Zur Apathie der britischen PropTech-Branche – Warum die britische Immobilienbranche bei der Einführung von AI hinterherhinkt

Die Illusion der Unmittelbarkeit: Wo bleibt die vielbeschworene AI ?

In den letzten zehn Jahren wurde in der britischen Immobilienbranche viel über Artificial Intelligence gesprochen Artificial Intelligence etwas, das unmittelbar bevorsteht, unvermeidlich ist, aber immer noch in weiter Ferne liegt. Die Tagesordnungen von Konferenzen sind voll mit PropTech-Podiumsdiskussionen, Innovationsstrategien enthalten zahlreiche Verweise auf data Automatisierung, und die meisten großen Unternehmen können auf mindestens eine Handvoll Pilotprojekte, wenig überzeugende Initiativen oder Proofs of Concept verweisen. Und doch empfinden viele Gutachter vor Ort den Fortschritt nach wie vor als zaghaft und fragmentiert. AI in der Rhetorik allgegenwärtig zu sein, ist aber in der Realität nur selektiv verankert.

Diese offensichtliche Apathie verschleiert jedoch eine differenziertere Wahrheit. Das Problem ist nicht, dass AI im Immobilienbereich keine Relevanz gefunden AI oder dass die Technologie selbst noch nicht ausgereift ist. Tatsächlich AI bereits greifbaren Mehrwert in den Bereichen Transaktionen, Bewertung, Vermögensverwaltung und Gebäudebetrieb. Die eigentliche Frage ist, warum die Einführung langsamer, vorsichtiger und ungleichmäßiger verläuft als in vielen vergleichbaren Branchen. Die Antwort liegt weniger in den Algorithmen als vielmehr in den strukturellen Merkmalen des britischen Immobiliensektors selbst.

Um zu verstehen, wohin sich die Branche entwickelt, müssen wir uns zunächst ehrlich mit ihrer aktuellen Lage auseinandersetzen.

Der Wandel: Vom Pilotprojekt zur Workflow-Integration

In den letzten zwölf bis achtzehn Monaten hat sich ein bedeutender Wandel vollzogen. AI die Experimentierphase endgültig hinter sich gelassen und hält Einzug in den beruflichen Alltag. Noch vor einem Jahr waren die meisten Initiativen Pilotprojekte, die oft auf kleine Innovationsteams beschränkt waren, die am Rande des Unternehmens arbeiteten. Diese Bemühungen konzentrierten sich in der Regel auf Konversationstools, also Chatbots, die grundlegende Fragen beantworten, Texte entwerfen oder Informationen aus Dokumentenarchiven abrufen sollten. Diese Tools waren zwar nützlich, aber nur selten mit den zentralen Betriebsprozessen verbunden.

Heute sieht das Bild deutlich anders aus. AI zunehmend in die tägliche Arbeit von Vermessungsingenieuren, Analysten, Vermögensverwaltern und Betriebsteams integriert. Die Geschwindigkeit des Wandels ist beeindruckend. Während sich im letzten Jahr vieles um den Einsatz von Large Language Models (LLMs) als passive Assistenten drehte, hat sich der Fokus nun auf agentenbasierte Systeme verlagert: AI , die in der Lage sind, mehrstufige Aufgaben autonom auszuführen, Informationen zu sammeln, Eingaben zu validieren, Ergebnisse zu entwerfen und Probleme an definierten Punkten zur Überprüfung durch den Menschen weiterzuleiten.

Trotz dieser Beschleunigung ist ein Grundsatz im gesamten britischen Immobiliensektor weitgehend unverändert geblieben: AI als Entscheidungshilfe eingesetzt, nicht als Entscheidungsträger. Diese Unterscheidung ist weder zufällig noch lediglich Ausdruck kultureller Konservativität. Sie spiegelt ein tief verwurzeltes Verständnis von beruflicher Verantwortung und Risiko wider, das weiterhin bestimmt, wie weit Unternehmen bereit und in der Lage sind, zu gehen.

