Weil Business as usual nicht mehr reicht

Wer ein Unternehmen führt, weiß: Über Strategien und Investitionen entscheidet man am besten nach Faktenlage. Einzig auf Intuition und Erfahrung zu setzen, ist heutzutage riskant. Trotzdem orientiert sich die Bestandsplanung oftmals noch an Erfahrungswerten, Gepflogenheiten – und damit am Gestern.

Pandemie und Kriegsfolgen zwingen weltweit dazu, neue Lieferketten zu etablieren. Die Wirtschaft ist angeschlagen, und die hohe Inflation trifft nicht nur die Kunden. Auch Fachkräftemangel, Bevölkerungswandel, Energie- und Klimawende fordern Antworten, die keinen Aufschub dulden. Veränderung ist das neue Normal. Die Immobilienbranche muss ihren CO2-Ausstoß radikal senken – im Sinne von ESG aus gesellschaftlicher Verantwortung, die Mieter wie Investoren einfordern, sowie aus regulatorischen und wirtschaftlichen Gründen.

Schließlich wird nicht nur die europäische Renovierungswelle – von der GEG-Novelle bis zur aktualisierten Gebäudeenergieeffizienzrichtlinie der EU – die Branche mit neuen Gesetzen vor neue, oft unerwartete Herausforderungen stellen.

Faktenbasiert planen und entscheiden 

Wer in solchen Zeiten fundiert sagen kann, wo eine Instandhaltung und wo eher eine Modernisierung Sinn ergibt, ist klar im Vorteil. Hier schnell zu entscheiden und dabei noch das Compliance-Risiko zu senken, scheint eine Herkulesaufgabe. Doch den Schlüssel dazu hält jedes Immobilienunternehmen schon in der Hand: In seinem ERP-System liegen exakte Daten vor, anhand derer sich Strategien und Budgets mit dem Wissen von heute planen lassen. Entscheidend ist allerdings, wie man diese Daten aggregiert, bewertet, aufbereitet – und so als Fakten anschaulich und nutzbar macht.

Smarte Lösungen spielen zusammen 

Neue Analyse- und Planungswerkzeuge tun genau das. Dazu greifen sie im digitalen Ökosystem des Unternehmens nahtlos ineinander und nutzen künstliche Intelligenz für ein aktives bauliches Bestandsmanagement. Die Aareon Smart World ist beispielsweise eine ganzheitliche Plattform für diese Ökosysteme, in denen ein bedarfsgenaues Set digitaler Lösungen das Kernsystem erweitert.

Beispiel AiBATROS®: Das smarte Tool von CalCon verknüpft Daten zum Bauzustand und zur Energieeffizienz eines Objekts mit ERP-Daten und empfiehlt anhand intelligenter Simulationen fundierte kurz-, mittel- und langfristige Maßnahmen. Dabei rückt AiBATROS® je nach Bedarf einzelne Gebäude oder ganze Siedlungen und Quartiere in den Fokus der Planung.

Business Intelligence einfach und flexibel 

In gleicher Weise verlangen Geschäftsentscheidungen ein neues Herangehen. Auch dabei sind konsistente Daten untrennbar damit verbunden, ihre komplexen Zusammenhänge sichtbar und anschaulich zu machen. Tabellen stoßen da schnell an ihre Grenze: Sie sind zu zeitintensiv, nicht sonderlich flexibel und mit viel fehleranfälliger Handarbeit verbunden.

Vor allem aber bleibt ihr Vorhersagepotenzial beschränkt. Um zukunftsträchtige Entscheidungen zu untermauern, gibt es daher bessere Wege…

Der Beitrag Besser planen, strategisch entscheiden – Die Chancen von Big Data mithilfe von künstlicher Intelligenz und Business Intelligence nutzen erschien zuerst auf Wohnungswirtschaft-dev.

Was Business Intelligence von klassischen Marktanalysen unterscheidet, sind Menge und Qualität der einbezogenen Quellen sowie das hohe Potenzial, valide Vorhersagen zu treffen – vor allem aber: das innovative IT-Instrumentarium, das zum Einsatz kommt.

Was ist Data Science?

