W\u00e4hrend des letzten Jahrzehnts hat die britische Immobilienbranche \u00fcber k\u00fcnstliche Intelligenz als etwas gesprochen, das kommen wird: unmittelbar bevorstehend, unvermeidlich, aber immer nur am Horizont. Konferenzpl\u00e4ne sind voll mit PropTech-Panels, Innovationsstrategien sind voll mit Hinweisen auf data und Automatisierung, und die meisten gro\u00dfen Firmen k\u00f6nnen zumindest eine Handvoll Pilotprojekte, lahme Initiativen oder Konzeptnachweise vorweisen. Und doch f\u00fchlen sich die Fortschritte f\u00fcr viele Vermessungsingenieure vor Ort immer noch z\u00f6gerlich und bruchst\u00fcckhaft an. KI scheint in der Rhetorik allgegenw\u00e4rtig zu sein, ist aber in der Realit\u00e4t nur punktuell verankert.<\/p>\n
Hinter dieser scheinbaren Gleichg\u00fcltigkeit verbirgt sich jedoch eine differenziertere Wahrheit. Das Problem ist nicht, dass KI in der Immobilienbranche keine Bedeutung hat oder dass die Technologie selbst unausgereift ist. Tats\u00e4chlich liefert KI bereits einen greifbaren Wert bei Transaktionen, Bewertung, Asset Management und Geb\u00e4udebetrieb. Die eigentliche Frage ist, warum die Einf\u00fchrung langsamer, vorsichtiger und ungleichm\u00e4\u00dfiger verl\u00e4uft als in vielen vergleichbaren Branchen. Die Antwort liegt weniger in den Algorithmen als vielmehr in den strukturellen Merkmalen des britischen Immobiliensektors selbst.<\/p>\n
Um zu verstehen, wohin sich die Branche entwickelt, m\u00fcssen wir zun\u00e4chst einmal ehrlich sein, wo sie derzeit steht.<\/p>\n
In den letzten zw\u00f6lf bis achtzehn Monaten hat sich ein bedeutender Wandel vollzogen. Die KI hat die experimentelle Phase verlassen und ist in die allt\u00e4glichen Arbeitsabl\u00e4ufe eingezogen. Noch vor einem Jahr handelte es sich bei den meisten Initiativen um Pilotprojekte, die oft auf kleine Innovationsteams an der Peripherie des Unternehmens beschr\u00e4nkt waren. Diese Bem\u00fchungen konzentrierten sich in der Regel auf Konversationstools, d.h. Chatbots zur Beantwortung grundlegender Fragen, zur Erstellung von Textentw\u00fcrfen oder zum Auffinden von Informationen aus Dokumentenbest\u00e4nden. Sie waren zwar n\u00fctzlich, aber nur selten mit den betrieblichen Kernprozessen verbunden.<\/p>\n
Heute sieht das Bild deutlich anders aus. KI wird zunehmend in die t\u00e4gliche Arbeit von Vermessern, Analysten, Verm\u00f6gensverwaltern und operativen Teams integriert. Die Geschwindigkeit des Wandels ist bemerkenswert. W\u00e4hrend sich im letzten Jahr ein Gro\u00dfteil der Aktivit\u00e4ten um den Einsatz von Large Language Models (LLMs) als passive Assistenten drehte, hat sich die Aufmerksamkeit nun auf agentenbasierte Systeme verlagert. KI-Agenten, die in der Lage sind, mehrstufige Aufgaben selbstst\u00e4ndig auszuf\u00fchren, Informationen zu sammeln, Eingaben zu validieren, Ausgaben zu verfassen und Probleme zu bestimmten Zeitpunkten zur \u00dcberpr\u00fcfung durch Menschen zu eskalieren.<\/p>\n
