die individualfachliche Entwick- locationsFundamentalgrößenkommen, Bevölkerung war Gegenstand und weiteren einer Grundlagelung der Wohnungsmieten, für die weitere Modellierung die eine fachliche schafft. StudieFundamentalgrößen von Gallin (2003). war Unter Gegenstand Verwendung einer GrundlageOn the basis für of die the weitere long-term Modellierung trends and schafft. de- dingvonStudie cluster Daten von observation fürGallin 95 (2003).Metropolregionen the level Unter of analysis Verwendung der Ver- Dievelopments Suche the nach resulting und actual Bewertung ratios and von now einigtenvon focuses Daten Staatenon für the 95 individual über Metropolregionen einen towns Zeitraum and cider -von Ver 23- EinflussfaktorenDiestructural Suche data are nach compared. auf und BewertungVariousImmobilienmarktent demo - von-ties. Jahreneinigten The result wurdeStaaten is a variety in über dieser of einen rankings. Arbeit Zeitraum Where aufgezeigt, von 23 wicklungenEinflussfaktorengraphic, socio-economic war wiederholt auf and real Immobilienmarktent Gegenstand estate mar - der-differing dassJahren perspectives eine wurde Veränderung in are dieser possible der Arbeit from Kaufpreise aufgezeigt,case für immobilienökonomischenwicklungenket-related parameters war wiederholt which Forschung.impact Gegenstand on the Eine der to case,Häuserdass for eine example nur Veränderung in begrenztemwith supply der reserves, Umfang Kaufpreise the von der für stability of the real estate market and the risks ratio assessment is conducted from the stan- Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der it faces are presented. Following the prece- ce of investors and finance providers. sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 252 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

WieThe upper zu sehen and lower ist, verläuftmanifestations, die Entwicklung spreads cations). Daten Among und Schnittstellenthe Top 7 only abzubilden.Frankfurt a. Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.and means have Nach been und zehn calculated JahrenPrognose for lagen the indi einige- vonM., Dusseldorfwenn Wohnungsmieten manuelle and Stuttgart Einschätzungen have values beithat– Immo- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- Standortevidual ratios. noch The nahezu indicators auf are ihrem allocated Ausgangs to -exceedbilieninvestments the mean for the stets 60 locations. notwendig Major bleiben, Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,the areas während “Economy die & SpitzenreiterLabour wesentlicher Market” über (mar 60 %- industrial so Einflussfaktoren sollten locations sich such aufwendige as Ingolstadt Prozesse or ci der- Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegenket environment) konnten. andDabei “Supply variiert & dieDemand” Dynamik ties tenverarbeitungwith an economically wie weak Kennzahlenberechnung, urban environs mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsim(market betrachteten in the Korrelationsanalysenarrower Zeitraum. sense). In den ersten Jah-suchTrendextrapolation, as Saarbrücken and SortierungKoblenz tend und to be Filterung renimThe betrachteten lagen Range zahlreiche Zeitraum. Städte of In Residentialeher den im ersten Mittelfeld, Jah-more dochTrendextrapolation,Market typical zukünftig here. Offenbach Yields weitgehend Sortierung a. M., Oberhau automatisieren und Filterung- renThe lagen Range zahlreiche Städte of Residentialeher im Mittelfeld,sen, doch MarketGelsenkirchen zukünftig andYields weitgehend Wuppertal are automatisieren all to dieEconomy später & dann Labour sehr Market: hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige die später dann sehr hohe Mietpreiszuwächsebe regardedlassen, wasas residential entsprechend locations allgemeingültige with little aufwiesenWhere is the und market dadurch supportedAsindIn Zeitendifferentiated am leistungsfähige Endehoher by desMarktdynamik Zeit Systeme analysis- Erklärungs- derund Analyse steigenderof cities, und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwiesen und dadurch am Ende des Zeit-localErklärungs- employment. und Here Prognosemodelle the commuter flowserfordert. raumsa strong ganz environment? vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raums ganz vorn lagen – beispielsweise die inare negative. As a result of the proximity to der Grafik enthalteneinfluencingdabeistützung Stadt insbesondere Berlin. unverzichtbar. factors an Das den Immobilien-Ein and Themen erster resulting Informationserhebung, wesentlicherund Markt-Research clusters Schritt arbeitet inKenn der- Ent- Important ratio areasinfluencing in the socio-economic factors urban and agglomerations resulting (e.g.clusters Ruhr area, Rhi- der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- market environment arezahlenbewertung the level of employ und- Potenzialeinschätzung.ne/Main) there can nevertheless Entscheidend be aist certain dabei In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- ment, the purchasing Residentialpower,die Kenntnis the levelproperty von of edu Einflussfaktoren, has- becomeneed for increasingly housing in Bezug in expensivethese auf cities, aufin yetrecent thereimmobilienwirt years. is a- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- cation and the urban-ruralThisschaftliche development relationships Zielgrößen. waspor -very Diefundamental different vorliegende when migration Studiecomparing risk zeigt iflocations, Methodenhousing howebeco und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf trayed using commuterver.Ergebnisse flows. Future investments einer solchen can Parameteranalyse,mes be betteravailable planned at the bezogen placeand decided of work.auf die upon Size Zielgröße effectsif both istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- The per capita purchasingtheMarktmiete. ranges power of Die ishousing a Datengrundlagecom -marketcan alsoyields berücksichtigtplay and a rolethe withfactors diethis that Wohnungsmärkteratio. contribute For example to Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- monly used indicator forDeutschlands the regional in income Städten abBerlin 70.000 has a Einwohnern. relatively low value (37.5), but this Automobilindustrie inwellbetter Wolfsburg. as orthe worse contributing Inresults anderen arefactors known. marketriablen This size, study konzentrieren. region, examines rent level the Die andyield Komplexität economic range as und Städtenlevels. It allows und auchfor the well über sales as diethe potential contributing Gesamtmenge to be factors is due marketStöranfälligkeit to the size, tendency region, towardsdesrent level Gesamtmodells longer and economic journeys wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinwegestimated liegt and diescompared. jedochmomentum Correspondingly, nicht as unmittelbarparameters. and The durcha data sparsely basis sparsame populated takes into Parametrisierung commuter account Germany‘sbelt. ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls aufhigher der purchasing Hand. Erklärungen powerhousing is to markets qualitativerbe viewed in cities as Art withFor abegrenzt.qualitative population Als assessments in Auswahlkriterien excess of the 75,000. proportion für verwendete of auf der Hand. Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sindpositive. ohnehin Among kaum the 60 dafürcities Munich geeignet, heads Prozes the -employeesParameter with und a complex Daten occupationspielen der is statistischeinte- sind ohnehin kaum dafür geeignet, Prozes- Parameter und Daten spielen der statistische seranking der with Marktauswahl, 31,667 EUR. It der is followed Risikoanalyse by Erlan - undresting. und Afachliche corresponding Erklärungsgehalt indicator is reported für die abhän - dessegen der with Portfoliomanagements Marktauswahl, a figure that is more der Risikoanalysethan zu 3,700 standardi EUR und -by thegigeund Federal fachliche Zielgröße Employment Erklärungsgehalt sowie die Agency. Modellperformance fürThis die in -abhän- sierendeslower. PortfoliomanagementsAmong und damit the first im ten Rahmen are three zu der more standardi aktuellen Top -dicator einegige is Rolle. Zielgrößebased on the sowie allocation die Modellperformance of the requi- Digitalisierungsansätzesieren7 locations und – damitDusseldorf, im Rahmen Frankfurt durch der Algorithmen, a. M. aktuellen and red einelevel Rolle.of professional performance to the DigitalisierungsansätzeStuttgart. At the end of the durch ranking Algorithmen, is Gelsen- categories aid workers, skilled personnel, spe- kirchen with 18,503 EUR, more than 13,000 cialist or expert. The figure calculates the ra- EUR less than Munich. The figures for Halle tio of specialists and experts to all employees 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02(Saale) | Erkenntnisse and Duisburg bisheriger are also Studienshort of zuthe Einflussfaktorensubject to social aufsecurity Wohnungsmieten contributions based 20,000 EUR level. In locations with lower pur- on the place of residence principle. A higher Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe chasing power higher rents may be attained proportion of employees with a complex oc- haftIm Rahmen verschiedene dieser Einflussfaktoren Studie werden beispiel-in Bezug bildenschaftlichen konzeptionelle Zielgrößen. Arbeiten, Eine andere beispielsweise Gruppe more rarely, with vacancies and rent defaults cupation is fundamentally to be regarded as aufhaft verschiedeneWohnungsmieten Einflussfaktoren im Neubausegment in Bezug zurbilden statistisch-ökonometrischen konzeptionelle Arbeiten, beispielsweise Fundierung aufalso being Wohnungsmieten encountered more im frequently. Neubausegment The positive zur for statistisch-ökonometrischen the market. The occupation is Fundierung of- analysiert.budgets of Diehouseholds Auswahl which potenziell are already relevanter ten vonconducted spezifischen in special Prognosemodellen. areas which cannot Auf einige analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige Faktorenconstrained leitet offer sich hardly u. a.any aus reserves bisherigen if there For- be sointeressante easily substituted Beispiele by solltechnology, im Folgenden the- kurz Faktoren leitet sich u. a. aus bisherigen For- interessante Beispiele soll im Folgenden kurz schungsarbeitenare economic difficulties. im internationalen An interesting indi Immo-- refore. verwiesen In addition werden. to greater employment se- schungsarbeiten im internationalen Immo- verwiesen werden. bilienmarkt-Researchcator for a business location ab. Über is the Ausschlusscommu- -curity and flexibility, it may be assumed that bilienmarkt-Research ab. Über Ausschluss- kriterienter flow. Aund positive Datenreihentests commuter flow wird(number diese the Dieremuneration langfristige is higher. Beziehung The stability zwischen of the der kriterien und Datenreihentests wird diese Die langfristige Beziehung zwischen der dannof commuters schrittweise into reduziert.the location Ziel exceeds ist eine the Liste location Entwicklung as a whole von is thus Hauspreisen, fostered. The Pro-Kopf-Ein leader - dann schrittweise reduziert. Ziel ist eine Liste Entwicklung von Hauspreisen, Pro-Kopf-Ein- relevanternumber of Einflussfaktorencommuters out of theauf location) die Entwick -in thiskommen, ranking, Heidelberg, Bevölkerung has a ratio und of 47.9% weiteren lungrelevanterpoints der to Wohnungsmieten,an Einflussfaktoren attractive labour die market. auf eine die Atfachliche the Entwick -and Fundamentalgrößenkommen, thus nearly 17 Bevölkerung percentage war points Gegenstand und higher weiteren einer Grundlagelungsame dertime Wohnungsmieten, it für can die be weitere an indicator Modellierung die for eine a strained fachliche schafft. than StudieFundamentalgrößen the mean von for Gallin all 60 (2003). cities war (31.2%). Unter Gegenstand Munich, Verwendung einer Grundlageinnercity housing für die market. weitere In Modellierung this sense a com schafft.- Erlangen,vonStudie Daten Jena von and fürGallin 95Darmstadt (2003).Metropolregionen also Unter have Verwendung a rader- Ver- Diemuter Sucheinflow offers nach additional und Bewertung potential for von tio ofeinigtenvon more Daten than Staaten für 40%. 95 über MetropolregionenIn contrast, einen Zeitraumin Gelsen der -von Ver 23- EinflussfaktorenDiepopulation Suche influx. nach Based auf und on 1,000 BewertungImmobilienmarktent inhabitants von -kirchen Jahreneinigten and Duisburg wurdeStaaten in lessüber dieser than einen one Arbeit Zeitraum in five aufgezeigt, em -von 23 the VW city Wolfsburg clearly heads the ran- ployees can be allocated to a specialist or expert wicklungenEinflussfaktoren war wiederholt auf Immobilienmarktent Gegenstand der- dassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für king for this ratio. For every 1,000 inhabitants profile. In other locations such as Oberhausen, immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für there are 554 net commuters (balance taking Monchengladbach, Wuppertal and Krefeld the Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der into account those commuting to other lo- employee structure is also heavily dominated sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 262 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wieby aid zu workers sehen and ist, skilled verläuft personnel. die Entwicklungproportion Daten of und long-term Schnittstellen unemployed abzubilden. persons Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.Alongside the Nachratio und justzehn stated JahrenPrognose the lagen employ einige- vonit is wennabove Wohnungsmieten all manuelle a number Einschätzungen of locations in Bavaria bei– Immo- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- Standorteed persons nochwithout nahezu professional auf ihrem training Ausgangs can -(amongbilieninvestments others Regensburg, stets Ingolstadt, notwendig Munich, bleiben, Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,also be drawn während on. Employed die Spitzenreiter wesentlicher persons überwithout 60 % Nuremberg) so Einflussfaktoren sollten as sichwell aufwendigeas Ulm which Prozesse have good der Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegentraining tendkonnten. to be Dabei at greater variiert risk die of Dynamikbeco- figures tenverarbeitung (a lower rate). wie Leipzig Kennzahlenberechnung, and Berlin are mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimming betrachteten unemployed Korrelationsanalyse Zeitraum.and remaining In den for erstenlonger inJah -alsoTrendextrapolation, to be found in the Top Sortierung 10 here. Unfavou und Filterung- renimthisThe betrachteten lagenstatus. Range zahlreicheUltimately Zeitraum. theStädte of local In Residentialeher housing den im ersten Mittelfeld,market Jah -rable dochTrendextrapolation,Market figures zukünftig are found Yields weitgehend with Sortierung Oberhausen automatisieren und (half Filterung renisThe also lagen affected Range zahlreiche by the economicStädte of Residentialeher consequences. im Mittelfeld, of the dochMarket unemployed zukünftig personsYields weitgehend have been automatisieren out of die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige diePositive später values dann are sehrdisplayed hohe above Mietpreiszuwächse all by cities in work lassen, for one wasyear or entsprechend longer), Krefeld, allgemeingültige Bremen, aufwiesen und dadurchAsindIn Zeitendifferentiated am leistungsfähige Endehoher desMarktdynamik Zeit Systeme analysis- Erklärungs- derund Analyse steigenderof cities, und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwiesenwhat was eastern und Germany; dadurch Chemnitz am Ende leads des the Zeit -Duisburg,Erklärungs- Gelsenkirchen und Prognosemodelle and Bielefeld. Gelsen erfordert.- raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raumsranking ganz with avorn mere lagen 7.8%. –The beispielsweise better locations die inkirchen and Duisburg are also amongst the der Grafik enthalteneinfluencingdabeistützung Stadt insbesondere Berlin. unverzichtbar. factors an Das den Immobilien-Ein and Themen erster resulting Informationserhebung, wesentlicherund Markt-Research clusters Schritt arbeitet inKenn der- Ent- in this respect are at influencingleast seven percentage factors ten worstand citiesresulting in terms ofclusters employment. The der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- points below the averagezahlenbewertung for all 60 cities. undPar- Potenzialeinschätzung.leader from a negative Entscheidend stance here –ist actual dabei- In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- ticularly negative valuesResidentialdie are Kenntnis to be propertyfound von in Einflussfaktoren, Ofhas- becomely unexpectedly increasingly in Bezug– is expensive Heidelberg auf aufin recentwith immobilienwirt a years.mere- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- fenbach a. M. and Duisburg,Thisschaftliche development where Zielgrößen.more wasthan very Die45.2% different vorliegende (possible when Studiespecialcomparing zeigteffects locations, Methoden such as howe stu und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf one quarter of the employedver.Ergebnisse Future persons investments einer have solchen no can Parameteranalyse,dents be better and civilplanned servants bezogen and decidedoutside auf dieuponthe Zielgröße circle if both of istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- professional training. theInMarktmiete. general, ranges ofa Die fragilehousing Datengrundlage in -marketpersons yields berücksichtigtsubject and the to factorssocial die security thatWohnungsmärkte contribute contributi to- Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- come structure and greaterDeutschlands risk of unemploy in Städten- abons, 70.000 low female Einwohnern. employment rate). In contrast, Automobilindustrie inwellbetter Wolfsburg. as orthe worse contributing Inresults anderen arefactors known. marketriablen This size, study konzentrieren. region, examines rent level the Die andyield Komplexität economic range as und Städtenment are undmost auchpronounced well über as diethein locations contributing Gesamtmenge with factors in Ingolstadt,marketStöranfälligkeit size, Munich region, desrentand levelWolfsburg Gesamtmodells and economic about wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinweglow performances liegt dies in jedochtermsmomentum of nichteducation as unmittelbarparameters. level two Thedurch thirdsdata basis sparsameof the takes population into Parametrisierung account aged Germany‘s 15 to 64 ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls aufand the der proportion Hand. Erklärungen ofhousing complex markets qualitativeroccupations. in cities Art withhave abegrenzt. populationan occupation Als in Auswahlkriterien excess subject of to75,000. social für security verwendete auf der Hand. Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sindThus, ohnehinsuch locations kaum are dafür characterized geeignet, Prozesby a -contributions.Parameter Dresden,und Daten Nuremberg, spielen der Leipzig statistische sind ohnehin kaum dafür geeignet, Prozes- Parameter und Daten spielen der statistische segreater der risk Marktauswahl, for their local der housing Risikoanalyse markets. Of und and und Offenbach fachliche a. ErklärungsgehaltM., which has performed für die abhän - dessenote der here Portfoliomanagements Marktauswahl, are Duisburg, Gelsenkirchen, der Risikoanalyse zu standardiKrefeld, und -unfavourably gigeund fachliche Zielgröße with Erklärungsgehaltother sowie ratios, die have Modellperformance employfür die -abhän- sierendesMonchengladbach, Portfoliomanagements und damit Ludwigshafen im Rahmen zu deram standardi aktuellenRhein, -ment einegige levels Rolle. Zielgröße of more than sowie 60%. die Modellperformance DigitalisierungsansätzesierenOffenbach und a. damitM. and Wuppertal, im Rahmen durch above der Algorithmen, all. aktuellen eine Rolle. Digitalisierungsansätze durch Algorithmen, Other indicators for the labour market and – at least indirectly – for income are the pro- 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02portion | Erkenntnisse of long-term bisheriger unemployed Studien persons zu Einflussfaktoren auf Wohnungsmieten and the employment rate. In the case of the Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe haftIm Rahmen verschiedene dieser Einflussfaktoren Studie werden beispiel-in Bezug bildenschaftlichen konzeptionelle Zielgrößen. Arbeiten, Eine andere beispielsweise Gruppe aufhaft verschiedeneWohnungsmieten Einflussfaktoren im Neubausegment in Bezug zurbilden statistisch-ökonometrischen konzeptionelle Arbeiten, beispielsweise Fundierung aufanalysiert. Wohnungsmieten PURCHASING Die Auswahl POWER im potenziell Neubausegment relevanter vonzur COMMUTER spezifischen statistisch-ökonometrischen FLOW Prognosemodellen. PER 1.000 Fundierung Auf einige PER CAPITA (2018) INHABITANTS (2018) Faktorenanalysiert. leitet Die Auswahlsich u. a. potenziell aus bisherigen relevanter For- interessantevon spezifischen Beispiele Prognosemodellen. soll im Folgenden Auf einige kurz schungsarbeitenFaktorenUPPER leitet 10 sich im u. internationalen a. ausLOWER bisherigen 10 Immo- For- verwieseninteressanteUPPER 10 werden. Beispiele LOWER soll im Folgenden10 kurz schungsarbeiten im internationalen Immo- verwiesen werden. bilienmarkt-ResearchCity Value City ab. Über AusschlussValue - City Value City Value bilienmarkt-Research ab. Über Ausschluss- kriterienMunich und 31,667 Datenreihentests € Gelsenkirchen wird 18,503 diese€ WolfsburgDie langfristige554.0 Offenbach Beziehung a. M. zwischen-41.6 der kriterien und Datenreihentests wird diese Die langfristige Beziehung zwischen der dannErlangen schrittweise 27,933 reduziert. € Halle (Saale) Ziel ist 19,277eine €Liste RegensburgEntwicklung397.7 von OberhausenHauspreisen, Pro-Kopf-Ein-41.0 - dann schrittweise reduziert. Ziel ist eine Liste Entwicklung von Hauspreisen, Pro-Kopf-Ein- relevanterDusseldorf Einflussfaktoren 27,656 € Duisburg auf 19,408die € Entwick- Erlangenkommen, 388.8 BevölkerungGelsenkirchen und -10.0 weiteren relevanter Einflussfaktoren auf die Entwick- kommen, Bevölkerung und weiteren lungIngolstadt der Wohnungsmieten, 26,651 € Leipzig die eine 20,108 fachliche € FrankfurtFundamentalgrößen a. M. 368.8 Wuppertal war Gegenstand-0.1 einer lung der Wohnungsmieten, die eine fachliche Fundamentalgrößen war Gegenstand einer GrundlageFrankfurt a, M, für die26,624 weitere € Rostock Modellierung 20,380 schafft. € UlmStudie von Gallin333.1 Duisburg (2003). Unter Verwendung4.8 Grundlage für die weitere Modellierung schafft. Studie von Gallin (2003). Unter Verwendung Stuttgart 26,605 € Oberhausen 20,418 € Ingolstadtvon Daten 330.2für 95Bochum Metropolregionen7.4 der Ver- von Daten für 95 Metropolregionen der Ver- DieUlm Suche 26,600 nach € undMagdeburg Bewertung 20,548 € von Wurzburgeinigten Staaten304.2 Leverkusenüber einen Zeitraum9.6 von 23 Die Suche nach und Bewertung von einigten Staaten über einen Zeitraum von 23 EinflussfaktorenWolfsburg 26,195 € aufKaiserslautern Immobilienmarktent 20,600 € - KoblenzJahren wurde289.1 inMonchengladbach dieser Arbeit aufgezeigt,10.3 Einflussfaktoren auf Immobilienmarktent- Jahren wurde in dieser Arbeit aufgezeigt, wicklungenBonn war 26,189 wiederholt € Kiel Gegenstand 20,792 € der Dusseldorfdass eine 280.0 VeränderungBerlin der Kaufpreise37.5 für wicklungen war wiederholt Gegenstand der dass eine Veränderung der Kaufpreise für immobilienökonomischenRegensburg 25,864 € Schwerin Forschung. 20,797 € Eine SaarbrückenHäuser nur269.0 in begrenztemHalle (Saale) Umfang41.8 von der immobilienökonomischen Forschung. Eine Häuser nur in begrenztem Umfang von der VielzahlMean von ForschungsarbeitenMax.-min. widmete MeanEntwicklung derMax.-min. betrachteten Kennzahlen, 23,089 € 13,164 € 150.7 595.6 sichVielzahlall cities in den von letzten Forschungsarbeiten Jahrenall cities der empirischen, widmete all citiesinsbesondereEntwicklung der demall betrachtetencities Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 272 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.WiePROPORTION zu sehen Nach ist, OFund verläuftzehn EMPLOYEES JahrenPrognose die EntwicklunglagenWITH einige von PROPORTIONwennDaten Wohnungsmieten manuelle und SchnittstellenOF EMPLOYED Einschätzungen PERSONS abzubilden. bei – Immo Auch- A COMPLEX OCCUPATION (2018) WITHOUT PROFESSIONAL TRAINING (2017) ErklärungStandorteuneinheitlich. noch Nach nahezu und zehn auf JahrenPrognose ihrem lagen Ausgangs einige von- bilieninvestmentswenn Wohnungsmieten manuelle Einschätzungen stets notwendig bei– bleiben, Immo- Bestimmungniveau,StandorteUPPER während noch10 nahezu die Spitzenreiter aufLOWERwesentlicher ihrem 10 Ausgangs über 60 %- sobilieninvestments UPPEREinflussfaktoren sollten 10 sich aufwendige stetsLOWER notwendig Prozesse 10 derbleiben, Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegenCity konnten.Value DabeiCity variiert die ValueDynamik CitytenverarbeitungValue City wie Kennzahlenberechnung,Value zulegen konnten. Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimHeidelberg betrachteten47.9% Korrelationsanalyse Zeitraum.Gelsenkirchen In den ersten17.7% Jah- ChemnitzTrendextrapolation,7.8% Offenbach Sortierung a. M. und28.9% Filterung mittelsim betrachteten Korrelationsanalyse Zeitraum. In den ersten Jah- Trendextrapolation, Sortierung und Filterung renTheMunich lagen Range zahlreiche43.7% Duisburg Städte of Residentialeher im Mittelfeld,19.4% Cottbus dochMarket zukünftig8.6% Duisburg Yields weitgehend automatisieren25.3% renThe lagen Range zahlreiche Städte of Residentialeher im Mittelfeld, dochMarket zukünftig Yields weitgehend automatisieren dieErlangen später dann43.4% sehrLudwigshafen hoheIn Zeiten Mietpreiszuwächse a. Rheinhoher Marktdynamik20.6% Erfurtlassen, und steigender was8.8% entsprechendGelsenkirchen Wettbewerbsintensität allgemeingültige24.2% die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige aufwiesenJena und42.7% dadurchOberhausenAsind differentiated am leistungsfähige Ende des20.7% Zeit Systeme analysis- DresdenErklärungs- der Analyse of8.9% cities, und undWuppertal Prognosemodelle Entscheidungsunter24.0% erfordert.- aufwiesen und dadurchsind am leistungsfähige Ende des Zeit Systeme- Erklärungs- der Analyse und und Prognosemodelle Entscheidungsunter erfordert.- raumsDarmstadt ganz 40.8%vorn lagenMonchengladbachAstützung –differentiated beispielsweise unverzichtbar.21.1% die analysisin Das Jena Immobilien- of9.4% cities, undLudwigshafen Markt-Research a. Rhein arbeitet22.9% raums ganz vorn lagenstützung – beispielsweise unverzichtbar. die in Das Immobilien- und Markt-Research arbeitet derStuttgart Grafik enthaltene39.9% Offenbachinfluencingdabei Stadt a. M. insbesondere Berlin. 21.5%factors an denPotsdam Ein and Themen erster resulting 9.5% Informationserhebung, wesentlicherKaiserslautern clusters Schritt inKenn22.5% der- Ent- der Grafik enthalteneinfluencingdabei Stadt insbesondere Berlin. factors an den Ein and Themen erster resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent- Mainz 39.4% Wuppertalzahlenbewertung22.9% und Potenzialeinschätzung.Schwerinwicklung 9.5% vonKrefeld Entscheidend Marktbewertungs- ist 22.4%dabei und zahlenbewertung und Potenzialeinschätzung.wicklung von Entscheidend Marktbewertungs- ist dabei und InBonn der Einzelbetrachtung38.9% KrefeldResidentialdie Kenntnis der property Städte von23.6% Einflussfaktoren, has sind become LeipzigMarktprognosemodellen increasingly in10.2% Bezug Monchengladbachexpensive auf aufin recent ist immobilienwirt years. die22.2% - Erhe- In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellen increasingly in Bezug expensive auf aufin recent ist immobilienwirt years. die - Erhe- teilweiseKarlsruhe Besonderheiten38.2% LeverkusenThisschaftliche development erkennbar, Zielgrößen. 24.1%was die very die Die Rostockdifferent vorliegendebung when relevanter10.5% StudiecomparingBielefeld zeigt Eingangsparameter. locations, Methoden howe22.0% und- Die teilweise BesonderheitenThisErgebnisseschaftliche development erkennbar, einer Zielgrößen. solchenwas die very die Die Parameteranalyse, different vorliegendebung when relevanter Studiecomparing bezogen zeigt Eingangsparameter. auflocations, Methoden die Zielgröße howe und- Die EntwicklungDusseldorf 37.5% begründenLübeckver. Future können. investments Ein 24.5% Beispiel can Magdeburgbedarauf better planned aufbauenden10.6% Essenand decided Modelle upon sollen if 21.7%both sich auf Ergebnisse einer solchen Parameteranalyse, bezogen auf die Zielgröße Entwicklung begründenthever.Marktmiete. Futureranges können. investmentsof Die Einhousing Datengrundlage Beispiel market can be darauf yieldsbetter berücksichtigt andplanned aufbauenden the factorsand diedecided ModellethatWohnungsmärkte contribute upon sollen if both to sich auf istMean der dominierendeMax.-min. Brancheneinfluss der Meandie wesentlichen,Max.-min. tatsächlich relevanten Va- 31.2% theMarktmiete. ranges of Die housing 30.2pp.Datengrundlage market yields berücksichtigt and17.6% the factors die thatWohnungsmärkte contribute21.1pp. to Automobilindustrieistall cities der dominierendeall incitiesbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. all 70.000 citiesriablendie This wesentlichen, Einwohnern. study konzentrieren. examinesall cities tatsächlich the Die yield Komplexität relevantenrange as und Va- Deutschlands in Städten ab 70.000 Einwohnern. Automobilindustrie inwellbetter Wolfsburg. as orthe worse contributing Inresults anderen arefactors known. marketriablen This size, study konzentrieren. region, examines rent level the Die andyield Komplexität economic range as und Städten und auch well über as diethe contributing Gesamtmenge factors marketStöranfälligkeit size, region, desrent level Gesamtmodells and economic wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinweg liegt dies jedochmomentum nicht as unmittelbarparameters. Thedurch data basis sparsame takes into Parametrisierung account Germany‘s ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls aufPROPORT. der Hand. OF LONG-TERM Erklärungenhousing UNEMPLOYED markets qualitativer in TOcities Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete EMPLOYMENT RATE (2018) sindaufTOTAL der ohnehin NO. Hand. OF UNEMPLOYED kaum Erklärungen dafür PERSONS geeignet, qualitativer (2018) Prozes Art- Parameterbegrenzt. Als und Auswahlkriterien Daten spielen derfür verwendetestatistische sind ohnehin kaum dafür geeignet, Prozes- Parameter und Daten spielen der statistische se derUPPER Marktauswahl, 10 derLOWER Risikoanalyse 10 und undUPPER fachliche 10 ErklärungsgehaltLOWER 10 für die abhän- desse der Portfoliomanagements Marktauswahl, der Risikoanalyse zu standardi und- gigeund fachliche Zielgröße Erklärungsgehalt sowie die Modellperformance für die abhän- City Value City Value City Value City Value sierendes Portfoliomanagements und damit im Rahmen zu der standardi aktuellen- einegige Rolle. Zielgröße sowie die Modellperformance Regensburg 19.2% Oberhausen 50.2% Ingolstadt 67.0% Heidelberg 45.2% Digitalisierungsansätzesieren und damit im Rahmen durch der Algorithmen, aktuellen eine Rolle. DigitalisierungsansätzeUlm 20.9% Krefeld durch Algorithmen,47.7% Munich 65.7% Gelsenkirchen 48.8% Ingolstadt 25.1% Bremen 44.7% Wolfsburg 65.0% Freiburg i. B. 50.6%

