Forschungsprojekte

ImmBild

Die Lage ist der wichtigste Parameter für die Bestimmung des Wertes einer Immobilie. Im Projekt ImmBild wird der Wert einer Immobilie mit Hilfe von Computer Vision aus dem Satellitenbild berechnet.

Ausgangssituation und Projektziel

Im Projekt ImmBild wird erstmals immobilienwirtschaftliches Wissen mit automatisierter Bildererkennung in einem innovativen Forschungsansatz vereint. Im Fokus dieses Projekts steht die Entwicklung von bildbasierten Methoden, die durch Eingabe eines Satellitenbildes und vorgegebenen Koordinaten eine automatisierte Abschätzung der Qualität der lokalen Wohnlage ableiten können. Die aus Bildern extrahierten Informationen stellen eine neue Informationsquelle für existierende Lagebewertungsmodelle dar, die bisher nicht berücksichtigt werden konnte. Die entwickelten Methoden und Lagemodelle erhöhen die Transparenz am Immobilienmarkt für alle Marktteilnehmer und können unter Anderem in den Bereichen Bewertung und Mietzinsableitung eingesetzt werden.

Methoden und Forschungsschwerpunkte

In der immobilienwirtschaftlichen Forschung wendet man das Konzept der hedonischen Preise an, um den Wert bzw. einzelne Eigenschaften von Immobilien zu quantifizieren. Hier wird der Preis bzw. die Miete mit Hilfe von Regressionsanalysen sowie unterschiedlicher Lagevariablen wie beispielsweise der Entfernung zu Schulen, Nahversorger, etc. unter Zuhilfenahme soziodemografischer Daten erklärt. Auf diesen Zusammenhängen aufbauend sollen automatische Klassifikations- und Bewertungsmethoden entwickelt werden, welche die regionalen Eigenschaften der umgebenden Infrastrukturnutzung aus Bilddaten ableiten, wie etwa Verhältnis Gebäude zu Grundstück, Grünflächen, Straßen, Erholungsflächen, Abstand zu Nachbarhäusern.

In der automatisierten Bilderkennung aus Luftbildern – insbesondere im Bereich der Satellitenbildanalyse – stehen große Datenmengen zur Verfügung, welche sich gut für maschinelles Lernen eignen. Im Projekt setzen wir primär neuronale Netze sowie Deep Learning ein, um unterschiedliche Umwelttypen wie Straße, Wasser, Bäume und Häuser zu segmentieren und zu klassifizieren. Aufbauend auf den Ergebnissen dieser Bildanalyse werden abstrakte lagespezifische Kriterien mit Hilfe von Regressionsmethoden automatisiert abgeleitet.