Die von Banken und Investoren gestellten Anforderungen an Gebäudedaten haben einen signifikanten Einfluss auf die operative Tätigkeit von Unternehmen in der Immobilienwirtschaft. Dies geht aus einer aktuellen Umfrage hervor, die von Apleona, dem ZIA und Coalition-X unter 112 Marktteilnehmern durchgeführt wurde. Die Ergebnisse verdeutlichen, dass rund 40 Prozent der Befragten den Einfluss der Datenanforderungen von Banken auf ihren operativen Betrieb als stark bis sehr stark einschätzen. Eine vergleichbare Relevanz wird den Anforderungen von Investoren zugeschrieben, wobei 39 Prozent deren Einfluss als stark oder sehr stark bewerten.
Im Vergleich dazu wird die Bedeutung regulatorischer Vorgaben als geringer eingestuft. So beurteilen etwa 24 Prozent der Teilnehmer den Einfluss der Nachhaltigkeitsberichterstattung nach CSRD/ESRS als stark bis sehr stark. Für die EU-Taxonomie liegt dieser Wert bei rund 22 Prozent, und für die Offenlegungsverordnung SFDR bei etwa 18 Prozent. Diese Zahlen unterstreichen, dass die direkt von Finanzpartnern kommenden Anforderungen derzeit das größte Gewicht für die operativen Prozesse darstellen.
Herausforderungen in der Datenerfassung und -bereitstellung
Die Erhebung von ESG- und Gebäudedaten erfolgt weiterhin überwiegend manuell, eine Methode, die von rund 54 Prozent der Befragten als primär genutzt genannt wird. Dies übertrifft andere Erhebungsmethoden deutlich. Etwa 40 Prozent der Daten werden über Property Manager bezogen, während rund 33 Prozent von Facility Managern stammen. Digitale Lösungen finden demgegenüber seltener Anwendung: CAFM-, Energiemanagement- oder Smart-Metering-Systeme werden jeweils von knapp 30 Prozent eingesetzt. Spezifische ESG-Softwareplattformen nutzen gut ein Fünftel der Unternehmen.
Dr. Jochen Keysberg, CEO der Apleona Group, konstatierte, dass sich die Immobilienwirtschaft lange Zeit mit heterogenen Datenbeständen und manuellen Prozessen arrangiert habe, dies jedoch künftig zunehmend ineffizient werde. Er betonte, dass Digitalisierung, Automatisierung und insbesondere der Einsatz von Künstlicher Intelligenz (KI) verlässliche, einheitlich definierte und nutzbare Daten voraussetzen. Datenqualität sei somit eine entscheidende Voraussetzung zur Hebung neuer Potenziale.
Bei der Bereitstellung von Daten für Banken und Investoren treten weitere Schwierigkeiten auf. Uneinheitliche Datenanforderungen werden von 70 Prozent der Befragten als größtes Problem genannt. Jeder zweite Teilnehmer sieht zudem in unklaren Definitionen und Bezugsgrößen von KPIs eine erhebliche Herausforderung. Fehlende Daten auf Gebäudeebene sowie manuelle, fehleranfällige Übertragungsprozesse werden von jeweils rund 41 Prozent der Befragten als hinderlich bezeichnet.
Transparenz und Zukunftsstrategien
Ein wachsender Handlungsdruck entsteht durch die Forderung von Banken und Aufsichtsbehörden nach Nachvollziehbarkeit der Herkunft und Verarbeitung risikorelevanter Daten, bekannt als Data Lineage. Dies erfordert die Dokumentation, woher Daten stammen und wie sie verarbeitet oder verändert wurden. Knapp die Hälfte der Befragten ist sich dieser steigenden Anforderungen bewusst und bereitet sich aktiv darauf vor. Weitere 30 Prozent sind damit vertraut, haben aber noch keine konkreten Maßnahmen ergriffen.
Auf europäischer Ebene wird ebenfalls an der Standardisierung von Gebäudedaten gearbeitet, unter anderem durch die Förderung eines digitalen Gebäudelogbuchs. Die Brancheninitiative Coalition-X erprobt parallel eine vertrauenswürdige und maschinenlesbare Datensignierung zur Bestätigung der Authentizität. Der ZIA fungiert als Schirmherr für diese Initiative, und Apleona zählt zu den Pilotpartnern, die die Echtheitssignierung von ESG-Gebäudedaten im operativen Betrieb testen. Ziel ist die Nutzbarmachung der Daten für automatisierte Prozesse und KI-Anwendungen.
Jochen Schenk, Vizepräsident des ZIA, betonte die Notwendigkeit klarer Definitionen und verlässlicher Echtheitszertifikate zwischen den Beteiligten. Daten sollten dort erfasst und gesiegelt werden, wo sie entstehen, um anschließend gesichert weitergegeben und genutzt werden zu können. Schenk wies darauf hin, dass KI die Notwendigkeit qualitativ hochwertiger Daten weiter verstärkt, zugleich aber auch zur Verbesserung der Datenqualität beitragen kann, etwa durch die frühzeitige Erkennung und Korrektur von Fehlern bei der Erfassung.