Doch trotz dieser Beschleunigung ist ein Prinzip im gesamten britischen Immobiliensektor weitgehend intakt geblieben: KI wird als Entscheidungshilfe eingesetzt, nicht als Entscheidungstr\u00e4ger<\/strong>. Diese Unterscheidung ist weder zuf\u00e4llig, noch handelt es sich um kulturellen Konservatismus. Sie spiegelt ein tief verwurzeltes Verst\u00e4ndnis von beruflicher Verantwortung und Risiko wider, das nach wie vor bestimmt, wie weit Firmen bereit und in der Lage sind, zu gehen.<\/p>\n In der Praxis zeigt sich dies am deutlichsten bei Transaktionen und Due-Diligence-Pr\u00fcfungen, die nach wie vor der ausgereifteste Bereich f\u00fcr die Einf\u00fchrung von KI sind. Hier ist der Wertbeitrag klar und unmittelbar. KI-Systeme werden heute routinem\u00e4\u00dfig eingesetzt, um gro\u00dfe Dokumentenpakete zu lesen und zu analysieren, wichtige Mietvertragsklauseln zu extrahieren, Planungsbedingungen, EPCs und Betriebshandb\u00fccher zusammenzufassen und erste Entw\u00fcrfe von Mietvertr\u00e4gen, Inseraten und Due-Diligence-Pr\u00fcfungen zu erstellen reports. Das entscheidende Konzept, das all diesen Anwendungsf\u00e4llen zugrunde liegt, ist das des \u201cersten Durchgangs\u201d. KI erm\u00f6glicht es den Teams, Probleme schneller zu erkennen, Informationen konsistenter zu strukturieren und die Aufmerksamkeit der Fachleute auf die Bereiche zu lenken, auf die es am meisten ankommt. Sie macht professionelles Urteilsverm\u00f6gen und Erfahrung nicht \u00fcberfl\u00fcssig, sondern sch\u00e4rft sie vielmehr.<\/p>\n Ein \u00e4hnliches Muster l\u00e4sst sich bei der Bewertung und Marktforschung beobachten. KI wird zunehmend eingesetzt, um vergleichbare Nachweise in die engere Auswahl zu nehmen, erste Marktkommentare zu verfassen und Szenario- oder Sensitivit\u00e4tsanalysen in einer Geschwindigkeit und in einem Umfang durchzuf\u00fchren, die fr\u00fcher unpraktisch gewesen w\u00e4ren. Das Bewertungsgutachten selbst bleibt jedoch fest (und rechtlich) beim Gutachter. Sowohl aus beruflicher als auch aus versicherungstechnischer Sicht kann es nicht anders sein. KI beschleunigt die Analyse, aber sie gibt keine Wertgutachten ab und sollte dies auch nicht tun. Das wird sie auch nie.<\/p>\n Im Asset- und Portfoliomanagement verlagert sich der Schwerpunkt erneut, von der Geschwindigkeit auf die Perspektive. KI erm\u00f6glicht es Unternehmen, ihre Portfolios auf neue Art und Weise zu untersuchen und Fragen zur Zinssensitivit\u00e4t, zum Leerstandsrisiko oder zu den Priorit\u00e4ten der Kapitalallokation mit weitaus gr\u00f6\u00dferer Tiefe und Konsistenz zu kl\u00e4ren, als dies bei manuellen Ans\u00e4tzen m\u00f6glich ist. Auch hier geht es nicht um die Automatisierung der Entscheidungsfindung, sondern um die Verbesserung des strategischen Denkens.<\/p>\n Das Potenzial der KI zeigt sich vielleicht am deutlichsten im Geb\u00e4udebetrieb und im Energiemanagement, wo die Akzeptanz \u00fcberall dort am gr\u00f6\u00dften ist, wo data von guter Qualit\u00e4t vorhanden ist. Vorausschauende Wartung, Energieoptimierung und fr\u00fchzeitige Fehlererkennung eignen sich ganz nat\u00fcrlich f\u00fcr data-driven-Ans\u00e4tze, und die finanziellen Vorteile sind oft einfach zu quantifizieren. Es \u00fcberrascht nicht, dass diese Anwendungsf\u00e4lle auf weniger Widerstand gesto\u00dfen sind als diejenigen, die das Kerngesch\u00e4ft ber\u00fchren.<\/p>\n In Anbetracht dieses breiten Anwendungsspektrums ist die Frage berechtigt, warum die Einf\u00fchrung von KI im Immobilienbereich nicht weiter fortgeschritten ist. Die Antwort ist, dass die wichtigsten Hindernisse nicht technologischer Natur sind. Sie sind, wie so oft, strukturell und menschlich.