01 Das Dilemma - Zu hoch verliert Zeit, zu niedrig verliert Geld
Warum jede Marktwertermittlung nur die halbe Antwort ist
Jeder Makler kann einen Marktwert schätzen. Aber die Frage des Eigentümers ist eine andere: "Zu welchem Preis soll ich anbieten?" Der Marktwert ist der wahrscheinliche Verkaufspreis - der Angebotspreis ist eine strategische Entscheidung. Zu hoch → Objekt steht, wird zum Ladenhüter, Preis wird gesenkt. Zu niedrig → schnell verkauft, aber Provision verschenkt.
Der optimale Angebotspreis hängt ab von: Wie dringend will der Eigentümer verkaufen? Wie ist die aktuelle Nachfrage? Wie viele vergleichbare Objekte sind am Markt? Das kann kein Mensch für 15 Objekte gleichzeitig optimieren. Ein Modell schon.
+3% Angebotspreis über Optimum = +34 Tage Vermarktung
Und am Ende wird er meist doch auf den optimalen Preis gesenkt - nur mit dem Stigma einer Preissenkung.
Marktwert-Basis
→
Nachfrage-Kontext
→
Preis-Dauer-Kurve
→
Optimaler Preis
→
Eigentümer-Beratung
02 Das Modell - Preis-Dauer-Kurve pro Mikrolage
Für jeden Stadtteil × Objekttyp eine individuelle Elastizitätskurve
import numpy as np
import xgboost as xgb
from scipy.optimize import minimize_scalar
# Für jedes Objekt: Simuliere Verkaufsdauer bei verschiedenen Preisen
# und finde den Preis, der die Provisionsrate maximiert
def provision_rate(preis_faktor, model, objekt_features, provision_satz=0.036):
"""
Berechnet: Provision / Vermarktungszeit = €/Tag
Ziel: Maximiere €/Tag → optimaler Preis
"""
features = objekt_features.copy()
features['preis_abweichung_%'] = (preis_faktor - 1.0) * 100
features['preis_ueber_10pct'] = int(preis_faktor > 1.10)
# Vorhergesagte Verkaufsdauer
tage = model.predict(features.values.reshape(1,-1))[0]
tage = max(14, tage)
# Erwarteter Verkaufspreis (Verhandlungsabschlag)
verhandlung = 0.97 if preis_faktor <= 1.05 else 0.94
verkaufspreis = objekt_features['marktwert'] * preis_faktor * verhandlung
provision = verkaufspreis * provision_satz
return provision / tage # €/Tag als Optimierungsziel
# Für jedes Objekt den optimalen Preis-Faktor finden
for obj in objekte:
result = minimize_scalar(
lambda f: -provision_rate(f, model, obj),
bounds=(0.92, 1.20), method='bounded'
)
obj['optimaler_faktor'] = result.x
obj['optimaler_preis'] = obj['marktwert'] * result.x
print(f"Ø Optimaler Aufschlag: {np.mean(opt_faktoren)*100-100:+.1f}%")
print(f"Spanne: {np.min(opt_faktoren)*100-100:+.1f}% bis {np.max(opt_faktoren)*100-100:+.1f}%")
▸ Output
Ø Optimaler Aufschlag: +3.2%
Spanne: –2.1% bis +8.4%
(Variiert stark nach Lage und Nachfrage)
Preis-Dauer-Kurve: Universitätsviertel ETW vs. Umland West EFH
↳ Zwei völlig verschiedene Märkte
Im Universitätsviertel (hohe Nachfrage) ist der optimale Aufschlag +5.8% - hier können Sie aggressiver einpreisen, weil die Nachfrage den höheren Preis trägt. Im Umland West (schwache Nachfrage) liegt das Optimum bei –1.2% unter Marktwert - schneller Verkauf ist hier wertvoller als der letzte Euro. Gleiches Modell, gegensätzliche Empfehlung.
Provision pro Tag (€/Tag) - Optimum vs. typische Praxis
↳ Das Preissenkung-Paradox
28% aller Objekte erleben eine Preissenkung nach Ø 78 Tagen. Der Schaden: Nicht nur die verlorene Zeit - das Objekt wird als "Ladenhüter" wahrgenommen, Käufer vermuten Mängel, und der finale Verkaufspreis liegt 4.2% unter dem Preis, den eine korrekte Ersteinpreisung erzielt hätte. Das Modell verhindert genau dieses Szenario.
03 Business Impact - Mehr Provision in weniger Zeit
Die Doppelwirkung: Schnellere Verkäufe + höherer Netto-Erlös
Zusätzlicher Umsatz durch optimale Preisberatung
€445.800
Zusätzlicher Umsatz / Jahr
–28%
Weniger Preissenkungen
| Kategorie | Betrag/Jahr | Mechanismus |
|---|
| Vermiedene Preissenkungen | €198.200 | Korrekte Ersteinpreisung bei 118 Objekten → kein "Ladenhüter"-Stigma |
| Schnellerer Kapazitäts-Turnover | €162.400 | Ø 22 Tage kürzere Vermarktung → 19 zusätzliche Abschlüsse |
| Höherer Netto-Erlös bei Schnelldrehern | €85.200 | In Hochnachfrage-Lagen: optimaler Aufschlag statt "sicherer" Einpreisung |
↳ Der Beratungseffekt
Das Modell macht den Makler zum datengestützten Berater: "Ich verstehe, dass Sie €380.000 möchten. Unsere Analyse zeigt: Bei €380.000 rechnen wir mit 112 Tagen. Bei €365.000 sind es 48 Tage - und der Netto-Erlös nach Verhandlung ist nahezu identisch, weil Sie den Ladenhüter-Abschlag vermeiden." Das ist ein Gespräch, das Vertrauen aufbaut.