Munich 25.3% Duisburg 44.3% Dresden 63.7% Duisburg 52.1% 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02Nuremberg | Erkenntnisse25.5% Gelsenkirchen bisheriger Studien44.1% zu EinflussfaktorenNuremberg 63.1% aufKiel Wohnungsmieten52.1% Augsburg 25.8% Bielefeld 44.0% Chemnitz 62.0% Munster 52.4% Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe Wurzburg 26.4% Cologne 43.6% Erlangen 61.3% Bonn 52.6% haftIm Rahmen verschiedene dieser Einflussfaktoren Studie werden beispiel-in Bezug bildenschaftlichen konzeptionelle Zielgrößen. Arbeiten, Eine andere beispielsweise Gruppe Karlsruhe 26.8% Bochum 42.4% Offenb. a.M. 61.2% Essen 52.8% aufhaft verschiedeneWohnungsmieten Einflussfaktoren im Neubausegment in Bezug zurbilden statistisch-ökonometrischen konzeptionelle Arbeiten, beispielsweise Fundierung Leipzig 27.0% Offenbach a. M. 42.4% Leipzig 61.1% Kaiserslautern 53.0% aufanalysiert. Wohnungsmieten Die Auswahl im potenziell Neubausegment relevanter vonzur spezifischen statistisch-ökonometrischen Prognosemodellen. Fundierung Auf einige Berlin 27.4% Monchengladbach 42.1% Magdeburg 61.1% Bochum 53.1% Faktorenanalysiert. leitet Die Auswahlsich u. a. potenziell aus bisherigen relevanter For- interessantevon spezifischen Beispiele Prognosemodellen. soll im Folgenden Auf einige kurz Mean Max.-min. Mean Max.-min. Faktoren leitet34.8% sich u. a. aus bisherigen31.0pp. For- interessante57.2% Beispiele soll im Folgenden21.8pp. kurz schungsarbeitenall cities all im cities internationalen Immo- all citiesverwiesen werden.all cities bilienmarkt-Researchschungsarbeiten im internationalenab. Über Ausschluss Immo-- verwiesen werden. bilienmarkt-Research ab. Über Ausschluss- kriterienFig. 16: Overview und indicators Datenreihentests Economy & Labour Market wird – illustration diese of ten bestDie and worst langfristige cities respectively Beziehung zwischen der kriterienSources: Federal und Employment Datenreihentests Agency, Thomas Daily (on wird basis of diese MB Research), Die Federal langfristige Statistical Office Beziehungand State Statistical zwischen Offices; der dannown calculation schrittweise reduziert. Ziel ist eine Liste Entwicklung von Hauspreisen, Pro-Kopf-Ein- relevanterdann schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick- kommen,Entwicklung Bevölkerungvon Hauspreisen, und Pro-Kopf-Ein weiteren- lungrelevanter der Wohnungsmieten, Einflussfaktoren die auf eine die fachliche Entwick- Fundamentalgrößenkommen, Bevölkerung war Gegenstand und weiteren einer GrundlagelungSupply der & Demand:Wohnungsmieten, für die weitere Modellierung die eine fachliche schafft.and StudieFundamentalgrößen demand von – eachGallin with (2003). regard war Unter Gegenstand to quantity Verwendung einer GrundlageWhere is housing für die stillweitere being Modellierung sought schafft.(inhabitants,vonStudie Daten von apartments) fürGallin 95 (2003).Metropolregionen and qualityUnter Verwendung(struc der- Ver- Dieand correspondingly Suche nach in und short supply? Bewertung vonture). einigtenvon The Daten first Staaten structural für 95 über Metropolregionen indicator einen ofZeitraum demand der von Ver 23- is the proportion of under-30-year-olds in the EinflussfaktorenDie Suche nach auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt, von 23 In addition to environment-related structu- population as a whole. A high proportion can wicklungenEinflussfaktoren war wiederholt auf Immobilienmarktent Gegenstand der- dassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für ral parameters, the situation on the housing be regarded as a sign of an attractive residen- immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für market in the narrower sense is to be consi- tial location, as greater dynamism (inward mi- Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der dered. The relevant indicators refer to supply gration tendency) is associated with younger sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 282 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wieage groups. zu sehen Younger ist, verläuftpopulation die groups Entwicklung also compensate Daten und for properties Schnittstellen that are abzubilden. no longer Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.offer potential forNach the und zehnlocal labourJahrenPrognose market lagen andeinige vonavailable wenn Wohnungsmieten but manuelle also has Einschätzungento meet fresh demand. bei– Immo- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- Standorteare capable noch of development nahezu auf withihrem respect Ausgangs to -A highbilieninvestments level of construction stets activity notwendig creates bleiben,a Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,their income. während It comes die Spitzenreiter less wesentlicher surprisingly über that 60 % greater so Einflussfaktoren solltenamount sich of available aufwendige housing Prozesse and thus der Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegentypical student konnten. towns Dabei such variiertas Aachen, die HeidelDynamik- tends tenverarbeitung to slow down the wie development Kennzahlenberechnung, of rents. mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimberg betrachteten and Munster Korrelationsanalyse Zeitraum.are represented In den among ersten the Jah -FromTrendextrapolation, an investor stance Sortierunga very high unddegree Filterung renimTheupper betrachteten lagen ten Range citieszahlreiche in Zeitraum.the Städte ranking.of In Residentialeher On den theim ersten Mittelfeld,contra Jah- -of construction dochTrendextrapolation,Market zukünftig activity Yields weitgehend and Sortierung expansion automatisieren und of the Filterung renry,The Cottbus lagen Range zahlreiche und Schwerin Städte of are Residentialeherexemplary im Mittelfeld, loca- housing dochMarket offering zukünftig is likelyYields weitgehend to be unfavourable automatisieren die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige dietions später in structurally dann sehr weak hohe regions Mietpreiszuwächse which young for stablelassen, leasing was results. entsprechend The mean allgemeingültige across all aufwiesen und dadurchAsindIn Zeitendifferentiated am leistungsfähige Endehoher desMarktdynamik Zeit Systeme analysis- Erklärungs- derund Analyse steigenderof cities, und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwiesenpeople often und leave dadurch for lack of am positive Ende employ des Zeit- -60 citiesErklärungs- is 3.3 new und apartments Prognosemodelle per 1,000 erfordert. in- raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raumsment prospects. ganz vorn With lagen Wolfsburg, – beispielsweise however, die a inhabitants per annum. A much lower figure is der Grafik enthalteneinfluencingdabeistützung Stadt insbesondere Berlin. unverzichtbar. factors an Das den Immobilien-Ein and Themen erster resulting Informationserhebung, wesentlicherund Markt-Research clusters Schritt arbeitet inKenn der- Ent- strong location for theinfluencing manufacturing industry factors posted and by resultingWuppertal, Duisburg clusters and Bochum der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- is among the worst cities.zahlenbewertung und Potenzialeinschätzung.with about one new apartment;Entscheidend a much ist dabei hig- In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- The migration balanceResidential die(difference Kenntnis propertybetween von Einflussfaktoren, hasin- becomeher figure increasingly is reportedin Bezug expensive by aufOldenburg, aufin recent Potsdamimmobilienwirt years.- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- ward and outward migration)Thisschaftliche development is another Zielgrößen. wasindi -very Dieand different vorliegende Regensburg. when Studie comparingThe frontrunner zeigt locations, Methoden is Ingolstadt howe und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf cator for demand. As thisver.Ergebnisse is Future a flow investmentsfigure einer whichsolchen can Parameteranalyse,with be betteran average planned of bezogen 9.3and completions decided auf die upon Zielgrößeper if bothyear. istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- accordingly can fluctuatetheMarktmiete. rangesheavily, ofa Die meanhousing Datengrundlage has market Among yields theberücksichtigt and Top the7 locations factors die FrankfurtthatWohnungsmärkte contribute a. M. and to Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- been considered for theDeutschlands years 2015 to in 2017. Städten A abMunich 70.000 are Einwohnern.among the ten cities with the most Automobilindustrie inwellbetter Wolfsburg. as orthe worse contributing Inresults anderen arefactors known. marketriablen This size, study konzentrieren. region, examines rent level the Die andyield Komplexität economic range as und Städtenhigh positive und migration auch well über balance as diethe is contributing an Gesamtmenge indication factors dynamic marketStöranfälligkeit construction size, region, activity.desrent level Gesamtmodells and economic wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinwegof the attractiveness liegt dies jedochofmomentum a city. nicht Leipzig as unmittelbarparameters. heads On The thedurch data supply basis sparsame side, takes in intoaddition Parametrisierung account to the Germany‘s change ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls aufthis ranking der Hand. with Erklärungena balancehousing of markets 21.2 qualitativer per in 1,000 cities Art within the abegrenzt. population stock of Als housing in Auswahlkriterien excess as of a 75,000.result of für demo verwendete- auf der Hand. Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sindinhabitants, ohnehin just kaum ahead dafür of Potsdam geeignet, with Prozes21.0. -litionParameter and construction, und Daten the spielen status derquo statistische for sind ohnehin kaum dafür geeignet, Prozes- Parameter und Daten spielen der statistische seTwo der cities Marktauswahl, in Lower Saxony, der RisikoanalyseOsnabrück and und housing und fachlichesupply is Erklärungsgehaltalso important. A fürhousing die abhän - desseOldenburg, der Portfoliomanagements Marktauswahl, as well as the dercapital Risikoanalyse of zu the standardistate of und -supply gigeund ratio fachliche Zielgröße is defined Erklärungsgehalt sowie as the die quotient Modellperformance für of die the abhän - sierendesMecklenburg-West Portfoliomanagements und damit Pomerania, im Rahmen Schwerin, zu der standardi aktuellen pos- -number einegige Rolle.of Zielgröße housing sowieunits to die the Modellperformance number of Digitalisierungsansätzesierented considerably und damit high im net Rahmen migration durch der Algorithmen, in the aktuellen pe- private eine households.Rolle. A ratio of 100% would Digitalisierungsansätzeriod from 2015 to 2017. Somewhat durch surprisingly, Algorithmen, correspond to a balanced market from an the Top 7 locations Munich and Dusseldorf are arithmetical stance. Naturally this excludes among the lower ten cities. Braunschweig is qualitative demand aspects such as apart- 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02the |worst Erkenntnisse location in bisheriger this ranking; Studien it still has zu a Einflussfaktorenment size, location auf and Wohnungsmieten fit-out. Statistical pe- positive balance of 0.9, however. culiarities in the calculation of the number of Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe Building completion figures for apartments households are also disregarded (places in haftIm Rahmen verschiedene dieser Einflussfaktoren Studie werden beispiel-in Bezug bildenschaftlichen konzeptionelle Zielgrößen. Arbeiten, Eine andere beispielsweise Gruppe in residential and non-residential buildings, care homes etc. as non-households, student aufhaft verschiedeneWohnungsmieten Einflussfaktoren im Neubausegment in Bezug zurbilden statistisch-ökonometrischen konzeptionelle Arbeiten, beispielsweise Fundierung aufagain Wohnungsmietenas the mean from 2015 im to Neubausegment 2017, are an flat zurshares statistisch-ökonometrischen as several independent households Fundierung analysiert.important supply Die Auswahl indicator. potenziell The correspon relevanter- per vonapartment). spezifischen With aPrognosemodellen. ratio of 100% from anAuf einige analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige Faktorending construction leitet sich activity u. a. ausnot bisherigenonly has to For- arithmetical interessante stance Beispiele there are soll no im reserves Folgenden for kurz schungsarbeitenFaktoren leitet sich im u. internationalen a. aus bisherigen Immo- For- verwieseninteressante werden. Beispiele soll im Folgenden kurz bilienmarkt-Researchschungsarbeiten im internationalenab. Über Ausschluss Immo-- verwiesen werden. bilienmarkt-Researchkriterien und Datenreihentests ab. Über Ausschluss wird diese- Die langfristige Beziehung zwischen der dannkriterien schrittweise und Datenreihentests reduziert. Ziel ist wird eine dieseListe EntwicklungDie langfristige von Hauspreisen, Beziehung zwischenPro-Kopf-Ein der- relevanterdann schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick- kommen,Entwicklung Bevölkerungvon Hauspreisen, und Pro-Kopf-Ein weiteren- lungrelevanter der Wohnungsmieten, Einflussfaktoren die auf eine die fachliche Entwick- Fundamentalgrößenkommen, Bevölkerung war Gegenstand und weiteren einer Grundlagelung der Wohnungsmieten, für die weitere Modellierung die eine fachliche schafft. StudieFundamentalgrößen von Gallin (2003). war Unter Gegenstand Verwendung einer Grundlage für die weitere Modellierung schafft. vonStudie Daten von fürGallin 95 (2003).Metropolregionen Unter Verwendung der Ver- Die Suche nach und Bewertung von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver 23- EinflussfaktorenDie Suche nach auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt, von 23 wicklungenEinflussfaktoren war wiederholt auf Immobilienmarktent Gegenstand der- dassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 292 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wiehouseholds zu sehen wishing ist, to verläuft migrate dieto a location, Entwicklung if and Datenseveral cities und in Schnittstellen North-Rhine Westphalia, abzubilden. e.g. Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.one discounts theNach establishment und zehn JahrenPrognose of flatlagen shares einige vonKrefeld, wenn Wohnungsmieten Duisburg manuelle and Gelsenkirchen, Einschätzungen also beihave– Immo- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- Standorteand similar nochresidential nahezu forms. auf In ihrem Hamburg Ausgangs this -relativelybilieninvestments high vacancy rates. stets notwendig bleiben, Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,ratio points während to a strained die Spitzenreiter housing wesentlicher market. über With 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegena value of konnten.93.7% there Dabei are far variiert fewer apartmentsdie Dynamik Relativisation tenverarbeitung of the size wie of Kennzahlenberechnung, rents is possible mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimavailable betrachteten than theKorrelationsanalyse numberZeitraum. of households. In den ersten In the Jah -usingTrendextrapolation, the rent-purchasing Sortierung power ratio. und The Filterung renimTheGerman betrachteten lagen capitalRange zahlreiche the Zeitraum. ratio Städte of of 94.2% In Residentialeher den isim erstenalso Mittelfeld, low. Jah -annual dochTrendextrapolation,Market rent zukünftig for a statistical Yields weitgehend Sortierung per capita automatisieren und living Filterung renInThe contrast, lagen Range zahlreiche sufficient housing Städte of Residentialiseher probably im Mittelfeld, avai- space dochMarket of 46.5 zukünftig m2 is Yields calculated weitgehend as aautomatisieren ratio of die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige dielable später in Chemnitz, dann sehr Regensburg, hohe Mietpreiszuwächse Halle (Saale) the lassen,per capita was purchasing entsprechend power. Low allgemeingültige ratios aufwiesen und dadurchAsindIn Zeitendifferentiated am leistungsfähige Endehoher desMarktdynamik Zeit Systeme analysis- Erklärungs- derund Analyse steigenderof cities, und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwiesenand Duisburg. und The dadurch average for am all Ende 60 analysed des Zeit -pointErklärungs- to the rents und being Prognosemodelle extremely viable erfordert. and raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raumscities is, ganz at 99.2%, vorn lesslagen than – beispielsweise 100%, which indi die- inpossibly also to a potential for rent increases. der Grafik enthalteneinfluencingdabeistützung Stadt insbesondere Berlin. unverzichtbar. factors an Das den Immobilien-Ein and Themen erster resulting Informationserhebung, wesentlicherund Markt-Research clusters Schritt arbeitet inKenn der- Ent- cates a lack of apartmentsinfluencing in the cities selec factors- The meanand resultingacross all 60 citiesclusters with this ratio is der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- ted for the study. zahlenbewertung und Potenzialeinschätzung.20.5%. Chemnitz is the Entscheidend most favourable ist dabeiloca- In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- The vacancy rate correspondsResidentialdie Kenntnis with property vonthe ratio Einflussfaktoren, has becometion with increasingly a ratioin Bezug of expensivejust auf13.2%, aufin and recent soimmobilienwirt higheryears.- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- considered above. Accordingly,Thisschaftliche development cities Zielgrößen. with was a very Dierents different vorliegende would when be viable Studiecomparing with zeigt the locations, Methodencorresponding howe und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf low housing supply ratiover.Ergebnisse Futureand a lowinvestments einer vacancy solchen can Parameteranalyse,correction be better ofplanned the offering bezogen and decided in this auf city die upon inZielgröße Saxony. if both istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- rate offer a stable leasingtheMarktmiete. perspective.ranges of Die housing This Datengrundlage ap -marketAt the yields other berücksichtigt and end the of factors the die ranking thatWohnungsmärkte contributeis, as expec to- Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- plies to Hamburg, for example,Deutschlands with ain vacan Städten- abted, 70.000 Munich. Einwohnern. Although Munich has the highest Automobilindustrie inwellbetter Wolfsburg. as orthe worse contributing Inresults anderen arefactors known. marketriablen This size, study konzentrieren. region, examines rent level the Die andyield Komplexität economic range as und Städtency rate of undjust 0.5%. auch Karlsruhe, well über as diethe Darmstadt contributing Gesamtmenge and factors per marketStöranfälligkeitcapita size,purchasing region, desrentpower level Gesamtmodellsby and far economicof all the wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinwegStuttgart liegtare also dies in this jedochmomentum situation. nicht asMunich unmittelbarparameters. has cities Thedurch dataconsidered basis sparsame takes here, the into Parametrisierung capital account of theGermany‘s state ebenfallsof hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls aufa barely der perceptible Hand. Erklärungen vacancyhousing rate markets qualitativer of 0.2%, in citiestwo Art withBavaria abegrenzt. population is also theAls in clearAuswahlkriterien excess leader of 75,000. in terms für of verwendete rent auf der Hand. Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sindpercentage ohnehin points kaum lower dafür than geeignet,the mean for Prozes all -size.Parameter With Stuttgart, und FrankfurtDaten spielen a. M. andder Berlin statistische sind ohnehin kaum dafür geeignet, Prozes- Parameter und Daten spielen der statistische se60 cities der Marktauswahl, (2.2%). Among the der ten Risikoanalyse cities with the und three und other fachliche Top 7 cities Erklärungsgehalt are also represented für die in abhän - dessehighest der Portfoliomanagements vacancy Marktauswahl, rates are der a number Risikoanalyse zu of standardieastern und -the gigeundranking fachliche Zielgröße for the Erklärungsgehalt“Lower sowie 10”. die Positioned Modellperformance für diebet -abhän- sierendesGerman Portfoliomanagements und cities. damit Schwerin im Rahmen and Chemnitz zu der standardi aktuellen have -ween einegige Munich Rolle. Zielgröße and the sowie three die aforementioned Modellperformance Digitalisierungsansätzesierena vacancy und rate damit of more im Rahmen than durch 8%. derIf Algorithmen, both aktuellen the cities eine is FreiburgRolle. i. B., where the rent-purcha- Digitalisierungsansätzehousing supply ratio and the durch vacancy Algorithmen, rate are sing power ratio per capita amounts to 28.7%. high, this indicates a difficult market for rented accommodation (as in Chemnitz for example: the 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02highest | Erkenntnisse supply ratio, the bisheriger second-highest Studien vacancy zu Einflussfaktoren auf Wohnungsmieten rate, the lowest rents). Halle (Saale), Magdeburg Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe haftIm Rahmen verschiedene dieser Einflussfaktoren Studie werden beispiel-in Bezug bildenschaftlichen konzeptionelle Zielgrößen. Arbeiten, Eine andere beispielsweise Gruppe aufhaft verschiedeneWohnungsmieten Einflussfaktoren im Neubausegment in Bezug zurbilden statistisch-ökonometrischen konzeptionelle Arbeiten, beispielsweise Fundierung aufanalysiert. WohnungsmietenPROPORTION Die Auswahl OF POPULATION im potenziell Neubausegment relevanter vonzurMIGRATION spezifischen statistisch-ökonometrischen BALANCE Prognosemodellen. PER 1,000 Fundierung Auf einige UNDER-30 (2017) INHABITANTS (MEAN 2015-2017) Faktorenanalysiert. leitet Die Auswahlsich u. a. potenziell aus bisherigen relevanter For- interessantevon spezifischen Beispiele Prognosemodellen. soll im Folgenden Auf einige kurz schungsarbeitenFaktorenUPPER leitet 10 sich im u. internationalen a. ausLOWER bisherigen 10 Immo- For- verwieseninteressanteUPPER 10 werden. Beispiele sollLOWER im Folgenden10 kurz schungsarbeiten im internationalen Immo- verwiesen werden. bilienmarkt-ResearchCity Value ab.City Über AusschlussValue - City Value City Value bilienmarkt-Research ab. Über Ausschluss- kriterienAachen und Datenreihentests39.8% Cottbus wird27.7% diese LeipzigDie langfristige21.2 Braunschweig Beziehung zwischen0.9 der kriterien und Datenreihentests wird diese Die langfristige Beziehung zwischen der dannHeidelberg schrittweise 38.5%reduziert.Chemnitz Ziel ist eine27.8% Liste PotsdamEntwicklung 21.0von MunichHauspreisen, Pro-Kopf-Ein2.4 - dann schrittweise reduziert. Ziel ist eine Liste Entwicklung von Hauspreisen, Pro-Kopf-Ein- relevanterFreiburg i. B. Einflussfaktoren38.1% Schwerin auf die28.1% Entwick- Regensburgkommen, Bevölkerung18.1 Wiesbaden und 2.6 weiteren relevanter Einflussfaktoren auf die Entwick- kommen, Bevölkerung und weiteren lungDarmstadt der Wohnungsmieten,37.8% Oberhausen die eine fachliche29.8% SchwerinFundamentalgrößen16.6 Wolfsburg war Gegenstand3.3 einer lung der Wohnungsmieten, die eine fachliche Fundamentalgrößen war Gegenstand einer GrundlageMunster für die weitere37.6% Lübeck Modellierung30.3% schafft. OsnabrückStudie von Gallin16.0 Bielefeld(2003). Unter Verwendung3.5 Grundlage für die weitere Modellierung schafft. Studie von Gallin (2003). Unter Verwendung Osnabrück 36.5% Wolfsburg 30.4% Karlsruhevon Daten für14.8 95Aachen Metropolregionen5.0 der Ver- von Daten für 95 Metropolregionen der Ver- DieErlangen Suche nach36.5% undLeverkusen Bewertung30.5% von Erlangeneinigten Staaten13.9 überDortmund einen Zeitraum5.3 von 23 Die Suche nach und Bewertung von einigten Staaten über einen Zeitraum von 23 EinflussfaktorenWurzburg 36.4% aufErfurt Immobilienmarktent30.5% - AugsburgJahren wurde13.8 inLeverkusen dieser Arbeit aufgezeigt,5.7 Einflussfaktoren auf Immobilienmarktent- Jahren wurde in dieser Arbeit aufgezeigt, wicklungenMainz war wiederholt36.2% Krefeld Gegenstand30.5% der Oldenburgdass eine Veränderung12.9 Dusseldorf der Kaufpreise6.1 für wicklungen war wiederholt Gegenstand der dass eine Veränderung der Kaufpreise für immobilienökonomischenKiel 35.9% Rostock Forschung.30.7% Eine DarmstadtHäuser nur in12.4 begrenztemKiel Umfang6.3 von der immobilienökonomischen Forschung. Eine Häuser nur in begrenztem Umfang von der VielzahlMean von ForschungsarbeitenMax.-min. widmete MeanEntwicklung der Max.-min. betrachteten Kennzahlen, 33.2% 12.1pp. 9.6 20.3 sichVielzahlall cities in den von letzten Forschungsarbeiten Jahrenall cities der empirischen, widmete all citiesinsbesondereEntwicklung der dem all betrachteten cities Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 302 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Wie BUILDING zu sehen COMPLETION ist, verläuft PER die 1,000 Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn HOUSINGWohnungsmieten manuelle SUPPLY Einschätzungen RATIO (2017) bei– Immo- INHABITANTS (MEAN 2015-2107) ErklärungStandorteuneinheitlich. noch Nach nahezu und zehn auf JahrenPrognose ihrem lagen Ausgangs einige von- bilieninvestmentswenn Wohnungsmieten manuelle Einschätzungen stets notwendig bei– bleiben, Immo- Bestimmungniveau,StandorteUPPER während noch 10 nahezu die Spitzenreiter aufwesentlicherLOWER ihrem 10 Ausgangs über 60 %- sobilieninvestments EinflussfaktorenUPPER sollten 10 sich aufwendige stetsLOWER notwendig Prozesse 10 derbleiben, Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegenCity konnten.Value DabeiCity variiert die ValueDynamik CitytenverarbeitungValue wieCity Kennzahlenberechnung,Value zulegen konnten. Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimWuppertal betrachteten Korrelationsanalyse 0.9Zeitraum.Ingolstadt In den ersten9.3 Jah- HamburgTrendextrapolation,93.7% Chemnitz Sortierung und108.3% Filterung mittelsim betrachteten Korrelationsanalyse Zeitraum. In den ersten Jah- Trendextrapolation, Sortierung und Filterung renTheDuisburg lagen Range zahlreiche0.9 Städte Regensburgof Residentialeher im Mittelfeld,8.9 Kiel dochMarket zukünftig93.9% Yields Regensburg weitgehend automatisieren105.0% renThe lagen Range zahlreiche Städte of Residentialeher im Mittelfeld, dochMarket zukünftig Yields weitgehend automatisieren dieBochum später dann sehr1.0 hoheInPotsdam Zeiten Mietpreiszuwächse hoher Marktdynamik8.6 Berlinlassen, und steigender was94.2% entsprechend HalleWettbewerbsintensität (Saale) allgemeingültige104.4% die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige aufwiesenGelsenkirchen und dadurch1.3 AsindOldenburg differentiated am leistungsfähige Ende des7.5 Zeit Systeme analysis- KarlsruheErklärungs- der Analyse of cities,94.7% und und PrognosemodelleDuisburg Entscheidungsunter104.1% erfordert.- aufwiesen und dadurchsind am leistungsfähige Ende des Zeit Systeme- Erklärungs- der Analyse und und Prognosemodelle Entscheidungsunter erfordert.- raumsKrefeld ganz vorn 1.3lagenAstützungFrankfurt –differentiated beispielsweise a. M.unverzichtbar.6.2 die analysisin Das Heidelberg Immobilien- of cities,94.8% und Markt-ResearchWuppertal arbeitet102.9% raums ganz vorn lagenstützung – beispielsweise unverzichtbar. die in Das Immobilien- und Markt-Research arbeitet derChemnitz Grafik enthaltene1.3 influencingdabeiErlangen Stadt insbesondere Berlin. factors6.0 an denBremen Ein and Themen erster resulting Informationserhebung,95.0% wesentlicherGelsenkirchen clusters Schritt 102.6% inKenn der- Ent- der Grafik enthalteneinfluencingdabei Stadt insbesondere Berlin. factors an den Ein and Themen erster resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent- Braunschweig 1.5 zahlenbewertungJena und5.4 Potenzialeinschätzung.Stuttgartwicklung 95.0% von EntscheidendLudwigshafen Marktbewertungs- a. R. ist102.5% dabei und zahlenbewertung und Potenzialeinschätzung.wicklung von Entscheidend Marktbewertungs- ist dabei und InEssen der Einzelbetrachtung1.6 ResidentialdieWurzburg Kenntnis der property Städte von Einflussfaktoren,5.4 has sind become DarmstadtMarktprognosemodellen increasingly in 95.4% Bezug expensive Krefeld auf aufin recent ist immobilienwirt 102.4%years. die - Erhe- In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellen increasingly in Bezug expensive auf aufin recent ist immobilienwirt years. die - Erhe- teilweiseSaarbrücken Besonderheiten1.6 ThisschaftlicheOffenbach development erkennbar, a. M. Zielgrößen. was die5.3 very die Die Saarbrückendifferent vorliegendebung when relevanter 95.5% StudiecomparingMonchengladbach zeigt Eingangsparameter. locations, Methoden howe102.4% und- Die teilweise BesonderheitenThisErgebnisseschaftliche development erkennbar, einer Zielgrößen. solchenwas die very die Die Parameteranalyse, different vorliegendebung when relevanter Studiecomparing bezogen zeigt Eingangsparameter. auflocations, Methoden die Zielgröße howe und- Die EntwicklungLeverkusen begründen1.7 ver.Munich Future können. investments Ein Beispiel5.1 can Augsburgbedarauf better planned aufbauenden95.7% andMagdeburg decided Modelle upon sollen if102.4% both sich auf Ergebnisse einer solchen Parameteranalyse, bezogen auf die Zielgröße Entwicklung begründenthever.Marktmiete. Futureranges können. investmentsof Die Einhousing Datengrundlage Beispiel market can be darauf yieldsbetter berücksichtigt andplanned aufbauenden the factorsand diedecided ModellethatWohnungsmärkte contribute upon sollen if both to sich auf istMean der dominierendeMax.-min. Brancheneinfluss der Meandie wesentlichen,Max.-min. tatsächlich relevanten Va- 3.3 theMarktmiete. ranges of Die housing Datengrundlage8.4 market yields berücksichtigt and the99.2% factors die thatWohnungsmärkte contribute14.6pp. to Automobilindustrieistall cities der dominierende inbetterDeutschlandsall Wolfsburg.cities Brancheneinfluss or worse in Inresults Städten anderen are derabknown. all 70.000 citiesriablendie This wesentlichen, Einwohnern. study konzentrieren. examinesall tatsächlich cities the Die yield Komplexität relevantenrange as und Va- Deutschlands in Städten ab 70.000 Einwohnern. Automobilindustrie inwellbetter Wolfsburg. as orthe worse contributing Inresults anderen arefactors known. marketriablen This size, study konzentrieren. region, examines rent level the Die andyield Komplexität economic range as und Städten und auch well über as diethe contributing Gesamtmenge factors marketStöranfälligkeit size, region, desrent level Gesamtmodells and economic wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinweg liegt dies jedochmomentum nicht as unmittelbarparameters. Thedurch data basis sparsame takes into Parametrisierung account Germany‘s ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls auf der Hand. Erklärungenhousing markets qualitativer in cities Art with abegrenzt.RENT-PURCHASING population Als in Auswahlkriterien excess POWERof 75,000. RATIO für verwendete VACANCY RATE (2017) sindauf der ohnehin Hand. kaum Erklärungen dafür geeignet, qualitativer Prozes Art- Parameterbegrenzt.PER Als und CAPITA Auswahlkriterien Daten (2018) spielen derfür verwendetestatistische sind ohnehin kaum dafür geeignet, Prozes- Parameter und Daten spielen der statistische se derUPPER Marktauswahl, 10 derLOWER Risikoanalyse 10 und undUPPER fachliche 10 ErklärungsgehaltLOWER 10 für die abhän- desse der Portfoliomanagements Marktauswahl, der Risikoanalyse zu standardi und- gigeund fachliche Zielgröße Erklärungsgehalt sowie die Modellperformance für die abhän- City Value City Value City Value City Value sierendes Portfoliomanagements und damit im Rahmen zu der standardi aktuellen- einegige Rolle. Zielgröße sowie die Modellperformance Munich 0.2% Schwerin 8.6% Chemnitz 13.2% Munich 30.1% Digitalisierungsansätzesieren und damit im Rahmen durch der Algorithmen, aktuellen eine Rolle. DigitalisierungsansätzeFrankfurt a. M. 0.4% Chemnitz durch Algorithmen,8.5% Cottbus 15.3% Freiburg i. B. 28.7% Munster 0.4% Halle (Saale) 7.6% Wuppertal 15.6% Stuttgart 26.8%