<\/p>\n Die offensichtlichste und hartn\u00e4ckigste Herausforderung ist data. data ist notorisch fragmentiert, inkonsistent, teuer im Zugriff und oft unstrukturiert. Ein und derselbe Verm\u00f6genswert kann unter mehreren Namen (oder Adressen) in verschiedenen Systemen auftauchen; Dokumente widersprechen sich h\u00e4ufig; wichtige Informationen sind oft in Silos von PDFs, Scans oder langen E-Mail-Ketten vergraben. KI-Systeme lassen sich unter diesen Bedingungen nur schwer skalieren. Ohne eine solide data foundations werden selbst die ausgefeiltesten Modelle nicht die gew\u00fcnschte Leistung erbringen.<\/p>\n Es gibt auch noch ein tieferes, sektorspezifisches Problem, das im Spiel ist. Immobilien sind von Grund auf nicht standardisiert. Keine zwei Anlagen sind wirklich gleich. Die physischen Merkmale variieren ebenso wie die Besitzverh\u00e4ltnisse, Anreizsysteme und vertraglichen Nuancen. Anders als bei Rohstoffen oder Konsumg\u00fctern handelt es sich bei Immobilientransaktionen um hochwertige G\u00fcter mit geringem Volumen, die von Natur aus einzigartig sind. Dies macht die Erstellung von sauberen, statistisch robusten datasets weitaus schwieriger als in Branchen, die mit standardisierten Produkten in gro\u00dfem Umfang gehandelt werden.<\/p>\n Das Vereinigte K\u00f6nigreich verf\u00fcgt zwar \u00fcber eine reichhaltige immobilienbezogene data-Landschaft (und noch reichhaltigere kontextbezogene data-Sets), die st\u00e4rker ist als die der meisten EU-L\u00e4nder, aber es hat notorische L\u00fccken in den data-Sets. Es gibt kein verl\u00e4ssliches data f\u00fcr die Vermietung, keine APIs f\u00fcr das HM Land Registry, um massenhafte Verkaufstransaktionen zu extrahieren, fragmentiertes data f\u00fcr die Planung hinter endlosen Firewalls und schlecht integrierte lokale Beh\u00f6rden auf nationaler data-Ebene. W\u00e4hrend in gewisser Hinsicht die Gefahr besteht, von data \u00fcberrollt zu werden, gibt es noch erhebliche L\u00fccken, die potenzielle KI-Anwendungsf\u00e4lle einschr\u00e4nken.<\/p>\n Jenseits von data sind Fragen der Rechenschaftspflicht, der Unternehmensf\u00fchrung und des data-Schutzes von gro\u00dfer Bedeutung. Die meisten Aktivit\u00e4ten im Immobiliensektor sind streng reguliert und die Regierungen sind im Allgemeinen (oft zu Recht) z\u00f6gerlich, wenn es um Ver\u00e4nderungen geht, die Auswirkungen auf die \u00d6ffentlichkeit haben k\u00f6nnten. Wenn Artefact \u00fcber die Royal Institution of Chartered Surveyors (RICS) praktische KI-Kurse abh\u00e4lt, tauchen immer wieder die gleichen Bedenken auf. Wer ist Eigent\u00fcmer einer KI-generierten Ausgabe? Wer ist verantwortlich, wenn die Ergebnisse falsch sind? Auf welcher data wurde das Modell trainiert, und wohin gehen die Kundeninformationen, nachdem sie verarbeitet wurden? Dies sind keine abstrakten Fragen. Gutachter gehen mit hochsensiblen Informationen um, und es herrscht nach wie vor ein weit verbreitetes Missverst\u00e4ndnis \u00fcber die Funktionsweise von Large Language Models, insbesondere in Bezug auf data-Aufbewahrung, Schulung und Risiko. Solange diese Fragen nicht eindeutig durch die Unternehmensf\u00fchrung und -politik gekl\u00e4rt sind, werden viele Unternehmen vorsichtig bleiben und lieber Pilotprojekte durchf\u00fchren, als sie in gro\u00dfem Umfang einzusetzen.