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

Die Illusion der Unmittelbarkeit: Wo bleibt diese vielbeschworene AI ?

Während eines Großteils des vergangenen Jahrzehnts hat die britische Immobilienbranche von Artificial Intelligence etwas gesprochen, das bevorsteht: unmittelbar, unvermeidlich, aber stets gerade noch jenseits des Horizonts. Die Tagesordnungen von Konferenzen sind vollgepackt mit PropTech-Podiumsdiskussionen, Innovationsstrategien sind gespickt mit Verweisen auf data Automatisierung, und die meisten großen Unternehmen können auf zumindest eine Handvoll Pilotprojekte, halbherzige Initiativen oder Machbarkeitsstudien verweisen. Und doch empfinden viele Gutachter vor Ort den Fortschritt nach wie vor als zaghaft und fragmentiert. AI in der Rhetorik allgegenwärtig AI , ist in der Realität jedoch nur selektiv verankert.

Hinter dieser scheinbaren Gleichgültigkeit verbirgt sich jedoch eine differenziertere Wahrheit. Das Problem ist nicht, dass AI im Immobilienbereich keine Relevanz gefunden AI , und auch nicht, dass die Technologie selbst noch nicht ausgereift ist. Tatsächlich AI bereits greifbaren Mehrwert in den Bereichen Transaktionen, Wertermittlung, Vermögensverwaltung und Gebäudebetrieb. Die eigentliche Frage ist, warum die Einführung langsamer, zurückhaltender 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 machen, wo sie derzeit steht.

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 ist in die alltäglichen Arbeitsabläufe der Unternehmen vorgedrungen. Noch vor einem Jahr wurden die meisten Initiativen als Pilotprojekte konzipiert und oft auf kleine Innovationsteams beschränkt, die am Rande des Unternehmens tätig waren. Diese Bemühungen konzentrierten sich in der Regel auf Konversationstools: Chatbots, die dazu dienten, einfache Fragen zu beantworten, Texte zu entwerfen oder Informationen aus Dokumentenarchiven abzurufen. Obwohl nützlich, waren sie selten mit den zentralen Geschäftsprozessen verknüpft.

Heute sieht das Bild ganz anders aus. AI zunehmend in die tägliche Arbeit von Gutachtern, Analysten, Vermögensverwaltern und operativen Teams integriert. Das Tempo des Wandels ist beeindruckend. Während sich ein Großteil der Aktivitäten im letzten Jahr auf den Einsatz von Large Language Models (LLMs) als passive Assistenten konzentrierte, hat sich der Fokus nun auf agentische Systeme verlagert: AI , die in der Lage sind, mehrstufige Aufgaben autonom auszuführen, Informationen zu sammeln, Eingaben zu validieren, Ergebnisse zu entwerfen und Probleme an festgelegten Punkten zur Überprüfung durch Menschen zu eskalieren.

Doch 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 kulturellen Konservatismus. Sie spiegelt ein tief verwurzeltes Verständnis von beruflicher Verantwortung und Risiko wider, das weiterhin prägt, wie weit Unternehmen bereit und in der Lage sind zu gehen.

AI der Vermessungspraxis: Erweiterung statt Automatisierung

Transaktionen und Due Diligence

In der Praxis zeigt sich dies am deutlichsten bei Transaktionen und der Due Diligence, die nach wie vor den ausgereiftesten Bereich der AI darstellen. 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, Planungsauflagen, EPCs und Betriebsanleitungen zusammenzufassen sowie erste Entwürfe für Mietverträge, Exposés 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 fachliche Aufmerksamkeit dort zu konzentrieren, wo sie am wichtigsten ist. Sie ersetzt nicht das fachliche Urteilsvermögen und die Erfahrung, sondern schärft diese vielmehr.

Bewertung und Marktforschung

Ein ähnliches Muster lässt sich bei der Wertermittlung und der Marktforschung beobachten. AI zunehmend eingesetzt, um vergleichbare Daten zu selektieren, erste Marktkommentare zu verfassen und Szenario- oder Sensitivitätsanalysen in einer Geschwindigkeit und einem Umfang durchzuführen, die zuvor undurchführbar gewesen wären. Die Wertermittlungsmeinung selbst liegt jedoch weiterhin fest (und rechtlich) beim Wertermittler. Sowohl aus fachlicher als auch aus versicherungstechnischer Sicht kann es nicht anders sein. AI die Analyse, aber sie gibt keine Wertgutachten ab und sollte dies auch nicht tun. Das wird sie niemals tun.