Freiburg i. B. 0.4% Krefeld 5.7% Magdeburg 16.0% Frankfurt a. M. 26.6% 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02Hamburg | Erkenntnisse0.5% bisherigerMagdeburg Studien5.2% zu EinflussfaktorenKrefeld 16.2%auf WohnungsmietenBerlin 26.5% Darmstadt 0.5% Gelsenkirchen 4.7% Mönchengladb. 16.4% Offenbach a. M. 26.4% Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe Ingolstadt 0.5% Duisburg 4.4% Oberhausen 16.5% Heidelberg 26.3% haftIm Rahmen verschiedene dieser Einflussfaktoren Studie werden beispiel-in Bezug bildenschaftlichen konzeptionelle Zielgrößen. Arbeiten, Eine andere beispielsweise Gruppe Stuttgart 0.6% Kaiserslautern 4.1% Halle (Saale) 16.7% Augsburg 25.1% aufhaft verschiedeneWohnungsmieten Einflussfaktoren im Neubausegment in Bezug zurbilden statistisch-ökonometrischen konzeptionelle Arbeiten, beispielsweise Fundierung Karlsruhe 0.6% Oberhausen 3.9% Essen 16.8% Mainz 24.7% aufanalysiert. Wohnungsmieten Die Auswahl im potenziell Neubausegment relevanter vonzur spezifischen statistisch-ökonometrischen Prognosemodellen. Fundierung Auf einige Erlangen 0.6% Cottbus 3.8% Schwerin 16.8% Darmstadt 24.6% Faktorenanalysiert. leitet Die Auswahlsich u. a. potenziell aus bisherigen relevanter For- interessantevon spezifischen Beispiele Prognosemodellen. soll im Folgenden Auf einige kurz Mean Max.-min. Mean Max.-min. Faktoren leitet 2.2% sich u. a. aus bisherigen8.4pp. For- interessante20.5% Beispiele soll im Folgenden16.8pp. kurz schungsarbeitenall cities im all internationalen cities Immo- all citiesverwiesen werden.all cities bilienmarkt-Researchschungsarbeiten im internationalenab. Über Ausschluss Immo-- verwiesen werden. bilienmarkt-Research ab. Über Ausschluss- kriterienFig. 17: Overview und indicators Datenreihentests Supply & Demand – illustration wird of ten diese best and worstDie cities langfristige respectively Beziehung zwischen der kriterienSources: F+B GmbH, und MB-Research, Datenreihentests City of Hanover, City wird of Saarbrücken, diese FederalDie Statistical langfristige Office and State Beziehung Statistical Offices, zwischen der dannThomas Dailyschrittweise (on basis of CBRE-empirica reduziert. vacancy Ziel index,ist eine MB Research, Liste TD marketEntwicklung survey); own calculationvon Hauspreisen, Pro-Kopf-Ein- relevanterdann schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick- kommen,Entwicklung Bevölkerungvon Hauspreisen, und Pro-Kopf-Ein weiteren- lungrelevanter der Wohnungsmieten, Einflussfaktoren die auf eine die fachliche Entwick- Fundamentalgrößenkommen, Bevölkerung war Gegenstand und weiteren einer Grundlagelung der Wohnungsmieten, für die weitere Modellierung die eine fachliche schafft. StudieFundamentalgrößen von Gallin (2003). war Unter Gegenstand Verwendung einer Grundlage5. Sustainability für die of weitere residential Modellierung housing marketsschafft. vonStudie Daten von fürGallin 95 (2003).Metropolregionen Unter Verwendung der Ver- Die Suche nach und Bewertung von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver 23- Residential housing markets can be evaluated in particular economic risks. Locations with a EinflussfaktorenDie Suche nach auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt, von 23 as relatively stable and investments as sustai- correspondingly good positioning tend to be wicklungenEinflussfaktoren war wiederholt auf Immobilienmarktent Gegenstand der- dassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für wicklungennable if fundamental war wiederholt ratios for the Gegenstand market and der less dass susceptible eine Veränderung to the impact derof a Kaufpreisepossible für immobilienökonomischenits environment are positive. Forschung.This does not Eine crisis Häuser and stabilise nur in more begrenztem quickly. Umfang von der immobilienökonomischen Forschung. Eine Häuser nur in begrenztem Umfang von der Vielzahlexclude the von possibility Forschungsarbeiten of general risks, widmete and For Entwicklungan overall assessment der betrachteten two partial Kennzahlen, ran- sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 312 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wiekings zuhave sehen been formed ist, verläuft for the die 60 Entwicklungcities – on ment Daten rate is undtaken Schnittstelleninto consideration abzubilden. (reporting Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.the one hand for Nach “Economy und zehn Jahren &Prognose Labour lagen Market” einige vonmonth wenn JulyWohnungsmieten manuelle2019). Einschätzungen bei– Immo- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- Standorte(market environment) noch nahezu and auf on ihremthe other Ausgangs hand -Moreover,bilieninvestments the proportion stetsof the notwendigmanufacturing bleiben, Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,for “Supply während & Demand” die Spitzenreiter (market wesentlicher in the über narro 60 %- sector so Einflussfaktoren in sollten the gross sich added aufwendige value as Prozessea whole (as der Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegenwer sense). konnten. Ten indicators Dabei variiert are considered die Dynamik in a monetarytenverarbeitung ratio in EUR) wie is considered Kennzahlenberechnung, so as to mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimeach betrachteten of the two Korrelationsanalyse partial Zeitraum. rankings. In den ersten Jah-indicateTrendextrapolation, the significance and Sortierung dependence und of the Filterung renimTheDepending betrachteten lagen Range zahlreiche upon Zeitraum.the Städte sizeof of In Residentialeher theden imratios ersten Mittelfeld, the Jah -local dochTrendextrapolation, Marketeconomic zukünftig structure Yields weitgehend vis-à-vis Sortierung the manufac automatisieren und Filterung- renindicatorsThe lagen Range zahlreicheare allocated Städte of to one Residentialeher of im the Mittelfeld, three turing dochMarket sector. zukünftig In this respectYields weitgehend the assessment automatisieren is die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige dieclasses: später positive dann (+),sehr negative hohe Mietpreiszuwächse (-) and neutral. conducted lassen, in was a somewhat entsprechend more differentiated allgemeingültige aufwiesen und dadurchAsindIn Zeitendifferentiated am leistungsfähige Endehoher desMarktdynamik Zeit Systeme analysis- Erklärungs- derund Analyse steigenderof cities, und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwiesenThe combined und points dadurch awarded am Ende(without des any Zeit -manner.Erklärungs- Fundamentally, und Prognosemodelle a strong manufacturing erfordert. raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raumsfurther ganzweighting vorn andlagen calculated – beispielsweise using the die+1, insector at a location is not a negative factor. The der Grafik enthalteneinfluencingdabeistützung Stadt insbesondere Berlin. unverzichtbar. factors an Das den Immobilien-Ein and Themen erster resulting Informationserhebung, wesentlicherund Markt-Research clusters Schritt arbeitet inKenn der- Ent- 0, -1 values) form the basisinfluencing for the ranking. factorsexistence and ofresulting manufacturing clusters companies is usual- der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- Whether an indicator iszahlenbewertung assessed as positive, und Potenzialeinschätzung.ly associated with large Entscheidend numbers of jobsist dabei with In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- negative or neutral dependsResidentialdie Kenntnis on the property threshold von Einflussfaktoren, has becomecomparatively increasingly in good Bezug expensiveremuneration auf aufin recent in theimmobilienwirt indusyears.-- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- values. To this end theThis schaftlicheupper development and lower Zielgrößen. quarwas -very Dietry different itself vorliegende as wellwhen as Studie comparingin upstream zeigt locations,and Methoden downstream howe und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf tiles of the respectivever.Ergebnisse sample Future are investments einer used. solchen The can Parameteranalyse,sectors. be better Nevertheless, planned bezogen and a negative decided auf assessmentdie upon Zielgröße if both is istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- interquartile area is assessedtheMarktmiete. ranges as being of Die housing neutral. Datengrundlage market awarded yields berücksichtigt from and thethe quartilefactors die thresholdthatWohnungsmärkte contribute of 29.2% to Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- Example purchasing power:Deutschlands the threshold in Städten for abupwards 70.000 as Einwohnern.the city is then dependent to a re- Automobilindustrie inwellbetter Wolfsburg. as orthe worse contributing Inresults anderen arefactors known. marketriablen This size, study konzentrieren. region, examines rent level the Die andyield Komplexität economic range as und Städtena positive undrating auch of the well über purchasing as diethe contributing Gesamtmenge power per factors latively marketStöranfälligkeit large size, extent region, on des rentthe levelresident Gesamtmodells and firms.economic The wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinwegcapita is 24,761 liegt diesEUR (upper jedochmomentum quartile nicht as of unmittelbarparameters. the 60 manufacturing Thedurch data basis sparsame sector takes isinto Parametrisierungvery account sensitive Germany‘s to eco ebenfalls- hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls aufcities). der With Hand. the same Erklärungen housingor a higher markets qualitativer value inthe cities lo - Art withnomic abegrenzt. population developments Als in Auswahlkriterien excess and usuallyof 75,000. affected für verwendete first auf der Hand. Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sindcation ohnehin is awarded kaum a “+” dafür(or +1 point). geeignet, Up to Prozesa lo- -and Parametermore strongly und in Datenthe event spielen of an economicder statistische sind ohnehin kaum dafür geeignet, Prozes- Parameter und Daten spielen der statistische sewer der threshold Marktauswahl, value of 21,199 der EUR Risikoanalyse the location und downturn. und fachliche On the other Erklärungsgehalt hand a positive für assess die -abhän- desseis awarded der Portfoliomanagements Marktauswahl, a “-” or -1 point). der RisikoanalyseValues zu between standardi und -ment gigeund cannot fachliche Zielgröße be awarded Erklärungsgehalt sowie to dielocations Modellperformance fürwithout die abhän - sierendesthese Portfoliomanagementsare und given damit a “0”. im With Rahmen the proportion zu der standardi aktuellen of -any einegigenotable Rolle. Zielgröße industrial sowie sector. die It is Modellperformance regarded as Digitalisierungsansätzesierenpersons und who damitare in long-term im Rahmen durch unemployment der Algorithmen, aktuellen positive eine if Rolle. cities are positioned between the two Digitalisierungsansätzethis is reversed because a lower durch proportion Algorithmen, is thresholds and have a balanced mix of sectors. to be regarded as positive. Accordingly a “+1” A neutral assessment is given to locations with is awarded here up to the threshold value of a high proportion of service industry compa- 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 0230.1%, | Erkenntnisse a “-1” with values bisheriger of 40.2% Studien and higher. zu Einflussfaktorennies (proportion aufof manufacturing Wohnungsmieten sector less Values between the two thresholds for this inthan 16.7%). Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe dicator are again given a neutral assessment The aggregation of the ten indicators produces haftIm Rahmen verschiedene dieser Einflussfaktoren Studie werden beispiel-in Bezug bildenschaftlichen konzeptionelle Zielgrößen. Arbeiten, Eine andere beispielsweise Gruppe (0). In this sense the assessment is dynamic: it two locations – Munich and Ulm – each with se- aufhaft verschiedeneWohnungsmieten Einflussfaktoren im Neubausegment in Bezug zurbilden statistisch-ökonometrischen konzeptionelle Arbeiten, beispielsweise Fundierung aufis oriented Wohnungsmieten in a relative manner im Neubausegmentto the respec- ven zurpoints statistisch-ökonometrischen at the top of the ranking. In second Fundierung analysiert.tive study sample. Die Auswahl potenziell relevanterplace von is spezifischenIngolstadt with Prognosemodellen. six points, ahead ofAuf einige analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige Faktoren leitet sich u. a. aus bisherigen For-Braunschweig interessante and Beispiele Frankfurt a. soll M. each im Folgenden with five kurz Faktoren leitet sich u. a. aus bisherigen For- interessante Beispiele soll im Folgenden kurz schungsarbeitenPartial ranking Economy im internationalen & Labour Market Immo-points. verwiesen The two werden. frontrunners each have seven schungsarbeiten im internationalen Immo- verwiesen werden. bilienmarkt-Research ab. Über Ausschluss-positive and three neutral indicators. None of bilienmarkt-Research ab. Über Ausschluss- kriterienIn the partial und ranking Datenreihentests “Economy & Labour wird Mar diese- the Dieindicators langfristige for the economy Beziehung and the zwischen labour der kriterien und Datenreihentests wird diese Die langfristige Beziehung zwischen der dannket” the schrittweise following values reduziert. from ZielChapter ist eine 4 are Liste market Entwicklung is negative. von Ingolstadt Hauspreisen, is the first Pro-Kopf-Ein city in - dann schrittweise reduziert. Ziel ist eine Liste Entwicklung von Hauspreisen, Pro-Kopf-Ein- relevanterused: per capita Einflussfaktoren purchasing power, auf commuter die Entwick -the kommen,ranking with a Bevölkerungnegative assessment, und for the weiteren lungrelevanterflow perder 1,000Wohnungsmieten, Einflussfaktoren inhabitants, proportion die auf eine die offachliche em -Entwick-high Fundamentalgrößenkommen, proportion of Bevölkerungmanufacturing war Gegenstandin the und econo weiteren- einer Grundlagelungployees der with Wohnungsmieten, für a diecomplex weitere occupation, Modellierung die eine employed fachliche schafft. my asStudieFundamentalgrößen a whole. von Gallin (2003). war Unter Gegenstand Verwendung einer Grundlagepersons without für die professional weitere Modellierung training, propor schafft.- NearlyvonStudie all Daten the von Top fürGallin 7 95cities (2003).Metropolregionen have positive Unter Verwendungoverall der Ver- Dietion of Suche long-term nach unemployed und Bewertung persons and von values einigtenvon (Munich Daten Staaten +7,für Frankfurt 95 über Metropolregionen einena. M. +5, Zeitraum Stuttgart der von Ver 23- EinflussfaktorenDiethe employment Suche nach rate. aufThe und following BewertungImmobilienmarktent dynamic von -+4, JahreneinigtenDusseldorf wurdeStaaten +3, Hamburg in über dieser einen+3, ArbeitBerlin Zeitraum +1). aufgezeigt, An von 23 ratios from Chapter 3 are used: employment exception is formed by Cologne. The metropolis wicklungenEinflussfaktoren war wiederholt auf Immobilienmarktent Gegenstand der- dassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für dynamism (period from 2013 to 2018), develop- on the Rhine does not have any positive values immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für ment of gross wages and salaries per employee in the ten categories, and the two labour mar- Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der (2012-2017). In addition, the current unemploy- ket-related indicators proportion of long-term sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 322 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wieunemployed zu sehen persons ist, verläuftand employed die Entwicklung persons with Daten seven minus und points Schnittstellen – whereby Gelsenkirchen abzubilden. Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.without professional Nach undtraining zehn JahrenarePrognose actually lagen negati einige- vonat leastwenn Wohnungsmieten received manuelle a plus Einschätzungen point for its economic bei– Immo- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- Standorteve. The German noch capital nahezu Berlin auf merely ihrem has Ausgangs a point -structure.bilieninvestments With only one minus stets point notwendig less Duisburg bleiben, Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,deducted während as a consequence die Spitzenreiter wesentlicher of its naturally über low 60 % and soOberhausenEinflussfaktoren sollten sich are aufwendige also to be regarded Prozesse as der Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegencommuter konnten. flow per Dabei1,000 inhabitants.variiert die The Dynamik city being tenverarbeitung fraught with risk. wie Kennzahlenberechnung, mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimscores betrachteten points forKorrelationsanalyse the Zeitraum. strong employment In den ersten dyna Jah- -In termsTrendextrapolation, of the mean for the Sortierung clusters the undprimary Filterung renimThemism betrachteten lagen since Range zahlreiche 2013 as Zeitraum.well Städte asof the lowIn Residentialeher den proportion im ersten Mittelfeld, ofJah -investment dochTrendextrapolation,Market zukünftiglocations haveYields weitgehend the Sortierung best result automatisieren und with Filterung a renlong-termThe lagen Range unemployedzahlreiche Städte persons.of Residentialeher im Mittelfeld,value dochMarket of 3.0. zukünftig Accordingly Yields weitgehend the Top 7 markets automatisieren have die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige dieHigh später total scores dann weresehr alsohohe attained Mietpreiszuwächse by Leipzig, good lassen, economic was and entsprechend labour market allgemeingültigestructures, aufwiesen und dadurchAsindIn Zeitendifferentiated am leistungsfähige Endehoher desMarktdynamik Zeit Systeme analysis- Erklärungs- derund Analyse steigenderof cities, und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwiesenFreiburg i. B., und Wolfsburg, dadurch Regensburg, am Ende Dresden des Zeit -somethingErklärungs- which undpromotes Prognosemodelle the stability of erfordert. the raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raumsand Karlsruhe, ganz vorn whereby lagen the – beispielsweiselatter two cities diddie inresidential rent markets. The mean for the ter- der Grafik enthalteneinfluencingdabeistützung Stadt insbesondere Berlin. unverzichtbar. factors an Das den Immobilien-Ein and Themen erster resulting Informationserhebung, wesentlicherund Markt-Research clusters Schritt arbeitet inKenn der- Ent- not have a negative assessmentinfluencing for any of factors the tiary andlocations resulting (1.0) is higher clusters than that for the der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- indicators. zahlenbewertung und Potenzialeinschätzung.secondary locations (-0.8). Entscheidend On an individual ist dabei le- In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- At the lower end of theResidentialdie ranking Kenntnis are propertya number von Einflussfaktoren, has of becomevel the resultsincreasingly in are Bezug very expensive heterogeneous, auf aufin recent immobilienwirthowever, years.- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- locations in North-RhineThisschaftliche Westphalia. development Zielgrößen.The worstwas very Diewith different vorliegende the effect when that Studiecomparing in general zeigt locations, it Methoden is not possible howe und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf performers were Gelsenkirchenver.Ergebnisse Future and Krefeldinvestments einer –solchen each can Parameteranalyse,to be draw better conclusions planned bezogen aboutand decided a city auf from die upon Zielgrößeits cluster.if both istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- theMarktmiete. ranges of Die housing Datengrundlage market yields berücksichtigt and the factors die thatWohnungsmärkte contribute to Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- Deutschlands in Städten ab 70.000 Einwohnern. Automobilindustrie inwellbetter Wolfsburg. as orthe worse contributing Inresults anderen arefactors known. marketriablen This size, study konzentrieren. region, examines rent level the Die andyield Komplexität economic range as und Städten und auch well über as diethe contributing Gesamtmenge factors marketStöranfälligkeit size, region, desrent level Gesamtmodells and economic wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinweg liegt dies jedochmomentum nicht as unmittelbarparameters. Thedurch data basis sparsame takes into Parametrisierung account Germany‘s ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls auf der Hand. Erklärungenhousing markets qualitativer in cities Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete sindauf der ohnehin Hand. kaum Erklärungen dafür geeignet, qualitativer Prozes Art- Parameterbegrenzt. Als und Auswahlkriterien Daten spielen derfür verwendetestatistische sesind der ohnehin Marktauswahl, kaum dafür der Risikoanalyse geeignet, Prozes und- undParameter fachliche und Erklärungsgehalt Daten spielen der für statistischedie abhän- desse der Portfoliomanagements Marktauswahl, der Risikoanalyse zu standardi und- gigeund fachliche Zielgröße Erklärungsgehalt sowie die Modellperformance für die abhän- sierendes Portfoliomanagements und damit im Rahmen zu der standardi aktuellen- einegige Rolle. Zielgröße sowie die Modellperformance Purchasing power per capita (2018) dynamism Employment (2013-2018) long-term of Proportion persons unemployed (2018) (2018) rate Employment rate Unemployment (07/2019) employees of Proportion without professional (2017) training employees of Proportion occupation with complex (2018) per 1,000 flow Commuter inhabitants (2018) wages Dynamism gross and salaries per employee (2012-2017) - manufactu of Proportion value in gross ring sector added (2017) Digitalisierungsansätzesieren und damit im Rahmen durch der Algorithmen, aktuellen eine Rolle. 16.7- DigitalisierungsansätzeTHRESHOLD + 24,761 € 15.5% durch30.1% Algorithmen,60.3% 5.1% 14.7% 36.5% 211.4 16.2% 29.1%