<\/p>\n Kulturelle und organisatorische Faktoren verst\u00e4rken diese Zur\u00fcckhaltung noch. Der britische Immobiliensektor ist von Natur aus langsam und risikoscheu. Die Einnahmen sind langfristig und relativ vorhersehbar (insbesondere bei gro\u00dfen REITs und Wohnungsbaugesellschaften), die Margen stehen unter Druck und die Marktbedingungen bleiben schwierig. In einem solchen Umfeld hat die Erhaltung der Liquidit\u00e4t oft Vorrang vor Experimenten. Dar\u00fcber hinaus neigen Immobilienunternehmen dazu, im Vergleich zu ihren Verm\u00f6genswerten oder Ertr\u00e4gen mit einem relativ kleinen Personalbestand zu arbeiten, was bedeutet, dass sich Effizienzsteigerungen nicht immer unmittelbar in einer Senkung der Personalkosten niederschlagen. Dies kann dazu f\u00fchren, dass sich die Investitionsrendite nicht so einfach in traditionellen Begriffen ausdr\u00fccken l\u00e4sst.<\/p>\n Auch die Demografie spielt eine Rolle. Das Durchschnittsalter in der Branche steigt weiter an, und die Branche k\u00e4mpft darum, j\u00fcngere, KI-affine Talente zu gewinnen, die den Wandel von innen heraus vorantreiben k\u00f6nnen. Dies ist nicht nur eine Frage der F\u00e4higkeiten, sondern auch der Einstellung und der Vertrautheit mit digitalen Tools als Standard und nicht als Zusatz.<\/p>\n Die RICS \u00fcbernimmt eine globale F\u00fchrungsrolle bei der Vorbereitung des Berufsstandes der Vermessungsingenieure auf den verantwortungsvollen Einsatz von KI. Sie hat erkannt, dass KI bereits die t\u00e4gliche Praxis ver\u00e4ndert, von der Unterst\u00fctzung bei der Bewertung und Risikomodellierung bis hin zur Extraktion von data. Die RICS hat k\u00fcrzlich einen bahnbrechenden globalen Berufsstandard f\u00fcr den verantwortungsvollen Einsatz von KI ver\u00f6ffentlicht. Dieser Standard soll Innovationen nicht im Keim ersticken, sondern eine vertrauensvolle, ethische Annahme unterst\u00fctzen, indem er klare Grunderwartungen f\u00fcr Kompetenz, Governance und Verantwortlichkeit unter den 150.000 Chartered Surveyors weltweit festlegt.<\/p>\n Der neue Verhaltensstandard gilt f\u00fcr alle RICS-Mitglieder und regulierten Unternehmen, bei denen KI-Ergebnisse einen wesentlichen Einfluss auf die Erbringung von Dienstleistungen haben. Das Rahmenwerk wurde in Zusammenarbeit mit f\u00fchrenden Vertretern der Branche entwickelt, darunter Artefact als Ko-Vorsitzender der Arbeitsgruppe, und konzentriert sich auf die St\u00e4rkung des professionellen Urteilsverm\u00f6gens bei gleichzeitiger Erweiterung der Fachkenntnisse. Der Standard umrei\u00dft wichtige Anforderungen in f\u00fcnf Bereichen: Schaffung eines Grundstocks an KI-Kenntnissen; St\u00e4rkung des Praxismanagements durch Governance und Risikoregister; Einf\u00fchrung klarer Erwartungen an die Sorgfaltspflicht bei der Beschaffung von KI-Tools Dritter; St\u00e4rkung des professionellen Urteilsverm\u00f6gens, der Skepsis und der Transparenz bei der Verwendung von KI-Ergebnissen; und Festlegung von Erwartungen an die Rechenschaftspflicht der an der Entwicklung von KI-Systemen beteiligten Personen.