Vermögens- und Portfoliomanagement

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

Gebäudebetrieb und Energiemanagement

Das Potenzial AIzeigt sich vielleicht am deutlichsten im Gebäudebetrieb und im Energiemanagement, wo der Einsatz dort am stärksten ist, wo qualitativ hochwertige data . Vorausschauende Instandhaltung, 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 fachliche Urteilsvermögen in Kernbereichen betreffen.

Die strukturellen Hindernisse für die Adoption im Vereinigten Königreich

Angesichts dieser vielfältigen Anwendungsmöglichkeiten stellt sich die Frage, warum AI in der Immobilienbranche nicht weiter fortgeschritten zu sein scheint. Die Antwort lautet, dass die Haupthindernisse nicht technologischer Natur sind. Sie sind – wie so oft – struktureller und menschlicher Art.

Die Data Challenge

Die offensichtlichste und hartnäckigste Herausforderung sind data. data bekanntermaßen fragmentiert, inkonsistent, teuer im Zugriff 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 Ablagen aus PDF-Dateien, Scans oder langen E-Mail-Ketten verborgen. AI haben unter diesen Bedingungen Schwierigkeiten, ihre Leistungsfähigkeit zu skalieren. Ohne data solide data bleiben selbst die ausgefeiltesten Modelle hinter ihren Möglichkeiten zurück.

Zudem spielt ein tiefergehendes, branchenspezifisches Problem eine Rolle. Immobilien sind von Natur aus nicht standardisiert. Keine zwei Objekte sind wirklich gleich. Die physischen Eigenschaften variieren ebenso wie die Besitzverhältnisse, die Anreizstrukturen und die vertraglichen Feinheiten. Im Gegensatz zu Rohstoffen oder Konsumgütern sind Immobilientransaktionen hochpreisig, selten und von Natur aus einzigartig. Dies macht die Erstellung sauberer, statistisch solider Datensätze weitaus schwieriger als in Branchen, die mit standardisierten Produkten handeln, die in großem Umfang gehandelt werden.

Zwar verfügt das Vereinigte Königreich über eine umfangreiche data im Immobilienbereich (und noch umfangreichere kontextbezogene Datensätze), die besser ausgebaut ist als in den meisten anderen EU-Ländern, doch weist sie auch bekannte Lücken auf. Es gibt keine verlässlichen data, keine APIs zum HM Land Registry, um Verkaufsdaten in großem Umfang abzurufen, fragmentierte data endlosen Firewalls data sind, sowie Kommunalbehörden, die auf nationaler data nur unzureichend data eingebunden sind. Während in mancher Hinsicht die Gefahr besteht, von data überflutet zu werden, bestehen weiterhin erhebliche Lücken, die potenzielle AI einschränken.

Führung, 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) damit, Veränderungen zu akzeptieren, 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 fehlerhaft sind? Mit welchen data das Modell trainiert, und wohin gelangen die Kundendaten nach der Verarbeitung? Dies sind keine abstrakten Fragen. Gutachter gehen mit hochsensiblen Informationen um, und es herrscht nach wie vor weit verbreitetes Unverständnis darüber, wie große Sprachmodelle funktionieren, insbesondere in Bezug auf data , Training und Risiken. Solange diese Fragen nicht durch Governance und Richtlinien klar geregelt sind, werden viele Unternehmen vorsichtig bleiben und begrenzte Pilotprojekte einer umfassenden Einführung vorziehen.

Kulturelle und organisatorische Trägheit

Kulturelle und organisatorische Faktoren verstärken diese Zurückhaltung noch. Der britische Immobiliensektor ist von Natur aus träge und risikoscheu. Die Erträge sind langfristig angelegt und relativ vorhersehbar (insbesondere bei großen REITs und Wohnungsbauunternehmen), die Margen stehen unter Druck, und die Marktbedingungen bleiben schwierig. In einem solchen Umfeld hat die Sicherung der Liquidität oft Vorrang vor Experimentierfreudigkeit. Zudem arbeiten Immobilienunternehmen im Vergleich zu ihrem Vermögenswert oder ihren Umsätzen tendenziell mit relativ wenig Personal, was bedeutet, dass Effizienzsteigerungen nicht immer zu einer sofortigen Senkung der Vollzeitäquivalentkosten führen. Dies kann es erschweren, die Kapitalrendite in herkömmlicher Weise zu beziffern.