THRESHOLD - 21,199 € 10.6% 40.2% 54.0% 8.3% 21.1% 26.9% 68.0 11.9% 29.2% 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten & LABOUR MARKET ECONOMY SCORING 02Munich | Erkenntnisse+ bisheriger+ Studien+ + zu Einflussfaktoren+ 0 + auf 0Wohnungsmieten0 + 7

ImUlm Rahmen dieser+ Studie+ werden+ beispiel-+ + schaftlichen0 0 Zielgrößen.+ 0 Eine + andere7 Gruppe Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe haftIngolstadt verschiedene+ Einflussfaktoren0 + +in Bezug+ bilden+ konzeptionelle0 + Arbeiten,+ - beispielsweise6 haft verschiedene Einflussfaktoren in Bezug bilden konzeptionelle Arbeiten, beispielsweise aufBraunschweig Wohnungsmieten+ im- Neubausegment0 + + zur+ statistisch-ökonometrischen0 0 + + Fundierung5 auf Wohnungsmieten im Neubausegment zur statistisch-ökonometrischen Fundierung analysiert.Frankfurt a. M. Die Auswahl+ + potenziell0 relevanter0 + von0 spezifischen+ + Prognosemodellen.- + 5 Auf einige analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige FaktorenDresden leitet sich0 u. a.0 aus bisherigen0 + For-0 interessante+ + Beispiele0 soll0 im + Folgenden4 kurz Faktoren leitet sich u. a. aus bisherigen For- interessante Beispiele soll im Folgenden kurz schungsarbeitenFreiburg i. B. 0 im internationalen+ + - Immo-+ verwiesen0 + werden.0 0 + 4 schungsarbeiten im internationalen Immo- verwiesen werden. bilienmarkt-ResearchKarlsruhe 0 ab.0 Über+ Ausschluss0 +- 0 + 0 0 + 4 bilienmarkt-Research ab. Über Ausschluss- kriterienLeipzig und Datenreihentests- + + wird+ diese0 Die+ langfristige0 - Beziehung+ + zwischen4 der kriterien und Datenreihentests wird diese Die langfristige Beziehung zwischen der dannRegensburg schrittweise +reduziert.+ Ziel+ ist eine0 Liste+ Entwicklung0 0 von+ Hauspreisen,0 - Pro-Kopf-Ein4 - dann schrittweise reduziert. Ziel ist eine Liste Entwicklung von Hauspreisen, Pro-Kopf-Ein- relevanterStuttgart Einflussfaktoren+ + auf0 die0 Entwick+- kommen,0 + Bevölkerung+ 0 und- 4 weiteren relevanter Einflussfaktoren auf die Entwick- kommen, Bevölkerung und weiteren lungWolfsburg der Wohnungsmieten,+ - die 0eine fachliche+ + Fundamentalgrößen+ 0 + war+ Gegenstand- 4 einer lung der Wohnungsmieten, die eine fachliche Fundamentalgrößen war Gegenstand einer GrundlageDusseldorf für die weitere+ 0 Modellierung0 0schafft.0 Studie0 von+ Gallin+ (2003).0 Unter0 Verwendung3 Grundlage für die weitere Modellierung schafft. Studie von Gallin (2003). Unter Verwendung Erfurt - 0 + + 0 von+ Daten0 für 950 Metropolregionen+ 0 3 der Ver- von Daten für 95 Metropolregionen der Ver- DieHamburg Suche nach+ und0 Bewertung+ 0 von0 einigten0 Staaten0 0 über einen0 Zeitraum+ 3 von 23 Die Suche nach und Bewertung von einigten Staaten über einen Zeitraum von 23 EinflussfaktorenHeidelberg 0 auf+ Immobilienmarktent0 - +- Jahren0 wurde+ in+ dieser- Arbeit+ aufgezeigt,3 Einflussfaktoren auf Immobilienmarktent- Jahren wurde in dieser Arbeit aufgezeigt, wicklungenNuremberg war wiederholt0 0 Gegenstand+ + der0 dass0 eine0 Veränderung0 0 der + Kaufpreise3 für wicklungen war wiederholt Gegenstand der dass eine Veränderung der Kaufpreise für immobilienökonomischenPotsdam 0 0 Forschung.0 + Eine0 Häuser+ nur0 in begrenztem0 + Umfang0 3 von der immobilienökonomischen Forschung. Eine Häuser nur in begrenztem Umfang von der VielzahlWurzburg von Forschungsarbeiten0 + + widmete0 + Entwicklung0 0 der+ betrachteten- 0 Kennzahlen,3 sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 332 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Augsburg 0 + + 0 + 0 0 0 0 - 2 Erklärunguneinheitlich.Wie zu sehen Nach ist, und verläuftzehn JahrenPrognose die Entwicklunglagen einige von wennDaten Wohnungsmieten manuelle und Schnittstellen Einschätzungen abzubilden. bei– Immo Auch- Chemnitz - - 0 + 0 + 0 0 + + 2 ErklärungStandorteuneinheitlich. noch Nach nahezu und zehn auf JahrenPrognose ihrem lagen Ausgangs einige von- bilieninvestmentswenn Wohnungsmieten manuelle Einschätzungen stets notwendig bei– bleiben, Immo- Darmstadt + + 0 0 0 - + + 0 - 2 Bestimmungniveau,Standorte während noch nahezu die Spitzenreiter aufwesentlicher ihrem Ausgangs über 60 %- sobilieninvestments Einflussfaktoren sollten sich aufwendige stets notwendig Prozesse derbleiben, Da- BestimmungErlangen + -wesentlicher0 + + Einflussfaktoren0 + + - - 2 zulegenniveau, währendkonnten. dieDabei Spitzenreiter variiert die über Dynamik 60 % tenverarbeitungso sollten sich aufwendige wie Kennzahlenberechnung, Prozesse der Da- Aachen 0 + 0* 0* 0 0* 0* 0 0* 0* 1 mittelsimzulegen betrachteten konnten. Korrelationsanalyse Zeitraum. Dabei variiert In den die ersten Dynamik Jah- Trendextrapolation,tenverarbeitung wie Sortierung Kennzahlenberechnung, und Filterung mittelsBerlin Korrelationsanalyse0 + + 0 0 0 0 - 0 0 1 renimThe betrachteten lagen Range zahlreiche Zeitraum. Städte of In Residentialeher den im ersten Mittelfeld, Jah- dochTrendextrapolation,Market zukünftig Yields weitgehend Sortierung automatisieren und Filterung renTheHanover lagen Range zahlreiche0 Städte of0 Residentialeher0* im Mittelfeld,0* 0 dochMarket0* zukünftig0* Yields + weitgehend- + automatisieren1 die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige dieMainz später dann sehr+ hohe0 Mietpreiszuwächse0 0 0 lassen,0 was+ entsprechend0 - allgemeingültige0 1 aufwiesen und dadurchsindIn Zeiten am leistungsfähige Endehoher desMarktdynamik Zeit Systeme- Erklärungs- derund Analysesteigender und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwiesenOsnabrück und dadurch0 A differentiated0 am Ende0 des0 Zeit analysis-0 Erklärungs-0 of0 cities, und 0Prognosemodelle0 + erfordert.1 raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raumsCottbus ganz vorn lagen- – -beispielsweise0 0 die in0 + 0 0 + 0 0 der Grafik enthalteneinfluencingdabeistützung Stadt insbesondere Berlin. unverzichtbar. factors an Das den Immobilien-Ein and Themen erster resulting Informationserhebung, wesentlicherund Markt-Research clusters Schritt arbeitet inKenn der- Ent- Jena - influencing- 0 0factors0 and+ resulting+ 0 clusters+ - 0 der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- Kassel 0 zahlenbewertung0 0 -und Potenzialeinschätzung.0 0 0 0 Entscheidend0 + ist dabei0 In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- Koblenz 0 Residentialdie 0 Kenntnis property0 von - Einflussfaktoren, has become0 0increasingly in0 Bezug expensive+ auf 0 aufin recent 0 immobilienwirt years.0 - teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- Lübeck 0 Thisschaftliche 0development0 Zielgrößen. was0 very Die0 different vorliegende0 when- Studiecomparing0 zeigt 0locations, Methoden+ howe 0 und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf Magdeburg - ver.Ergebnisse Future- investments0 einer solchen+ can -Parameteranalyse, be better+ planned0 bezogen and- decided +auf die upon+ Zielgröße if both0 istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- Mannheim 0 theMarktmiete. ranges+ of0 Die housing Datengrundlage0 market0 yields0 berücksichtigt and0 the factors0 die thatWohnungsmärkte0 contribute- 0 to Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- betterDeutschlands or worse in results Städten are abknown. 70.000 This Einwohnern. study examines the yield range as AutomobilindustrieMunster 0 inwell Wolfsburg. as0 the contributing0 In anderen- factors+ marketriablen0 size, konzentrieren.+ region,0 rent level - Die and Komplexität 0economic0 und Städten und auch well über as diethe contributing Gesamtmenge factors marketStöranfälligkeit size, region, desrent level Gesamtmodells and economic wird StädtenOldenburg und auch0 momentum über0 die Gesamtmenge0as parameters.0 0 TheStöranfälligkeit data0 basis0 takes 0 into des account0 Gesamtmodells Germany‘s0 0 wird hinweg liegt dies jedochmomentum nicht as unmittelbarparameters. Thedurch data basis sparsame takes into Parametrisierung account Germany‘s ebenfalls hinwegSaarbrücken liegt dies0 jedochhousing0 nichtmarkets0* unmittelbar in0* cities with- adurch population0* sparsame0* in excess+ Parametrisierung of0* 75,000.0* 0 ebenfalls auf der Hand. Erklärungenhousing markets qualitativer in cities Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete Schwerin - - + 0 - + - 0 + + 0 sindauf der ohnehin Hand. kaum Erklärungen dafür geeignet, qualitativer Prozes Art- Parameterbegrenzt. Als und Auswahlkriterien Daten spielen derfür verwendetestatistische Wiesbaden + 0 - 0 0 0 0 0 - + 0 sesind der ohnehin Marktauswahl, kaum dafür der Risikoanalyse geeignet, Prozes und- undParameter fachliche und Erklärungsgehalt Daten spielen der für statistischedie abhän- Bonn + 0 - - 0 0 + 0 - 0 -1 desse der Portfoliomanagements Marktauswahl, der Risikoanalyse zu standardi und- gigeund fachliche Zielgröße Erklärungsgehalt sowie die Modellperformance für die abhän- Kiel - 0 0 - 0 0 0 0 0 + -1 sierendes Portfoliomanagements und damit im Rahmen zu der standardi aktuellen- einegige Rolle. Zielgröße sowie die Modellperformance Rostock - - 0 0 0 + 0 - 0 + -1 Digitalisierungsansätzesieren und damit im Rahmen durch der Algorithmen, aktuellen eine Rolle. DigitalisierungsansätzeHalle (Saale) - - durch 0 Algorithmen,0 - + 0 - + 0 -2 Cologne 0 0 - 0 0 - 0 0 0 0 -2 Ludwigshafen 0 0 0 0 - - - + + - 02am | RheinErkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten -2 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten Bielefeld 0 0 - 0 0 - - 0 - + -3

