Die Top 10 der Underwriting- und Deal-Screening-Agenten für Immobilien

Die Top 10 der Underwriting- und Deal-Screening-Agenten für Immobilien

Marktübersicht: 28. Juli 2026

Immobilien-Underwriting-Agenten gehen über die einfache Dokumentenzusammenfassung hinaus. Die führenden Plattformen können nun Angebotsmemoranden, Mietlisten, Betriebsabrechnungen der letzten zwölf Monate, Mietverträge, vergleichbare Verkäufe, Kreditnehmerunterlagen und bestehende Excel-Modelle einlesen und dann ein Erst-Underwriting-Modell, eine Risikoüberprüfung, eine Kreditgeber-Sizing-Analyse oder ein Investment Committee Memorandum erstellen.

Der wichtige Unterschied ist, dass Dokumentenextraktion nicht dasselbe ist wie Underwriting-Urteilsvermögen. Ein System mag 99 Prozent der Felder korrekt extrahieren, aber dennoch die falsche Kapitalisierungsratenkonvention anwenden, effektive Miete mit Vertragsmiete verwechseln, eine Bebauungsplanüberlagerung übersehen oder eine Mietliste nicht mit den Mietverträgen abgleichen.

Dieser Vergleich bewertet daher mehr als nur die Geschwindigkeit. Er berücksichtigt:

• Dokumenteneinlesung und Erstellung von Finanzmodellen
• Analyse von vergleichbaren Verkäufen und Mieten
• Fusion von Geoinformationssystemen und Bebauungsplandaten
• Szenarioanalyse und Sensitivitätstests
• Kreditgeber-Vorlagen und Excel-Kompatibilität
• Quellenangaben und Erklärbarkeit für das Investment Committee
• Öffentlich berichtete Zykluszeit- und Genauigkeitsnachweise
• Datenlizenzierung, lokale Vorschriften und Implementierungsrisiko

Fazit der Geschäftsleitung

Keine Plattform in dieser Liste demonstriert öffentlich einen vollständigen, landesweiten Workflow, der die Extraktion von Angebotsmemoranden, die Validierung auf Mietvertragsebene, die Bebauungsplaninterpretation auf Parzellenebene, die lokale regulatorische Überwachung, die deterministische Finanzmodellierung und die kreditgeberspezifische Dokumentenerstellung in einem System kombiniert. In der Praxis ist die stärkste Architektur immer noch eine Kombination aus einem Underwriting-Agenten, lizenzierten Immobiliendaten, einem Geoinformationssystem-Anbieter und einem menschlichen Überprüfungsprozess.

Wie diese Liste erstellt wurde

Das Ranking basiert auf öffentlich dokumentierten Produktfähigkeiten, nicht auf Marktanteilen oder unabhängiger Kundenzufriedenheit. Mehrere Anbieter bezeichnen sich als Künstliche-Intelligenz-Agenten, während andere etablierte Deal-Management- oder Kreditplattformen sind, die agentische Funktionen hinzufügen.

Die Produkte lassen sich in vier Gruppen einteilen:

1. Modellbau-Agenten
   Diese wandeln Quelldokumente in Finanzmodelle und Renditeanalysen um.

2. Kreditgeber-Underwriting-Plattformen
   Diese konzentrieren sich auf Kreditbemessung, Kreditkennzahlen, Stresstests und Underwriting-Pakete.

3. Institutionelle Deal-Management-Plattformen
   Diese zentralisieren Pipelinedaten, vergleichbare Transaktionen, Genehmigungen und Investment Committee Workflows.

4. Due-Diligence- und Erklärbarkeitsplattformen
   Diese legen Wert auf Quellenangaben, Konflikterkennung, Mietvertragsabgleich und Audit-Trails.

Vergleichstabelle

Die Produktfähigkeiten in dieser Tabelle basieren auf der Anbieterdokumentation und sollten vor dem Kauf mit einem echten Mustergeschäft validiert werden. (help.archer.re)

Detaillierte Überprüfung der Top 10

1. Archer: Am besten für Mehrfamilienhaus-Teams mit einem proprietären Excel-Modell

Archer ist eines der klarsten Beispiele für einen Underwriting-Agenten, der auf die tatsächliche Arbeitsweise von Akquisitionsteams zugeschnitten ist. Benutzer laden eine Mietliste und eine Betriebsabrechnung der letzten zwölf Monate hoch, und Archer extrahiert die Informationen, ordnet sie dem Kontenplan des Unternehmens zu, fügt vergleichbare Miet- und Kosteninformationen hinzu und füllt das bestehende Excel-Underwriting-Modell des Unternehmens aus. Das Unternehmen beschreibt dies als einen „Bring Your Own Model“-Workflow, der die Formeln, Annahmen und Ergebnisse des Unternehmens beibehält, anstatt Analysten in eine generische Vorlage zu zwingen. (help.archer.re)

Die öffentlichen Hilfsmaterialien von Archer dokumentieren außerdem mehrere Modelle, mehrere Szenarien, anpassbare Sensitivitätsbereiche, benutzerdefinierte Kontenplan-Zuordnung und Portfolio-Deal-Unterstützung. Das Hilfecenter beschreibt einen Workflow, der in etwa zehn Minuten von der Immobiliensuche zu einem gefüllten Excel-Modell führen kann, obwohl dies eher als vom Anbieter angegebene Workflow-Zeit und nicht als unabhängig verifizierter Underwriting-Benchmark zu betrachten ist. (help.archer.re)

Stärken

• Starke Excel-Kompatibilität
• Nützlich für Akquisitionen von Mehrfamilienhäusern
• Bewahrt die proprietäre Underwriting-Logik
• Explizite Unterstützung für Szenarien und Sensitivitäten
• Benchmarking von Vergleichsmieten und -ausgaben

Schwächen

• Weniger geeignet für Büro-, Industrie-, Einzelhandels-, Hotelimmobilien oder komplexe Entwicklungsprojekte
• Öffentliche Dokumentation belegt keine tiefgreifende Bebauungsplanung oder regulatorische Analyse auf Parzellenebene
• Die Extraktionsgenauigkeit sollte bei gescannten und inkonsistenten Mietlisten getestet werden

Bester Käufer: Ein Akquisitionsteam für Mehrfamilienhäuser, das bereits ein vertrauenswürdiges Excel-Modell besitzt und die manuelle Dateneingabe eliminieren möchte, ohne seine Investitionsmethodik zu ändern.