AI der Vermessungspraxis: Erweiterung statt Automatisierung

Transaktionen und Sorgfaltspflicht

In der Praxis zeigt sich dies am deutlichsten bei Transaktionen und Due-Diligence-Prüfungen, die nach wie vor der ausgereifteste Bereich für AI sind. Hier ist der Mehrwert klar und unmittelbar erkennbar. AI werden mittlerweile routinemäßig eingesetzt, um umfangreiche Dokumentenpakete zu lesen und zu analysieren, wichtige Mietvertragsklauseln zu extrahieren, Planungsbedingungen, Energieausweise und Betriebsanleitungen zusammenzufassen und erste Entwürfe für Mietverträge, Listings und reports zu erstellen. Das entscheidende Konzept, das all diesen Anwendungsfällen zugrunde liegt, ist das des „First Pass“. AI Teams, Probleme schneller aufzudecken, Informationen konsistenter zu strukturieren und ihre professionelle Aufmerksamkeit auf das Wesentliche zu richten. Sie ersetzt nicht die Notwendigkeit professioneller Beurteilung und Erfahrung, sondern schärft diese vielmehr.

Bewertung und Marktforschung

Ein ähnliches Muster lässt sich bei der Bewertung und Marktforschung beobachten. AI zunehmend eingesetzt, um vergleichbare Belege auszuwählen, erste Marktkommentare zu verfassen und Szenario- oder Sensitivitätsanalysen in einer Geschwindigkeit und einem Umfang durchzuführen, die zuvor undenkbar gewesen wären. Die Bewertungsmeinung selbst bleibt jedoch fest (und rechtlich) beim Gutachter. Sowohl aus fachlicher als auch aus versicherungstechnischer Sicht kann es nicht anders sein. AI die Analyse, aber sie bestätigt keine Wertgutachten und sollte dies auch nicht tun. Das wird sie niemals tun.

Vermögens- und Portfoliomanagement

Im Bereich der Vermögens- und Portfoliomanagement verschiebt sich der Schwerpunkt erneut, diesmal von Geschwindigkeit hin zu Perspektive. AI Unternehmen, ihre Portfolios auf neue Weise zu analysieren und Fragen rund um Zinssensitivität, Leerstandsrisiko oder Prioritäten bei der Kapitalallokation weitaus gründlicher und konsistenter zu untersuchen, als dies mit manuellen Ansätzen möglich wäre. Auch hier handelt es sich nicht um eine Automatisierung der Entscheidungsfindung, sondern um eine Erweiterung des strategischen Denkens.

Gebäudebetrieb und Energiemanagement

Das Potenzial AIlässt sich vielleicht am deutlichsten im Bereich Gebäudebetrieb und Energiemanagement veranschaulichen, wo die Einführung dort am stärksten war, wo qualitativ hochwertige data . Vorausschauende Wartung, Energieoptimierung und frühzeitige Fehlererkennung eignen sich von Natur aus für data Ansätze, und die finanziellen Vorteile lassen sich oft leicht quantifizieren. Es überrascht nicht, dass diese Anwendungsfälle auf weniger Widerstand gestoßen sind als solche, die das professionelle Urteilsvermögen betreffen.

Die strukturellen Hindernisse für Adoptionen im Vereinigten Königreich

Angesichts dieser vielfältigen Anwendungsmöglichkeiten ist es naheliegend zu fragen, warum AI im Immobilienbereich nicht weiter fortgeschritten zu sein scheint. Die Antwort lautet, dass die Haupthindernisse nicht technologischer Natur sind. Wie so oft sind sie struktureller und menschlicher Art.

Die Herausforderung Data

Die offensichtlichste und hartnäckigste Herausforderung sind data. data bekanntermaßen fragmentiert, inkonsistent, teuer in der Beschaffung und oft unstrukturiert. Ein und dieselbe Immobilie kann in verschiedenen Systemen unter mehreren Namen (oder Adressen) aufgeführt sein; Dokumente widersprechen sich häufig; wichtige Informationen sind oft in isolierten Repositorien mit PDF-Dateien, Scans oder langen E-Mail-Ketten vergraben. Unter diesen Bedingungen haben AI Schwierigkeiten, sich zu skalieren. Ohne solide data werden selbst die ausgefeiltesten Modelle nur eine unterdurchschnittliche Leistung erbringen.

