Modellrechnung: fiktives Maklerbüro
Dieses Modul ist Teil einer sechsteiligen Modellrechnung über ein fiktives mittelgroßes Maklerbüro (32 Vertriebsmitarbeiter, 450 Transaktionen pro Jahr). Alle Zahlen, Datensätze, Modellmetriken und Euro-Beträge sind vollständig fiktiv, sie veranschaulichen die Methodik und die Art des erzielbaren Effekts. Es sind keine Ergebnisse realer Kunden und kein Leistungsversprechen. Welche Werte auf Ihren realen Daten erreichbar sind, zeigt erst ein Pilotprojekt.
01 Das Problem: Timing ist der unsichtbare Umsatzhebel
Die meisten Makler inserieren, sobald der Auftrag da ist, und nicht dann, wenn der Markt bereit ist
Die meisten Objekte werden inseriert, sobald Fotos und Exposé fertig sind. Ob gerade 15 vergleichbare Objekte am Markt sind oder nur 3, ob Frühlingsmarkt oder Sommerloch, spielt keine Rolle. Dabei zeigen die Daten: Das gleiche Objekt verkauft sich im Frühjahr in rund 70 Tagen, im Spätsommer in gut 90.
Ein Forecast-Modell macht aus "Wir inserieren, wenn wir fertig sind" ein "Wir inserieren, wenn der Markt optimal ist." Für manche Objekte heißt das: Sofort. Für andere: 3 Wochen warten. Das Warten kostet nichts, falsch timen dagegen kostet Wochen.
Optimal getimte Objekte: 23% schneller verkauft
Bei gleichem Preis, gleicher Exposé-Qualität, gleichem Stadtteil. Der einzige Unterschied ist der Inserat-Zeitpunkt. Übersetzung des Zillow-Befunds: richtiges Listing-Fenster verkauft ~2 Wochen schneller; die 23 % sind Annahme der Modellrechnung.
Marktdaten (3J)
→
LSTM Forecast
→
Nachfrage-Prognose
→
Timing-Score
→
"Jetzt inserieren" / "Warten"
02 Das Modell: Nachfrage × Angebot × Saisonalität
LSTM auf wöchentlichen Marktdaten pro Stadtteil × Objekttyp
import torch, torch.nn as nn
import numpy as np
class MarktTimingLSTM(nn.Module):
"""
Input: 16 Wochen Historie × Features pro Stadtteil×Typ
Output: 8 Wochen Forecast (Nachfrage-Index + Angebots-Dichte)
Features pro Woche:
- Anfragen-Volumen (Portal-Daten)
- Aktive Inserate (Angebotsseite)
- Durchschnittspreis/m² (Preisniveau)
- Verkaufte Objekte (Abschlüsse)
- Zinssatz (EZB/Bauzins)
- Saisonalität (Kalendereffekte)
- Google-Trends-Index ("Wohnung kaufen" + Stadt)
"""
def __init__(self, input_dim=7, hidden=96, layers=2):
super().__init__()
self.lstm = nn.LSTM(input_dim, hidden, layers,
dropout=0.15, batch_first=True)
self.head = nn.Sequential(
nn.Linear(hidden, 64), nn.ReLU(),
nn.Linear(64, 8 * 2) # 8 Wochen × 2 Targets
)
def forward(self, x):
out, _ = self.lstm(x)
return self.head(out[:, -1]).view(-1, 8, 2)
# Trainiert auf 156 Wochen (3 Jahre) × 10 Stadtteile × 4 Objekttypen
# MAPE Nachfrage-Forecast: 11.4% (8-Wochen-Horizont)
# MAPE Angebots-Forecast: 8.2%
print("Timing-Score = Nachfrage↑ + Angebot↓ + Saison-Bonus")
print("Score >70: Sofort inserieren")
print("Score 40-70: Inserieren, aber Preis prüfen")
print("Score <40: 2-4 Wochen warten lohnt sich")
10×4
Stadtteil × Typ Modelle
Nachfrage-Index Forecast: Universitätsviertel ETW, nächste 8 Wochen
↳ Das Timing-Fenster
Für ETW im Universitätsviertel zeigt der Forecast einen Nachfrage-Peak in KW 19-20 (Vorlauf auf das Wintersemester: Wer im Mai kauft, bezieht zum Semesterstart). Gleichzeitig ist das Angebot noch dünn, weil viele Eigentümer erst nach dem Sommer inserieren. Das ergibt einen Timing-Score von 84, also "Sofort inserieren." Wer 4 Wochen wartet, verpasst das beste Fenster des Quartals.
Timing-Score nach Monat × Objekttyp
03 Business Impact: Timing = Geld
Schnellere Verkäufe, bessere Preise, zufriedenere Eigentümer
Zusätzlicher Umsatz durch optimales Timing
€93.500
Zusätzlicher Umsatz / Jahr
-23%
Kürzere Vermarktungsdauer
| Kategorie | Betrag/Jahr | Mechanismus |
|---|
| Gerettete Marktstarts | €68.000 | 8 Objekte, die im schwachen Fenster liegen geblieben wären (Annahme) |
| Folgeaufträge aus Timing-Beratung | €25.500 | 3 × €8.500 (Annahme) |
↳ Bewusst nicht eingerechnet
Publiziert: Listings im besten Fenster erzielen +1,6-1,7 % (Zillow). Diesen Preiseffekt rechnen wir bewusst nicht ein.
04 Die Gesamtrechnung: Alle 6 Module zusammen
Was die Real Estate Intelligence Series für Ihr Maklerbüro bedeutet
Modul 1
€323.000
Verkaufsdauer
Modul 2
€206.000
Lead-Scoring
Modul 3
€89.200
Preisoptimierung
Modul 4
€127.500
Akquise-Pred.
Modul 5
€76.500
Exposé-Perf.
Modul 6
€93.500
Markt-Timing
Gesamtpotenzial: €915.700 / Jahr
Für ein mittelgroßes Maklerbüro mit 32 Vertriebsmitarbeitern. Die Grundlage: Daten, die Sie bereits haben. Kein neues CRM, keine neuen Portale, sondern nur die richtigen Fragen an die vorhandenen Zahlen.
Umsatzpotenzial nach Modul: Gesamtübersicht
↳ Die Botschaft
Über 900.000 Euro zusätzlicher Umsatz stecken ungenutzt in Daten, die in Ihrem CRM, Ihren Portal-Statistiken und öffentlichen Quellen liegen. Kein neues Tool, keine zusätzlichen Lizenzen, kein Umbruch Ihrer Abläufe. Nur die richtigen Modelle auf die vorhandenen Zahlen. Genau diese Arbeit machen wir.