<\/p>\n Dieser proaktive Ansatz ist von entscheidender Bedeutung f\u00fcr die Bew\u00e4ltigung der neuen beruflichen Risiken, die durch KI eingef\u00fchrt werden, f\u00fcr die Gew\u00e4hrleistung einer konsistenten Praxis und f\u00fcr den Schutz des Kundenvertrauens. Die RICS ist davon \u00fcberzeugt, dass der Berufsstand durch die Bereitstellung dieses gemeinsamen Rahmens Innovationen auf einer soliden ethischen und professionellen Grundlage annehmen kann, um \u2018KI-geborene\u2019 Talente anzuziehen und die Branche voranzutreiben.<\/p>\n Entscheidend ist, dass die neuen Standards Teil eines breiteren, umfassenden RICS-\u00d6kosystems sind, um die verantwortungsvolle Einf\u00fchrung von KI zu f\u00f6rdern. Dazu geh\u00f6ren die Anpassung der Assessments of Professional Competence (APCs), die Durchf\u00fchrung von praktischen Schulungskursen (wie z.B. der sehr beliebte Kurs \u2018Global Harnessing AI & Data in the Built Environment\u2019) und die Ver\u00f6ffentlichung praktischer Leitf\u00e4den. Durch diese konzertierten Bem\u00fchungen wird den Vermessungsingenieuren ein umfassendes Instrumentarium an die Hand gegeben, das sie in die Lage versetzt, KI mit gr\u00f6\u00dferem Vertrauen und gr\u00f6\u00dferer Integrit\u00e4t einzusetzen und sicherzustellen, dass die RICS auch im digitalen Zeitalter relevant bleibt.<\/p>\n Die inh\u00e4rente Herausforderung liegt im menschlichen Element: Die Mitarbeiter des Immobiliensektors zeigen oft eine Abneigung, ja sogar eine Abneigung gegen bedeutende Ver\u00e4nderungen. W\u00e4hrend die Tr\u00e4gheit der Gesetzgebung sicherlich eine Rolle spielt, besteht ein grundlegenderes Hindernis in der vorherrschenden Einstellung. In Gespr\u00e4chen mit leitenden Angestellten und Sachverst\u00e4ndigen der Immobilienbranche kommen h\u00e4ufig Grunds\u00e4tze wie \u201cWenn es nicht kaputt ist, sollte man es nicht reparieren\u201d.\u201d<\/em> \u201cKeine KI wird mein jahrzehntelanges, tiefes kontextuelles Fachwissen ersetzen\u201d.\u201d<\/em> oder \u201cUnsere Kunden bezahlen uns nicht f\u00fcr den Einsatz von KI.\u201d<\/em> Obwohl diese Sichtweisen ein K\u00f6rnchen Wahrheit enthalten, signalisieren sie eher eine F\u00fchrung, die damit besch\u00e4ftigt ist, den Status Quo zu bewahren, anstatt nach transformativer Effizienz zu streben.<\/p>\n Die anf\u00e4ngliche Flut von \u00fcbertriebenen und oft widerspr\u00fcchlichen Botschaften rund um die KI erwies sich als kontraproduktiv und sch\u00fcrte Skepsis und Verwirrung. Doch jetzt haben wir die Krise hinter uns gelassen. \u201cTiefpunkt der Desillusionierung\u201d<\/em> und beginnen den Aufstieg zum \u201cHang zur Erleuchtung\u201d<\/em> (ein erkennbares Muster im Hype Cycle von Gartner). Dieser \u00dcbergang bedeutet, dass sich der Schwerpunkt vom \u2018Was w\u00e4re wenn\u2019 zum \u2018Wie\u2019 verlagern muss. F\u00fcr den einzelnen Vermessungsingenieur hat dies zu Unsicherheiten hinsichtlich des praktischen Ausgangspunkts f\u00fcr die Einf\u00fchrung gef\u00fchrt.<\/p>\n Um einen echten Wandel herbeizuf\u00fchren, ist ein doppelter Ansatz erforderlich, der \u2018Soft Power\u2019 und \u2018Hard Power\u2019 kombiniert.