04.08.2020 Mietausfallrisiken: München gefährdet, Berlin und Düsseldorf robuster
PREA, führendes Unternehmen für digitale Investmentberatung in Deutschland, hat vor dem Hintergrund der Corona-Rezession und dem damit verbundenen, immer noch hohen Anteil an Arbeitnehmern in Kurzarbeit oder mit drohendem Jobverlust erstmals eine KI-Analyse vorgelegt, welche die Risiken für Mietausfälle in den sieben deutschen A-Städten untersucht.
Die Smart-Data-Übersicht, durch Karten visualisiert, unterteilt die Städte in Lagen mit „keinem“, „moderatem“ und „hohem“ Risiko. Spitzenreiter unter den Städten mit dem höchsten Risiko ist München, gefolgt von Stuttgart, Frankfurt/M., Köln und Hamburg. Berlin und Düsseldorf erweisen sich in dieser Betrachtung als die robustesten Standorte.
Ein wichtiges Ergebnis der PREA-Untersuchung ist, dass das Mietausfallrisiko in allen sieben Städten wesentlich von der Mikrolage abhängt. Überraschend hierbei ist auch die Erkenntnis, dass es insbesondere die Innenstadtlagen, wie die Münchener City, Berlin-Mitte oder das Frankfurter Westend sind, die stark von Mietausfällen betroffen sein könnten. Ebenso städtische Premiumlagen wie Hamburg-Winterhude oder Berlin-Dahlem. Das zeigt, dass auch Menschen mit einem höheren Einkommen in zentralen Lagen mit höheren Mieten durch Kurzarbeit oder Jobverlust ebenso schnell in die Mietausfallschere laufen können, wie die mit geringeren Mieten, aber dann womöglich auch geringerem Einkommen.
Dabei unterscheiden sich die Ausfallrisiken teilweise von Straße zu Straße innerhalb eines Postleitzahlengebiets. So in Berlins Mitte, wo zum Beispiel im Süden der Friedrichstraße unter einer einzigen Postleitzahl sämtliche Risikokategorien vertreten sind. Dies macht deutlich, dass bei der Einschätzung des Investitionspotenzials nicht pauschal vorgegangen werden kann, sondern granular vorgegangen werden muss.
„Die Kleinteiligkeit in Bezug auf die Bewertung von Mietausfallrisiken macht deutlich, dass klassische Risikoanalysen auf Basis von Comparables nicht die nötige Präzision aufweisen, um die tatsächlichen Gegebenheiten vor Ort annähernd exakt zu beurteilen. Hierbei sind KI-Modelle in Verbindung mit einer granularen Bewertung weitaus überlegen“, erklärt Juri Ostaschov, Chief Data Scientist bei PREA.
„Die Untersuchung zeigt, dass klassische Core-Lagen in den etablierten innerstädtischen Vierteln oft größeren Risiken ausgesetzt sind als aufstrebende Kieze, die aktuell eher als B- oder sogar C-Lagen gelten. Diesen Aspekt sollten Wohnimmobilieninvestoren bei der Standortbewertung aktuell dringend beachten“, ergänzt Gabriel Khodzitski, Gründer und CEO von PREA.
Die Smart-Data-Übersicht, durch Karten visualisiert, unterteilt die Städte in Lagen mit „keinem“, „moderatem“ und „hohem“ Risiko. Spitzenreiter unter den Städten mit dem höchsten Risiko ist München, gefolgt von Stuttgart, Frankfurt/M., Köln und Hamburg. Berlin und Düsseldorf erweisen sich in dieser Betrachtung als die robustesten Standorte.
Ein wichtiges Ergebnis der PREA-Untersuchung ist, dass das Mietausfallrisiko in allen sieben Städten wesentlich von der Mikrolage abhängt. Überraschend hierbei ist auch die Erkenntnis, dass es insbesondere die Innenstadtlagen, wie die Münchener City, Berlin-Mitte oder das Frankfurter Westend sind, die stark von Mietausfällen betroffen sein könnten. Ebenso städtische Premiumlagen wie Hamburg-Winterhude oder Berlin-Dahlem. Das zeigt, dass auch Menschen mit einem höheren Einkommen in zentralen Lagen mit höheren Mieten durch Kurzarbeit oder Jobverlust ebenso schnell in die Mietausfallschere laufen können, wie die mit geringeren Mieten, aber dann womöglich auch geringerem Einkommen.
Dabei unterscheiden sich die Ausfallrisiken teilweise von Straße zu Straße innerhalb eines Postleitzahlengebiets. So in Berlins Mitte, wo zum Beispiel im Süden der Friedrichstraße unter einer einzigen Postleitzahl sämtliche Risikokategorien vertreten sind. Dies macht deutlich, dass bei der Einschätzung des Investitionspotenzials nicht pauschal vorgegangen werden kann, sondern granular vorgegangen werden muss.
„Die Kleinteiligkeit in Bezug auf die Bewertung von Mietausfallrisiken macht deutlich, dass klassische Risikoanalysen auf Basis von Comparables nicht die nötige Präzision aufweisen, um die tatsächlichen Gegebenheiten vor Ort annähernd exakt zu beurteilen. Hierbei sind KI-Modelle in Verbindung mit einer granularen Bewertung weitaus überlegen“, erklärt Juri Ostaschov, Chief Data Scientist bei PREA.
„Die Untersuchung zeigt, dass klassische Core-Lagen in den etablierten innerstädtischen Vierteln oft größeren Risiken ausgesetzt sind als aufstrebende Kieze, die aktuell eher als B- oder sogar C-Lagen gelten. Diesen Aspekt sollten Wohnimmobilieninvestoren bei der Standortbewertung aktuell dringend beachten“, ergänzt Gabriel Khodzitski, Gründer und CEO von PREA.