2. Blooma: Bestes Underwriting und Stresstesting auf Kreditgeberseite

Blooma ist in erster Linie eine Kreditplattform für Gewerbeimmobilien, kein Modellbauer für Eigenkapitalakquisitionen. Sie unterstützt Immobilien- und Kreditnehmeranalysen, Dokumenten-Parsing, Marktdaten, Auswahl vergleichbarer Objekte, Kreditkennzahlen, Kreditbemessung, Stresstests und Portfolioüberwachung.

Blooma berichtet, dass sein System Finanzdokumente in durchschnittlich etwa 40 Minuten parsen und verbreiten kann, obwohl komplexe Pakete länger dauern können. Das Unternehmen berichtet auch von einer vom Anbieter gemessenen Parsing-Genauigkeit von etwa 99 Prozent und behauptet, dass Kreditgeber Deals dreimal schneller durch Automatisierung unterzeichnen können. Diese Zahlen beschreiben die eigenen Produktansprüche von Blooma und sollten nicht als unabhängige Validierung der Kreditentscheidungsgenauigkeit interpretiert werden. (blooma.ai)

Sein Workflow für Kreditanalysten ist besonders relevant für Kreditgeber. Blooma unterstützt hohe, mittlere und niedrige Underwriting-Szenarien, anpassbare Annahmen, multivariable Stresstest-Matrizen, Kreditbemessung basierend auf Beleihungsauslauf (LTV), Schuldendienstdeckungsgrad (DSCR) und Debt-Yield-Beschränkungen sowie den Export in eine interne oder standardmäßige Underwriting-Vorlage. (help.blooma.ai)

Stärken

• Starke Kreditgeberorientierung
• Unterstützung bei Kreditbemessung und Kreditkennzahlen
• Multivariable Stresstests
• Kreditnehmer- und Bürgenanalyse
• Export in interne Underwriting-Vorlagen
• Markt-, Teilmarkt- und Standortrisikoanalyse

Schwächen

• Weniger Fokus auf Eigenkapital-Wasserfallmodelle, Promote-Strukturen und Investitionsrendite-Modellierung
• Direkte Einbindung von Bebauungsplänen ist nicht öffentlich dokumentiert
• Exportierte Daten werden nach der Übertragung in eine Kreditgeber-Vorlage laut Hilfedokumentation möglicherweise nicht automatisch aktualisiert. (help.blooma.ai)

Bester Käufer: Banken, Debt Funds, Hypothekenbanker, Versicherungsgesellschaften und Gewerbeimmobilienkreditgeber, die eine automatisierte Vorabprüfung und standardisierte Kreditpakete wünschen.

3. Framecast: Am besten für quellentransparente, multiklassifizierte Due Diligence

Framecast konzentriert sich auf den Datenraum statt nur auf die Mietliste. Es beschreibt die Erfassung von Mietlisten, Betriebsabrechnungen der letzten zwölf Monate, Mietverträgen, Angebotsmemoranden, Tabellenkalkulationen, gescannten Dokumenten und anderen Due-Diligence-Materialien. Sein wichtigstes Unterscheidungsmerkmal ist die Quelltransparenz: Jede Zahl im Modell kann auf das Quelldokument und die Seite zurückgeführt werden.

Das System beschreibt auch den Abgleich der Mietliste mit den zugrunde liegenden Mietverträgen und das Kennzeichnen von Unstimmigkeiten. Das ist wichtig, da eine extrahierte Mietliste die Tabelle des Maklers zwar genau wiedergeben kann, aber dennoch Mietvertragsklauseln, Zugeständnisse, Verlängerungsoptionen, Erstattungen oder veraltete Mieterinformationen möglicherweise nicht widerspiegelt. (framecast.ai)

Framecast scheint besonders stark für die Erklärbarkeit im Investment Committee zu sein, da der Workflow um die Frage „Woher kommt diese Zahl?“ herum aufgebaut ist. Seine öffentlichen Materialien beschreiben die Verwendung in den Workflows für Büro, Industrie, Einzelhandel, Mehrfamilienhäuser, Kreditvergabe, Asset Management und Maklergeschäft.

Stärken

• Breite Erfassung von Datenräumen
• Abgleich von Mietverträgen und Mietlisten
• Seitenbasierte Quellverknüpfungen
• Positionierung für mehrere Anlageklassen
• Zugriffsrechte und Audit-Trails
• Starke Unterstützung für eine nachvollziehbare Analyse im Investment Committee

Schwächen

• Öffentliche Dokumentation beschreibt nicht klar kreditgeberspezifische Vorlagen
• Geoinformationssystem- und Bebauungsplanfunktionen sind nicht öffentlich detailliert
• Es wurde kein öffentlicher, unabhängiger Genauigkeits-Benchmark identifiziert

Bester Käufer: Institutionelle Akquisitions-, Kreditvergabe- oder Asset-Management-Teams, die Auditierbarkeit und Due-Diligence-Tiefe über ein einfaches „Hochladen und Modell erhalten“-Erlebnis stellen.

4. Dealpath AI: Bestes institutionelles Deal-Screening und Portfolio-Kontext

Dealpath AI ist breiter als ein Underwriting-Agent. Es ist eine institutionelle Investitionsplattform mit Künstlicher-Intelligenz-Funktionen für Deal-Screening, Empfehlungen für vergleichbare Objekte, Dokumentenextraktion, Immobilien-Einblicke, Pipeline-Management, Genehmigungs-Workflows, Portfolioanalyse und Investment-Committee-Dokumentation.