Für die Analyse komplexer Daten hat sich seit der Jahrtausendwende der Begriff Data Science etabliert – nicht von ungefähr zur selben Zeit wie der Begriff Business Intelligence. Data Science ist heute das Erfolgswerkzeug, um Wissen zu extrahieren, Handlungsempfehlungen abzuleiten und Entscheidungen zu untermauern. Doch es geht um weit mehr: Data Science kann Prozesse und Organisationen optimieren und automatisieren, verlässliche Prognosen treffen und so die gesamte Unternehmenssteuerung stützen.

Was einst mit Auswertungen relationaler Datenbanken begann, hat dabei eine andere Qualität erlangt. Mit einem einfachen Querverweis (Cross Referencing) von Tabelleneinträgen ist den riesigen Datenmengen nicht mehr beizukommen. Big Data verlangt Analysen, die sich maschinelles Lernen und künstliche Intelligenz (KI) zunutze machen. Damit haben selbstadaptive, lernfähige Algorithmen die alten Tabellen und Relationen abgelöst.

Entsprechend hoch sind die Anforderungen an einen Data Scientist: Er muss in Mathematik und Statistik so bewandert sein wie in State-of-the-Art-IT. Mehr noch: Data Science verlangt Branchenwissen (Domain Knowledge), also Einsichten in branchentypische und unternehmensspezifische Strukturen, Verfahren und Abläufe sowie in Märkte, um die richtigen Fragen zu stellen und Zwischenergebnisse korrekt zu interpretieren. Des Weiteren verlangt es Kommunikations- und Vermittlungstalent, um das generierte Wissen anschaulich und verständlich aufzubereiten und den Beteiligten auf allen Unternehmensebenen zu vermitteln.

Data Science für die Immobilienbranche

Versierte Data Scientists sind entsprechend dünn gesät. In der Immobilienbranche müssen sie zudem wertvolle Daten im ERP-System und in angebundenen Lösungen sowie Daten von Mietern, Gebäuden und Smart Devices identifizieren, organisieren, analysieren und zielgruppengerecht aufbereiten. Eine solche Orchestrierung ist durch einen Einzelnen kaum mehr zu leisten. Diese doppelte Problematik erschwert es bislang vielen Unternehmen, aus ihren Daten den Mehrwert zu schöpfen, der eigentlich möglich wäre.

Um für die Branche Anwendungsbereiche und Wertschöpfungspotenziale von Data Science zu erschließen, hat sich Aareon als Kompetenzcenter aufgestellt. Im aktiven Austausch mit den Immobilienunternehmen wurden die derzeit größten Werthebel im Bereich Building Relationship Management identifiziert.

Beispiel vorausschauende Wartung

Ein Beispiel hierfür ist die neue Lösung PrediMa by Aareon zur vorausschauenden Wartung und Instandhaltung. Diese nutzt KI und Machine Learning, um eventuelle Ausfälle beispielsweise bei Heizungsanlagen oder Aufzügen durch das Orchestrieren von Daten zu erkennen und diesen vorzubeugen. Die vorausschauende Wartung basiert zum einen auf Daten, die über Sensoren von der Gebäudetechnik in Echtzeit erhoben werden. Zum anderen werden bereits vorliegende, historische Daten der Anlagen genutzt…

Der Beitrag Warum KI-gestützte Datenwissenschaft für die Immobilienbranche unverzichtbar ist erschien zuerst auf Wohnungswirtschaft-dev.

Eine verbesserte Gebäudetechnik, deren optimierte Betriebsführung und ein bewussteres Heizverhalten durch die Mieter sind hier entscheidende Stellschrauben. Regelmäßiges Verbrauchs-Feedback und passende Handlungsempfehlungen können dazu beitragen, dass Immobiliennutzer ihre Energiebilanz besser beeinflussen können. Das zeigen erste Zwischenergebnisse aus dem wohnungswirtschaftlichen Forschungsprojekt „BaltBest“. Die Erkenntnisse sind von hohem Nutzen für das Engagement der Wohnungs- und Immobilienwirtschaft für Klimaschutz und Digitalisierung.

Die 15 Projektpartner aus Wohnungswirtschaft, Industrie und Wissenschaft sind angesichts der Zwischenergebnisse überzeugt, dass sich Energieeffizienz beim Wohnen vor allem dann kostengünstig steigern lässt, wenn sowohl die Betriebsführung von Heizungsanlagen im Bestand optimiert als auch die Mieter beim energiesparenden Verhalten unterstützt werden. Dabei wird es entscheidend darauf ankommen, den Nutzer mit robuster, preiswerter Smart-Home-Technik – die von der Wohnung vernetzt bis in den Heizkeller reicht – beim sparsamen Energieverbrauch zu unterstützen sowie darauf, dass die Nutzer dies auch annehmen.