Es gibt auch ein tieferes, branchenspezifisches Problem. Immobilien sind grundsätzlich nicht standardisiert. Keine zwei Objekte sind wirklich gleich. Die physischen Eigenschaften variieren ebenso wie die Besitzverhältnisse, Anreizpakete und vertraglichen Nuancen. Im Gegensatz zu Rohstoffen oder Konsumgütern sind Immobilientransaktionen hochwertig, volumenarm und von Natur aus einzigartig. Dies macht die Erstellung sauberer, statistisch robuster Datensätze weitaus schwieriger als in Branchen, die mit standardisierten Produkten handeln, die in großem Umfang gehandelt werden.

Das Vereinigte Königreich verfügt zwar über eine reichhaltige data im Immobilienbereich (und noch reichhaltigere kontextbezogene Datensätze), die stärker ist als die der meisten EU-Partnerländer, weist jedoch bekannte Lücken in den Datensätzen auf. Es gibt keine zuverlässigen data, keine APIs zum HM Land Registry, um Massenverkaufstransaktionen zu extrahieren, fragmentierte data endlosen Firewalls und lokale Behörden, die auf nationaler data schlecht integriert sind. Während in mancher Hinsicht die Gefahr besteht, mit data überflutet zu werden, bestehen weiterhin erhebliche Lücken, die potenzielle AI einschränken.

Governance, Rechenschaftspflicht und Risiko

Über data hinaus spielen Fragen der Rechenschaftspflicht, der Governance und data eine große Rolle. Die meisten Aktivitäten im Immobiliensektor unterliegen strengen Vorschriften, und Regierungen zögern im Allgemeinen (oft zu Recht) mit Veränderungen, die Auswirkungen auf die Öffentlichkeit haben könnten. Wenn Artefact über die Royal Institution of Chartered Surveyors (RICS) praktische AI Artefact , tauchen immer wieder dieselben Bedenken auf. Wem gehören die AI Ergebnisse? Wer ist verantwortlich, wenn sie falsch sind? Mit welchen data das Modell trainiert, und wohin gehen die Kundeninformationen, nachdem sie verarbeitet wurden? Dies sind keine abstrakten Fragen. Vermessungsingenieure arbeiten mit hochsensiblen Informationen, und es gibt nach wie vor weit verbreitete Missverständnisse darüber, wie große Sprachmodelle funktionieren, insbesondere in Bezug auf data , Training und Risiken. Bis diese Fragen durch Governance und Richtlinien klar geklärt sind, werden viele Unternehmen vorsichtig bleiben und begrenzte Pilotprojekte einer vollständigen Einführung vorziehen.

Kulturelle und organisatorische Trägheit

Kulturelle und organisatorische Faktoren verstärken diese Vorsicht noch zusätzlich. Der britische Immobiliensektor ist von Natur aus langsam und risikoscheu. Die Einnahmen sind langfristig und relativ vorhersehbar (insbesondere für große REITs und Hausbauer), die Margen stehen unter Druck und die Marktbedingungen bleiben schwierig. In einem solchen Umfeld hat die Erhaltung der Liquidität oft Vorrang vor Experimenten. Darüber hinaus arbeiten Immobilienunternehmen im Vergleich zu ihrem Vermögenswert oder ihren Einnahmen in der Regel mit relativ wenig Personal, was bedeutet, dass Effizienzsteigerungen nicht immer zu einer sofortigen Senkung der Vollzeitäquivalentkosten führen. Dies kann es schwieriger machen, die Kapitalrendite in herkömmlicher Weise zu beziffern.

Auch demografische Faktoren spielen eine Rolle. Das Durchschnittsalter in der Branche steigt weiter an, und die Industrie hat Schwierigkeiten, jüngere, AI Talente anzuziehen, die in der Lage sind, Veränderungen von innen heraus voranzutreiben. Dabei geht es nicht nur um Fähigkeiten, sondern auch um die Denkweise und die Vertrautheit mit digitalen Tools als Standard und nicht als Zusatz.