Auch demografische Faktoren spielen eine Rolle. Das Durchschnittsalter in der Branche steigt weiter an, und die Branche hat Schwierigkeiten, jüngere, AI Talente zu gewinnen, die in der Lage sind, den Wandel von innen heraus voranzutreiben. Dabei geht es nicht nur um Qualifikationen, sondern auch um die Denkweise und die Vertrautheit mit digitalen Tools, die als Selbstverständlichkeit und nicht als Zusatzfunktion betrachtet werden.

Die Rolle der RICS: Förderung einer verantwortungsvollen Umsetzung

Die RICS übernimmt weltweit eine Vorreiterrolle bei der Vorbereitung des Vermessungswesens auf den verantwortungsvollen Einsatz von AI. Sie ist sich bewusst, 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 und ethische Einführung fördern, indem er klare Grundanforderungen an Kompetenz, Governance und Rechenschaftspflicht für die weltweit 150.000 Chartered Surveyors festlegt.

Der neue Verhaltenskodex gilt für alle RICS-Mitglieder und regulierten Unternehmen, bei denen AI einen wesentlichen Einfluss auf die Erbringung von Dienstleistungen haben. Das Rahmenwerk wurde in Zusammenarbeit mit führenden Vertretern der Branche entwickelt – darunter Artefact der Arbeitsgruppe – und konzentriert sich darauf, das fachliche Urteilsvermögen zu stärken und gleichzeitig das Fachwissen zu erweitern. Der Standard umreißt wesentliche Anforderungen in fünf Bereichen: Festlegung einer Grundvoraussetzung für AI ; Stärkung des Praxismanagements durch Governance und Risikoregister; Einführung klarer Erwartungen an die Sorgfaltspflicht bei der Beschaffung AI von Drittanbietern; Stärkung des fachlichen Urteilsvermögens, der Skepsis und der Transparenz beim Vertrauen auf AI ; sowie Festlegung von Erwartungen hinsichtlich der Rechenschaftspflicht für diejenigen, die an der Entwicklung AI beteiligt sind.

Dieser proaktive Ansatz ist entscheidend, um die durch AI entstehenden neuen beruflichen Risiken zu bewältigen, eine einheitliche Praxis zu gewährleisten und das Vertrauen der Kunden zu wahren. Die RICS ist der Ansicht, dass der Berufsstand durch die Bereitstellung dieses gemeinsamen Rahmens Innovationen auf einer soliden ethischen und beruflichen Grundlage vorantreiben,AI Talente gewinnen und die Branche voranbringen kann.

Entscheidend ist, dass die neuen Standards Teil eines umfassenderen RICS-Ökosystems sind, das darauf abzielt, AI verantwortungsvollen AI voranzutreiben. 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“) sowie die Veröffentlichung praktischer Leitfäden. Diese konzertierten Bemühungen bieten Gutachtern ein umfassendes Instrumentarium, das es ihnen ermöglicht, AI größerer Zuversicht und Integrität einzusetzen, und sicherstellt, dass die RICS im digitalen Zeitalter relevant bleibt.

Pragmatische Umsetzung – Die wichtigsten Grundsätze

Die eigentliche Herausforderung liegt im menschlichen Faktor: Die Akteure der Immobilienbranche zeigen oft Zurückhaltung, ja sogar Abneigung gegenüber tiefgreifenden Veränderungen. Zwar spielt die Trägheit der Regulierung sicherlich eine Rolle, doch liegt ein grundlegenderes Hindernis in den vorherrschenden Einstellungen. In Gesprächen mit Führungskräften aus der Immobilienbranche und Gutachtern 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, AI einzusetzen“ auf. Auch wenn diese Sichtweisen einen Funken Wahrheit enthalten, deuten sie doch meist auf eine Führung hin , die mehr darauf bedacht ist, den Status quo zu bewahren, als transformative Effizienz anzustreben.

Die anfängliche Flut übertriebener und oft widersprüchlicher Aussagen rund um AI kontraproduktiv und schürte Skepsis und Verwirrung. Mittlerweile haben wir die „Talsohle der Enttäuschung“ jedoch deutlich hinter uns gelassen und beginnen, den „Anstieg der Erkenntnis“ zu erklimmen (ein bekanntes 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 bewirken, ist ein zweigleisiger Ansatz, der „Soft Power“ und „Hard Power“ miteinander verbindet, unerlässlich.

