Beim Immobilienkauf entscheidet Geschwindigkeit über Deals: Wer ein Objekt in zwei Tagen belastbar durchgerechnet hat, bietet, während andere noch den Datenraum sortieren. Gleichzeitig ist der Ankaufsprozess ein Papierberg — Exposés, Mietverträge, Teilungserklärungen, Nebenkostenaufstellungen. Genau diese Kombination aus Zeitdruck und Dokumentenlast macht den Ankauf zum dankbarsten KI-Einsatzfeld der Branche.
Wo im Ankaufsprozess die Zeit verloren geht
Der typische Ablauf vom Angebot bis zum Notar hat vier Engpässe:
- Exposé-Sichtung: Jedes Angebot kommt anders formatiert. Kennzahlen müssen einzeln herausgesucht und vergleichbar gemacht werden — 20 bis 40 Minuten pro Objekt, bei den meisten Objekten für die Tonne, weil sie nach fünf Kennzahlen rausfallen.
- Underwriting: Cashflow-Modell befüllen, Annahmen (Miete, Leerstand, Capex, Zins) durchspielen — handwerklich, aber fehleranfällig, wenn es unter Zeitdruck in Tabellenkalkulationen passiert.
- Due Diligence: Datenräume sind selten vollständig und nie einheitlich. Allein festzustellen, was fehlt, kostet Tage.
- Dokumentation: Investment-Memos und Gremienvorlagen schreiben sich nicht selbst — und veralten, sobald sich eine Annahme ändert.
Was KI-Agenten heute im Ankauf übernehmen
| Aufgabe | Automatisierungsgrad | Was der Agent liefert |
|---|---|---|
| Exposé-Daten extrahieren | Hoch | Einheitliches Kennzahlenraster je Objekt |
| Erst-Screening nach Ankaufskriterien | Hoch | Priorisierte Shortlist statt PDF-Stapel |
| Cashflow-Szenarien rechnen | Hoch | Basis-/Best-/Worst-Case mit dokumentierten Annahmen |
| Datenraum auf Vollständigkeit prüfen | Hoch | Fehlliste gegen Standard-Checkliste |
| Mietvertrags-Klauseln extrahieren | Mittel–Hoch | Laufzeiten, Indexierung, Sonderkündigungsrechte je Vertrag |
| Kaufentscheidung treffen | — | Bleibt beim Investor |
Exposé-Analyse: vom Stapel zur Shortlist
Der Agent liest jedes eingehende Exposé, extrahiert Kaufpreis, Flächen, Ist-Miete, Baujahr und Lage und rechnet die Standardkennzahlen: Faktor, Bruttorendite, Preis pro Quadratmeter. Objekte, die die Ankaufskriterien verfehlen, fallen begründet heraus; der Rest steht vergleichbar nebeneinander. Aus 30 Minuten pro Exposé werden zwei Minuten Blick auf die Shortlist.
Underwriting: Szenarien statt Bauchgefühl
Auf Basis der extrahierten Daten baut der Agent das Cashflow-Modell und rechnet Szenarien durch — mit dem entscheidenden Unterschied zur schnellen Tabellenkalkulation: Jede Annahme ist dokumentiert und änderbar. Ändert sich der Zins, rechnen alle Szenarien nach, und das Investment-Memo aktualisiert sich mit.
Due Diligence: Befunde prüfen statt Ordner wälzen
Im Datenraum gleicht der Agent den Bestand gegen eine Standard-Checkliste ab (Was fehlt? Welche Unterlagen sind veraltet?), extrahiert aus Mietverträgen die kritischen Klauseln und stellt Widersprüche fest — etwa eine Mieterliste, die nicht zu den Verträgen passt. Anwalt und Ankäufer arbeiten dann an einer Befundliste statt sich durch Ordner zu blättern. Dass dabei Mieterdaten im Spiel sind, macht den Rechtsrahmen relevant — die Anforderungen aus DSGVO und AI Act gelten im Ankauf genauso wie in der Verwaltung.
Ein Rechenbeispiel
Ein Ankaufsteam prüft 300 Objekte pro Jahr, um 5 zu kaufen. Erst-Screening und Vergleichbarmachung kosten manuell rund 25 Minuten je Objekt — 125 Stunden pro Jahr, größtenteils für Objekte, die rausfallen. Mit automatischer Exposé-Analyse sichtet das Team nur noch die Shortlist: realistisch unter 30 Stunden. Die gewonnene Zeit fließt in die Objekte, die es wert sind — und in die Geschwindigkeit, die am Ende Deals gewinnt. Entscheidend ist dabei, dass ein echter Agent die Arbeit macht und nicht nur ein Chatbot darüber redet — den Unterschied erklärt KI-Agent vs. Chatbot.
Wie Quartesa das abbildet
Das Bundle Kauf bildet den Ankaufsprozess mit spezialisierten Agenten ab — von der Exposé-Analyse über Underwriting und Cashflow bis zum Due-Diligence-Manager. Die Dokumente liegen dabei im Datenraum, auf dem alle Agenten arbeiten — mit protokollierten Aktionen und dem Investor in der Entscheidung.
Faustregel: KI gewinnt im Ankauf keine Verhandlung und trifft keine Kaufentscheidung. Aber sie sorgt dafür, dass Sie beides mit vollständigen Zahlen tun — und zwar Tage früher als der Wettbewerb.
Häufige Fragen
Kann KI ein Immobilien-Exposé automatisch auswerten?
Ja — Kennzahlen aus Exposé-PDFs zu extrahieren und in ein einheitliches Raster (Faktor, Rendite, Preis/m²) zu bringen, ist heute Standard-Agentenarbeit. Aus dem PDF-Stapel wird eine vergleichbare Shortlist.
Kann KI eine Immobilie bewerten?
Sie liefert die Bewertungsgrundlage: Vergleichswerte, Cashflow-Szenarien, dokumentierte Annahmen. Die Kaufentscheidung bleibt Urteilssache — seriöse Systeme zeigen Rechenwege statt einer Blackbox-Zahl.
Was bringt KI in der Due Diligence?
Vollständigkeitsprüfung des Datenraums, Klausel-Extraktion aus Mietverträgen, Abgleich von Mieterliste gegen Verträge. Geprüft werden Befunde statt Ordner.
Ersetzt KI den Ankaufsanalysten?
Nein — sie verschiebt seine Zeit vom Datensammeln zum Urteilen. Der messbare Effekt ist die Deal-Frequenz: mehr geprüfte Objekte pro Woche bei gleicher Teamgröße.