Die Rolle der RICS: Förderung einer verantwortungsvollen Einführung

Die RICS übernimmt weltweit eine Führungsrolle bei der Vorbereitung des Vermessungswesens auf den verantwortungsvollen Einsatz von AI. Dabei AI anerkannt, dass AI bereits heute die tägliche Praxis AI , von der Unterstützung bei der Wertermittlung über die Risikomodellierung bis hin data . Die RICS hat kürzlich einen bahnbrechenden globalen Berufsstandard für den verantwortungsvollen Einsatz von AI veröffentlicht. Dieser Standard soll Innovationen nicht behindern, sondern eine selbstbewusste, ethische Einführung unterstützen, indem er klare Grundvoraussetzungen für Kompetenz, Governance und Verantwortlichkeit unter den weltweit 150.000 vereidigten Vermessungsingenieuren festlegt.

Der neue Verhaltensstandard gilt für alle RICS-Mitglieder und regulierten Unternehmen, in denen AI einen wesentlichen Einfluss auf die Erbringung von Dienstleistungen haben. Der Rahmen wurde unter Mitwirkung wichtiger Branchenführer entwickelt, darunter Artefact der Arbeitsgruppe, und konzentriert sich auf die Stärkung des professionellen Urteilsvermögens bei gleichzeitiger Erweiterung des Fachwissens. Der Standard umreißt wichtige Anforderungen in fünf Bereichen: Festlegung einer Grundlinie für AI ; Stärkung des Praxismanagements durch Governance und Risikoregister; Einführung klarer Erwartungen an die Sorgfaltspflicht bei der Beschaffung AI von Drittanbietern; Stärkung des professionellen Urteilsvermögens, der Skepsis und der Transparenz bei der Nutzung von AI ; und Festlegung von Erwartungen an die Rechenschaftspflicht für diejenigen, die an der Entwicklung AI beteiligt sind.

Dieser proaktive Ansatz ist entscheidend für den Umgang mit den neuen beruflichen Risiken, die durch AI entstehen, für die Gewährleistung einer einheitlichen Praxis und für den Schutz des Kundenvertrauens. Die RICS ist der Ansicht, dass die Branche durch die Bereitstellung dieses gemeinsamen Rahmens Innovationen auf einer soliden ethischen und beruflichen Grundlage begrüßen,AI Talente anziehen und die Branche vorantreiben kann.

Entscheidend ist, dass die neuen Standards Teil eines umfassenderen RICS-Ökosystems sind, das AI verantwortungsvolle AI vorantreiben soll. Dazu gehören die Anpassung der Assessments of Professional Competence (APCs), die Durchführung praktischer Schulungen (wie beispielsweise der sehr beliebten Schulung „Global Harnessing AI Data the Built Environment”) und die Veröffentlichung praktischer Leitfäden. Diese konzertierten Bemühungen bieten Vermessungsingenieuren ein umfassendes Instrumentarium, das es ihnen ermöglicht, AI größerer Zuversicht und Integrität einzusetzen, und sicherstellt, dass die RICS auch im digitalen Zeitalter relevant bleibt.

Pragmatische Einführung – Die wichtigsten Grundsätze

Die eigentliche Herausforderung liegt im menschlichen Faktor: Die Akteure der Immobilienbranche zeigen oft eine Zurückhaltung oder sogar Abneigung gegenüber bedeutenden Veränderungen. Zwar spielt auch die Trägheit der Regulierung eine Rolle, doch ein grundlegenderes Hindernis liegt in den vorherrschenden Einstellungen. In Gesprächen mit Führungskräften und Gutachtern der Immobilienbranche tauchen häufig Grundsätze wie„Was nicht kaputt ist, muss man nicht reparieren“ , „Keine AI meine jahrzehntelange fundierte Fachkompetenz ersetzen“ oder „Unsere Kunden bezahlen uns nicht dafür , dass wir AI einsetzen“ auf. Diese Sichtweisen enthalten zwar ein Körnchen Wahrheit, signalisieren jedoch häufiger eine Führung , die sich eher mit der Aufrechterhaltung des Status quo als mit der Verfolgung transformativer Effizienz beschäftigt.