Aus der Perspektive der „Soft Power“ müssen Unternehmen interne AI sichtbar unterstützen und fördern. Dazu gehört die konsequente Durchführung ansprechender Informations- und Schulungsveranstaltungen, die Etablierung eines kontinuierlichen Zyklus, in dem frühe und greifbare Erfolge demonstriert werden, der offene Austausch von Ressourcen, die Dokumentation von Fehlern und Erkenntnissen sowie die Gewährleistung einer kontinuierlichen Weiterqualifizierung der Mitarbeiter. Entscheidend ist, dass dieser kulturelle Wandel ohne klare, konsequente und aktive Vorbildfunktion seitens der obersten Führungsebene nicht greifen kann.

Diese kulturellen Bemühungen müssen durch die „harte Macht“ struktureller und operativer Reformen konsequent ergänzt werden. Dies erfordert eine unwiderrufliche Änderung bestehender Arbeitsweisen, die Einführung verbindlicher Zertifizierungen für AI in Schlüsselpositionen, die Neugestaltung von Organisationsstrukturen, die Verfeinerung von Betriebsmodellen sowie die Aktualisierung von RACI-Matrizen. Ziel ist es, sicherzustellen, dass AI nicht länger als freiwillige „Nebenbeschäftigung“ betrachtet AI , sondern vollständig in den Geschäftsalltag (Business as Usual, BAU) eingebettet ist. Diese Einbettung muss sich auf 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 führt. Dies erfordert ehrliche, data Diskussionen über den praktischen Nutzen von AI die nachweisbaren Effizienzgewinne, die sie bringt (oder darüber, wo sie lediglich ein „glänzendes Werkzeug“ mit begrenztem Wert darstellt). Die wirkungsvollsten AI , die AI bei Artefact AI , Artefact jene, die nahtlos in bestehende Arbeitsabläufe integriert sind. Wenn die Einführung eines Tools erhebliche Reibungsverluste bei nur marginalem Nutzen mit sich bringt, wird es unweigerlich massenhaft aufgegeben. Umgekehrt kommt der größte Erfolg oft von jenen Anwendungen, die nicht unbedingt sichtbar sind, aber das Berufsleben still und leise nachweislich erleichtern, indem sie repetitive, manuelle und „seelenzerstörende“ Aufgaben automatisieren. Die gezielte und präzise Identifizierung und Bereitstellung dieser wirkungsvollen, reibungsarmen Anwendungsfälle ist von entscheidender Bedeutung, um eine echte, nachhaltige Akzeptanz voranzutreiben.

Wie sieht die Zukunft aus: Etwa drei Zeithorizonte

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

Kurzfristig (nächste 6 Monate): Praktische Erfolge mit geringem Risiko

Die überzeugendsten Erfolge sind praktisch und mit geringem Risiko verbunden. Die Standardisierung der Auftragsannahme, die Automatisierung von reports eindeutigen Verweisen auf Belege, die Extraktion strukturierter Checklisten aus Mietverträgen und Planungsunterlagen sowie der Einsatz interner Wissenswerkzeuge, die Fragen wie „Wie sind wir das letztes Mal angegangen?“ beantworten, führen allesamt zu unmittelbaren Zeitersparnissen. Insbesondere in Backoffice-Funktionen wie Personalwesen, Finanzen und Marketing sind wahrscheinlich die größten Gewinne zu erzielen, wodurch Gutachter entlastet werden und sich auf Kundenbeziehungen und höherwertige Beratungsaufgaben konzentrieren können.

Mittelfristig (6 bis 18 Monate): Integration agentischer Prozesse

Der wahre Mehrwert entsteht durch die Verknüpfung von Prozessen. End-to-End-Transaktionsworkflows, die auf agentischer AI basieren, Asset-Management-Plattformen, data Zustand, Compliance, Energie und Investitionsausgaben kombinieren, sowie Tools zur Unterstützung von Nachrüstungen und Netto-Null-Optimierung fallen alle in diese Kategorie. Der Erfolg hängt hier weniger von fortschrittlicheren AI ab, sondern vielmehr von einer durchdachten Prozessgestaltung und -integration. Alle grundlegenden Modelle haben in letzter Zeit enorme Fortschritte bei der Entwicklung und Standardisierung agentischer Fähigkeiten gemacht, sodass deren Implementierung zum Kinderspiel wird.

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

Unternehmen werden ihren Fokus zunehmend auf fundiertere Erkenntnisse richten, darunter Planungs-, Geodaten- und Klimarisikoanalysen, digitale Zwillinge auf Portfolioebene sowie neue data Beratungsdienstleistungen. Diese Ziele lassen sich jedoch nur dann verwirklichen, wenn bereits data solide data und -qualität vorhanden sind.