Sein Deal-Screening-Workflow unterstützt Angebotsmemoranden, Mietlisten, Betriebsabrechnungen der letzten zwölf Monate, Makler-Wertgutachten, Pro-forma-Analysen und verwandte Dokumente. Seine Funktion für vergleichbare Objekte kann auf die firmeneigene Datenbank, Daten von Real Capital Analytics und Drittanbieter zurückgreifen. (dealpath.com)

Dealpath berichtet, dass sein verbessertes Dokumentenextraktionswerkzeug Material in weniger als einer Minute mit einer Genauigkeit von etwa 95 Prozent verarbeiten kann. Dies ist ein Extraktionsanspruch, keine Messung, ob eine Investitionsempfehlung oder Bewertung korrekt ist. Die Plattform unterstützt auch den Vergleich von Underwriting-Modellen und sich ändernde Finanzszenarien. Dealpath beschreibt jedoch einige dedizierte Underwriting-Szenario- und Dokumentenerstellungs-Agenten als Teil seiner sich entwickelnden Produktrichtung, daher sollten Käufer zwischen derzeit verfügbaren Funktionen und Roadmap-Elementen unterscheiden. (dealpath.com)

Stärken

• Starke institutionelle Datengrundlage
• Proprietäre Datenbank für vergleichbare Transaktionen
• Portfolio-bewusstes Screening
• Deal-Pipeline, Genehmigungen und Audit-Historie
• Starke Berechtigungen und Governance
• Nützlich für Unternehmen, die Hunderte oder Tausende von Möglichkeiten bewerten

Schwächen

• Nicht unbedingt ein Ersatz für ein detailliertes Modell auf Objektebene
• Einige Agentenfunktionen werden als in Entwicklung befindlich beschrieben
• Bebauungsplan- und regulatorische Analyse auf Parzellenebene sind nicht klar dokumentiert

Bester Käufer: Institutionelle Immobilien-Investmentmanager, die eine konsistente Deal-Erfassung, -Screening, historische Deal-Erinnerung und den Investment Committee Workflow mehr benötigen als einen eigenständigen Tabellenersatz.

5. Altrio Origin: Beste unternehmensweite Deal-Erfassung und Datenstandardisierung

Altrio Origin richtet sich an institutionelle Gewerbeimmobilieninvestoren. Es kann Daten aus E-Mails, Angebotsmemoranden, Mietlisten, Mietverträgen, Betriebsabrechnungen der letzten zwölf Monate und Underwriting-Modellen extrahieren und dann strukturierte Deal-Datensätze erstellen sowie Chancen anhand der Investitionskriterien eines Unternehmens bewerten. (altrio.com)

Eines der Unterscheidungsmerkmale von Altrio ist die menschliche Validierung. Das Unternehmen erklärt explizit, dass extrahierte Daten von geschulten Analysten überprüft werden, da eine nominelle Genauigkeitsrate von 95 Prozent für institutionelle Investitionsentscheidungen nicht ausreicht. Die Plattform unterstützt auch verbundene Künstliche-Intelligenz-Assistenten, Excel-Workflows, unternehmensspezifische Berechtigungen, Audit-Protokollierung und Datenisolation. (altrio.com)

Altrio's größter Beitrag dürfte die Standardisierung über die gesamte Opportunity-Pipeline sein. Es kann dazu beitragen, dass jeder Deal mit konsistenten Feldern, vergleichbaren Klassifikationen, Screening-Kriterien und historischem Kontext ankommt. Seine öffentliche Dokumentation ist weniger explizit bezüglich der Erstellung eines vollständigen Discounted-Cashflow-Modells auf Objektebene aus Rohdokumenten als Produkte wie Archer, Reef oder Framecast.

Stärken

• Starker Unternehmens-Workflow
• Menschliche Validierung von Daten
• E-Mail-zu-Pipeline-Automatisierung
• Proprietäre Unternehmensdaten und historischer Deal-Kontext
• Excel- und Modellkonnektivität
• Governance- und Audit-Kontrollen

Schwächen

• Details der vollständigen Szenario-Engine sind nicht öffentlich spezifiziert
• Direkte Bebauungsplan- und Geoinformationssystem-Fusion ist nicht dokumentiert
• Möglicherweise ist eine andere Modellierungs-Engine für komplexe Wasserfallmodelle, Entwicklungsbudgets oder strukturierte Finanzierungen erforderlich

Bester Käufer: Große Akquisitionsteams, die standardisieren müssen, wie Deals in die Organisation gelangen und wie Analysten, Principals und Investment Committees auf dieselben zugrunde liegenden Daten zugreifen.

6. Reef: Bester Underwrite-to-Investment-Committee-Workflow

Reef positioniert sich als Underwriting- und Investment-Committee-Plattform, die Angebotsmemoranden, Mietlisten, ARGUS-Dateien, Excel-Modelle, Makler-Annahmen, Markt-Benchmarks, Grundsteuerdaten und Finanzinformationen verarbeiten kann. Ihr Fokus liegt nicht nur auf der Datenextraktion, sondern auf der Verbindung von Erfassung, Underwriting, Überprüfung und Committee-Ausgabe. (reef.lat)

Die Plattform ist besonders relevant für Unternehmen, die eine genehmigte interne Underwriting-Vorlage hochladen und das System ein Modell mit dieser Struktur erstellen lassen möchten. Dies ist wichtig, da Investment Committees im Allgemeinen Wert auf konsistente Definitionen, interne Renditeziele, Schuldenannahmen und Präsentationsformate legen, anstatt auf einen generischen Künstliche-Intelligenz-Bericht.

Stärken

• Unterstützt ARGUS-Dateien und Excel-Modelle
• Konzipiert für die Ausgabe des Investment Committee
• Benutzerdefinierte Unternehmens-Underwriting-Vorlagen
• Breite Dokumentenabdeckung
• Nützliche Brücke zwischen Analystenarbeit und Committee-Überprüfung

Schwächen

• Öffentliche Materialien bieten keinen unabhängigen Genauigkeits-Benchmark
• Sensitivitäts- und Szenariofunktionen sind nicht so detailliert dokumentiert wie bei Archer oder Blooma
• Geoinformationssystem- und Bebauungsplanfunktionen sind unklar

Bester Käufer: Real Estate Private-Equity-Firmen und Investmentmanager, die den Weg von einem Datenraum zu einem bekannten Modell- und Committee-Paket verkürzen möchten.

7. DeCyph AI: Beste automatisierte Normalisierung für Mehrfamilienhaus-Private Equity

DeCyph AI konzentriert sich darauf, unübersichtliche Immobilienunterlagen in standardisierte Finanzdaten umzuwandeln. Es erfasst Mietlisten, Betriebsabrechnungen der letzten zwölf Monate und Angebotsmemoranden, ordnet Finanzpositionen einem Standardkontenplan zu, führt Abgleichprüfungen durch und füllt das Pro-forma-Modell eines Kunden aus. (decyph.ai)

Die Plattform berechnet auch den Wohnungsmix, Ist-Miete im Vergleich zur effektiven Miete, Belegung, Verlängerungen, Fluktuation, Zahlungsverzug, Mietverlust und die Trends der letzten drei Monate im Vergleich zu den letzten zwölf Monaten. Sie kann überhöhte Mieten, unterbewertete Ausgaben, schwache Schuldendienstdeckung, aggressive Exit-Kapitalisierungsraten und sponsorbezogene Risiken kennzeichnen.