<\/p>\n Aus der Perspektive der \u2018Soft Power\u2019 m\u00fcssen Unternehmen interne KI-Evangelisten sichtbar f\u00f6rdern und ermutigen. Dazu geh\u00f6rt die konsequente Durchf\u00fchrung von ansprechenden Informations- und Schulungsveranstaltungen, die Etablierung eines kontinuierlichen Zyklus, in dem fr\u00fche und greifbare Erfolge demonstriert werden, die offene Weitergabe von Ressourcen, die Dokumentation von Fehlschl\u00e4gen und Erkenntnissen sowie die kontinuierliche Weiterbildung von Kollegen. Entscheidend ist, dass dieser Kulturwandel nicht ohne eine klare, konsequente und aktive Vorbildfunktion der obersten F\u00fchrungsebene stattfinden kann.<\/p>\n Diese kulturellen Bem\u00fchungen m\u00fcssen durch die \u2018harte Kraft\u2019 struktureller und operativer Reformen erg\u00e4nzt werden. Dazu m\u00fcssen bestehende Arbeitsweisen unwiderruflich ge\u00e4ndert, technische KI-Kompetenz-Zertifizierungen f\u00fcr Schl\u00fcsselpositionen vorgeschrieben, Organisationsstrukturen umgestaltet, Betriebsmodelle verfeinert und RACI-Matrizen aktualisiert werden. Das Ziel ist es, sicherzustellen, dass KI nicht l\u00e4nger als freiwillige Nebent\u00e4tigkeit behandelt wird, sondern vollst\u00e4ndig in das \u201cBusiness as Usual\u201d (BAU) integriert wird. Diese Einbindung muss sich auch auf Budgetzuweisungen und Leistungskennzahlen erstrecken, so dass der Einsatz von KI als zentraler Gesch\u00e4ftsfaktor und nicht als peripheres Technologieprojekt behandelt wird.<\/p>\n Vor allem m\u00fcssen die Unternehmen ein Umfeld schaffen, das zum Experimentieren ermutigt, auch wenn es zu kleinen Fehlschl\u00e4gen f\u00fchrt. Dies erfordert ehrliche data-driven-Diskussionen \u00fcber den praktischen Nutzen von KI und die nachweisbaren Effizienzgewinne, die sie bringt (oder wo sie einfach ein \u2018gl\u00e4nzendes Werkzeug\u2019 mit begrenztem Wert darstellt). Die wirkungsvollsten Anwendungen von KI, die auf der Artefact zu sehen waren, sind diejenigen, die sich nahtlos in bestehende Arbeitsabl\u00e4ufe integrieren lassen. Wenn die Einf\u00fchrung eines Tools mit erheblichen Reibungsverlusten verbunden ist, wird es unweigerlich massenhaft aufgegeben werden. Umgekehrt ist der gr\u00f6\u00dfte Erfolg oft bei den Anwendungen zu verzeichnen, die nicht unbedingt sichtbar sind, die aber das Berufsleben nachweislich erleichtern, indem sie sich wiederholende, manuelle und \u2018seelenzerst\u00f6rende\u2019 Aufgaben automatisieren. Die gezielte und chirurgische Identifizierung und Implementierung dieser hochwirksamen, reibungsarmen Anwendungsf\u00e4lle ist von entscheidender Bedeutung, um eine echte, nachhaltige Akzeptanz zu erreichen.<\/p>\n Mit Blick auf die Zukunft lassen sich die Chancen f\u00fcr den Einsatz von KI in der britischen Immobilienbranche \u00fcber drei gro\u00dfe Zeithorizonte hinweg betrachten.<\/p>\n Die \u00fcberzeugendsten Erfolge sind praktisch und risikoarm. Die Standardisierung des Auftragseingangs, die Automatisierung der ersten Entw\u00fcrfe von reports mit klaren Verweisen auf Nachweise, die Extraktion strukturierter Checklisten aus Mietvertr\u00e4gen und Planungsdokumenten und der Einsatz interner Wissenstools, die Fragen wie \u201cWie sind wir das letzte Mal vorgegangen?\u201d beantworten, f\u00fchren zu unmittelbaren Zeiteinsparungen. Die gr\u00f6\u00dften Einsparungen werden wahrscheinlich in den Back-Office-Funktionen wie Personal, Finanzen und Marketing erzielt, so dass sich die Vermessungsingenieure auf die Kundenbeziehungen und die h\u00f6herwertige Beratungst\u00e4tigkeit konzentrieren k\u00f6nnen.