Durch unterjährige Verbrauchsinformation kann den Heizungsnutzern mithilfe einfach zu bedienender Smart-Home-Systeme zusätzlich dabei geholfen werden, bedarfsgerecht ohne Komforteinbußen zu heizen, dadurch Energiekosten zu sparen und den Verbrauch insgesamt zu senken. Darüber hinaus wollen die Projektbeteiligten das Zusammenspiel von Anlagentechnik, Nutzerverhalten und baulichen Maßnahmen zur energetischen Sanierung besser verstehen.

Diesem Vorhaben gehen die 15 Projektpartner gemeinsam seit Dezember 2018 im Forschungsprojekt „Einfluss der Betriebsführung auf die Effizienz von Heizungsaltanlagen im Bestand (BaltBest)“ nach. Balt- Best ist aus dem Projekt „Allianz für einen klimaneutralen Wohngebäudebestand“ entstanden, das bereits auf eigene Forschungsergebnisse zurückblicken kann.

In der Branche einmaliges Big-Data-Projekt

Insgesamt 100 Mehrfamilienhäuser von Wohnungsunternehmen aus dem Mitgliederkreis des Spitzenverbandes der Wohnungswirtschaft GdW wurden ab 2018 für das vom Bundesministerium für Wirtschaft und Energie mit 1,1 Millionen Euro geförderte Projekt mit einer Funk-Messinfrastruktur mit über 5.800 Sensoren des Energiedienstleisters Techem ausgestattet.

Zur Auswertung erreichen täglich 3,9 Millionen Telegramme die Forschungsinstitute EBZ Business School – University of Applied Sciences sowie wöchentlich die Technische Universität Dresden. Das EBZ Forschungsinstitut InWIS befragt darüber hinaus die Mieter der Wohnungen zu ihrem Heizverhalten. Das Forschungsprojekt läuft über drei Heizperioden von Dezember 2018 bis Mai 2021…

Der Beitrag Klimaschonendes Heizen: Forschungsprojekt „BaltBest“ deckt Effizienzpotenziale in Anlagentechnik und Nutzerverhalten auf erschien zuerst auf Wohnungswirtschaft-dev.

Dabei macht der Fortschritt bei kleinen und mittelgroßen Städten nicht Halt: Die digitale Transformation findet längst nicht nur in den Metropolen der Welt statt: Auch die Menschen in regionalen Zentren und ländlichen Regionen digitalisieren Bürgerdienste, navigieren ihre Autos mit intelligenten Apps durch Staus und rechnen die Parkgebühr mit dem Smartphone ab.

Eine der größten Herausforderungen unserer Zeit ist dabei nicht einmal sichtbar: Umgang mit Daten. Hier geht es um Management, Mehrwerte, Sicherheit und Souveränität – und in erster Linie auch um Know-how innerhalb der Stadtverwaltungen.

Unter Federführung der Fraunhofer-Standorte in Lemgo, Stuttgart und Berlin beginnt sich in der „Morgenstadt Initiative“ derzeit eine Allianz aus Städten zu formen, die der Herausforderung der urbanen Daten gemeinsam begegnen möchte.

Gemeinsamkeit im Puls der
Digitalisierung

Eine Stadt hat ihren eigenen Rhythmus – ein Pulsieren von Autos, Straßenbahnen und Bussen, Pendlern, Besuchern, Händlern und Gastronomen. Und alle Menschen und Prozesse haben eine Gemeinsamkeit im Puls der Digitalisierung: sie produzieren Daten. Ob E-Government, vernetzte Mobilität oder dezentrale Infrastruktur bei Versorgung oder Verkehr, die Datenflut im täglichen Leben einer Stadt nimmt immer mehr zu.