Stärken

• Starke Analyse von Mietlisten für Mehrfamilienhäuser
• Standardisierte Finanzzuordnung
• Abgleichprüfungen
• Befüllen von Pro-forma-Vorlagen
• Nützliche Risikoindikatoren vor der Investition
• Benchmarking von Vergleichsmieten

Schwächen

• Weniger geeignet für komplexe Nicht-Mehrfamilien-Assets
• Bebauungsplan- und Geoinformationssystem-Fusion sind nicht öffentlich dokumentiert
• Öffentliche Details zur Szenarioanalyse sind begrenzt

Bester Käufer: Akquisitions- oder Private-Equity-Teams für Mehrfamilienhäuser, die eine wiederholbare Normalisierung von Mietlisten und Betriebsabrechnungen benötigen, bevor Analysten eine tiefergehende Due Diligence durchführen.

8. Cyrenza: Am besten für Kreditgeber-Kreditmemoranden und unternehmensspezifische Standards

Cyrenza ist um spezialisierte Agenten herum konzipiert, die akzeptierte Leistungen erbringen, anstatt generische Chat-Antworten. Seine öffentlichen Materialien beschreiben Mietlistennormalisierung, Varianzregister, Mietvertrags- und Betriebsabrechnungsanalyse, Kreditmemoranden, Sizing-Tabellen, Covenants-Pakete, Stressmatrizen und zitierte Ergebnisse. (cyrenza.com)

Ihr stärkstes Merkmal ist die Verwendung der eigenen früheren Deals, Underwriting-Standards und Vorlagen eines Unternehmens als Kontext. Die Plattform gibt an, dass die Zahlen im resultierenden Memorandum mit Quellseiten verknüpft sind, was es Prüfern ermöglicht, die Schlussfolgerung zu verifizieren, anstatt sich einfach auf eine generierte Erzählung zu verlassen.

Stärken

• Kreditgeber-fokussierte Kreditmemoranden
• Unternehmensspezifische Standards und Vorlagen
• Mietlisten-Varianzberichterstattung
• Unterstützung von Covenants und Stressmatrizen
• Quellenverknüpfte Zahlen
• Starke Erklärbarkeit für die Committee-Überprüfung

Schwächen

• Öffentliche Produktreife und Nachweise für Kundengröße sind begrenzt
• Umfassendere Modellierungsfähigkeiten für Eigenkapital sind nicht so klar dokumentiert
• Geoinformationssystem- und Bebauungsplan-Fusion sind nicht öffentlich spezifiziert

Bester Käufer: Gewerbliche Immobilienkreditgeber, Private-Credit-Fonds und institutionelle Investmentteams, deren Hauptengpass die Erstellung konsistenter, überprüfbarer Kreditmemoranden aus Kreditnehmerakten ist.

9. UnderwriteX: Bester geschwindigkeitsorientierter Mehrfamilienhaus-Agent

UnderwriteX kombiniert Dokumentenextraktion, Erstellung von Underwriting-Modellen, Anomalieerkennung, Analyse vergleichbarer Mieten, Szenariomodellierung, Erstellung von Investment-Memoranden und bidirektionale Excel-Synchronisierung. Es unterstützt Angebotsmemoranden, Betriebsabrechnungen der letzten zwölf Monate und Mietlisten und kann E-Mail-Posteingänge auf neue Gelegenheiten überwachen. (underwritex.com)

Das Unternehmen wirbt mit einer anfänglichen Underwriting-Zeit von etwa 30 Sekunden und bietet eine fortgeschrittene Szenariomodellierung. Da die Plattform als schneller, automatisierter Workflow positioniert ist, sollten Käufer genau darauf achten, wie viel menschliche Validierung nach der ersten Ausgabe erforderlich ist.

Stärken

• Sehr schnelles Erst-Underwriting
• E-Mail-zu-Underwriting-Workflow
• Anomalieerkennung
• Analyse vergleichbarer Mieten
• Erweiterte Szenarien
• Bidirektionale Excel-Synchronisierung

Schwächen

• Öffentliche unabhängige Genauigkeitsnachweise sind nicht verfügbar
• Scheint sich hauptsächlich auf Mehrfamilienhäuser zu konzentrieren
• Bebauungsplan, lokale Vorschriften und Parzelleninformationen sind nicht öffentlich dokumentiert

Bester Käufer: Eigentümer-Betreiber, Syndikatoren und kleine Akquisitionsteams, die schnell viele Mehrfamilien-Deals prüfen müssen, während Excel als finale Überprüfungsumgebung erhalten bleibt.

10. Parcella: Bester Agency Debt Sizing Workflow

Parcella ist enger gefasst als die anderen Produkte, aber besonders relevant für die Kreditgeberausführung. Es beschreibt einen Workflow, bei dem Benutzer ein Angebotsmemorandum oder ein Kreditnehmerpaket hochladen, eine Mietliste, eine Betriebsabrechnung der letzten zwölf Monate und einen unterzeichneten Nettocashflow bereitstellen und dann automatisch ein Debt-Sizing-Modell befüllen. Der Fokus liegt auf delegiertem Underwriting und Agency-Finanzierungsbeschränkungen. (parcella.app)

Das Unternehmen behauptet, dass der Prozess in wenigen Minuten abgeschlossen werden kann und dass das System einen großen Teil der Analystenzeit zurückgewinnt. Diese Behauptungen sollten anhand des tatsächlichen Modells eines Kreditgebers getestet werden, einschließlich versteckter Registerkarten, Validierungsregeln, Finanzierungsannahmen und erforderlicher Ausnahmedokumentation.