<\/p>\n Der wahre Wert ergibt sich aus der Verkn\u00fcpfung von Prozessen. End-to-End-Transaktionsworkflows, die von agentenbasierter KI angetrieben werden, Asset-Management-Plattformen, die Zustands-, Compliance-, Energie- und Investitionsausgaben data kombinieren, sowie Tools, die Retrofit und Netto-Null-Optimierung unterst\u00fctzen, fallen alle in diese Kategorie. Der Erfolg h\u00e4ngt hier weniger von fortgeschrittenen KI-Modellen als vielmehr von einer durchdachten Prozessgestaltung und -integration ab. Alle grundlegenden Modelle haben in letzter Zeit enorme Fortschritte bei der Entwicklung und Standardisierung von agentenbasierten F\u00e4higkeiten gemacht, so dass sie kinderleicht zu implementieren sind.<\/p>\n Die Unternehmen werden ihre Aufmerksamkeit zunehmend auf tiefere Einblicke richten, einschlie\u00dflich Planungs-, Geo- und Klimarisikoanalysen, digitale Zwillinge auf Portfolioebene und neue data-driven-Beratungsdienste. Diese Ambitionen werden sich jedoch nur dort verwirklichen lassen, wo robuste data governance und Qualit\u00e4t bereits vorhanden sind.<\/p>\n Benutzer von \u2018X\u2019 oder sogar gelegentliche Verfolger allgemeiner Nachrichten k\u00f6nnen ein Gef\u00fchl von \u00fcberw\u00e4ltigender, fast existenzieller Angst empfinden. Das Tempo der KI-Entwicklung ist unerbittlich. Wir sehen humanoide Roboter, die Fabrikarbeiter ersetzen und sogar als Soldaten eingesetzt werden, selbstfahrende Autos, die endlich in Fahrt kommen, Neuralink, das verspricht, die menschlichen F\u00e4higkeiten zu erweitern, Quantencomputer, die sich der Realit\u00e4t n\u00e4hern, eine massive Beschleunigung der wissenschaftlichen Forschung und die weit verbreitete Dominanz von \u2018KI-Schrott\u2019.<\/p>\n Doch trotz dieser anhaltenden Kaskade von Entdeckungen und Fortschritten konzentriert sich die gr\u00f6\u00dfte Aufregung derzeit auf den potenziellen H\u00f6hepunkt der langfristigen Bem\u00fchungen um AGI (Artificial General Intelligence) - ein weitaus kontextbezogeneres und komplexeres KI-System, das theoretisch mit dem menschlichen Gehirn mithalten, wenn nicht sogar dieses \u00fcbertreffen k\u00f6nnte - und die damit verbundenen tiefgreifenden gesellschaftlichen Ver\u00e4nderungen. Wird sie die Produktivit\u00e4t wirklich so stark steigern, dass Arbeit \u00fcberfl\u00fcssig wird und ein universelles Grundeinkommen zu einem gl\u00fccklichen Weg in die Zukunft wird?<\/p>\n Das beispiellose Kapital, das in data-Zentren, Rechenleistung und Infrastruktur flie\u00dft, um AGI zu erreichen, ist atemberaubend. Diese Investitionen werden kurz- bis mittelfristig zweifelsohne zu erheblichen Marktkorrekturen f\u00fchren. Die Kapitalrendite wird wahrscheinlich langsamer sein als erwartet, und der Hype wird wahrscheinlich die realen Auswirkungen \u00fcbertreffen. Nichtsdestotrotz wird sie einen dramatischen und unvorhersehbaren Einfluss auf unsere gebaute Umwelt und unsere Interaktion mit ihr haben. Unternehmen m\u00fcssen agil bleiben und sich dieser Realit\u00e4t bewusst sein, wenn sie in dieser h\u00f6chst ungewissen Zukunft nicht nur \u00fcberleben, sondern gedeihen wollen.