Die anfängliche Flut von übertriebenen und oft widersprüchlichen Botschaften rund um AI kontraproduktiv und führte zu Skepsis und Verwirrung. Mittlerweile haben wir jedoch die „Phase der Ernüchterung“ hinter uns gelassen und beginnen, den „Aufstieg zur Erkenntnis“ zu erklimmen (ein erkennbares Muster im Gartner Hype Cycle). Dieser Übergang bedeutet, dass sich der Fokus von „Was wäre, wenn“ zu „Wie“ verlagern muss. Für den einzelnen Vermessungsingenieur hat dies zu Unsicherheit hinsichtlich des praktischen Ausgangspunkts für die Einführung geführt.

Um echte Veränderungen zu fördern, ist ein dualer Ansatz, der „Soft Power“ und „Hard Power“ kombiniert, unerlässlich.

Aus Sicht der „Soft Power“ müssen Unternehmen interne AI sichtbar fördern und unterstützen. Dazu gehört die regelmäßige Durchführung von informativen und motivierenden Informations- und Schulungsveranstaltungen, die Schaffung eines kontinuierlichen Zyklus, in dem frühe und greifbare Erfolge demonstriert werden, die offene Weitergabe von Ressourcen, die Dokumentation von Fehlern und Erkenntnissen sowie die Sicherstellung der kontinuierlichen Weiterqualifizierung der Mitarbeiter. Entscheidend ist, dass dieser kulturelle Wandel ohne klare, konsequente und aktive Vorbildfunktion der obersten Führungsebene nicht gelingen kann.

Diese kulturellen Bemühungen müssen durch die „Hard Power“ struktureller und operativer Reformen konsequent ergänzt werden. Dies erfordert eine unwiderrufliche Änderung der bestehenden Arbeitsweisen, die Einführung obligatorischer Zertifizierungen für technische AI für Schlüsselpositionen, die Neugestaltung von Organisationsstrukturen, die Verfeinerung von Betriebsmodellen und die Aktualisierung von RACI-Matrizen. Das Ziel besteht darin, sicherzustellen, dass AI nicht länger als freiwillige „Nebenbeschäftigung“ behandelt AI , sondern vollständig in den Geschäftsalltag (Business as Usual, BAU) integriert wird. Diese Integration muss sich auch auf die Budgetzuweisungen und Leistungskennzahlen erstrecken, wobei AI als zentraler Geschäftsfaktor und nicht als peripheres Technologieprojekt behandelt werden muss.

Vor allem müssen Unternehmen ein Umfeld schaffen, das zum Experimentieren ermutigt, auch wenn dies zu kleinen Misserfolgen führen kann. Dazu müssen ehrliche, data Diskussionen über den praktischen Nutzen von AI die nachweisbaren Effizienzsteigerungen, die sie bringt (oder wo sie lediglich ein „glänzendes Werkzeug” mit begrenztem Wert darstellt), gefördert werden. Die wirkungsvollsten AI bei Artefact AI , Artefact diejenigen, die nahtlos in bestehende Arbeitsabläufe integriert sind. Wenn die Einführung eines Tools mit erheblichen Reibungsverlusten verbunden ist und nur marginale Vorteile bringt, wird es unweigerlich massenhaft wieder aufgegeben. Umgekehrt sind oft diejenigen Anwendungen am erfolgreichsten, die nicht unbedingt sichtbar sind, aber das Berufsleben durch die Automatisierung sich wiederholender, manueller und „seelenzerstörender” Aufgaben nachweislich erleichtern. Die bewusste und gezielte Identifizierung und Umsetzung dieser wirkungsvollen und reibungslosen Anwendungsfälle ist von entscheidender Bedeutung, um eine echte und nachhaltige Akzeptanz zu erreichen.

Wie sieht die Zukunft aus: Drei Zeithorizonte

Mit Blick auf die Zukunft lassen sich die Möglichkeiten für AI im britischen Immobiliensektor in drei groben Zeithorizonten betrachten.