Ebenso wie die Fragen der Bürgerinnen und Bürger danach, wer über diese Daten verfügt und wie sicher diese sind. Auch Städteplaner und Entscheider in der Verwaltung kennen diese Herausforderungen bereits: „Die Entwicklung von Städten hin zu Smart Cities führt zu Datenvolumina ungeahnten Ausmaßes. Gleichzeitig eröffnen sich völlig neue Möglichkeiten bei der Vernetzung, Auswertung und Verwertung dieser Datenbestände. Bürgerinnen und Bürger stellen zu Recht die Forderung nach klaren, transparenten Regeln und nach Sicherheit bei der Verfügung über ihre Daten.

Das Projekt Urban Data Partnership bietet den Projektpartnern die Möglichkeit im Verbund rechtzeitig Lösungen für die daraus entstehenden Herausforderungen zu finden“, erklärt Gregor Moss, Beigeordneter der Stadt Bielefeld für das Dezernat – Wirtschaft | Stadtentwicklung | Mobilität.

Strategien oder nützliche Richtlinien für sich selbst und andere

Hier gab das Fraunhofer-Innovationsnetzwerk „Morgenstadt“ den Impuls, den anstehenden Aufgaben und Herausforderungen als Städtegemeinschaft zu begegnen – um gemeinsames Wissen zu schaffen bzw. zu erwerben, Erfahrungen zu teilen und Strategien oder nützliche Richtlinien für sich selbst und andere Städte zu entwickeln.

Diese Partnerschaft, die das erste Mal im September auf der Smart City Solutions in Stuttgart vorgestellt wurde, trägt den Titel „Urban Data Partnership“.

Bedürfnisse und Bedenken der Bürgerinnen und Bürger

In der Wachstumsregion Ostwestfalen-Lippe nehmen die Städte Bielefeld, Detmold, Gütersloh, Lemgo, teil sowie Menden und Soest aus Südwestfalen und arbeiten hierbei gemeinsam mit weiteren Städten in Deutschland zusammen…

Der Beitrag Urban Data: Fraunhofer bringt Städtepartner an einen Tisch – Städte der Region gehen Zukunftsthema Daten gemeinsam an erschien zuerst auf Wohnungswirtschaft-dev.

Der Begriff ist überall zu hören und zu lesen und wird als Heilsbringer der Datenverarbeitung und des digital gestützten Erkenntnisgewinns gefeiert: Big Data. Wie ist Ihre Wahrnehmung: Wird der Terminus „Big Data“ in der aktuellen, vor allem medialen Diskussion richtig verwendet – oder sollte sich der eine oder andere doch noch einmal näher mit dessen Wesen befassen?

David Kriesel: Bei vielen Themen, die Gegenstand medialer Diskussionen sind, drängt sich mir der Verdacht auf, dass die Vertreter der diskutierenden Medien sich besser zunächst etwas mit dem jeweiligen Thema hätten befassen sollen. Das gilt oft auch für Big Data. Ich persönlich sehe die modernen Methoden der Massendatenverarbeitung wie die Nuklearenergie. Die Nuklearenergie selbst ist nicht gut oder schlecht, aber man kann Gutes oder Schlechtes damit anstellen. Mit der Nuklearenergie kann man Energie produzieren, aber auch Landstriche verseuchen. Genauso ist es mit der Verarbeitung von Massendaten auch. Wir werden Krankheiten heilen und in Sekundenschnelle komplett an den Patienten angepasste Therapien berechnen können. Umgekehrt werden wir aber auch gläsern werden. In China wird gerade ein Programm ausgerollt, das mit den heute möglichen Methoden die Bürger komplett überwacht und Punktzahlen für „gute Lebensführung“ verteilt – wobei „gut“ natürlich kein objektives Maß ist (das ließe sich auch nicht finden), sondern „gut“ ist, was die Administration gutheißt. Das System soll eine weithin vorhandene Infrastruktur aus Kameras nutzen, mit denen Bürger im öffentlichen Raum kontinuierlich zugeordnet und überwacht werden können. Sie gucken Pornos? Punktabzug. Sie kaufen gesunde Babynahrung? Bonuspunkte. Wer mehr Punkte hat, kriegt bessere Jobs, Kredite und Studienplätze. Natürlich kann Ihr Arbeitgeber Ihre Punktzahl auch sehen. Mehr Big Brother geht nicht.

Gerade in der Wohnungswirtschaft verarbeiten Unternehmen bei Geschäftsprozessen im Kontakt mit vielen tausend Mietern täglich eine Datenmenge, die man auf den ersten Blick dem Feld Big Data zuschreiben müsste. Ist es wirklich die schiere Menge an Daten, die uns davon sprechen lässt – oder geht es eher um die sinnvolle Aggregierung und Interpretation der Daten mit einem gezielten Erkenntnisinteresse?