ImDortmund Rahmen dieser0 Studie0 werden- beispiel-- - schaftlichen- - Zielgrößen.- + Eine + andere-4 Gruppe Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe haftEssen verschiedene0 Einflussfaktoren0 - -in Bezug- bilden- konzeptionelle0 0 Arbeiten,- + beispielsweise-4 haft verschiedene Einflussfaktoren in Bezug bilden konzeptionelle Arbeiten, beispielsweise aufLeverkusen Wohnungsmieten0 - im Neubausegment0 0 0 zur0 statistisch-ökonometrischen- - 0 - Fundierung-4 auf Wohnungsmieten im Neubausegment zur statistisch-ökonometrischen Fundierung analysiert.Offenbach a. M. Die Auswahl- + potenziell- relevanter+ - von- spezifischen- - Prognosemodellen.- + -4 Auf einige analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige FaktorenWuppertal leitet sich0 u. a.0 aus bisherigen0 0 For-0 interessante- - Beispiele- soll0 im - Folgenden-4 kurz Faktoren leitet sich u. a. aus bisherigen For- interessante Beispiele soll im Folgenden kurz schungsarbeitenBochum 0 im internationalen- - - Immo-- verwiesen0 0 werden.- 0 0 -5 schungsarbeiten im internationalen Immo- verwiesen werden. bilienmarkt-ResearchBremen 0 ab.0 Über- Ausschluss- -- - 0 0 0 - -5 bilienmarkt-Research ab. Über Ausschluss- kriterienKaiserslautern und Datenreihentests- - 0 wird- diese- Die- langfristige- 0 Beziehung0 + zwischen-5 der kriterien und Datenreihentests wird diese Die langfristige Beziehung zwischen der dannMonchenglad schrittweise- reduziert. Ziel ist eine Liste Entwicklung von Hauspreisen, Pro-Kopf-Ein- 0 0 - 0 - - - - - + -5 relevanterdannbach schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick- kommen,Entwicklung Bevölkerungvon Hauspreisen, und Pro-Kopf-Ein weiteren- lungrelevanterDuisburg der Wohnungsmieten, Einflussfaktoren- 0 die auf -eine die fachliche- Entwick-- Fundamentalgrößenkommen,- - Bevölkerung- war0 Gegenstand und+ -6 weiteren einer GrundlagelungOberhausen der Wohnungsmieten, für die weitere- -Modellierung die -eine fachliche -schafft.- StudieFundamentalgrößen0 von- Gallin- (2003). war0 Unter Gegenstand+ Verwendung-6 einer GrundlageGelsenkirchen für die weitere- -Modellierung- -schafft.- vonStudie- Daten von- fürGallin 95- (2003).Metropolregionen0 Unter+ Verwendung-7 der Ver- DieKrefeld Suche nach0 und0 Bewertung- 0 von- einigtenvon- Daten Staaten- für 95- über Metropolregionen einen- Zeitraum- -7 der von Ver 23- Die Suche nach und Bewertung von einigten Staaten über einen Zeitraum von 23 Einflussfaktoren*Neutral assessment (0) due to lackauf of data Immobilienmarktent- Jahren wurde in dieser Arbeit aufgezeigt, wicklungenEinflussfaktoren war wiederholt auf Immobilienmarktent Gegenstand der- dassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für wicklungenFig. 18: Overview partial war ranking wiederholt Economy & Labour Gegenstand market – various der indicators, dass thresholds eine on Veränderungthe basis of the upper der Kaufpreise für immobilienökonomischenand lower quartiles of the sample Forschung. Eine Häuser nur in begrenztem Umfang von der immobilienökonomischenSources: Federal Employment Agency, Federal Forschung. Statistical Office and Eine State StatisticalHäuser Offices, nur in begrenztem Umfang von der VielzahlThomas Daily (on von basis Forschungsarbeitenof MB Research); own calculation widmete Entwicklung der betrachteten Kennzahlen, sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 342 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie zu sehen ist, verläuft die Entwicklung-1. AlthoughDaten und the very Schnittstellen low vacancy abzubilden. rate has a Auch WiePartial zu ranking sehen Supply ist, verläuft & Demand die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige vonpositive wenn Wohnungsmieten impact, manuelle a high Einschätzungen level of construction bei– Immo- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- StandorteThe second noch partial nahezu ranking auf on ihrem “Supply Ausgangs & De- -activitybilieninvestments (completions, stetsapprovals) notwendig and the bleiben, Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,mand” (market während in diethe narrower Spitzenreiter wesentlicher sense) über inclu 60 %- rent-purchasing so Einflussfaktoren sollten sich power aufwendige ratio have Prozesse a negative der Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegendes indicators konnten. on Dabeipopulation variiert development die Dynamik impact. tenverarbeitung Other cities which wie Kennzahlenberechnung,scored well in the mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsim(since betrachteten 2013), Korrelationsanalysemigration Zeitraum. balance, In den erstenbuilding Jah -firstTrendextrapolation, partial ranking “Economy Sortierung & Labour und Mar Filterung- renimcompletion,The betrachteten lagen Range zahlreiche housing Zeitraum. Städte supply,of In Residential ehervacancies, den im ersten Mittelfeld, the Jah -ket” dochTrendextrapolation, likewiseMarket zukünftig posted poorerYields weitgehend Sortierung results (Ingolstadt automatisieren und Filterung renThe lagen Range zahlreiche Städte of Residentialeher im Mittelfeld,0, Dresden dochMarket zukünftig-2). The low Yields weitgehend migration balance automatisieren and dierent-purchasing später dann powersehr hoheIn ratio, Zeiten Mietpreiszuwächse and hoher population Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige die später dann sehr hohe Mietpreiszuwächsea highlassen, degree was of construction entsprechend activity allgemeingültige have a aufwiesenstructure (under und dadurch30-year-olds,AsindIn Zeitendifferentiated am leistungsfähige over Endehoher 59-year- desMarktdynamik Zeit Systeme analysis- Erklärungs- derund Analyse steigenderof cities, und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwiesen und dadurch am Ende des Zeit-negativeErklärungs- impact. und Prognosemodelle erfordert. raumsolds). In ganz this respectvorn lagen buildingAsindstützung –differentiated beispielsweise leistungsfähige completion unverzichtbar. and die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raums ganz vorn lagen – beispielsweise die inThe frontrunner ist Heidelberg despite the derplanning Grafik permission enthaltene approvalsinfluencingdabeistützung Stadt insbesondere Berlin. (perunverzichtbar. 1,000 factors in - an Das den Immobilien-Ein and Themen erster resulting Informationserhebung, wesentlicherund Markt-Research clusters Schritt arbeitet inKenn der- Ent- influencing factorsfact andthat notresulting all the indicators clusters are positive – derhabitants) Grafik are enthaltene used aszahlenbewertungdabei anStadt indicator insbesondere Berlin. for cons und - an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- truction activity and evaluatedzahlenbewertung in accordance und Potenzialeinschätzung.the ratio of rents to purchasing Entscheidend power ist is dabei also In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- with the supply shortageResidentialdie Kenntnis(lower propertynumbers von Einflussfaktoren, hasof becomeunfavourable. increasingly in This Bezug is expensive more auf than aufin compensated recent immobilienwirt years.- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- completions and approvalsThisschaftliche development are thus Zielgrößen. positive). was very Diefor different vorliegendeby six whenpositive Studiecomparing indicators zeigt locations, Methoden(incl. housing howe und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf Among other things ver.theErgebnisse Futurenatural investments einerpopulation solchen can Parameteranalyse,supply be better ratio, planned population bezogen and decideddevelopment, auf die upon Zielgröße vacanif both- istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- change (births/deathstheMarktmiete. surplus) ranges servesof Die housing Datengrundlageas an market cy rate), yields berücksichtigthowever. and the Karlsruhe factors die thatWohnungsmärkte – which contribute also per to- Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- Deutschlands in Städten abformed 70.000 well Einwohnern. in the other partial ranking – and Automobilindustrieindicator for demand. inwellbetter In Wolfsburg.this as or therespect worse contributing Inaresults higher anderen arefactors known. marketriablen This size, study konzentrieren. region, examines rent level the Die andyield Komplexität economic range as und Städtenvalue tends und to auchpoint towell über greater as diethe contributingdemand Gesamtmenge and factors Darmstadt marketStöranfälligkeit size,both region, post very desrent goodlevel Gesamtmodells and scores economic of +4. wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinwegis thus evaluated liegt dies as jedochpositive.momentum nichtThe aspopulation unmittelbarparameters. The Thedurch bestdata Top basis sparsame 7 citiestakes are into Parametrisierung Berlin account and Germany‘s Stuttgart ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls aufstructure der Hand.is to be Erklärungen evaluatedhousing in markets qualitativera more in diffe cities - Art with(each abegrenzt. population +3). At Alsboth in Auswahlkriterien excess locations of 75,000. the supply-de für verwendete- auf der Hand. Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sindrentiated ohnehin manner. kaum If the dafür proportion geeignet, of over- Prozes-mandParameter structures und are Daten generally spielen favourable. der statistische sind ohnehin kaum dafür geeignet, Prozes- Parameter und Daten spielen der statistische se59s derexceeds Marktauswahl, the threshold der value Risikoanalyse (proportion und Cologne und fachlichecan at least Erklärungsgehalt post a slightly fürpositive die abhän - se der Marktauswahl, der Risikoanalyse und und fachliche Erklärungsgehalt für die abhän- desof 27.7%) Portfoliomanagements this leads to a minus point, zu standardias it is -resultgige (+1). Zielgröße The worst sowie Top 7 location die Modellperformance is Dussel- sierendesassumed Portfoliomanagements und that damit the purchasing im Rahmen power zu der decrea standardi aktuellen- -dorf einegige (-2), Rolle. Zielgrößewhere the sowiesomewhat die low Modellperformance migration Digitalisierungsansätzesierenses when und people damit retire im or Rahmen are durch about der Algorithmen, to aktuellendo so balance eine perRolle. 1,000 inhabitants as well as the Digitalisierungsansätzeand that the mortality risk increases durch Algorithmen, with age. relatively low proportion of under 30-year Relocations with the corresponding new rent- olds is striking. Cottbus brings up the rear (-5) in the market- 02als also| Erkenntnisse become less bisherigerfrequent (decline Studien in mar zu- Einflussfaktoren auf Wohnungsmieten 02ket |dynamism). Erkenntnisse Fundamentally bisheriger Studiensuch evalua zu- Einflussfaktorenrelated partial ranking. auf Wohnungsmieten At least the rent-pur- tion systems are always debatable and open chasing power ratio is favourable in this city in Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe to further optimisation. Contrary effects that Brandenburg; possible rent increases could be haftIm Rahmen verschiedene dieser Einflussfaktoren Studie werden beispiel-in Bezug bildenschaftlichen konzeptionelle Zielgrößen. Arbeiten, Eine andere beispielsweise Gruppe have not been examined in greater depth can afforded by the users, therefore. Six negative aufhaft verschiedeneWohnungsmieten Einflussfaktoren im Neubausegment in Bezug zurbilden statistisch-ökonometrischen konzeptionelle Arbeiten, beispielsweise Fundierung aufresult Wohnungsmietenfrom the specific distribution im Neubausegment of purcha- indicators zur statistisch-ökonometrischen (including population development Fundierung analysiert. Die Auswahl potenziell relevantersince von 2013, spezifischen births/deaths Prognosemodellen. surplus, housing sup Auf- einige analysiert.sing power (under-30s Die Auswahl lower potenziell than over-59s?) relevanter von spezifischen Prognosemodellen. Auf einige Faktorenor interest leitetin a longer sich u. lease a. aus agreement bisherigen (less For- ply ratio)interessante are clear Beispiele pointers against soll im investment Folgenden kurz Faktoren leitet sich u. a. aus bisherigen For- interessante Beispiele soll im Folgenden kurz schungsarbeitenfluctuation with older im residents?). internationalen The evalua Immo-- in theverwiesen Cottbus werden.housing market, however. Also schungsarbeiten im internationalen Immo- verwiesen werden. bilienmarkt-Researchtions in this study are to ab.be seen Über in Fig. Ausschluss 19. -low down the ranking are Lübeck and Wolfs- bilienmarkt-Research ab. Über Ausschluss- kriterienOn the whole und the difference Datenreihentests between the wird highest diese burg Die with langfristige four minus points. Beziehung Wolfsburg zwischen does der kriterien und Datenreihentests wird diese Die langfristige Beziehung zwischen der dannnumber schrittweise of points (+5) reduziert. and the Ziel lowest ist eine(-5) Listeis not Entwicklunghave one single von positiveHauspreisen, indicator Pro-Kopf-Ein and - dann schrittweise reduziert. Ziel ist eine Liste Entwicklung von Hauspreisen, Pro-Kopf-Ein- relevantermuch smaller Einflussfaktoren than in the partial rankingauf die “Eco -Entwick-performskommen, poorly Bevölkerungamong other things und due weiteren lungrelevanternomy der & Labour Wohnungsmieten, Einflussfaktoren Market” (+7 and die auf-7). eine Thedie fachliche ran -Entwick-to theFundamentalgrößenkommen, disadvantageous Bevölkerung age war structure Gegenstand und (low weiteren einer Grundlagelungking positionsder Wohnungsmieten, für diediffer weitere between Modellierung diethe einetwo partialfachliche schafft. proportion StudieFundamentalgrößen vonof under-30s, Gallin (2003). high war proportionUnter Gegenstand Verwendung of einer Grundlagerankings. Ulm, für a die leader weitere in the Modellierung other partial schafft.ran- over-59s).vonStudie Daten Thevon fürdynamismGallin 95 (2003).Metropolregionen of the Unter population Verwendung der Ver- Dieking, is Suche at least still nach in the und upper Bewertung third with +2. von development einigtenvon Daten Staaten since für 952013 über Metropolregionen is einenlow in Zeitraumthe Volks der -von Ver 23- EinflussfaktorenDieMunich, Suche which was nach also auf und a leader BewertungImmobilienmarktent in the Eco - von-wagen Jahreneinigten city. Lübeck wurdeStaaten at in über least dieser einenhas Arbeita positiveZeitraum aufgezeigt, in -von 23 dicator for housing supply. wicklungenEinflussfaktorennomy & Labour war Market wiederholt auf ranking, Immobilienmarktent Gegenstand has a much der - dassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für poorer evaluation by far with a total score of immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für

Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 352 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

WieIn this zu partial sehen ranking ist, verläuft the primary die Entwicklunglocations the Datensecondary und investment Schnittstellen locations, abzubilden. which Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.(mean 1.1) again Nach lead und zehnthe way JahrenPrognose at cluster lagen level einige vonhave wenn a Wohnungsmietennegative manuelle mean Einschätzungenvalue (-0.2). bei– Immo- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- Standorteahead of the noch tertiary nahezu cluster auf (meanihrem Ausgangs0.1) and - bilieninvestments stets notwendig bleiben, BestimmungStandorte noch nahezu aufwesentlicher ihrem Ausgangs- bilieninvestments Einflussfaktoren stets notwendig bleiben, Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegenniveau, währendkonnten. dieDabei Spitzenreiter variiert die über Dynamik 60 % tenverarbeitungso sollten sich aufwendige wie Kennzahlenberechnung, Prozesse der Da- mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsim betrachteten Korrelationsanalyse Zeitraum. In den ersten Jah- Trendextrapolation, Sortierung und Filterung renimThe betrachteten lagen Range zahlreiche Zeitraum. Städte of In Residentialeher den im ersten Mittelfeld, Jah- dochTrendextrapolation,Market zukünftig Yields weitgehend Sortierung automatisieren und Filterung renThe lagen Range zahlreiche Städte of Residentialeher im Mittelfeld, dochMarket zukünftig Yields weitgehend automatisieren die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige die später dann sehr hohe Mietpreiszuwächse lassen, was entsprechend allgemeingültige aufwiesen und dadurchsindIn Zeiten am leistungsfähige Endehoher desMarktdynamik Zeit Systeme- Erklärungs- derund Analysesteigender und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwiesen und dadurchA differentiated am Ende des Zeit analysis- Erklärungs- of cities, und Prognosemodelle erfordert. raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raums ganz vorn lagen – beispielsweise die in der Grafik enthalteneinfluencingdabeistützung Stadt insbesondere Berlin. unverzichtbar. factors an Das den Immobilien-Ein and Themen erster resulting Informationserhebung, wesentlicherund Markt-Research clusters Schritt arbeitet inKenn der- Ent- der Grafik enthalteneinfluencingdabei Stadt insbesondere Berlin. factors an den Ein and Themen erster resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent-

Population development development Population (2013-2018) zahlenbewertung per 1,000 balance Migration inhabitants (mean 2015-2017) surplus per Births/deaths inhabitants 1,000 (mean 2015-2017) population of Proportion undunder 30 (2017) Potenzialeinschätzung. population of Proportion (2017) 59 over wicklung per Building completions inhabitants (mean 1,000 2015-2017) (2017) Housing supply ratio von (2017) Entscheidend rate Vacancy Marktbewertungs- ratio power Rent-purchasing per capita (2018) inhabi - per 1,000 Approvals isttants (mean 2015-2017) dabei und zahlenbewertung und Potenzialeinschätzung. Entscheidend ist dabei In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- THRESHOLD + Residentialdie Kenntnis property von Einflussfaktoren, has become increasingly in Bezug expensive auf aufin recent immobilienwirt years.- teilweiseIn der Einzelbetrachtung Besonderheiten5.4% Thisschaftliche11.3 development erkennbar, der1.5 Zielgrößen. Städte35.1% was die sindvery die23.6% Die different vorliegendebungMarktprognosemodellen1.9 when relevanter96.7% Studiecomparing0.9% zeigt Eingangsparameter.17.9% locations, Methoden ist2.6 howe die und - Erhe Die- Thisschaftliche development Zielgrößen. was very Die different vorliegende when Studiecomparing zeigt locations, Methoden howe und & DEMAND SUPPLY SCORING - Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf THRESHOLD - 2.4% ver.Ergebnisse 7.2Future -2.3investments einer31.5% solchen can27.7% Parameteranalyse, be better4.4 planned101.3% bezogen 3.2%and decided22.8% auf die upon5.4 Zielgröße if both istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- theMarktmiete. ranges of Die housing Datengrundlage market yields berücksichtigt and the factors die thatWohnungsmärkte contribute to AutomobilindustrieistHeidelberg der dominierende+ inbetterDeutschlands Wolfsburg. Brancheneinfluss0 or worse+ in Inresults Städten anderen+ are der+abknown. 70.000riablendie0 This wesentlichen, Einwohnern. study konzentrieren.+ examines+ tatsächlich the- Die yield Komplexität 0 relevantenrange5 as und Va- Deutschlands in Städten ab 70.000 Einwohnern. wellbetter as orthe worse contributing results arefactors known. market This size, study region, examines rent level the andyield economic range as StädtenAutomobilindustrieDarmstadt und auch+ in über Wolfsburg.+ die Gesamtmenge0 In anderen+ + Störanfälligkeitriablen- konzentrieren.+ + des - Gesamtmodells Die Komplexität0 4 wird und momentumwell as the contributing as parameters. factors The market data basis size, region,takes into rent accountlevel and Germany‘s economic hinwegStädtenKarlsruhe liegt und diesauch0 jedoch über+ die nicht Gesamtmenge0 unmittelbar+ 0 durchStöranfälligkeit0 sparsame+ + des Parametrisierung - Gesamtmodells+ 4 ebenfalls wird housingmomentum markets as parameters. in cities with The a datapopulation basis takes in excess into ofaccount 75,000. Germany‘s hinwegAugsburg liegt dies+ jedoch+ nicht0 unmittelbar0 0 durch0 sparsame+ + Parametrisierung- 0 3 ebenfalls auf der Hand. Erklärungenhousing markets qualitativer in cities Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete sindaufBerlin der ohnehin Hand. kaum Erklärungen+ dafür+ geeignet, qualitativer+ 0 Prozes Art0- Parameterbegrenzt.0 +Als und Auswahlkriterien Daten+ spielen- - derfür verwendetestatistische3 sesindErlangen der ohnehin Marktauswahl, kaum+ dafür der+ Risikoanalyse geeignet,0 + Prozes und-+ undParameter- fachliche0 und Erklärungsgehalt Daten+ spielen0 -der für statistischedie3 abhän- desseFreiburg der Portfoliomanagements Marktauswahl,i. B. 0 der0 Risikoanalyse zu+ standardi+ und+- gigeund0 fachliche Zielgröße0 Erklärungsgehalt sowie+ die- Modellperformance0 für die3 abhän- sierendesMainz Portfoliomanagements und damit+ im Rahmen0 zu0 der standardi aktuellen+ +- einegige0 Rolle. Zielgröße0 sowie+ die- Modellperformance0 3 DigitalisierungsansätzesierenMunster und damit0 im Rahmen 0 durch + der Algorithmen, aktuellen+ + eine- Rolle.0 + 0 0 3 DigitalisierungsansätzeOsnabrück 0 + durch 0 Algorithmen,+ 0 0 + 0 0 0 3

