PMG skizziert nächste Evolutionsstufe
virtueller Datenräume
München, 04. April 2017. Künstliche Intelligenz wird die milliardenschwere Real-Estate-Branche mittelfristig nachhaltig verändern und zu deutlichen Effizienzsteigerungen führen. Diese Überzeugung äußerte Patrick Reininger, Geschäftsführer der PMG Projektraum Management GmbH, im Rahmen der jüngsten Real Estate Lounge in München. „Ob automatische Datenablage, Prüfung der Vollständigkeit der Daten, Gewinnung von relevanten Inhalten mittels semantischen Verfahren oder die Anzeige von Risiken in Due Diligence-Verfahren: Künstliche Intelligenz und damit zunehmende Prozess-Automatisierung verkürzt Bearbeitungszeiten, senkt Kosten und reduziert durch Menschen verursachte Fehler“, so der PMG-Geschäftsführer.
Wie viele andere Branchen habe sich auch der Bereich Real Estate in den letzten Jahren in vier Evolutionsstufen weiter entwickelt: Nach Digitalisierung („Paper goes digital“), Dokumentenmanagement-Systemen sowie regelbasierten Prozessen und Workflows sei künstliche Intelligenz bzw. machine learning jetzt ein neuer, signifikanter Wertschöpfungsfaktor.
Reininger verwies auf ein Projekt bei der größten US-Bank JP Morgan, die durch Künstliche Intelligenz (KI) und damit einhergehende Automatisierungsprozesse bei der nervenaufreibenden Prüfung von Kreditanträgen pro Jahr 360.000 Arbeitsstunden einspare. Die verwendete Software scannt die Verträge in Sekunden, produziert weniger Fehler – und macht nie Urlaub. Überhaupt gehörten riesige Datenmengen, die zudem immer wieder den Besitzer wechselten, in unterschiedlichen Ablagestrukturen vorlägen und daher hohe manuelle Aufwände verursachten, zu den größten Herausforderungen im Real Estate. Immer wieder gingen inhaltliche Zusammenhänge und damit wertvolle Informationen verloren. Hohe Fluktuationen auf der Anwenderseite machten es schwierig, Dokumente bzw. Ergebnisse übersichtlich für sämtliche Nutzer aufzubereiten.
KI lässt sich im Bereich Real Estate z. B. für automatische Ablagen einsetzen, etwa bei der Kategorisierung vorhandener Dokumente. Manuelle Freigabe ist lediglich im Falle geringer Erkennungsgrade (Sicherheitswahrscheinlichkeit <95%) nötig. Auch bezüglich der Prüfung von Vollständigkeiten leistet machine learning wertvolle Unterstützung: Auf Basis eines Dokumenten-Index kann geprüft werden, ob zu jeder Dokumentenart mindestens ein Ergebnisdokument gefunden wurde. Auch redundante Dokumente lassen sich ermitteln und einfach eliminieren. In der Kategorie Abhängigkeiten ermittelt die KI, ob alle zu einem Dokumentenkorpus gehörenden Dateien auch tatsächlich vorliegen; alle abhängigen Dokumente werden zudem automatisch ermittelt. Patrick Reininger: „Diese Lösung hilft bei der Aufdeckung von monetären oder Haftungsrisiken. Ergebnis ist z. B. ein Hinweis auf unzureichende Dokumentation für eine Baugenehmigung.“ Mit dem Einsatz der KI werden alle Zusammenhänge als Netzwerk dargestellt. Das macht etwa Betreiberhaftungsrisiken transparent – „ein gewaltiger Mehrwert für den Anwender“, so Reininger. Im Bereich semantisch relevante Inhalte ermittelt die KI spezifische Werte bzw. Attribute aus den Dokumenten (z. B. Gewährleistungsfristen, Vertragsparteien, Mieternamen oder Objektdaten). Die zu ermittelnden Werte unterschieden sich je nach Kategorie bzw. Klasse. Beim Eintreten bestimmter Ereignisse werden automatisch Erinnerungen versandt.
Im Rahmen der Due Diligence werden alle Dokumente im Datenraum geprüft und die Dateien in eine Data Request List bzw. Due Diligence Checklist strukturiert. Alles Irrelevante wird dabei sofort aussortiert. Die KI zeigt potenzielle Risiken auf und weist auf Unregelmäßigkeiten im Datenbestand hin. Mittels maschinellem Lernen lassen sich Dokumenterfassungen konsolidieren; somit wird jeweils der letzte Stand mit allen Änderungen gezeigt. Die KI erkennt Zusammenhänge zu internen und externen Dokumenten sowie zu Gesetzen und Rechtsprechung. Dadurch nimmt das Volumen an manuellen Recherchen und Prüfungen ab; gleichzeitig steigt der Erkenntnisgewinn. Mit linguistischer bzw. semantischer Unterstützung wird die Suche präziser, und die Ergebnisse sind gegenüber der Suche in virtuellen Datenräumen signifikant besser. Last but not least, so Patrick Reininger, lasse sich die Vergütung der beteiligten Anwälte bzw. M&A-Berater stärker am (Mehr-)Wert bemessen, weniger am Zeitaufwand.