David Kriesel: Meine Erfahrung ist, dass relativ schnell von „Big Data“ geredet wird, ganz unabhängig von der Datengröße. 40 Megabyte sind eine aus Sicht heutiger Benutzer winzige Datenmenge. Jedes Handy speichert das Tausendfache davon. Dennoch: 40 Megabyte sind 10 Millionen Zahlen! Stellen Sie sich mal vor, Sie erfassen für jeden einzelnen Tag die Information, wieviel Watt Strom jede Ihrer Wohnungen verbraucht. Jeder Verbrauchswert eine Zahl. Dann würden die 40 Megabyte genügen, zehn Jahre tägliche Stromverbrauchswerte von knapp 3.000 Wohnungen zu speichern. Wir sehen: Auch in ein paar Megabyte Daten kann eine Informationsfülle stecken, mit der Sie Informatiker lange beschäftigen können. Nicht die Menge macht den Nutzen, sondern die Methodik. Ich habe viele Kunden, die mich für einen „Big Data“-Auftrag anfragen, und am Ende stellt sich heraus, die haben zwanzigtausend Excel®-Dateien, mit denen sie nicht mehr klarkommen. Es geht also immer um zwei Dinge: Eine sinnvolle Aggregierung zu finden, um Nutzen aus den Daten zu ziehen, und darum, Datenmengen miteinander zu verknüpfen, die eigentlich nie dafür gedacht waren. Diese Aufgaben dauern für große Datenmengen etwas länger als für kleine, aber die Aufgaben selbst bleiben gleich.

Was raten Sie Unternehmen, insbesondere der Immobilienwirtschaft, was die ersten zentralen Schritte sein sollten, sich in das Thema einzufinden? Geht es eher um die Auswahl des richtigen Dienstleisters, das Vorhalten ausreichender IT-technischer Kapazitäten oder um den Kompetenzausbau bei Entscheidern?
David Kriesel: Ich denke, es geht um zwei Dinge.

Zum einen, das ist ganz wichtig, muss man überhaupt erst Phantasie erschaffen, was für Fragen mit den neuen Technologien gestellt werden können, und zwar ebenenübergreifend, nicht nur bei den Entscheidern. Ein Manager kann nur Aufträge vergeben, wenn er die Macht der Werkzeuge kennt. Wenn Sie eine Big- Data-Infrastruktur anschaffen, und darauf nur die Prozesse und Reports weiterführen, die Sie schon hatten, haben Sie wenig gewonnen.

Das zweite ist, einen zentralisierten Datenspeicher zu schaffen, der Analysen überhaupt möglich macht, ohne dass man für jede neue Fragestellung Wochen an Arbeit investieren muss. Beide Prozesse sollten nebeneinander herlaufen und sich gegenseitig inspirieren…

zum vollständigen Artikel als PDF

Der Beitrag Big Data: großen Datenmengen Sinn geben, indem wir aus ihnen weitergehende Erkenntnisse gewinnen – David Kriesel erklärt warum…. erschien zuerst auf Wohnungswirtschaft-dev.

Am häufigsten werden die Geschäftsdaten dabei mit Kunden (62 Prozent) und Lieferanten (39 Prozent) geteilt. Drei von vier Unternehmen gehen davon aus, dass die Notwendigkeit, Geschäftspartnern eigene Daten zur Verfügung zu stellen, in den nächsten Jahren weiter zunehmen wird.

zum Artikel als PDF

Der Beitrag PwC-Studie: 74 % aller mittleren und großen Unternehmen in Deutschland teilen Daten mit Kunden oder Lieferanten erschien zuerst auf Wohnungswirtschaft-dev.

zum Artikel als PDF

Der Beitrag Beispiel Mobilfunkdaten: Wie unsere Daten helfen können, die Luftverschmutzung in Städten zu erkennen erschien zuerst auf Wohnungswirtschaft-dev.

zum Artikel als PDF

Der Beitrag BIG DATA in der Immobilienwirtschaft – Digitalisierung oftmals unterschätzt, Innovationssprünge erwartet – eine Catella-Studie erschien zuerst auf Wohnungswirtschaft-dev.