Stuttgart 0 0 + 0 + 0 + + - 0 3 02Frankfurt | Erkenntnisse a. M. + bisheriger0 Studien+ 0 zu Einflussfaktoren+ - + auf +Wohnungsmieten- - 2 02Hamburg | Erkenntnisse+ bisheriger0 Studien+ 0 zu Einflussfaktoren+ - + auf +Wohnungsmieten- - 2 ImKiel Rahmen dieser0 Studie- werden0 beispiel-+ 0 schaftlichen0 + Zielgrößen.0 0 Eine + andere2 Gruppe Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe haftPotsdam verschiedene+ Einflussfaktoren+ + 0in Bezug0 bilden- konzeptionelle0 + Arbeiten,0 - beispielsweise2 haft verschiedene Einflussfaktoren in Bezug bilden konzeptionelle Arbeiten, beispielsweise aufRegensburg Wohnungsmieten+ + im Neubausegment0 + + zur- statistisch-ökonometrischen- + 0 - Fundierung2 auf Wohnungsmieten im Neubausegment zur statistisch-ökonometrischen Fundierung analysiert.Ulm Die Auswahl+ + potenziell0 relevanter+ 0 von0 spezifischen0 0 Prognosemodellen.0 - 2 Auf einige analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige FaktorenWuppertal leitet sich0 u. a.0 aus bisherigen0 0 For-0 interessante+ - Beispiele0 soll+ im + Folgenden2 kurz Faktoren leitet sich u. a. aus bisherigen For- interessante Beispiele soll im Folgenden kurz schungsarbeitenBonn 0 im internationalen0 + + Immo-+ verwiesen- 0 werden.0 0 - 1 schungsarbeiten im internationalen Immo- verwiesen werden. bilienmarkt-ResearchBraunschweig - ab.- Über0 Ausschluss0 0- + + 0 0 + 1 bilienmarkt-Research ab. Über Ausschluss- kriterienBremen und Datenreihentests0 0 0 wird0 diese0 Die0 langfristige+ 0 Beziehung0 0 zwischen1 der kriterien und Datenreihentests wird diese Die langfristige Beziehung zwischen der dannHanover schrittweise 0reduziert.- Ziel0 ist eine0 Liste0 Entwicklung+ 0 von0 Hauspreisen,0 + Pro-Kopf-Ein1 - dann schrittweise reduziert. Ziel ist eine Liste Entwicklung von Hauspreisen, Pro-Kopf-Ein- relevanterCologne Einflussfaktoren0 0 auf+ die0 Entwick+- kommen,0 0 Bevölkerung0 - und0 1 weiteren relevanter Einflussfaktoren auf die Entwick- kommen, Bevölkerung und weiteren lungLeipzig der Wohnungsmieten,+ + die 0eine fachliche0 0 Fundamentalgrößen0 - - war+ Gegenstand0 1 einer lung der Wohnungsmieten, die eine fachliche Fundamentalgrößen war Gegenstand einer GrundlageNuremberg für die weitere0 0 Modellierung0 0 schafft.0 Studie0 von0 Gallin+ (2003).0 Unter0 Verwendung1 Grundlage für die weitere Modellierung schafft. Studie von Gallin (2003). Unter Verwendung Offenbach a. M. + 0 + 0 + von- Daten+ für 950 Metropolregionen- - 1 der Ver- von Daten für 95 Metropolregionen der Ver- DieAachen Suche nach- und- Bewertung0 + von+ einigten0 Staaten0 0 über einen0 Zeitraum0 0 von 23 Die Suche nach und Bewertung von einigten Staaten über einen Zeitraum von 23 EinflussfaktorenDuisburg 0 auf0 Immobilienmarktent- 0 0- Jahren+ wurde- in- dieser+ Arbeit+ aufgezeigt,0 Einflussfaktoren auf Immobilienmarktent- Jahren wurde in dieser Arbeit aufgezeigt, wicklungenErfurt war wiederholt0 + Gegenstand0 - der- dass+ eine0 Veränderung0 0 der 0 Kaufpreise0 für wicklungen war wiederholt Gegenstand der dass eine Veränderung der Kaufpreise für immobilienökonomischenHalle (Saale) 0 + Forschung.- 0 Eine- Häuser+ nur- in begrenztem- + Umfang+ 0 von der immobilienökonomischen Forschung. Eine Häuser nur in begrenztem Umfang von der VielzahlIngolstadt von Forschungsarbeiten+ 0 + widmete0 0 Entwicklung- 0 der+ betrachteten- - Kennzahlen,0 sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 362 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Kassel 0 0 0 0 0 0 0 0 0 0 0 Erklärunguneinheitlich.Wie zu sehen Nach ist, und verläuftzehn JahrenPrognose die Entwicklunglagen einige von wennDaten Wohnungsmieten manuelle und Schnittstellen Einschätzungen abzubilden. bei– Immo Auch- Koblenz 0 0 0 0 0 + 0 - 0 0 0 ErklärungStandorteuneinheitlich. noch Nach nahezu und zehn auf JahrenPrognose ihrem lagen Ausgangs einige von- bilieninvestmentswenn Wohnungsmieten manuelle Einschätzungen stets notwendig bei– bleiben, Immo- Ludwigshafen Standorte noch nahezu+ auf0 ihrem0 Ausgangs0 0- bilieninvestments0 - 0 stets0 notwendig0 bleiben, Bestimmungniveau,am Rhein während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse 0 der Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegenMannheim konnten. 0Dabei 0variiert0 die Dynamik0 0 tenverarbeitung0 0 0 wie Kennzahlenberechnung,0 0 0 mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, imSaarbrücken betrachteten Zeitraum.0 0 In den- ersten0 Jah-- Trendextrapolation,+ + - Sortierung0 + und 0 Filterung mittelsim betrachteten Korrelationsanalyse Zeitraum. In den ersten Jah- Trendextrapolation, Sortierung und Filterung renTheBochum lagen Range zahlreiche- Städte of0 Residentialeher- im Mittelfeld,- - dochMarket+ zukünftig0 Yields 0 weitgehend+ + automatisieren-1 renThe lagen Range zahlreiche Städte of Residentialeher im Mittelfeld, dochMarket zukünftig Yields weitgehend automatisieren dieLeverkusen später dann sehr- hoheIn Zeiten- Mietpreiszuwächse hoher0 Marktdynamik- - lassen, und+ steigender was0 entsprechend0 Wettbewerbsintensität+ allgemeingültige+ -1 die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige aufwiesenMunich und dadurch0 Asind differentiated - am leistungsfähige Ende+ des0 Zeit Systeme analysis-+ Erklärungs- der- Analyse of0 cities, und und +Prognosemodelle Entscheidungsunter- - erfordert.-1 - aufwiesen und dadurchsind am leistungsfähige Ende des Zeit Systeme- Erklärungs- der Analyse und und Prognosemodelle Entscheidungsunter erfordert.- raumsOldenburg ganz vorn lagen0 Astützung –differentiated+ beispielsweise unverzichtbar.0 0 die analysisin Das0 Immobilien-- of- cities, und Markt-Research+ 0 - arbeitet-1 raums ganz vorn lageninfluencingstützung – beispielsweise unverzichtbar. factors die in Das Immobilien-and resulting und Markt-Research clusters arbeitet derWiesbaden Grafik enthaltenedabei Stadt- insbesondere Berlin.+ 0 an 0 denEin Themen0 erster 0 Informationserhebung, wesentlicher0 0 Schritt0 inKenn -1 der- Ent- der Grafik enthalteneinfluencingdabei Stadt insbesondere Berlin. factors an den Ein and Themen erster resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent- Bielefeld - zahlenbewertung- 0 0und Potenzialeinschätzung.0 wicklung0 0 von0 Entscheidend Marktbewertungs-0 0 ist dabei-2 und zahlenbewertung und Potenzialeinschätzung.wicklung von Entscheidend Marktbewertungs- ist dabei und InDortmund der Einzelbetrachtung- Residentialdie - Kenntnis der property0 Städte von 0 Einflussfaktoren, has sind become0 Marktprognosemodellen 0increasingly in0 Bezug expensive0 auf 0 aufin recent ist 0 immobilienwirt years. die-2 - Erhe- In der EinzelbetrachtungResidentialschaftlichedie Kenntnis der property Zielgrößen. Städte von Einflussfaktoren, has sind become Die vorliegendeMarktprognosemodellen increasingly in Bezug Studie expensive zeigtauf aufin Methoden recent ist immobilienwirt years. die und - Erhe- teilweiseDresden Besonderheiten0 This -development erkennbar,+ was0 die very die0 differentbung- when relevanter0 comparing0 Eingangsparameter. 0locations,- howe-2 - Die teilweise BesonderheitenThisErgebnisseschaftliche development erkennbar, einer Zielgrößen. solchenwas die very die Die Parameteranalyse, different vorliegendebung when relevanter Studiecomparing bezogen zeigt Eingangsparameter. auflocations, Methoden die Zielgröße howe und- Die EntwicklungDusseldorf begründen0 ver. Future - können. investments0 Ein Beispiel- can0 bedarauf better0 planned aufbauenden0 and0 decided Modelle0 upon 0 sollen if both sich auf ver.Ergebnisse Future investments einer solchen can Parameteranalyse, be better planned bezogen and decided auf die upon Zielgröße if both-2 istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- Essen - theMarktmiete. ranges0 of- Die housing Datengrundlage- market- yields+ berücksichtigt and0 the factors- die thatWohnungsmärkte+ contribute+ -2 to Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- Gelsenkirchen - Deutschlands- - in Städten0 0ab 70.000+ Einwohnern.- - + + -2 Automobilindustrie inwellbetter Wolfsburg. as orthe worse contributing Inresults anderen arefactors known. marketriablen This size, study konzentrieren. region, examines rent level the Die andyield Komplexität economic range as und StädtenJena und auch0 well über as0 diethe contributing Gesamtmenge0 0 factors0 marketStöranfälligkeit- size,0 region, 0 desrent level0 Gesamtmodells and -economic-2 wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinwegKaiserslautern liegt dies0 jedochmomentum0 nicht -as unmittelbarparameters.+ 0 Thedurch data0 basis sparsame- takes - into Parametrisierung account0 Germany‘s0 -2 ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls aufRostock der Hand. Erklärungen0 housing0 markets qualitativer0 in -cities Art with- abegrenzt. population0 0 Als in Auswahlkriterien excess0 of0 75,000.0 für verwendete-2 auf der Hand. Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sindSchwerin ohnehin kaum0 dafür+ geeignet,- Prozes- - Parameter0 0 und Daten- spielen+ 0der statistische-2 sind ohnehin kaum dafür geeignet, Prozes- Parameter und Daten spielen der statistische seChemnitz der Marktauswahl,- der0 Risikoanalyse- - und- und+ fachliche- Erklärungsgehalt- + + für die-3 abhän- se der Marktauswahl, der Risikoanalyse und und fachliche Erklärungsgehalt für die abhän- desKrefeld Portfoliomanagements- 0 zu- standardi- - gige+ Zielgröße- sowie- die+ Modellperformance+ -3 des Portfoliomanagements zu standardi- gige Zielgröße sowie die Modellperformance sierenMagdeburg und damit0 im Rahmen+ - der aktuellen- - eine0 Rolle.- - + 0 -3 sieren und damit im Rahmen der aktuellen eine Rolle. DigitalisierungsansätzeMonchenglad- durch Algorithmen, 0 0 - - 0 0 - - + 0 Digitalisierungsansätzebach durch Algorithmen, -3

Oberhausen - - - - - + 0 - + + -3 02Wurzburg | Erkenntnisse0 bisheriger0 Studien0 + zu Einflussfaktoren0 - - auf 0Wohnungsmieten- - -3 02Lübeck | Erkenntnisse- bisheriger- Studien- - zu Einflussfaktoren- 0 + auf 0Wohnungsmieten0 0 -4 ImWolfsburg Rahmen dieser- Studie- werden0 beispiel-- - schaftlichen0 0 Zielgrößen.0* 0 Eine 0 andere-4 Gruppe haftImCottbus Rahmen verschiedene dieser- Einflussfaktoren Studie0 werden- beispiel--in Bezug- bildenschaftlichen0 konzeptionelle- Zielgrößen.- Arbeiten,+ Eine 0 andere beispielsweise-5 Gruppe haft verschiedene Einflussfaktoren in Bezug bilden konzeptionelle Arbeiten, beispielsweise auf*Wolfsburg: Wohnungsmieten In contrast to the other cities im vacancy Neubausegment rate from 2016 zur statistisch-ökonometrischen Fundierung auf Wohnungsmieten im Neubausegment zur statistisch-ökonometrischen Fundierung analysiert.Fig. 19: Overview Diepartial Auswahlranking Supply potenziell & Demand – various relevanter indicators, thresholdvon values spezifischen on the basis of thePrognosemodellen. upper Auf einige analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige Faktorenand lower quartiles leitet of the sich sample u. a. aus bisherigen For- interessante Beispiele soll im Folgenden kurz FaktorenSources: F+B GmbH, leitet MB sichResearch, u. Federal a. aus Statistical bisherigen Office and For-State Statistical interessante Offices, City of BeispieleHanover, City of soll Saarbrücken, im Folgenden kurz schungsarbeitenThomas Daily (on basis of CBRE-empirica im internationalen vacancy index, MB Immo-Research, TD marketverwiesen survey); own werden. calculation bilienmarkt-Researchschungsarbeiten im internationalenab. Über Ausschluss Immo-- verwiesen werden. bilienmarkt-Researchkriterien und Datenreihentests ab. Über Ausschluss wird diese- Die langfristige Beziehung zwischen der dannkriterienOverall schrittweise ranking und Matrix Datenreihentests reduziert. & Aggregation Ziel ist wird eine dieseListeto aEntwicklungDie large langfristige extent. von This Hauspreisen, Beziehungapplies, for example, zwischenPro-Kopf-Ein der- relevanterdann schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick-to thekommen,Entwicklung four Top 7 Bevölkerung vonlocations Hauspreisen, Hamburg, und Pro-Kopf-Ein Berlin, weiteren - lungrelevanterThe graphic der Wohnungsmieten, Einflussfaktorenconsolidation of bothdie auf einepartial die fachliche ran -Entwick-Frankfurt Fundamentalgrößenkommen, a. M. and Bevölkerung Stuttgart. war Cologne Gegenstand und (par weiteren- einer tial ranking “Economy & Labour Market”) and Grundlagelungkings dermay Wohnungsmieten, be für seen die weiterein a result Modellierung matrixdie eine (Fig. fachliche schafft.20). StudieFundamentalgrößen von Gallin (2003). war Unter Gegenstand Verwendung einer Locations found in the upper right-hand qua- Dusseldorf (partial ranking “Supply & De- Grundlage für die weitere Modellierung schafft. vonStudie Daten von fürGallin 95 (2003).Metropolregionen Unter Verwendung der Ver- drant have positive overall scores in both par- mand”), which both have a negative overall Die Suche nach und Bewertung von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver 23- tial rankings. The reverse is true of locations in score, appear to be somewhat more fraught EinflussfaktorenDie Suche nach auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt, von 23 the lower left-hand quadrant. with risk in this respect. Munich is not found wicklungenEinflussfaktoren war wiederholt auf Immobilienmarktent Gegenstand der- dassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für wicklungenOn the whole war investments wiederholt in Gegenstandthe locations der in thedass quadrant eine Veränderungfor the most stable der locations Kaufpreise für immobilienökonomischen Forschung. Eineeither, Häuser although nur in(with begrenztem Ulm) it has Umfang the hig von- der immobilienökonomischenfound in the upper right-hand Forschung.quadrant could Eine Häuser nur in begrenztem Umfang von der Vielzahlbe assessed von as Forschungsarbeitenbeing stable and sustainable widmete hest Entwicklung score in the derpartial betrachteten ranking “Economy Kennzahlen, sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 372 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie& Labour zu sehen Market” ist, and verläuft occupies die a Entwicklung relative- be foundDaten here. und With Schnittstellen Mannheim, Saarbrücken, abzubilden. Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.ly neutral level Nach with und justzehn one JahrenPrognose minus lagen point einige in vonKassel wenn andWohnungsmieten manuelleKoblenz four Einschätzungen cities are at the beineu– - Immo- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- Standortethe supply-demand noch nahezu assessment. auf ihrem Among Ausgangs the -tral bilieninvestmentspoint in the matrix stets(0.0). notwendigHere it would bleiben, Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,secondary während locations die Karlsruhe Spitzenreiter wesentlicher (in both über cases 60 % appear so Einflussfaktoren solltenthat indicative sich aufwendige statements Prozesseon stability der Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegenwith a score konnten. of +4), DabeiLeipzig, variiert Freiburg die i. B.Dynamik and and tenverarbeitung risks are scarcely possible. wie Kennzahlenberechnung, Sustainable in- mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimAugsburg betrachteten are theKorrelationsanalyse Zeitraum.cities in which In den investments ersten Jah -vestmentsTrendextrapolation, here – and in other Sortierung locations und with Filterung a renimThein the betrachteten lagen residential Range zahlreiche housingZeitraum. Städte of market In Residentialeher den are im ersten associa Mittelfeld, Jah- -more dochTrendextrapolation,Market or less zukünftig neutral Yieldsscore weitgehend Sortierung – are on the automatisieren und whole Filterung rentedThe withlagen littleRange zahlreiche risk. Among Städte of the Residentialeher smaller, im Mittelfeld,tertiary not dochlikelyMarket to zukünftig result from Yields weitgehend the macro-outlook automatisieren for die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige dielocations später Ulm, dann Heidelberg sehr hohe Mietpreiszuwächseand Regensburg the lassen,markets, was but be entsprechend dependent on allgemeingültige the pro- aufwiesen und dadurchAsindIn Zeitendifferentiated am leistungsfähige Endehoher desMarktdynamik Zeit Systeme analysis- Erklärungs- derund Analyse steigenderof cities, und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwiesenstand out above und dadurchall, and in am accordance Ende des with Zeit -pertyErklärungs- in question und and Prognosemodelle a specific micro-analy erfordert.- raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raumsthis analysis ganz theyvorn are lagen to be – beispielsweiseseen as extremely die insis in each individual case. der Grafik enthalteneinfluencingdabeistützung Stadt insbesondere Berlin. unverzichtbar. factors an Das den Immobilien-Ein and Themen erster resulting Informationserhebung, wesentlicherund Markt-Research clusters Schritt arbeitet inKenn der- Ent- “safe havens” for investors.influencing In addition, Potsdam, factors and resulting clusters der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- Darmstadt, Ingolstadt, Erlangenzahlenbewertung and Osnabrück und Potenzialeinschätzung.Alternatively the two Entscheidendpartial rankings ist can dabei be In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- are also to be regardedResidentialdie as Kenntnis markets property von suitable Einflussfaktoren, has becomeaggregated increasingly into form Bezug expensive an aufoverall aufin ranking.recent immobilienwirt years. This- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- for investment. Thisschaftliche development Zielgrößen. was very Dieis different conducted vorliegende when without Studiecomparing any zeigt further locations, Methoden weighting. howe und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf In contrast, in the lowerver.Ergebnisse left-hand Future investments einerside ofsolchen the can Parameteranalyse,The be resultbetter is planned to be seen bezogen and indecided Fig. auf 21. die uponRight Zielgröße if at both the istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- matrix are locations wheretheMarktmiete. ranges investment of Die housing Datengrundlagein the market top yieldsof the berücksichtigt andranking the factorsis a dietertiary thatWohnungsmärkte location.contribute Ulm to Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- residential housing marketsDeutschlands there fundamen in Städten- abis the70.000 frontrunner Einwohnern. with nine points, primarily Automobilindustrie inwellbetter Wolfsburg. as orthe worse contributing Inresults anderen arefactors known. marketriablen This size, study konzentrieren. region, examines rent level the Die andyield Komplexität economic range as und Städtentally appears und to auch carry well über a greater as diethe contributing Gesamtmengerisk. On the factors as amarketStöranfälligkeit result size,of the region, seven desrent points level Gesamtmodells andin the economic partial wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinwegbasis of this liegt assessment dies jedochmomentum both nicht the as indicators unmittelbarparameters. ranking Thedurch data “Economy basis sparsame takes & Labour into Parametrisierung account Market”. Germany‘s It is fol ebenfalls- hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls auffor the der supply Hand. and Erklärungen demandhousing side markets as qualitativer well asin citiesfun - Art withlowed abegrenzt. population by other Als cities in Auswahlkriterien excess in Baden-Württemberg: of 75,000. für verwendete auf der Hand. Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sinddamental ohnehin ratios kaumon the local dafür economic geeignet, structu Prozes- -KarlsruheParameter (with undfour pointsDaten inspielen each of der the statistische two sind ohnehin kaum dafür geeignet, Prozes- Parameter und Daten spielen der statistische sere and der labour Marktauswahl, markets point der to Risikoanalyse volatile market und partial und rankings) fachliche and Erklärungsgehalt Heidelberg (frontrunner für die abhän - desseconditions, der Portfoliomanagements Marktauswahl, which are likely der to Risikoanalysebe uninteresting zu standardi und -in thegigeund partial fachliche Zielgröße ranking Erklärungsgehalt sowie “Supply die & ModellperformanceDemand”), für die as abhän - sierendesfor (risk-averse) Portfoliomanagements und damit investors. im Rahmen Among zuthese der standardi are, aktuellen for -well einegige as Freiburg Rolle. Zielgröße i. B. sowie and Stuttgart. die Modellperformance The lat- Digitalisierungsansätzesierenexample, und the damitlocations im Krefeld, Rahmen durch Gelsenkirchen, der Algorithmen, aktuellen ter einetwo Rolle.cities receive the same number of DigitalisierungsansätzeOberhausen and Monchengladbach. durch Algorithmen, Above all points as Frankfurt a. M. (+7). Munich, the there are other cities in the Ruhr area (e.g. Bo- leader in the partial ranking “Economy & La- chum, Dortmund) which also have negative bour Market”, has a total of six points and is 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 02overall | Erkenntnisse scores in both bisheriger partial rankings. Studien zu Einflussfaktorenon a par with the auf Bavarian Wohnungsmieten tertiary locations Accordingly the remaining areas of the matrix Regensburg and Ingolstadt, as well as with Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe need to be considered in a more differentiated Darmstadt and Braunschweig. In this respect haftIm Rahmen verschiedene dieser Einflussfaktoren Studie werden beispiel-in Bezug bildenschaftlichen konzeptionelle Zielgrößen. Arbeiten, Eine andere beispielsweise Gruppe manner, as positive and negative scores are to Darmstadt scores well in the partial ranking aufhaft verschiedeneWohnungsmieten Einflussfaktoren im Neubausegment in Bezug zurbilden statistisch-ökonometrischen konzeptionelle Arbeiten, beispielsweise Fundierung aufanalysiert. Wohnungsmieten Die Auswahl im potenziell Neubausegment relevanter vonzur spezifischen statistisch-ökonometrischen Prognosemodellen. Fundierung Auf einige Faktorenanalysiert. leitet Die Auswahlsich u. a. potenziell aus bisherigen relevanter For- interessantevon spezifischen Beispiele Prognosemodellen. soll im Folgenden Auf einige kurz schungsarbeitenFaktoren leitet sich im u. internationalen a. aus bisherigen Immo- For- verwieseninteressante werden. Beispiele soll im Folgenden kurz bilienmarkt-Researchschungsarbeiten im internationalenab. Über Ausschluss Immo-- verwiesen werden. bilienmarkt-Researchkriterien und Datenreihentests ab. Über Ausschluss wird diese- Die langfristige Beziehung zwischen der dannkriterien schrittweise und Datenreihentests reduziert. Ziel ist wird eine dieseListe EntwicklungDie langfristige von Hauspreisen, Beziehung zwischenPro-Kopf-Ein der- relevanterdann schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick- kommen,Entwicklung Bevölkerungvon Hauspreisen, und Pro-Kopf-Ein weiteren- lungrelevanter der Wohnungsmieten, Einflussfaktoren die auf eine die fachliche Entwick- Fundamentalgrößenkommen, Bevölkerung war Gegenstand und weiteren einer Grundlagelung der Wohnungsmieten, für die weitere Modellierung die eine fachliche schafft. StudieFundamentalgrößen von Gallin (2003). war Unter Gegenstand Verwendung einer Grundlage für die weitere Modellierung schafft. vonStudie Daten von fürGallin 95 (2003).Metropolregionen Unter Verwendung der Ver- Die Suche nach und Bewertung von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver 23- EinflussfaktorenDie Suche nach auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt, von 23 wicklungenEinflussfaktoren war wiederholt auf Immobilienmarktent Gegenstand der- dassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 382 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie“Supply zu & sehen Demand” ist, whereas verläuft Braunschweig die Entwicklung is quire Daten a very und precise Schnittstellen individual analysis abzubilden. in the Auch Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.strong in the partial Nach und rankingzehn JahrenPrognose “Economy lagen & Laeinige- vonevent wenn ofWohnungsmieten a potential manuelle investment. Einschätzungen bei– Immo- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- Standortebour Market”. noch The nahezu most successful auf ihrem locationsAusgangs -At clusterbilieninvestments level the Top 7 stets (primary notwendig investment bleiben, Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,in eastern während Germany die in Spitzenreiterthis wesentlicher analysis are über Pots 60 %- locations) so Einflussfaktoren sollten appear sich to aufwendige be sustainable Prozesse markets der Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegendam and konnten.Leipzig with Dabei five pointsvariiert each. die WithDynamik a that tenverarbeitung promise successful wie investments Kennzahlenberechnung, with the mittelszulegen konnten. Korrelationsanalyse Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimtotal betrachteten score of fourKorrelationsanalyse Zeitraum.points Berlin In isden in the ersten upper Jah -meanTrendextrapolation, of their total scores Sortierung (4.1). Stuttgart und and Filterung renimThethird betrachteten lagen of theRange zahlreiche 60 locations. Zeitraum. Städte of In Residentialeher den im ersten Mittelfeld, Jah-Frankfurt dochTrendextrapolation,Market a. zukünftig M. are Yields the weitgehend Sortierungfrontrunners automatisieren undin the Filterung renThe lagenmajority Range zahlreiche of the cities Städte ofat the Residential eherlower im end Mittelfeld, of the cluster, dochMarket Cologne zukünftig brings Yields weitgehend up the rear. automatisierenThe ter- die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige dieranking später in the dann aggregation sehr hohe are Mietpreiszuwächse from North Rhi- tiary lassen, cluster wasfollows entsprechend with a mean of allgemeingültige 1.1. Here aufwiesen und dadurchAsindIn Zeitendifferentiated am leistungsfähige Endehoher desMarktdynamik Zeit Systeme analysis- Erklärungs- derund Analyse steigenderof cities, und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- aufwiesenne-Westphalia. und The dadurch bottom four am places Ende are des oc Zeit- -UlmErklärungs- leads the cluster und Prognosemodelle ahead of Heidelberg. erfordert. raums ganz vorn lagenAsindstützung –differentiated beispielsweise leistungsfähige unverzichtbar. die Systeme analysisin Das Immobilien- der Analyse of cities, und und Markt-Research Entscheidungsunter arbeitet- raumscupied ganzby Krefeld, vorn lagenGelsenkirchen, – beispielsweise Oberhausen die inKaiserslautern brings up the rear for tertiary der Grafik enthalteneinfluencingdabeistützung Stadt insbesondere Berlin. unverzichtbar. factors an Das den Immobilien-Ein and Themen erster resulting Informationserhebung, wesentlicherund Markt-Research clusters Schritt arbeitet inKenn der- Ent- and Monchengladbach.influencing In addition, with factorsBo- locations and withresulting seven minus clusters points. In the se- der Grafik enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- chum, Dortmund, Essenzahlenbewertung and Duisburg more und Potenzialeinschätzung.condary cluster with a Entscheidend mean of -1.0 there ist dabei is a In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- cities from the GermanResidentialdie federal Kenntnis state property vonwith Einflussfaktoren, thehas becomelarger bandwidth increasingly in Bezug with expensive Karlsruhe auf aufin atrecent the immobilienwirt topyears. of- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- highest population haveThisschaftliche very development negative Zielgrößen. scores. was very Diethe different vorliegenderanking whenand Krefeld Studiecomparing at zeigt the locations,bottom. Methoden The howe two und- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf Kaiserslautern, Cottbus,ver.Ergebnisse Bremen Future investmentsand einer Lübeck solchen can Parameteranalyse,locations be better are planned separated bezogen and by decided as manyauf die upon as Zielgröße 18 ifpoints. both istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- are other less favourabletheMarktmiete. ranges locations, of Die housing and Datengrundlage re -market yields berücksichtigt and the factors die thatWohnungsmärkte contribute to Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- Deutschlands in Städten ab 70.000 Einwohnern. Automobilindustrie inwellbetter Wolfsburg. as orthe worse contributing Inresults anderen arefactors known. marketriablen This size, study konzentrieren. region, examines rent level the Die andyield Komplexität economic range as und Städten und auch well über as diethe contributing Gesamtmenge factors marketStöranfälligkeit size, region, desrent level Gesamtmodells and economic wird Städten und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinweg liegt dies jedochmomentum nicht as unmittelbarparameters. Thedurch data basis sparsame takes into Parametrisierung account Germany‘s ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls auf der Hand. Erklärungenhousing markets qualitativer in cities Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete 8 sindauf der ohnehin Hand. kaum Erklärungen dafür geeignet, qualitativer Prozes Art- Parameterbegrenzt. Als und Auswahlkriterien Daten spielen derfür verwendetestatistische sesind der ohnehin Marktauswahl, kaum dafür der Risikoanalyse geeignet, Prozes und- undParameter fachliche und Erklärungsgehalt Daten spielen der für statistischedie abhän- se der Marktauswahl, der Risikoanalyse und und fachliche Erklärungsgehalt für die abhän- des6 Portfoliomanagements zu standardi- gige Zielgröße sowie die Modellperformance des Portfoliomanagements zu standardi- gige Zielgröße sowie die Modellperformance sieren und damit im Rahmen der aktuellen eine Rolle. Erlangen Heidelberg Digitalisierungsansätzesieren und damit im Rahmen durch der Algorithmen, aktuellen eine Rolle. Mainz Digitalisierungsansätze4 durch Algorithmen, Darmstadt Karlsruhe

Ludwigshafen a.R. Munster Berlin Augsburg Stuttgart Freiburg i.B.