Kurzfristig (nächste 6 Monate): Praktische, risikoarme Erfolge

Die überzeugendsten Vorteile sind praktisch und mit geringem Risiko verbunden. Die Standardisierung der Auftragserfassung, die Automatisierung erster reports klaren Verweisen auf Belege, die Extraktion strukturierter Checklisten aus Mietverträgen und Planungsunterlagen sowie der Einsatz interner Wissenswerkzeuge, die Fragen wie „Wie sind wir das letzte Mal vorgegangen?“ beantworten, führen zu sofortigen Zeiteinsparungen. Besonders große Gewinne sind wahrscheinlich in Backoffice-Funktionen wie Personalwesen, Finanzen und Marketing zu erzielen, wodurch Vermessungsingenieure mehr Zeit haben, sich auf Kundenbeziehungen und höherwertige Beratungsaufgaben zu konzentrieren.

Mittelfristig (6 bis 18 Monate): Integration agentenbasierter Prozesse

Der wahre Wert entsteht durch die Zusammenführung von Prozessen. End-to-End-Transaktionsworkflows auf Basis agenter AI, Asset-Management-Plattformen, data Zustand, Compliance, Energie und Investitionsausgaben kombinieren, sowie Tools zur Unterstützung von Nachrüstungen und Netto-Null-Optimierungen fallen alle in diese Kategorie. Der Erfolg hängt hier weniger von fortschrittlicheren AI als vielmehr von einer durchdachten Prozessgestaltung und -integration ab. Alle grundlegenden Modelle haben in letzter Zeit enorme Fortschritte bei der Entwicklung und Standardisierung agenter Fähigkeiten gemacht, sodass ihre Implementierung zum Kinderspiel geworden ist.

Längerfristig (18 bis 36 Monate): Tiefere Einblicke und neue Dienstleistungen

Unternehmen werden sich zunehmend auf tiefere Einblicke konzentrieren, darunter Planung, Geodaten- und Klimarisikoanalysen, digitale Zwillinge auf Portfolioebene und neue data Beratungsdienste. Diese Ambitionen lassen sich jedoch nur verwirklichen, wenn bereits data robuste data und -qualität vorhanden ist.

Noch längerfristig (36+ Monate): Existenzielle Angst

Nutzer von „X“ oder sogar gelegentliche Verfolger allgemeiner Nachrichten könnten ein Gefühl der Überwältigung, ja fast schon existenzieller Angst verspüren. AI schreitet unaufhaltsam voran. Wir erleben, wie humanoide Roboter Fabrikarbeiter ersetzen und sogar als Soldaten eingesetzt werden, wie selbstfahrende Autos endlich ihren Durchbruch schaffen, wie Neuralink verspricht, die menschlichen Fähigkeiten zu erweitern, wie Quantencomputer langsam Realität werden, wie die wissenschaftliche Forschung massiv beschleunigt wird und wieAI sich immer weiter verbreitet.

Doch trotz dieser anhaltenden Flut von Entdeckungen und Fortschritten konzentriert sich die derzeit größte Begeisterung auf den möglichen Höhepunkt langjähriger Bemühungen um AGI (Artificial General Intelligence) – ein weitaus kontextbewussteres und komplexeres AI , das theoretisch mit dem menschlichen Gehirn mithalten, wenn nicht sogar übertreffen könnte – und die damit verbundenen tiefgreifenden gesellschaftlichen Veränderungen. Wird es die Produktivität wirklich so stark steigern, dass Beschäftigung optional wird und die Abhängigkeit vom universellen Grundeinkommen ein glücklicher Weg in die Zukunft wird?

Die beispiellosen Investitionen in data , Rechenleistung und Infrastruktur zur Erreichung der AGI sind atemberaubend. Diese Investitionen werden zweifellos kurz- bis mittelfristig zu erheblichen Marktkorrekturen führen. Die Kapitalrendite dürfte langsamer als erwartet ausfallen, und der Hype wird wahrscheinlich die tatsächlichen Auswirkungen übertreffen. Dennoch wird dies einen dramatischen und unvorhersehbaren Einfluss auf unsere gebaute Umwelt und unsere Interaktion mit ihr haben. Unternehmen müssen agil bleiben und sich dieser Realität bewusst sein, wenn sie in dieser höchst unsicheren Zukunft nicht nur überleben, sondern auch erfolgreich sein wollen.