Stärken

• Starke Kreditgeberorientierung
• Agency Debt Sizing
• Erfassung von Kreditnehmerpaketen
• Vorlagenbasierte Modellbefüllung
• Nützlich für repetitive Finanzierungs-Workflows

Schwächen

• Enger gefasst als eine allgemeine Investitions-Underwriting-Plattform
• Weniger nützlich für Eigenkapital-Wasserfallmodelle und Entwicklungs-Underwriting
• Geoinformationssystem- und Bebauungsplanfunktionen sind nicht öffentlich dokumentiert

Bester Käufer: Agency-Kreditgeber, Hypothekenbankteams und Kreditnehmer, die wiederholt standardisierte Debt-Sizing-Pakete erstellen.

Benchmarking der Underwriting-Zykluszeit

Öffentlich verfügbare Daten zur Zykluszeit sind fragmentiert. Anbieter messen oft unterschiedliche Dinge:

• Zeit zur Extraktion von Feldern
• Zeit zur Erstellung eines ersten Modells
• Zeit zur Erstellung eines Kreditgeberpakets
• Zeit zur Durchführung der menschlichen Überprüfung
• Zeit bis zur Entscheidung des Investment Committee

Diese sind nicht austauschbar.

Öffentlich berichtete Zykluszeit-Signale

Der öffentliche Benchmark von RentRollIQ ist transparenter als die meisten Anbieterangaben, da er seine Einheitenanzahl, Anlageklassen, Validierungsprüfungen und bekannten Mängel veröffentlicht. Es handelt sich jedoch immer noch um einen vom Anbieter erstellten Benchmark mit einer kleinen Stichprobe und sollte nicht als Industriestandard behandelt werden. (help.archer.re)

Der korrekte Zykluszeit-Benchmark

Ein Käufer sollte mindestens vier Zeitstempel messen:

1. Paket erhalten bis erste strukturierte Daten
2. Paket erhalten bis erstes Modell
3. Paket erhalten bis überprüftes Modell
4. Überprüftes Modell bis Investment-Committee-bereites Memorandum

Die dritte Metrik ist normalerweise die wichtigste. Ein System, das ein Modell in 30 Sekunden erstellt, aber zwei Stunden manueller Überprüfung erfordert, ist möglicherweise nicht leistungsfähiger als ein System, das ein überprüfbares Modell in 20 Minuten erstellt.

Genauigkeit im Vergleich zu einer menschlichen Baseline

Der Markt verfügt derzeit über keinen glaubwürdigen, unabhängigen und direkten Vergleichs-Benchmark, der Künstliche-Intelligenz-Underwriting-Agenten mit erfahrenen Immobilien-Underwritern vergleicht.

Die meisten öffentlichen Genauigkeitsansprüche messen die Feldextraktion, nicht:

• Korrekte Normalisierung von Einnahmen und Ausgaben
• Korrekte Behandlung von Zugeständnissen und Mietverlusten
• Korrekte Kreditbemessung
• Korrekte Kapitalisierungsratenbasis
• Korrekte Wasserfallberechnungen
• Korrekte Bebauungsplaninterpretation
• Korrekte Investitionsempfehlung
• Genauigkeit der prognostizierten Renditen nach Betriebsaufnahme der Immobilie

Zum Beispiel berichtet Blooma über eine Genauigkeit von etwa 99 Prozent beim Parsen von Dokumenten, während Dealpath eine Extraktionsgenauigkeit von etwa 95 Prozent für sein erweitertes Extraktionswerkzeug angibt. Diese Zahlen können nützlich sein, um die Qualität eines Anbieters zu überprüfen, aber keine von beiden beweist, dass die endgültige Underwriting-Schlussfolgerung korrekt ist. (blooma.ai)

Forschungen zu großen Sprachmodellen im Immobilienbereich deuten auch darauf hin, dass allgemeine Schlussfolgerungen, Gedächtnis, Halluzinationskontrolle und domänenspezifische Entscheidungsfindung weiterhin wesentliche Einschränkungen darstellen. Eine spezielle Bewertung der Fähigkeiten bei Wohnimmobilientransaktionen zeigte erheblichen Verbesserungsbedarf, bevor große Sprachmodelle als zuverlässige Immobilienmakler angesehen werden können. (arxiv.org)

Empfohlener Genauigkeitstest

Verwenden Sie mindestens 30 echte Deal-Pakete aus den Bereichen:

• Mehrfamilienhäuser
• Büros
• Einzelhandel
• Industrie
• Mischnutzung
• Verschiedene Dokumentformate
• Gescannte und maschinenlesbare Dateien
• Mindestens mehrere Bundesstaaten und lokale Gerichtsbarkeiten

Erstellen Sie ein von Menschen überprüftes Referenzmodell und vergleichen Sie:

• Anzahl der Einheiten
• Belegung
• Planmiete
• Effektive Miete
• Einzelposten der Ausgaben
• Netto-Betriebseinnahmen
• Einstiegskapitalisierungsrate
• Darlehensbetrag
• Schuldendienstdeckungsgrad
• Schuldendeckungsrate (Debt Yield)
• Hebelgewichteter interner Zinsfuß
• Eigenkapitalmultiplikator
• Exit-Wert
• Investitionsempfehlung
• Genauigkeit der Quellenangaben auf Seitenbasis

Die nützlichste Metrik ist nicht nur die durchschnittliche Feldgenauigkeit. Es ist der Prozentsatz der Deals, die zu einer korrekten Entscheidung führen, ohne dass ein Analyst einen wesentlichen Fehler entdeckt.

Qualität der Sensitivitätsanalyse

Die Sensitivitätsanalyse ist der Bereich, in dem viele Künstliche-Intelligenz-Underwriting-Tools oberflächlich werden. Ein paar Schieberegler stellen nicht unbedingt eine Szenariomodellierung auf institutionellem Niveau dar.

Eine praktische Skala für die Sensitivitätsqualität

Level 1: Einvariable Schieberegler

Der Benutzer ändert eine Annahme, wie Mietwachstum oder Zinssatz, und sieht, wie sich die Renditekennzahlen aktualisieren.

Nützlich für ein schnelles Screening, aber schwach für die Analyse im Investment Committee.

Level 2: Statische Basis-, Downside- und Upside-Szenarien

Das System erstellt mehrere Fälle mit vordefinierten Annahmen.

Besser, aber immer noch anfällig, wenn die Beziehungen zwischen den Annahmen nicht explizit sind.