Wuppertal Frankfurt a.M. 022 | Erkenntnisse bisheriger Studien zuKiel EinflussfaktorenOsnabrück Regensburg auf Wohnungsmieten 02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten Hamburg Potsdam Bremen Cologne Bonn Ulm Im Rahmen dieser Studie werden beispiel-Koblenz schaftlichenHanover Zielgrößen.Braunschweig Eine andere Gruppe Im Rahmen dieserDuisburg StudieOffenbach werden Halle beispiel- (Saale) Kassel schaftlichenNuremberg Zielgrößen.Leipzig Eine andere Gruppe haft0 verschiedene Einflussfaktorena.M. in Bezug bilden konzeptionelle Arbeiten, beispielsweise haft verschiedene Einflussfaktoren in Bezug bildenAachen konzeptionelle Arbeiten, beispielsweise Kaiserslautern Bochum Leverkusen Erfurt Ingolstadt auf Wohnungsmieten im NeubausegmentSaarbrücken zur statistisch-ökonometrischen Fundierung auf Wohnungsmieten im Neubausegment zurOldenburg statistisch-ökonometrischenWiesbaden Fundierung analysiert.Gelsenkirchen Die Auswahl potenziell relevanterMannheim von spezifischen Prognosemodellen.Munich Auf einige -2 Bielefeld Dusseldorf Faktorenanalysiert. leitet Die Auswahlsich u. a. potenziell aus bisherigen relevanter For- interessantevon spezifischen Beispiele Prognosemodellen. soll im Folgenden Auf einige kurz Faktoren leitet sich u. a. aus bisherigenRostock For-Jena interessanteChemnitz BeispieleDresden soll im Folgenden kurz schungsarbeitenKrefeld im internationalenDortmund Immo- verwiesen werden. schungsarbeiten im internationalenSchwerin Immo-Magdeburg verwiesenWurzburg werden. bilienmarkt-Research-4 Oberhausen ab. ÜberEssen Ausschluss- bilienmarkt-Research ab. Über Ausschluss- kriterien und Datenreihentests wird dieseLübeck Die langfristigeWolfsburg Beziehung zwischen der Monchengladbach dannkriterien schrittweise und Datenreihentests reduziert. Ziel ist wird eine dieseListe EntwicklungDie langfristige von Hauspreisen, Beziehung zwischenPro-Kopf-Ein der- -6 Cottbus relevanterdann schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick- kommen,Entwicklung Bevölkerungvon Hauspreisen, und Pro-Kopf-Ein weiteren- lungrelevanter der Wohnungsmieten, Einflussfaktoren die auf eine die fachliche Entwick- Fundamentalgrößenkommen, Bevölkerung war Gegenstand und weiteren einer lung der Wohnungsmieten, die eine fachliche Fundamentalgrößen war Gegenstand einer Grundlage-8 für die weitere Modellierung schafft. Studie von Gallin (2003). Unter Verwendung Partial ranking Supply & Demand ranking Partial Grundlage für die weitere Modellierung schafft. Studie von Gallin (2003). Unter Verwendung -8 -6 -4 -2 0 von Daten2 für 495 Metropolregionen6 8 der Ver- von Daten für 95 Metropolregionen der Ver- Die Suche nach und BewertungPartial ranking von Economy einigten & Labour Market Staaten über einen Zeitraum von 23 EinflussfaktorenDie Suche nach auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt, von 23 wicklungenEinflussfaktoren war wiederholt auf Immobilienmarktent Gegenstand der- dassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für wicklungenFig. 20: Matrix assessment war wiederholtpartial rankings – 60 Gegenstand selected locations der dass eine Veränderung der Kaufpreise für immobilienökonomischenSources: Federal Employment Agency, F+B Forschung.GmbH, MB Research, Eine City of Hanover,Häuser City of nurSaarbrücken, in begrenztem Federal Statistical UmfangOffice and von der immobilienökonomischenState Statistical Offices, Thomas Daily (on basis Forschung. of CBRE-empirica Eine vacancy index,Häuser MB Research, nur inTD market begrenztem survey); Umfang von der Vielzahlown calculation von and illustration Forschungsarbeiten widmete Entwicklung der betrachteten Kennzahlen, sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 392 2 2

5 5 REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich.Wie zu sehen Nach ist, und verläuftzehn JahrenPrognose die Entwicklunglagen einige von wennDaten Wohnungsmieten manuelle und Schnittstellen Einschätzungen abzubilden. bei– Immo Auch- Erklärunguneinheitlich.Ulm Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- StandorteKarlsruhe noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,StandorteHeidelberg während noch nahezu die Spitzenreiter aufwesentlicher ihrem Ausgangs über 60 %- sobilieninvestments Einflussfaktoren sollten sich aufwendige stets notwendig Prozesse derbleiben, Da- Bestimmungniveau,Stuttgart während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegenFreiburg konnten. i. B. Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimzulegenFrankfurt betrachteten konnten.a. M. Korrelationsanalyse Zeitraum. Dabei variiert In den die ersten Dynamik Jah- Trendextrapolation,tenverarbeitung wie Sortierung Kennzahlenberechnung, und Filterung mittelsim betrachtetenRegensburg Korrelationsanalyse Zeitraum. In den ersten Jah- Trendextrapolation, Sortierung und Filterung renThe lagenMunich Range zahlreiche Städte of Residentialeher im Mittelfeld, dochMarket zukünftig Yields weitgehend automatisieren renThe lagenIngolstadt Range zahlreiche Städte of Residentialeher im Mittelfeld, dochMarket zukünftig Yields weitgehend automatisieren die später dann sehr hoheIn Zeiten Mietpreiszuwächse hoher Marktdynamik lassen, und steigender was entsprechend Wettbewerbsintensität allgemeingültige die späterDarmstadt dann sehr hohe Mietpreiszuwächse lassen, was entsprechend allgemeingültige aufwiesenBraunschweig und dadurchAsindIn Zeitendifferentiated am leistungsfähige Endehoher desMarktdynamik Zeit Systeme analysis- Erklärungs- derund Analyse steigenderof cities, und und Prognosemodelle Wettbewerbsintensität Entscheidungsunter erfordert.- raumsaufwiesenPotsdam ganz und vorn dadurch lagensind – beispielsweise am leistungsfähige Ende des die Zeit Systeme in- Erklärungs- der Analyse und und Prognosemodelle Entscheidungsunter erfordert.- Leipzig Astützung differentiated unverzichtbar. analysis Das Immobilien- of cities, und Markt-Research arbeitet Primary raums ganz vorn lagenstützung – beispielsweise unverzichtbar. die in Das Immobilien- und Markt-Research arbeitet investment der GrafikHamburg enthalteneinfluencingdabei Stadt insbesondere Berlin. factors an den Ein and Themen erster resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent- influencing factors and resulting clusters locations der GrafikErlangen enthaltenezahlenbewertungdabei Stadt insbesondere Berlin. und an Potenzialeinschätzung. denwicklungEin Themen erster Informationserhebung, wesentlicher von Entscheidend Marktbewertungs- Schritt ist in Kenndabei der - Ent und- Augsburg zahlenbewertung und Potenzialeinschätzung. Entscheidend ist dabei Mean Primary Cluster die Kenntnis von Einflussfaktoren,wicklung in Bezug von auf Marktbewertungs- auf immobilienwirt - und In der EinzelbetrachtungResidential der property Städte has sind become Marktprognosemodellen increasingly expensive in recent ist years. die Erhe- Secondary Osnabrück die Kenntnis von Einflussfaktoren, in Bezug auf auf immobilienwirt- In der EinzelbetrachtungThisResidentialschaftliche development der property Zielgrößen. Städte was has sindvery become Die different vorliegendeMarktprognosemodellen increasingly when Studiecomparing expensive zeigt locations, in Methoden recent ist howeyears. die und - Erhe- investment teilweiseNuremberg Besonderheiten erkennbar, die die bung relevanter Eingangsparameter. Die locations teilweise BesonderheitenThisschaftliche development erkennbar, Zielgrößen. was die very die Die different vorliegendebung when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden howe und- Die EntwicklungMainz begründenver.Ergebnisse Future können. investments einer Ein solchen Beispiel can Parameteranalyse, bedarauf better planned aufbauenden bezogen and decided Modelle auf die upon Zielgröße sollen if both sich auf Ergebnisse einer solchen Parameteranalyse, bezogen auf die Zielgröße EntwicklungBerlin begründenthever.Marktmiete. Futureranges können. investmentsof Die Einhousing Datengrundlage Beispiel market can be darauf yieldsbetter berücksichtigt andplanned aufbauenden the factorsand diedecided ModellethatWohnungsmärkte contribute upon sollen if both to sich auf ist derMunster dominierende Brancheneinfluss der die wesentlichen, tatsächlich relevanten Va- Tertiary ist der dominierendetheDeutschlandsMarktmiete. Brancheneinflussranges of Die housing in DatengrundlageStädten market derab 70.000 dieyields berücksichtigt wesentlichen, andEinwohnern. the factors die tatsächlich thatWohnungsmärkte contribute relevanten to Va- AutomobilindustrieErfurt inbetter Wolfsburg. or worse Inresults anderen are known. riablen This study konzentrieren. examines the Die yield Komplexität range as und investment Deutschlands in Städten ab 70.000 Einwohnern. locations AutomobilindustrieHanover inwellbetter Wolfsburg. as orthe worse contributing Inresults anderen arefactors known. marketriablen This size, study konzentrieren. region, examines rent level the Die andyield Komplexität economic range as und StädtenDresden und auch well über as diethe contributing Gesamtmenge factors marketStöranfälligkeit size, region, desrent level Gesamtmodells and economic wird MeanStädten Tertiary Cluster und auch momentum über die Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinweg liegt dies jedochmomentum nicht as unmittelbarparameters. Thedurch data basis sparsame takes into Parametrisierung account Germany‘s ebenfalls hinweg liegtKiel dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls auf Dusseldorf der Hand. Erklärungenhousing markets qualitativer in cities Art with abegrenzt. population Als in Auswahlkriterien excess of 75,000. für verwendete sindauf der ohnehinAachen Hand. kaum Erklärungen dafür geeignet, qualitativer Prozes Art- Parameterbegrenzt. Als und Auswahlkriterien Daten spielen derfür verwendetestatistische sind Wurzburg ohnehin kaum dafür geeignet, Prozes- Parameter und Daten spielen der statistische se derWolfsburg Marktauswahl, der Risikoanalyse und und fachliche Erklärungsgehalt für die abhän- desse Saarbrücken der Portfoliomanagements Marktauswahl, der Risikoanalyse zu standardi und- gigeund fachliche Zielgröße Erklärungsgehalt sowie die Modellperformance für die abhän- des Mannheim Portfoliomanagements zu standardi- gige Zielgröße sowie die Modellperformance sieren Koblenz und damit im Rahmen der aktuellen eine Rolle. Digitalisierungsansätzesieren undKassel damit im Rahmen durch der Algorithmen, aktuellen eine Rolle. DigitalisierungsansätzeBonn durch Algorithmen, Wiesbaden Oldenburg Cologne 02 | ErkenntnisseChemnitz bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten Mean Secondary02 | Erkenntnisse Cluster bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten Wuppertal Im RahmenSchwerin dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe LudwigshafenIm Rahmen am Rhein dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe haft verschiedeneJena Einflussfaktoren in Bezug bilden konzeptionelle Arbeiten, beispielsweise haft verschiedene Einflussfaktoren in Bezug bilden konzeptionelle Arbeiten, beispielsweise aufHalle Wohnungsmieten (Saale) im Neubausegment zur statistisch-ökonometrischen Fundierung auf WohnungsmietenRostock im Neubausegment zur statistisch-ökonometrischen Fundierung analysiert.Offenbach a. DieM. Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige analysiert. Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige FaktorenMagdeburg leitet sich u. a. aus bisherigen For- interessante Beispiele soll im Folgenden kurz FaktorenLübeck leitet sich u. a. aus bisherigen For- interessante Beispiele soll im Folgenden kurz schungsarbeitenBremen im internationalen Immo- verwiesen werden. bilienmarkt-ResearchschungsarbeitenLeverkusen im internationalenab. Über Ausschluss Immo-- verwiesen werden. bilienmarkt-ResearchCottbus ab. Über Ausschluss- kriterienBielefeld und Datenreihentests wird diese Die langfristige Beziehung zwischen der dannkriterien schrittweiseEssen und Datenreihentests reduziert. Ziel ist wird eine dieseListe EntwicklungDie langfristige von Hauspreisen, Beziehung zwischenPro-Kopf-Ein der- dann Duisburgschrittweise reduziert. Ziel ist eine Liste Entwicklung von Hauspreisen, Pro-Kopf-Ein- relevanterDortmund Einflussfaktoren auf die Entwick- kommen, Bevölkerung und weiteren lungrelevanter derBochum Wohnungsmieten, Einflussfaktoren die auf eine die fachliche Entwick- Fundamentalgrößenkommen, Bevölkerung war Gegenstand und weiteren einer lungKaiserslautern der Wohnungsmieten, die eine fachliche Fundamentalgrößen war Gegenstand einer MonchengladbachGrundlage für die weitere Modellierung schafft. Studie von Gallin (2003). Unter Verwendung GrundlageOberhausen für die weitere Modellierung schafft. vonStudie Daten von fürGallin 95 (2003).Metropolregionen Unter Verwendung der Ver- Gelsenkirchen von Daten für 95 Metropolregionen der Ver- Die SucheKrefeld nach und Bewertung von einigten Staaten über einen Zeitraum von 23 Die Suche nach und Bewertung von einigten Staaten über einen Zeitraum von 23 Einflussfaktoren-10 auf-8 Immobilienmarktent-6 -4 -2- Jahren0 wurde2 in4 dieser6 Arbeit8 aufgezeigt,10 wicklungenEinflussfaktoren war wiederholt auf Immobilienmarktent Gegenstand der- dassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für wicklungen war wiederholt Gegenstand der dass eine Veränderung der Kaufpreise für immobilienökonomischenFig. 21: Overview overall standings – 60 selected Forschung. locations Eine Häuser nur in begrenztem Umfang von der VielzahlimmobilienökonomischenSources: Federal von Employment Forschungsarbeiten Agency, F+B Forschung.GmbH, MB Research, widmete Eine City of Hanover,EntwicklungHäuser City of nurSaarbrücken, in der begrenztem Federal betrachteten Statistical UmfangOffice Kennzahlen, von der Vielzahland State Statistical von Offices, Forschungsarbeiten Thomas Daily (on basis of CBRE-empirica widmete vacancy Entwicklung index, MB Research, der TD market betrachteten survey); Kennzahlen, sichown calculation in den and letzten illustration Jahren der empirischen, insbesondere dem Einkommen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 402 2 2

5 5

REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

Wie zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch 6. Conclusion Erklärunguneinheitlich.Wie zu sehen Nach ist, und verläuftzehn JahrenPrognose die Entwicklunglagen einige von wennDaten Wohnungsmieten manuelle und Schnittstellen Einschätzungen abzubilden. bei– Immo Auch- Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- StandorteThe good performance noch nahezu to auf date ihrem of residential Ausgangs -ferentbilieninvestments picture is presented stets by notwendigKaiserslautern, bleiben, Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Bestimmungniveau,real estate während investments die Spitzenreiter is wesentlicherbased, in addition über 60 % Monchengladbach, so Einflussfaktoren sollten sich Oberhausen, aufwendige Gelsenkirchen Prozesse der Da- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- zulegento valuation konnten. effects, Dabei on thevariiert rise diein marketDynamik and tenverarbeitungKrefeld, for example. wie Kennzahlenberechnung, zulegen konnten. Dabei variiert die Dynamik tenverarbeitung wie Kennzahlenberechnung, mittelsimrents betrachteten to a large Korrelationsanalyse extent. Zeitraum. Insofar In den as theseersten are Jah -In volatileTrendextrapolation, markets a two-pronged Sortierung investment und Filterung mittelsim betrachteten Korrelationsanalyse Zeitraum. In den ersten Jah- Trendextrapolation, Sortierung und Filterung renbasedThe lagen on Range fundamentalzahlreiche Städte data,of and Residentialeher in im particular Mittelfeld, strategy dochMarket can zukünftig prove toYields weitgehendbe successful. automatisieren A hou- renThe lagen Range zahlreiche Städte of Residentialeher im Mittelfeld, dochMarket zukünftig Yields weitgehend automatisieren diethrough später indicators dann sehr from hoheIn Zeitenthe Mietpreiszuwächse areas hoher “Economy Marktdynamik sing lassen, portfolio und steigender was across entsprechend the Wettbewerbsintensität large Top 7 allgemeingültige locations die später dann sehr hohe Mietpreiszuwächse lassen, was entsprechend allgemeingültige aufwiesen& Labour Market” und dadurch (marketsindIn Zeiten amenvironment) leistungsfähige Endehoher desMarktdynamik and Zeit Systeme -is probablyErklärungs- derund Analysesteigender always und undsuitable Prognosemodelle Wettbewerbsintensität Entscheidungsunter as a base invest erfordert.-- aufwiesen und dadurchA differentiated am Ende des Zeit analysis- Erklärungs- of cities, und Prognosemodelle erfordert. raums“Supply ganz & Demand” vorn lagen (marketAsindstützung –differentiated beispielsweise leistungsfähige in unverzichtbar.the narrower die Systeme analysisin Dasment. Immobilien- derGreater Analyse of stabilitycities, und und Markt-Research and Entscheidungsunter more growth arbeitet can- raumssense), ganzit can vorn be assumed lageninfluencingstützung – beispielsweisethat unverzichtbar.the develop factors diein Dasbe Immobilien-providedand resulting by undselected Markt-Research clusterssecondary andarbeitet ter- der Grafik enthalteneinfluencingdabei Stadt insbesondere Berlin. factors an den Ein and Themen erster resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent- derment Grafik is sustainable. enthaltene Inzahlenbewertungdabei thisStadt respect insbesondere Berlin. there und are an Potenzialeinschätzung. dentiarywicklungEin Themencities. erster These Informationserhebung, wesentlicher von should Entscheidend Marktbewertungs- have Schrittpredominant ist in Kenndabei der -- Ent und- zahlenbewertung und Potenzialeinschätzung. Entscheidend ist dabei Inmajor der location-specific EinzelbetrachtungResidentialdie differences. Kenntnis der property This Städte von study Einflussfaktoren, has sind becomely positiveMarktprognosemodellenwicklung increasingly keyin ratio Bezug von expensive values auf Marktbewertungs- and aufin recentin ist theimmobilienwirt years. diebest- - Erhe und- shows a correspondinglyResidentialdie wide Kenntnis range property von of loca Einflussfaktoren, has- becomepossible increasingly case in unique Bezug expensive structures auf aufin recentand immobilienwirtfeatures years.- teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- tions from very strongThisschaftliche to developmentweak in Zielgrößen.economic, was very Diethat different vorliegende differ fromwhen those Studiecomparing of zeigtthe Toplocations, Methoden 7. Pointers howe und in- Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf socio-economic and market-relatedver.Ergebnisse Future investments einer terms. solchen can Parameteranalyse,this be respectbetter planned are leading bezogen and industrialdecided auf die upon and Zielgröße serviceif both istEntwicklung der dominierende begründentheMarktmiete. Brancheneinflussranges können. of Die Einhousing Datengrundlage Beispiel market der diedaraufyields berücksichtigt wesentlichen, and aufbauenden the factors die tatsächlich ModellethatWohnungsmärkte contribute sollenrelevanten to sich Vaauf- On the basis of the analysedtheMarktmiete. ranges indicators of Die housing Datengrundlage the market companies, yields berücksichtigt and a young the factors and die growing thatWohnungsmärkte contribute population, to Automobilindustrieist der dominierende inbetterDeutschlands Wolfsburg. Brancheneinfluss or worse in Inresults Städten anderen are derabknown. 70.000riablendie This wesentlichen, Einwohnern. study konzentrieren. examines tatsächlich the Die yield Komplexität relevantenrange as und Va- Deutschlands in Städten ab 70.000 Einwohnern. AutomobilindustrieTop 7 cities underline inwellbettertheir Wolfsburg. as position orthe worse contributing as Inresults sustai anderen -arefactors known.good marketriablen connections This size, study konzentrieren. region, examines to nationalrent level the Die transport andyield Komplexität economic range net as- und Städten und auch well über as diethe contributing Gesamtmenge factors marketStöranfälligkeit size, region, desrent level Gesamtmodells and economic wird Städtennable investment und auch locations. momentum über dieThe Gesamtmengeascorrespon parameters.- works TheStöranfälligkeit data and basis a stable takes labour into des accountmarket. Gesamtmodells Germany‘s wird hinwegding proof liegt may dies be furnished jedochmomentum nichtat clusteras unmittelbarparameters. level Thedurch data basis sparsame takes into Parametrisierung account Germany‘s ebenfalls hinweg liegt dies jedochhousing nichtmarkets unmittelbar in cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls aufand usually der Hand. also at Erklärungen cityhousing level. Stuttgart, markets qualitativer inFrank cities - Art withOn athebegrenzt. population basis of Als this in Auswahlkriterien excess comparative of 75,000. study, für whichverwendete auf der Hand. Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sindfurt a. ohnehin M. and Munich kaum are dafür particularly geeignet, positive Prozes -is orientedParameter to statistical und Daten ratios, spielen investors der statistische and sind ohnehin kaum dafür geeignet, Prozes- Parameter und Daten spielen der statistische seexamples der Marktauswahl, of this sustainability. der RisikoanalyseBerlin and Ham - undanalysts und fachlichecan include Erklärungsgehalt their own weightings für die and abhän - se der Marktauswahl, der Risikoanalyse und und fachliche Erklärungsgehalt für die abhän- desburg are Portfoliomanagements also in the upper third of zuthe 60 standardi loca- -newgige indicators. Zielgröße The instruments sowie die Modellperformanceused to make des Portfoliomanagements zu standardi- gige Zielgröße sowie die Modellperformance sierentions examined. und damit In the iminternal Rahmen comparison der aktuellen of the evaluations eine Rolle. and comparisons, and to support Digitalisierungsansätzesierenseven primary und damit investment im Rahmen locations durch der Algorithmen,Dusseldorf aktuellen decision-making eine Rolle. may thus be individualised Digitalisierungsansätzeand Cologne do not perform durch as well. Algorithmen,and constantly improved. Nevertheless, ob- Some smaller locations are of further interest. servation at location level is not a substitute 02The |overall Erkenntnisse ranking is headedbisheriger by Ulm. Studien Heidelberg, zu Einflussfaktorenfor the consideration auf Wohnungsmieten of an individual case. 02Regensburg, | Erkenntnisse Ingolstadt bisheriger and Darmstadt Studien alsozu EinflussfaktorenSpecific investments auf Wohnungsmietenmay even be profitable Imhave Rahmen excellent dieserkey ratios. Studie Alongside werden locations beispiel- in in citiesschaftlichen which initially Zielgrößen. appear Eine unfavourable. andere Gruppe southern Germany such as Karlsruhe, Freiburg Accordingly, research into such investments haftIm Rahmen verschiedene dieser Einflussfaktoren Studie werden beispiel-in Bezug bildenschaftlichen konzeptionelle Zielgrößen. Arbeiten, Eine andere beispielsweise Gruppe i. B. and Augsburg, a number of cities in eas- not only needs to be conducted continually aufhaft verschiedeneWohnungsmieten Einflussfaktoren im Neubausegment in Bezug zurbilden statistisch-ökonometrischen konzeptionelle Arbeiten, beispielsweise Fundierung tern Germany such as Potsdam, Leipzig and but also has to take into account many diffe- aufanalysiert. Wohnungsmieten Die Auswahl im potenziell Neubausegment relevanter vonzur spezifischen statistisch-ökonometrischen Prognosemodellen. Fundierung Auf einige Erfurt are also to be regarded as stable and/ rent possible levels. Faktorenanalysiert. leitet Die Auswahlsich u. a. potenziell aus bisherigen relevanter For- interessantevon spezifischen Beispiele Prognosemodellen. soll im Folgenden Auf einige kurz or displaying dynamic growth. In this respect schungsarbeitenFaktoren leitet sich im u. internationalen a. aus bisherigen Immo- For- verwieseninteressante werden. Beispiele soll im Folgenden kurz schungsarbeitenthe secondary and tertiary im internationalen city clusters are Immo-ex- verwiesen werden. bilienmarkt-Researchtremely heterogeneous, however. ab. Über A totally Ausschluss dif- - bilienmarkt-Researchkriterien und Datenreihentests ab. Über Ausschluss wird diese- Die langfristige Beziehung zwischen der dannkriterien schrittweise und Datenreihentests reduziert. Ziel ist wird eine dieseListe EntwicklungDie langfristige von Hauspreisen, Beziehung zwischenPro-Kopf-Ein der- relevanterdann schrittweise Einflussfaktoren reduziert. Ziel auf ist dieeine ListeEntwick- kommen,Entwicklung Bevölkerungvon Hauspreisen, und Pro-Kopf-Ein weiteren- lungrelevanter der Wohnungsmieten, Einflussfaktoren die auf eine die fachliche Entwick- Fundamentalgrößenkommen, Bevölkerung war Gegenstand und weiteren einer Grundlagelung der Wohnungsmieten, für die weitere Modellierung die eine fachliche schafft. StudieFundamentalgrößen von Gallin (2003). war Unter Gegenstand Verwendung einer Grundlage für die weitere Modellierung schafft. vonStudie Daten von fürGallin 95 (2003).Metropolregionen Unter Verwendung der Ver- Die Suche nach und Bewertung von einigtenvon Daten Staaten für 95 über Metropolregionen einen Zeitraum der von Ver 23- EinflussfaktorenDie Suche nach auf und BewertungImmobilienmarktent von- Jahreneinigten wurdeStaaten in über dieser einen Arbeit Zeitraum aufgezeigt, von 23 wicklungenEinflussfaktoren war wiederholt auf Immobilienmarktent Gegenstand der- dassJahren eine wurde Veränderung in dieser der Arbeit Kaufpreise aufgezeigt, für immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig marktbezogenensich in den letzten Untersuchung Jahren der empirischen, von Zu- ist.insbesondere Diese gewonnene dem Einkommen,Erkenntnis verhält abhängig sich sammenhängenmarktbezogenen zwischen Untersuchung determinierenden von Zu- durchausist. Diese gewonnene konträr zu Erkenntnis oftmals getroffenenverhält sich Variablensammenhängen und bestimmten zwischen determinierenden immobilienwirt- Annahmendurchaus konträr früherer zu oftmals Forschungsarbeiten, getroffenen Variablen und bestimmten immobilienwirt- Annahmen früherer Forschungsarbeiten, 422 2 2