<\/p>\n Bei all dem ist es wichtig, sich \u00fcber die Grenzen der KI im Klaren zu sein. KI reduziert die berufliche Verantwortung nicht, sondern konzentriert sie. Urteilsverm\u00f6gen kann nicht delegiert werden. KI kann zwar die Analyse unterst\u00fctzen, aber sie kann weder die \u00fcber Jahrzehnte entwickelte Intuition und Erfahrung ersetzen, noch kann sie das emotionale und oft irrationale menschliche Verhalten, das die Immobilienm\u00e4rkte pr\u00e4gt, ber\u00fccksichtigen. Gutachter bleiben jederzeit rechtlich f\u00fcr ihre Beratung verantwortlich, und daran wird sich nichts \u00e4ndern.<\/p>\n Ebenso wichtig ist die Transparenz gegen\u00fcber den Kunden. Wenn KI die Art und Weise, wie eine Dienstleistung erbracht wird, wesentlich beeinflusst, sollten die Kunden dar\u00fcber informiert werden. Dies ist nicht nur eine Frage der Einhaltung von Vorschriften, sondern eine des Vertrauens. Erkl\u00e4rbarkeit und Nachvollziehbarkeit sind ebenfalls wichtig. Wenn ein Fachmann nicht erkl\u00e4ren kann, woher ein Ergebnis stammt, welches data verwendet wurde und welche Annahmen getroffen wurden, kann es sich als schwierig erweisen, dieses Ergebnis vor Gericht zu verteidigen.<\/p>\n Die Risiken der Verl\u00e4sslichkeit sollten nicht untersch\u00e4tzt werden. KI-Systeme k\u00f6nnen ma\u00dfgebend klingen und doch falsch sein, was eine \u00dcberpr\u00fcfung, Stichproben und Kontrolle unabdingbar macht. Schlie\u00dflich sind data-Schutz und Vertraulichkeit nicht verhandelbar. Prompts sind Aufzeichnungen. Tools m\u00fcssen genehmigt und bewertet werden. Der data muss kontrolliert werden. Dies sind Kernelemente der professionellen Praxis, keine optionalen Extras.KI in der Vermessungspraxis: Verst\u00e4rkung, nicht Automatisierung<\/h2>\n
Transaktionen und Due Diligence<\/h3>\n
Bewertung und Marktforschung<\/h3>\n
Verm\u00f6gens- und Portfolioverwaltung<\/h3>\n
Geb\u00e4udebetrieb und Energiemanagement<\/h3>\n
Strukturelle Hindernisse f\u00fcr die Einf\u00fchrung in Gro\u00dfbritannien<\/h2>\n
Die Data Foundation Herausforderung<\/h3>\n
Governance, Rechenschaftspflicht und Risiko<\/h3>\n
Kulturelle und organisatorische Tr\u00e4gheit<\/h3>\n
Die Rolle der RICS: Verantwortungsvolle Annahme vorantreiben<\/h2>\n
Pragmatische Adoption - Die wichtigsten Grunds\u00e4tze<\/h2>\n
Wie sieht die Zukunft aus: Dreierlei Zeithorizonte<\/h2>\n
Kurzfristig (n\u00e4chste 6 Monate): Praktische, risikoarme Siege<\/h3>\n
Mittelfristig (6 bis 18 Monate): Agentische Prozessintegration<\/h3>\n
L\u00e4ngerfristig (18 bis 36 Monate): Tiefere Einblicke und neue Dienste<\/h3>\n
Noch l\u00e4ngerfristig (36+ Monate): Existenzielle Furcht<\/h3>\n
Die unverzichtbaren Dinge: Urteilsverm\u00f6gen, Vertrauen und Kontrolle<\/h2>\n
\nLetztendlich wird die KI die Vermessungsingenieure nicht ersetzen. Was sie ersetzen wird, sind manuelle Recherchen, sich wiederholende Entwurfsarbeiten und geringwertige Verwaltungsarbeiten. Letztendlich h\u00e4ngt der Weg des britischen Immobiliensektors zur Einf\u00fchrung von KI nicht von der \u00dcbernahme neuer Technologien ab, sondern von der Bereitschaft, alte Gewohnheiten zu \u00e4ndern: die Einf\u00fchrung der data-Qualit\u00e4t, die \u00dcbernahme des RICS-Governance-Rahmens und die bewusste Aufwertung des menschlichen Urteilsverm\u00f6gens gegen\u00fcber den Aufgaben, die die Technologie jetzt sicher erledigen kann.<\/p>\n\u00dcber Artefact & Chris de Gruben, FRICS<\/h2>\n