Die unverhandelbaren Punkte: Urteilsvermögen, Vertrauen und Prüfung

Bei all dem ist es wichtig, sich über die Grenzen AIim Klaren zu sein. AI die berufliche Verantwortung, sondern konzentriert sie. Das Urteilsvermögen kann nicht delegiert werden. AI zwar bei der Analyse helfen, aber sie kann weder die über Jahrzehnte entwickelte Intuition und Erfahrung ersetzen noch das emotionale und oft irrationale menschliche Verhalten berücksichtigen, das die Immobilienmärkte prägt. Gutachter bleiben jederzeit rechtlich für ihre Beratung verantwortlich, und daran wird sich auch nichts ändern.

Transparenz gegenüber Kunden ist ebenso wichtig. Wenn AI Einfluss auf die Erbringung einer Dienstleistung hat, sollten die Kunden darüber informiert werden. Dies ist nicht nur eine Frage der Compliance, sondern auch eine Frage des Vertrauens. Erklärbarkeit und Überprüfbarkeit sind ebenfalls von entscheidender Bedeutung. Wenn ein Fachmann nicht erklären kann, woher ein Ergebnis stammt, welche data verwendet data und welche Annahmen getroffen wurden, kann es schwierig sein, dieses Ergebnis vor Gericht zu verteidigen.

Zuverlässigkeitsrisiken sollten nicht unterschätzt werden. AI können autoritär klingen, obwohl sie falsch liegen, weshalb Überprüfungen, Stichproben und Kontrollen unverzichtbar sind. Schließlich bleiben data und Vertraulichkeit unverhandelbar. Eingabeaufforderungen sind Aufzeichnungen. Tools müssen genehmigt und bewertet werden. data kontrolliert werden. Dies sind Kernelemente der beruflichen Praxis und keine optionalen Extras.
Letztendlich AI Vermessungsingenieure nicht ersetzen. Was sie ersetzen wird, sind manuelle Recherchen, sich wiederholende Entwürfe und geringwertige Verwaltungsarbeiten. Letztendlich hängt der Weg des britischen Immobiliensektors AI nicht von der Einführung neuer Technologien ab, sondern von seiner Bereitschaft, alte Gewohnheiten zu ändern: die Verankerung data , die Übernahme des RICS-Governance-Rahmens und die bewusste Überordnung des menschlichen Urteilsvermögens über die Aufgaben, die die Technologie heute sicher bewältigen kann.

Über Artefact Chris de Gruben, FRICS

Artefact ist ein globales AI Data AI . Wir bieten alles von data und AI , Risikobewertung und Compliance über die Definition der Möglichkeiten von AI ML bis hin zur Implementierung und schließlich zum Änderungsmanagement und zur Einführung. Artefact sein fundiertes Fachwissen sowohl im Immobilienbereich als auch in den Bereichen Data und AI , um Unternehmen dabei zu unterstützen, AI verantwortungsbewusst und sicher strategisch AI ihre Betriebsabläufe zu integrieren.

Chris ist Senior Director im britischen Artefact , leitet das Immobilienteam und betreut alle Immobilienkunden in Großbritannien. Er ist seit 15 Jahren als Chartered Surveyor tätig und setzt sich weiterhin nachdrücklich für den verantwortungsvollen Einsatz von AI der britischen Immobilienbranche ein. Chris ist außerdem stellvertretender Vorsitzender der Professional Group on Valuation, Mitglied verschiedener AI und Hauptdozent an der RICS Academy, insbesondere für den Kurs „Global Harnessing AI Data the Built Environment” (der sich als der bislang beliebteste RICS-Kurs erwiesen hat). Derzeit ist Chris damit beschäftigt, einen praktischen Leitfaden für den Einsatz von AI Chartered Valuers zu verfassen. Darüber hinaus hält er regelmäßig Vorträge auf PropTech- und Immobilienkonferenzen weltweit.