Level 3: Verknüpfte multivariable Szenarien

Das System ändert gleichzeitig:

• Mietwachstum
• Leerstand
• Betriebskosten
• Investitionsausgaben
• Zinssatz
• Beleihungsauslauf (Loan-to-Value)
• Exit-Kapitalisierungsrate
• Haltedauer
• Vermietungszeitpunkt

Dies ist der Mindeststandard für seriöse Akquisitions- oder Kreditanalysen.

Level 4: Break-even- und probabilistische Analyse

Das System zeigt:

• Break-even-Kaufpreis
• Break-even-Miete
• Maximaler Darlehensbetrag unter mehreren Einschränkungen
• Wahrscheinlichkeit, unter die Anforderungen des Schuldendienstdeckungsgrades zu fallen
• Verteilung der internen Zinsfüße
• Korrelation zwischen Annahmen
• Downside-Risiko unter korrelierten Schocks

Nur sehr wenige öffentliche Produktbeschreibungen zeigen dieses Niveau konsistent.

Öffentlich nachgewiesene Sensitivitätsfähigkeit

• Archer: Stark. Seine Dokumentation beschreibt mehrere Modelle, Szenarien und anpassbare Sensitivitätsbereiche. (help.archer.re)
• Blooma: Stark für die Kreditvergabe. Es dokumentiert hohe, mittlere und niedrige Szenarien, anpassbare Annahmen, multivariable Stresstests und Kreditbemessung. (help.blooma.ai)
• UnderwriteX: Starke öffentliche Positionierung im Bereich fortgeschrittener Szenariomodellierung. (underwritex.com)
• Dealpath AI: Moderat. Modellvergleich ist verfügbar, während dedizierte Bull-, Base- und Bear-Szenario-Agenten als eine in Entwicklung befindliche Funktion beschrieben werden. (dealpath.com)
• Parcella: Stärker bei Schuldeneinschränkungen als bei breiten Sensitivitäten der Eigenkapitalrendite. (parcella.app)
• Framecast, Reef, DeCyph, Altrio und Cyrenza: Die öffentlichen Materialien betonen Extraktion, Überprüfung, Memo-Generierung oder Workflow-Governance stärker als ein detailliertes Sensitivitäts-Engine-Design.

Karten- und Geoinformationssystem-Datenfusion

Dies ist die größte Lücke auf dem aktuellen Markt.

Die meisten Underwriting-Agenten können eine Adresse verwenden, um Marktkontext oder vergleichbare Objekte zu erhalten. Weit weniger können zuverlässig Folgendes verbinden:

1. Das korrekte Flurstück und die Flurstücks-ID
2. Aktuelles Bebauungsplangebiet
3. Zulässige Nutzungen
4. Dichte- und Geschossflächenzahl-Grenzen
5. Höhen- und Abstandsflächenvorgaben
6. Parkplatzanforderungen
7. Überlagerungsgebiete
8. Hochwasser-, Umwelt- und Infrastrukturbeschränkungen
9. Anstehende Bebauungsplanänderungen
10. Ein Entwicklungsszenario, das in das Finanzmodell einfließt

Führende Ergänzungen von Geoinformationssystem-Daten

LightBox bietet Flurstücks-, Gebäude-, Eigentums-, Transaktions-, Umwelt-, Markt- und Bebauungsplandaten, die über eine persistente Immobilien-ID miteinander verbunden sind. Ihre Bebauungsplandaten umfassen Klassifizierungen, zulässige Nutzungen, Abstandsflächen, Geschossflächenzahlen und Gebäudehöheninformationen und bieten API-Zugriff. (lightboxre.com)

Zoneomics bietet Bebauungs- und Flächennutzungsdaten, Bebauungsplanberichte, Suchen nach zulässigen Nutzungen, Parzellenfilter und Anwendungsprogrammierschnittstellen. Es berichtet über eine Abdeckung von mehr als 23.500 Städten und über 100 Millionen Grundstücken, obwohl Käufer die Abdeckung und Aktualisierungszeiten in ihren Zielmärkten validieren sollten. (zoneomics.com)

Gridics wandelt Bebauungsplan-Text in Daten auf Parzellenebene um und verwendet eine Regel-Engine, um Entwicklungspotenziale, zulässige Nutzungen, Abstandsflächen, Überlagerungen, Dichte und verwandte Attribute zu visualisieren. (gridics.com)

Warum Bebauungspläne nicht als einfache Abfrage behandelt werden können

Die Bebauungsplanung wird lokal verwaltet, und die maßgebliche Antwort kann abhängen von:

• Kommunal- oder Kreisordnung
• Bebauungsplänen
• Überlagerungsgebieten
• Genehmigungen für Sondernutzungen
• Ausnahmen
• Bestehendem rechtlich nicht konformem Status
• Bauordnungsvorschriften
• Denkmalschutzbestimmungen
• Umweltauflagen
• Jüngsten, aber noch nicht digitalisierten Änderungen

Eine kommunale Geoinformationssystem-Schicht enthält möglicherweise nicht jede aktuelle Karte oder Verordnung, und die Aktualisierungshäufigkeit variiert je nach lokaler Regierung. (arcgis.com)

Die Anforderungen der Kreditgeber verstärken die Notwendigkeit einer gerichtsbarkeitsspezifischen Überprüfung. Fannie Mae verlangt die Angabe der spezifischen Bebauungsplanklasse, der zulässigen Nutzung und ob die Immobilie rechtlich konform, rechtlich nicht konform, illegal ist oder sich in einem Gebiet ohne lokale Bebauungsplanung befindet. Ihr Leitfaden für Mehrfamilienhäuser erfordert auch eine Analyse von Dichte, Gebäudehöhe, Abstandsflächen und verwandten Merkmalen. (selling-guide.fanniemae.com)

Praktische Schlussfolgerung: Ein Underwriting-Agent sollte Bebauungspläne als verifizierten Due-Diligence-Posten behandeln, nicht als automatisch vertrauenswürdige Modellannahme.

Datenlizenzierung und Eigentum

Immobilien-Underwriting-Agenten kombinieren oft Kundendokumente mit lizenzierten Drittanbieterdaten. Dies birgt ein erhebliches kommerzielles und rechtliches Risiko.