Noch längerfristig (36+ Monate): Existenzielle Angst

Nutzer von „X“ oder auch nur gelegentliche Verfolger allgemeiner Nachrichten könnten ein Gefühl der überwältigenden, fast existenziellen Angst verspüren. Das Tempo AI ist unaufhaltsam. 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 Quantencomputing langsam Realität wird, wie sich die wissenschaftliche Forschung massiv beschleunigt und wieAI sich immer weiter durchsetzt.

Doch trotz dieser anhaltenden Flut von Entdeckungen und Fortschritten richtet sich das größte aktuelle Interesse auf den möglichen Höhepunkt langjähriger Bemühungen um die AGI (Artificial General Intelligence) – ein weitaus kontextbewussteres und komplexeres AI , das theoretisch mit dem menschlichen Gehirn mithalten, wenn nicht sogar dieses übertreffen könnte – sowie auf die tiefgreifenden gesellschaftlichen Veränderungen, die damit einhergehen. Wird dies die Produktivität tatsächlich so stark steigern, dass Arbeit zur Option wird und die Abhängigkeit vom bedingungslosen Grundeinkommen zu einem wünschenswerten Weg in die Zukunft wird?

Die beispiellosen Kapitalinvestitionen, die in data , Rechenleistung und Infrastruktur fließen, um eine allgemeine künstliche Intelligenz (AGI) zu erreichen, 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 unverzichtbaren Elemente: Urteilsvermögen, Vertrauen und kritische Prüfung

Bei all dem ist es unerlässlich, sich der Grenzen AIbewusst zu bleiben. AI die berufliche Verantwortung AI , sondern bündelt sie. Die eigene Urteilsfähigkeit lässt sich nicht delegieren. Zwar AI bei der Analyse helfen, doch kann sie weder die über Jahrzehnte gewonnene Intuition und Erfahrung ersetzen, noch kann sie das emotionale und oft irrationale menschliche Verhalten berücksichtigen, das die Immobilienmärkte prägt. Gutachter bleiben jederzeit rechtlich für ihre Beratung verantwortlich, und daran wird sich nichts ändern.

Ebenso entscheidend ist die Transparenz gegenüber den Kunden. Wenn AI die Art und Weise, wie eine Dienstleistung erbracht wird, AI beeinflusst, sollten die Kunden darüber informiert werden. Dies ist nicht nur eine Frage der Einhaltung von Vorschriften, sondern auch eine Frage des Vertrauens. Auch Erklärbarkeit und Überprüfbarkeit sind von entscheidender Bedeutung. Wenn ein Fachmann nicht erklären kann, woher ein Ergebnis stammt, welche data verwendet data und welche Annahmen zugrunde lagen, könnte es sich als schwierig erweisen, dieses Ergebnis vor Gericht zu verteidigen.

Risiken hinsichtlich der Zuverlässigkeit sollten nicht unterschätzt werden. AI können zwar überzeugend klingen, aber dennoch falsch liegen, weshalb Überprüfungen, Stichproben und eine genaue Prüfung unverzichtbar sind. Schließlich bleiben data und Vertraulichkeit nicht verhandelbar. Eingabeaufforderungen sind Aufzeichnungen. Tools müssen genehmigt und bewertet werden. data kontrolliert werden. Dies sind Kernelemente der beruflichen Praxis, keine optionalen Extras.
Letztendlich AI Vermessungsingenieure nicht ersetzen. Was sie ersetzen wird, sind manuelle Recherchen, sich wiederholende Entwurfsarbeiten und geringwertige Verwaltungsaufgaben. 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 Vorrangstellung des menschlichen Urteilsvermögens gegenüber den Aufgaben, die die Technologie mittlerweile sicher bewältigen kann.

Über Artefact Chris de Gruben, FRICS

Artefact ist ein weltweit tätiges AI Data AI . Unser Leistungsspektrum reicht von data und AI über Risikobewertung und Compliance bis hin zur Ermittlung der Möglichkeiten von AI ML, deren Implementierung sowie dem Change Management und der Einführung. Artefact seine fundierte Expertise sowohl im Immobilienbereich als auch in den Bereichen Data und AI , um Unternehmen dabei zu unterstützen, AI verantwortungsbewusst und sicher 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 Kernausbilder an der RICS Academy, insbesondere für den Kurs „Global Harnessing AI Data the Built Environment“ (der sich bislang als der beliebteste RICS-Kurs erwiesen hat). Derzeit ist Chris damit beschäftigt, praktische Leitlinien für den Einsatz von AI Chartered Valuers zu verfassen. Schließlich ist er regelmäßig als Redner auf PropTech- und Immobilienkonferenzen weltweit zu Gast.