Wie KI und Satellitendaten die Hausbewertung verändern

Wer 2015 eine Immobilie bewerten lassen wollte, brauchte zwingend einen Gutachter vor Ort, einen Blick ins Grundbuch und Geduld. Zehn Jahre später reicht manchmal eine Adresse. Satellitenbilder, Laserscan-Daten aus der Luft und Modelle, die aus Millionen verglichener Gebäude trainiert wurden, liefern binnen Sekunden Schätzungen zu Energieverbrauch, Solarpotenzial und Marktwert. Das klingt nach Werbebotschaft — ist aber eine Verschiebung, die sich in der Praxis bereits zeigt.

Was Fernerkundung heute tatsächlich liefert

Satelliten wie die der ESA-Sentinel-Reihe erfassen Deutschland mit einer Auflösung von bis zu zehn Metern alle wenigen Tage. Für feinere Gebäudedaten werden Laserscans aus Flugzeugen eingesetzt, sogenannte LiDAR-Befliegungen. Aus diesen Daten entstehen dreidimensionale Stadtmodelle — in Deutschland als LOD2-Modelle bezeichnet, also Level of Detail 2. Sie enthalten Dachform, Dachneigung, Trauf- und Firsthöhe sowie die Gebäudegrundfläche. Viele Bundesländer stellen diese Modelle bereits frei zur Verfügung; in Bayern, NRW und Baden-Württemberg sind sie vollständig verfügbar. Auf dieser Grundlage lassen sich Dachflächen automatisch berechnen, Verschattungen durch Bäume oder Nachbargebäude modellieren und der Solarazimut — die horizontale Ausrichtung der Dachfläche — bestimmen.

Wie KI-Modelle Gebäudedaten interpretieren

Rohe Geodaten sind noch keine Bewertung. Erst maschinelle Lernmodelle verbinden Dachgeometrie, Baualtersklasse, Energiepreise und historische Verbrauchsdaten zu verwertbaren Kennzahlen. Ein Modell, das auf Basis von PVGIS-Strahlungsdaten der EU-Kommission und LOD2-Geometrien trainiert wurde, kann für ein konkretes Dach den Jahresertrag einer Photovoltaikanlage schätzen — nicht als grober Richtwert, sondern mit Toleranzbereichen, die auf der tatsächlichen Ausrichtung und der gemessenen Globalstrahlung am Standort beruhen. Ähnliche Ansätze werden für die Wärmepumpen-Eignung eingesetzt: Ist das Gebäude vor 1979 gebaut, liegt die wahrscheinliche Vorlauftemperatur des Heizsystems über 60 Grad, was den Wirkungsgrad einer Luft-Wasser-Wärmepumpe deutlich einschränkt.

Ein konkretes Rechenbeispiel: Solarpotenzial aus Satellitendaten

Ein freistehendes Einfamilienhaus in Stuttgart, Baujahr 1968, Satteldach mit 35 Grad Neigung und Südausrichtung. Das LOD2-Modell weist eine Dachfläche von 120 Quadratmetern aus; nach Abzug von Kamin, Gauben und Abstandsflächen bleiben rund 80 nutzbarer Quadratmeter. Die PVGIS-Daten für den Standort ergeben eine jährliche Globalstrahlung von etwa 1.180 kWh pro Quadratmeter. Ein KI-gestütztes Ertragmodell schätzt auf dieser Grundlage einen Jahresertrag von rund 9.600 kWh bei einer 8-kWp-Anlage. Selbst bei einem konservativen Eigenverbrauchsanteil von 30 Prozent — das entspricht etwa 2.880 kWh im Jahr — ergibt sich bei einem Strompreis von 0,32 Euro pro kWh eine jährliche Ersparnis von rund 920 Euro. Die Amortisation der Anlage (Kosten ca. 16.000 Euro nach BEG-Förderung, Stand 2024; Programme ändern sich) läge damit bei etwa 17 Jahren. Ohne die automatische Auswertung aus Geodaten wäre diese Schätzung ohne Vor-Ort-Termin schlicht nicht möglich gewesen.

Grenzen der automatisierten Bewertung

Satellitendaten und KI ersetzen keine Gebäudeschau. Was sie nicht sehen: den Zustand der Kellerdeckendämmung, Feuchtigkeitsschäden hinter der Fassade, die tatsächliche Heizungsanlage oder ob die Fußbodenheizung nur im Erdgeschoss verbaut ist. Für die Immobilienbewertung nach ImmoWertV — das Sachwertverfahren, das Vergleichswertverfahren oder das Ertragswertverfahren — bleibt das Gutachten eines zertifizierten Sachverständigen rechtlich maßgeblich. Banken und Gerichte akzeptieren automatisierte Schätzungen bislang nicht als Grundlage für Beleihungswerte. Der Bodenrichtwert, den die Gutachterausschüsse der Kommunen nach §196 BauGB regelmäßig veröffentlichen, ist dagegen eine amtliche Zahl — hier liefern Datenbanken verlässliche Ausgangswerte, die keine KI-Interpretation benötigen.

Automatisierte Modelle zeigen außerdem systematische Schwächen bei:

• Gebäuden mit ungewöhnlichen Dachformen (Mansarddach, Sheddach, begrüntes Flachdach)
• Denkmälern und Gebäuden in Schutzgebieten, wo Solarmodule gar nicht genehmigt werden
• Mehrfamilienhäusern mit komplexen Eigentumsverhältnissen und gemischter Nutzung
• Gebäuden, deren Sanierungsstand von der typischen Baualtersklasse stark abweicht

Was die Methoden für Eigentümer bedeuten

Für Eigentümer ist die Entwicklung vor allem eines: ein Informationsgewinn vor dem ersten Beratungsgespräch. Wer weiß, dass sein Dach ein jährliches Solarpotenzial von knapp 10.000 kWh hat, kann im Gespräch mit einem Installateur gezielter nachfragen — und erkennt schneller, wenn eine Offerte unrealistische Ertragsversprechen enthält. Wer den Bodenrichtwert seines Grundstücks kennt und weiß, wie er sich in den letzten fünf Jahren entwickelt hat, verhandelt anders. Das Gebäudeenergiegesetz (GEG 2024) verpflichtet beim Kauf oder Verkauf zur Vorlage eines Energieausweises — doch der zeigt nur, was einmal eingetragen wurde, nicht was heute, mit aktuellen Materialeigenschaften und Einstrahlungsdaten, realistisch wäre.

Amtliche Daten als Fundament

Der entscheidende Unterschied zu proprietären Schätzmodellen: Wenn Bewertungen auf amtlichen Geobasisdaten — ALKIS-Flurstücksdaten, LOD2-Stadtmodellen, offiziellen Bodenrichtwerten — aufbauen, sind die Ausgangswerte nachprüfbar. Das schafft eine andere Qualität als ein Algorithmus, der aus anonymisierten Verkaufspreisen eine Spanne berechnet. Amtliche Daten werden von Landesvermessungsämtern und Gutachterausschüssen gepflegt, sind rechtlich geregelt und enthalten keine Interessenkonflikte.

Wer verstehen will, was diese Datenlage konkret für die eigene Immobilie bedeutet — Grundstückswert, Solarpotenzial, Wärmepumpen-Eignung, energetischer Zustand —, kann das HausDossier als ersten Schritt nutzen: Es wertet genau diese amtlichen Quellen für eine einzelne Adresse aus.