5 5 REALREAL EXPERTS. EXPERTS.EXPERTS. REALREAL VALUES. VALUES.VALUES. REALREAL EXPERTS. EXPERTS. REAL EXPERTS. REALREAL VALUES.EXPERTS. VALUES. REALREAL VALUES. VALUES.

AutorWieAuthor zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Erklärunguneinheitlich. Nach und zehn JahrenPrognose lagen einige von wenn Wohnungsmieten manuelle Einschätzungen bei– Immo- WieAuthor zu sehen ist, verläuft die Entwicklung Daten und Schnittstellen abzubilden. Auch Standorte noch nahezu auf ihrem Ausgangs- bilieninvestments stets notwendig bleiben, Erklärunguneinheitlich.Wie zu sehen Nach ist, und verläuftzehn JahrenPrognose die Entwicklunglagen einige von wennDaten Wohnungsmieten manuelle und Schnittstellen Einschätzungen abzubilden. bei– Immo Auch- Bestimmungniveau, während die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- ErklärungStandorteuneinheitlich. noch Nach nahezu und zehn auf JahrenPrognose ihrem lagen Ausgangs einige von- bilieninvestmentswenn Wohnungsmieten manuelle Einschätzungen stets notwendig bei– bleiben, Immo- BestimmungzulegenStandorte konnten. noch nahezu Dabei aufwesentlicher variiert ihrem Ausgangs die Dynamik- bilieninvestments Einflussfaktorentenverarbeitung stets wie notwendig Kennzahlenberechnung, bleiben, mittelsBestimmungniveau, während Korrelationsanalyse die Spitzenreiter wesentlicher über 60 % so Einflussfaktoren sollten sich aufwendige Prozesse der Da- imzulegenniveau, betrachteten währendkonnten. dieZeitraum.Dabei Spitzenreiter variiert In dendie über Dynamikersten 60 % Jah -tenverarbeitungso solltenTrendextrapolation, sich aufwendige wie Kennzahlenberechnung, Sortierung Prozesse der und Da Filterung- mittelsrenimzulegen betrachteten lagen konnten. zahlreiche Korrelationsanalyse Zeitraum. Dabei Städte variiert In deneher die ersten im Dynamik Mittelfeld, Jah- Trendextrapolation,tenverarbeitung doch zukünftig wie Sortierung Kennzahlenberechnung, weitgehend und Filterung automatisieren mittelsim betrachteten Korrelationsanalyse Zeitraum. In den ersten Jah- Trendextrapolation, Sortierung und Filterung dierenThe späterlagen Range zahlreiche dann sehr Städte ofhoheIn Zeiten Residentialeher Mietpreiszuwächse imhoher Mittelfeld, Marktdynamik doch Marketlassen, und zukünftig steigender was Yields weitgehend entsprechend Wettbewerbsintensität automatisieren allgemeingültige renThe lagen Range zahlreiche Städte of Residentialeher im Mittelfeld, dochMarket zukünftig Yields weitgehend automatisieren aufwiesendie später dann und sehr dadurch hoheInsind Zeiten Mietpreiszuwächse am leistungsfähige hoher Ende Marktdynamik des Zeit Systeme -lassen, undErklärungs- dersteigender was Analyse entsprechend Wettbewerbsintensitätund und Prognosemodelle Entscheidungsunter allgemeingültige erfordert. - die später dann sehr hohe Mietpreiszuwächse lassen, was entsprechend allgemeingültige raumsaufwiesen ganz und vorn dadurch lagenAsindInstützung Zeitendifferentiated – am leistungsfähige beispielsweise Endehoher unverzichtbar. desMarktdynamik Zeit Systeme dieanalysis- in DasErklärungs- derund Immobilien- Analyse steigenderof cities, und und Prognosemodelle undWettbewerbsintensität Entscheidungsunter Markt-Research erfordert. -arbeitet aufwiesen und dadurchsind am leistungsfähige Ende des Zeit Systeme- Erklärungs- der Analyse und und Prognosemodelle Entscheidungsunter erfordert.- derraums Grafik ganz vornenthaltene lagenAstützungdabei –differentiated Stadtbeispielsweise insbesondereunverzichtbar. Berlin. die analysisin Das an Immobilien- denEin Themen of erster cities, und Informationserhebung,Markt-Research wesentlicher arbeitet Schritt in Kenn der- Ent- raums ganz vorn lageninfluencingstützung – beispielsweise unverzichtbar. factors die in Das Immobilien-and resulting und Markt-Research clusters arbeitet der Grafik enthaltenedabei zahlenbewertungStadt insbesondere Berlin. anund den Potenzialeinschätzung.Ein Themen wicklung erster Informationserhebung, wesentlicher von Entscheidend Schritt Marktbewertungs- inKenn der ist- Entdabei- und der Grafik enthalteneinfluencingdabei Stadt insbesondere Berlin. factors an den Ein and Themen erster resulting Informationserhebung, wesentlicher clusters Schritt inKenn der- Ent- zahlenbewertungdie Kenntnis von und Einflussfaktoren, Potenzialeinschätzung.wicklung vonin BezugEntscheidend Marktbewertungs- auf aufist dabei immobilienwirt und - In der Einzelbetrachtungzahlenbewertung der Städte und Potenzialeinschätzung. sind Marktprognosemodellen Entscheidend ist dabei ist die Erhe- In der EinzelbetrachtungResidentialdie Kenntnis der property Städte von Einflussfaktoren, has sind become Marktprognosemodellenwicklung increasingly in Bezug von expensive auf Marktbewertungs- aufin recent ist immobilienwirt years. die - Erhe und- teilweise BesonderheitenResidentialdieschaftliche Kenntnis erkennbar, property von Zielgrößen. Einflussfaktoren, has die become die Die increasingly vorliegendebung in Bezug relevanter expensive Studie auf aufin zeigt Eingangsparameter.recent immobilienwirt Methoden years.- und Die teilweiseIn der Einzelbetrachtung BesonderheitenThisschaftliche development erkennbar, der Zielgrößen. Städte was die sindvery die Die different vorliegendebungMarktprognosemodellen when relevanter Studiecomparing zeigt Eingangsparameter. locations, Methoden ist howe die und - Erhe Die- Entwicklung begründenThisschaftlicheErgebnisse development können. Zielgrößen. einer Ein was solchen Beispiel very Die different vorliegendeParameteranalyse, darauf when Studie aufbauendencomparing zeigt bezogen locations, Methoden Modelle auf howe die und Zielgröße sollen- sich auf Entwicklungteilweise Besonderheiten begründenver.Ergebnisse Future können. erkennbar, investments einer Ein solchen Beispiel die diecan Parameteranalyse, bedaraufbung better planned aufbauendenrelevanter bezogen and decided Eingangsparameter. Modelle auf die upon Zielgröße sollen if both sich Dieauf ver.ErgebnisseMarktmiete. Future investments einer Die solchen Datengrundlage can Parameteranalyse, be better planned berücksichtigt bezogen and decided auf die die upon Wohnungsmärkte Zielgröße if both ististEntwicklung der dominierende dominierende begründentheMarktmiete. Brancheneinflussranges können. Brancheneinfluss of Die Einhousing Datengrundlage Beispiel market der derdiedaraufyields berücksichtigt wesentlichen,die and aufbauenden wesentlichen, the factors die tatsächlich ModellethatWohnungsmärkte tatsächlich contribute sollenrelevanten to sich relevanten Vaauf- Va- theMarktmiete.Deutschlands ranges of Die housing Datengrundlage in Städten market abyields 70.000 berücksichtigt and the Einwohnern. factors die thatWohnungsmärkte contribute to AutomobilindustrieAutomobilindustrieist der dominierende inbetter Deutschlands in Wolfsburg. Brancheneinfluss Wolfsburg. or worse in Inresults Städten anderenIn anderen are derabknown. 70.000riablendie This wesentlichen,riablen Einwohnern. study konzentrieren. konzentrieren.examines tatsächlich the Die yield Komplexität Die relevantenrange Komplexität as und Va- und betterDeutschlands or worse in results Städten are abknown. 70.000 This Einwohnern. study examines the yield range as StädtenAutomobilindustrie und auch inwell über Wolfsburg. as the die contributing Gesamtmenge In anderen factors marketriablen Störanfälligkeit size, konzentrieren. region, rent level des Die and Komplexität Gesamtmodellseconomic und wird Städten und auch well über as diethe contributing Gesamtmenge factors marketStöranfälligkeit size, region, desrent level Gesamtmodells and economic wird PROF.Städten DR. undSTEFFEN auch METZNERmomentum über die MRICS Gesamtmengeas parameters. TheStöranfälligkeit data basis takes into des account Gesamtmodells Germany‘s wird hinweghinweg liegt liegt dies dies jedochmomentum jedoch nicht nicht as unmittelbarparameters. unmittelbar Thedurch datadurch basis sparsame takes sparsame into Parametrisierung account Parametrisierung Germany‘s ebenfalls ebenfalls HeadHeadhinweg of of Research, Research, liegt Empira Empira diesEmpira Group Group jedochhousing Asset Management nichtmarkets unmittelbar inGmbH cities with adurch population sparsame in excess Parametrisierung of 75,000. ebenfalls aufauf der Hand. Hand. Erklärungen Erklärungenhousing markets qualitativer qualitativer in cities Art with Art abegrenzt. populationbegrenzt. Als in Auswahlkriterien excess Als Auswahlkriterien of 75,000. für verwendete für verwendete auf der Hand. Erklärungen qualitativer Art begrenzt. Als Auswahlkriterien für verwendete sindsind ohnehin kaum kaum dafür dafür geeignet, geeignet, Prozes Prozes- -ParameterParameter und Datenund Daten spielen spielen der statistische der statistische sind ohnehin kaum dafür geeignet, Prozes- Parameter und Daten spielen der statistische sese der Marktauswahl, Marktauswahl, der der Risikoanalyse Risikoanalyse und und und undfachliche fachliche Erklärungsgehalt Erklärungsgehalt für die abhänfür die- abhän- se der Marktauswahl, der Risikoanalyse und und fachliche Erklärungsgehalt für die abhän- desdes Portfoliomanagements zu zu standardi standardi- -gigegige Zielgröße Zielgröße sowie sowie die Modellperformance die Modellperformance sierendes Portfoliomanagements und damit im Rahmen zu der standardi aktuellen- einegige Rolle. Zielgröße sowie die Modellperformance sieren und damit im Rahmen der aktuellen eine Rolle. Digitalisierungsansätzesieren und damit im Rahmen durch der Algorithmen, aktuellen eine Rolle. DigitalisierungsansätzeDigitalisierungsansätze durch durch Algorithmen, Algorithmen,

02 | Erkenntnisse bisheriger Studien zu Einflussfaktoren auf Wohnungsmieten 0202 | Erkenntnisse bisheriger bisheriger Studien Studien zu Einflussfaktorenzu Einflussfaktoren auf Wohnungsmieten auf Wohnungsmieten Im Rahmen dieser Studie werden beispiel- schaftlichen Zielgrößen. Eine andere Gruppe ImhaftIm Rahmen verschiedene dieser dieser Einflussfaktoren Studie Studie werden werden beispiel- in beispiel- Bezug bildenschaftlichen schaftlichen konzeptionelle Zielgrößen. Zielgrößen. Arbeiten, Eine andere Eine beispielsweise andere Gruppe Gruppe haft verschiedene Einflussfaktoren in Bezug bilden konzeptionelle Arbeiten, beispielsweise haftauf Wohnungsmietenverschiedene Einflussfaktoren im Neubausegment in Bezugzur bilden statistisch-ökonometrischen konzeptionelle Arbeiten, Fundierung beispielsweise auf Wohnungsmieten im Neubausegment zur statistisch-ökonometrischen Fundierung aufanalysiert. Wohnungsmieten Die Auswahl potenziell im Neubausegment relevanter von spezifischenzur statistisch-ökonometrischen Prognosemodellen. Auf einige Fundierung analysiert.Contact Die Auswahl potenziell relevanter von spezifischen Prognosemodellen. Auf einige analysiert.Faktoren leitet Die sich Auswahl u. a. aus potenziell bisherigen relevanter For- interessante von spezifischen Beispiele sollPrognosemodellen. im Folgenden kurz Auf einige ContactFaktoren leitet sich u. a. aus bisherigen For- interessante Beispiele soll im Folgenden kurz KontaktschungsarbeitenEmpira Gruppe im internationalenEmpira Immo- Asset Managementverwiesen GmbHwerden. Faktorenschungsarbeiten leitet sich im u. internationalen a. aus bisherigen Immo- For- verwiesen interessante werden. Beispiele soll im Folgenden kurz bilienmarkt-ResearchBaarerstrasse 135 ab. Über Martin-Luther-Ring Ausschluss- 12 schungsarbeitenEmpirabilienmarkt-Research AG im ab. internationalen Über AusschlussEmpira Immo- Asset- Managementverwiesen GmbHwerden. Empirakriterien6300 Zug AG und Datenreihentests 04109 wirdEmpira Leipzig diese Asset Die Management langfristige GmbH Beziehung zwischen der bilienmarkt-Researchkriterien und Datenreihentests ab. Über wird Ausschluss diese -Die langfristige Beziehung zwischen der BahnhofstraßeBaarerstrassedannSwitzerland schrittweise 135 10 reduziert. Ziel istGermany Martin-Luther-Ringeine Liste Entwicklung 12 von Hauspreisen, Pro-Kopf-Ein- kriterien6300relevanterdann schrittweiseZug und Einflussfaktoren Datenreihentests reduziert. Ziel auf ist die04109eine wird Liste Entwick Leipzig diese- kommen,Entwicklung Die langfristige Bevölkerungvon Hauspreisen, Beziehung und Pro-Kopf-Ein weiteren zwischen- der dannSchweizSwitzerlandlungrelevanterTel. +41 derschrittweise 41 Wohnungsmieten,728 Einflussfaktoren 75 75 reduziert. die aufZiel eineTel. dieist DeutschlandGermany +49fachliche eine 341Entwick Liste98- 97Fundamentalgrößenkommen, 83 0Entwicklung Bevölkerung von war Hauspreisen, Gegenstand und weiteren Pro-Kopf-Ein einer - relevanterGrundlagelungFax +41 der 41 Wohnungsmieten, 728 für Einflussfaktoren 75die 79 weitere Modellierung die eineaufMail fachliche [email protected] schafft.die Entwick-StudieFundamentalgrößenkommen, von Gallin (2003). Bevölkerung war Unter Gegenstand Verwendung und einer weiteren Grundlage für die weitere Modellierung schafft. Studie von Gallin (2003). Unter Verwendung lungTel. +41 +41 der 4141 Wohnungsmieten,728 728 75 75 75 75 die eineTel. +49fachliche+49 341341 9898von 9797 FundamentalgrößenDaten 8383 00 für 95 Metropolregionen war Gegenstand der Ver- einer von Daten für 95 Metropolregionen der Ver- GrundlageFaxDiewww.empira.ch/en +41 Suche 41 728 für nach75die75 7979 weitere und Modellierung BewertungMail [email protected] schafft. von einigtenStudie Staaten von Gallinüber einen (2003). Zeitraum Unter von Verwendung 23 Die Suche nach und Bewertung von einigten Staaten über einen Zeitraum von 23 Einflussfaktoren auf Immobilienmarktent- Jahrenvon wurdeDaten infür dieser 95 Metropolregionen Arbeit aufgezeigt, der Ver- Einflussfaktoren auf Immobilienmarktent- Jahren wurde in dieser Arbeit aufgezeigt, Diewww.empira.chwicklungen Suche war nach wiederholt und Gegenstand Bewertung der vondass einigten eine Veränderung Staaten über der einen Kaufpreise Zeitraum für von 23 immobilienökonomischenwicklungen war wiederholt Forschung. Gegenstand Eine der Häuserdass eine nur Veränderung in begrenztem der Umfang Kaufpreise von der für EinflussfaktorenAs of January 2020 auf Immobilienmarktent- Jahren wurde in dieser Arbeit aufgezeigt, Vielzahlimmobilienökonomischen von Forschungsarbeiten Forschung. widmete Eine EntwicklungHäuser nur in der begrenztem betrachteten Umfang Kennzahlen, von der wicklungenDisclaimer: No guarantee war is offered wiederholt for the information Gegenstand being correct. All derdetails subjectdass to change. eine Veränderung der Kaufpreise für sichVielzahl in den von letzten Forschungsarbeiten Jahren der empirischen, widmete insbesondereEntwicklung der dem betrachteten Einkommen, Kennzahlen, abhängig immobilienökonomischensich in den letzten Jahren der Forschung. empirischen, Eine insbesondere Häuser nur dem in begrenztem Einkommen, Umfang abhängig von der Stand:Asmarktbezogenen of July April2018 2018 Untersuchung von Zu- ist. Diese gewonnene Erkenntnis verhält sich Vielzahlmarktbezogenen von Forschungsarbeiten Untersuchung von widmete Zu- ist. DieseEntwicklung gewonnene der Erkenntnis betrachteten verhält Kennzahlen,sich Haftungsausschluss:Disclaimer:sammenhängen No liability is accepted zwischen Alle for Angaben any determinierenden statements ohne provided. Gewähr. We reservedurchaus Änderungen the right to konträramend bleiben the information zu vorbehalten. oftmals in this report getroffenen. sichVariablensammenhängen in den und letzten bestimmten zwischen Jahren determinierenden immobilienwirt der empirischen,- Annahmendurchaus insbesondere konträr früherer zu dem oftmals Forschungsarbeiten, Einkommen, getroffenen abhängig marktbezogenenVariablen und bestimmten Untersuchung immobilienwirt von - Zu-Annahmenist. Diese früherer gewonnene Forschungsarbeiten, Erkenntnis verhält sich 432 sammenhängen zwischen determinierenden2 durchaus konträr zu oftmals getroffenen Variablen und bestimmten immobilienwirt2 - Annahmen früherer Forschungsarbeiten,

23 229 5 5

5 AdditionalAdditionalAdditional research research research reports reports reports can can becan be found be found found online online online available available available for for download for download download onon theon the Empirathe Empira Empira Group Group Group website website website www.empira.ch www.empira.ch www.empira.ch

AdditionalOtherAdditional research research research reports reports reports are can available becan found be for found onlinedownload online available onavailable the for download for download onAdditionalEmpira theon Empirathe Group researchEmpira Group website Group reports website under website can www.empira.ch www.empira.ch/en.be www.empira.ch found online available for download on the Empira Group website www.empira.ch