Vergleichbare Transaktionen und Marktdaten

Die Bedingungen von CoStar gewähren eine begrenzte, nicht-exklusive, nicht übertragbare Lizenz und beschränken bestimmte Nutzungen ihrer Informationen nach Beendigung. Die Bedingungen von Trepp betonen ebenfalls die interne geschäftliche Nutzung und beschränken die Weitergabe, Neuverpackung und Verwendung in Konkurrenzprodukten. (costar.com)

Dies ist relevant, wenn ein Anbieter behauptet, er könne:

• Eine proprietäre Vergleichsdatenbank aufbauen
• Ein Künstliche-Intelligenz-Modell mit Marktdaten trainieren
• Vergleichsdetails in Investment-Committee-Memoranden weitergeben
• Marktdaten an Kunden bereitstellen
• Historische Daten nach Beendigung eines Abonnements speichern
• Abgeleitete Scores erstellen, die als konkurrierendes Datenprodukt angesehen werden könnten

Die Lizenz muss jede Nutzung explizit adressieren.

Daten von Mehrfachlistendiensten

Die Rechte an Mehrfachlistendiensten werden durch spezifische Feed-Vereinbarungen und Richtlinienanforderungen geregelt. Die Richtlinie der National Association of Realtors erlaubt unter bestimmten Umständen die Reproduktion und Verbreitung von Listing-Informationen, dies gewährt einem Softwareunternehmen jedoch nicht automatisch das Recht, die zugrunde liegenden Daten zu speichern, darauf zu trainieren, weiterzugeben oder kommerziell weiterzuverkaufen. (nar.realtor)

Geographische und Bebauungsplandaten

Die Anwendungsbedingungen von LightBox beschreiben eine begrenzte, nicht übertragbare, nicht unterlizenzierbare Lizenz für ihre Daten und Tools. Ähnliche Einschränkungen können für Bebauungs-, Flurstücks-, Umwelt-, demografische und Kartierungsdaten gelten. (lightboxre.com)

Vertragsbedingungen, die jeder Käufer prüfen sollte

Bevor Sie Live-Deal-Pakete hochladen, fordern Sie klare Antworten zu folgenden Punkten:

• Ob Kundendokumente zur Schulung gemeinsam genutzter Modelle verwendet werden
• Datenspeicherungsdauer
• Löschung nach Kontokündigung
• Unterauftragsverarbeiter und Modelllieferanten
• Zugang zur menschlichen Überprüfung
• Verschlüsselung und Zugriffssteuerungen
• Private-Cloud- oder Virtual-Private-Cloud-Bereitstellung
• Rechte zum Export der strukturierten Daten des Unternehmens
• Rechte zur Aufbewahrung von Investment-Committee-Memoranden
• Behandlung lizenzierter Vergleichsdaten in exportierten Berichten
• Ob abgeleitete Scores außerhalb der Plattform verwendet werden dürfen
• Audit-Protokolle und Benachrichtigung über Vorfälle

Anbietererklärungen wie „Daten werden nicht zum Training verwendet“ sollten im Vertrag verankert sein und nicht nur aus Marketingmaterialien entnommen werden.

Erklärbarkeit für Investment-Committee-Memoranden

Ein ausgefeiltes Memorandum ist nicht unbedingt ein erklärbares Memorandum. Ein starkes System sollte vier Ebenen unterscheiden:

1. Quellfakten

Beispiele:

• Angebotspreis von Seite 4 des Angebotsmemorandums
• Einheitenanzahl aus der Mietliste
• Versicherungsaufwand aus der Betriebsabrechnung der letzten zwölf Monate
• Mietvertragsablauf aus dem Mietvertragsauszug
• Bebauungsplanklassifikation aus der offiziellen kommunalen Quelle

2. Underwriter-Annahmen

Beispiele:

• Marktmmietwachstum
• Leerstand
• Kostennormalisierung
• Exit-Kapitalisierungsrate
• Renovierungszeitplan
• Vermietungszeitpunkt
• Finanzierungssatz

3. Deterministische Modellberechnungen

Beispiele:

• Netto-Betriebseinnahmen
• Schuldendienst
• Darlehenserlöse
• Cashflow
• Interner Zinsfuß
• Eigenkapitalmultiplikator
• Sensitivitätsausgaben

4. Künstliche-Intelligenz-Narrativ

Beispiele:

• „Die Mietwachstumsannahme des Maklers erscheint aggressiv.“
• „Der Versicherungsaufwand liegt unter dem vergleichbarer Immobilien.“
• „Die Immobilie ist möglicherweise rechtlich nicht konform.“
• „Der Deal scheitert an der Downside-Renditeschwelle des Investment Committee.“

Die ersten drei Ebenen sollten unabhängig überprüfbar sein. Die vierte sollte niemals die zugrunde liegenden Beweise verschleiern dürfen.

Plattformen wie Framecast, Cyrenza, Cactus, Altrio und Dealpath legen Wert auf Quellverknüpfungen, Unternehmensgedächtnis, Audit-Protokollierung, Berechtigungen oder Prüferkontrollen. Diese Funktionen sind wertvoller als eine flüssige Erzählung, da sie einem Ausschussmitglied ermöglichen, die Schlussfolgerung anzufechten. (framecast.ai)

Mindeststandard für Nachweise des Investment Committee

Jede wesentliche Zahl in einem Investment-Committee-Memorandum sollte Folgendes aufweisen:

• Quelldokument
• Seite, Zeile, Zelle oder Mietvertragsklausel
• Extraktionssicherheit
• Datum der Quelle
• Analysten-Override, falls vorhanden
• Grund für den Override
• Modellversion
• Identität des Prüfers
• Szenarioname
• Status ungelöster Konflikte
• Lizenzstatus der Marktdaten

Das System sollte auch zeigen, was sich seit der vorherigen Version geändert hat. Ein Ausschuss muss wissen, ob sich die Renditen geändert haben, weil sich der Kaufpreis, die Kreditbedingungen, die Mietlisteninterpretation geändert haben oder der Analyst einfach eine Annahme aktualisiert hat.

Was Käufer wählen sollten

Wählen Sie Archer, wenn:

• Mehrfamilienhäuser die primäre Anlageklasse sind
• Das Unternehmen bereits ein vertrauenswürdiges Excel-Modell besitzt
• Vergleichsmiet- und Kostenanalysen wichtig sind
• Analysten Geschwindigkeit benötigen, ohne Excel aufzugeben

Wählen Sie Blooma, wenn:

• Der Hauptnutzer ein Kreditgeber ist
• Kreditbemessung und Stresstests zentral sind
• Kreditnehmer- und Bürgendaten überprüft werden müssen
• Das Unternehmen Standard-Kreditgeberausgaben benötigt

Wählen Sie Framecast oder Cyrenza, wenn:

• Quelltransparenz wichtiger ist als die reine Geschwindigkeit
• Due Diligence auf Mietvertragsebene wichtig ist
• Das Investment Committee oder Kreditkomitee Nachweise verlangt
• Das Unternehmen zitierte Memoranden anstelle von unzitierten Künstliche-Intelligenz-Zusammenfassungen wünscht

Wählen Sie Dealpath oder Altrio, wenn:

• Das größte Problem ein fragmentierter Dealflow ist
• Das Unternehmen eine zentrale proprietäre Transaktionsdatenbank benötigt
• Viele Investmentprofis dieselbe Deal-Historie teilen müssen
• Governance, Berechtigungen, Routing und Genehmigungen wichtig sind

Wählen Sie Reef oder DeCyph, wenn:

• Das Unternehmen einen wiederholbaren Weg von Quelldokumenten zu seinem eigenen Modell w
• Eine standardisierte finanzielle Normalisierung ein großer Engpass ist
• Investment-Committee-Materialien konsistent bleiben müssen

Wählen Sie UnderwriteX oder Parcella, wenn:

• Geschwindigkeit entscheidend ist
• Das Team einen engeren Workflow für Mehrfamilienhäuser oder Kreditvergabe hat
• Szenariomodellierung oder Agency Debt Sizing das Hauptbedürfnis ist
• Excel-Export weiterhin obligatorisch ist

Die Lösung, die der Markt noch braucht

Die größte unternehmerische Chance ist ein rechtsraumsensitives Underwriting-Betriebssystem, das die besten Funktionen dieser Produkte kombiniert, ohne Unternehmen dazu zu zwingen, eine fragile Sammlung getrennter Tools zusammenzustellen.

Eine bessere Lösung würde Folgendes umfassen:

1. Multimodale Dokumenteneinlesung
   Angebotsmemoranden, Mietverträge, Mietlisten, Finanzberichte, Bebauungsplanunterlagen, Vermessungen, Umweltberichte und Kreditgeberformulare lesen.

2. Auflösung der Immobilienidentität
   Adresse, Flurstücks-ID, Gebäude, Eigentumseinheit und Betreibergesellschaft über jedes Dokument hinweg abgleichen.

3. Bebauungsplan- und Genehmigungsgraph
   Aktuelle Bebauungspläne, zulässige Nutzungen, Überlagerungen, bedingte Nutzungen, Ausnahmen, Dichte, Abstandsflächen, Parkplätze und Gültigkeitsdaten mit dem Immobilienregister verbinden.

4. Kontrollen für lizenzierte Daten
   Nachverfolgen, welche Vergleichs-, demografischen, Kartierungs- und Kreditdatenfelder gespeichert, exportiert oder in ein Kundenmemorandum aufgenommen werden können.

5. Deterministische Finanz-Engine
   Künstliche Intelligenz für Extraktion und Schlussfolgerung nutzen, aber Finanzergebnisse durch kontrollierte, testbare Formeln berechnen.

6. Kreditgeber-Vorlagen-Compiler
   Genehmigte Bank-, Agentur-, Debt-Fund- und interne Excel-Vorlagen befüllen, während Formeln, versteckte Registerkarten, Validierungsprüfungen und Versionshistorie erhalten bleiben.

7. Szenario- und Break-Even-Engine
   Verknüpfte Downside-Fälle, Kreditgeberbeschränkungen, Mietwachstumsschocks, Zinsänderungen, Änderungen der Exit-Kapitalisierungsrate, Verzögerungen bei der Vermietung und probabilistische Analyse unterstützen.

8. Evidenzgrafik für Investment Committees
   Jede Memo-Aussage mit einer Quelle, Annahme, Berechnung, einem Prüfer, Datum und einer Modellversion verknüpfen.

9. Überwachung lokaler Vorschriften
   Benutzer benachrichtigen, wenn sich Bebauungspläne, Mietvorschriften, Steuervorschriften, Parkanforderungen, Bauvorschriften oder Umweltschichten ändern.

10. Unabhängiges Benchmarking
    Genauigkeits- und Fehlerergebnisse für echte Deal-Pakete, einschließlich Misserfolge, veröffentlichen, anstatt nur erfolgreiche Extraktionsraten zu melden.

Die Marktlücke ist kein weiterer Chatbot, der eine Immobilie zusammenfasst. Die Lücke ist ein überprüfbares, quellengestütztes, regulierungssensitives, kreditgeberkompatibles Underwriting-System, dem man vertrauen kann, wenn das Investment Committee fragt: „Zeigen Sie mir genau, warum diese Zahl im Modell ist.“

Fazit

Immobilien-Underwriting-Agenten sind bereits in der Lage, den mechanischen Aufwand beim Screening von Deals zu reduzieren. Die besten Systeme können eine Mietliste, eine Betriebsabrechnung der letzten zwölf Monate, ein Angebotsmemorandum oder ein Kreditnehmerpaket in Minutenschnelle statt in Stunden in strukturierte Daten und ein nutzbares Erstmodell umwandeln.

Die wichtigsten Fähigkeiten sind jedoch nicht die schnellste Extraktionszeit oder die selbstbewussteste Künstliche-Intelligenz-Empfehlung. Es sind:

• Abgleich über widersprüchliche Dokumente hinweg
• Kompatibilität mit dem bestehenden Modell des Unternehmens
• Richtig verknüpfte Sensitivitätsanalyse
• Kreditgeber-spezifische Ausgaben
• Due Diligence auf Parzellen- und gerichtsbarkeitsspezifischer Ebene
• Klare Datenlizenzrechte
• Quellenangaben und menschliche Genehmigung
• Ein nachvollziehbarer Audit-Trail für das Investment Committee

Für die meisten Unternehmen ist das richtige Bereitstellungsmodell die vom Menschen überwachte Automatisierung. Nutzen Sie den Agenten zum Sammeln, Normalisieren, Vergleichen, Stresstesten und Entwerfen. Behalten Sie die endgültige Investitionsentscheidung, die Bebauungsplanbestätigung, die Genehmigung wesentlicher Annahmen und die Einreichung beim Kreditgeber unter verantwortungsvoller menschlicher Kontrolle.