PriceHubble ermöglicht Akteuren entlang der gesamten Immobilienwertschöpfungskette, wie z.B. Projektentwicklern, Institutionellen Anlegern, Asset und Property Managern, Bauträgern, aber auch Maklern, Banken und Versicherungen fundierte Immobilien- und Investitionsentscheidungen auf Basis datengetriebener Erkenntnisse.
Das Unternehmen aggregiert und analysiert eine wachsende Vielzahl an Daten und nutzt Big Data-Analytics sowie künstliche Intelligenz, um verlässliche Bewertungen und Prognosen, attraktive Live-Visualisierungen von tagesaktuellen Immobilienwerten, Entwicklungen der Lage sowie Standort- und Marktanalysen auf Mikro- und Makroebene bereit zu stellen.
Heatmap-Movie “Preisniveau-Entwicklung Frankfurt 2018-Oktober 2020”
Durch die Analyse von Immobiliendaten für Wohnimmobilien im Stadtgebiet Frankfurt hat PriceHubble die Entwicklung der Preisniveaus in den Jahren seit 2018 visuell dargestellt und als Video animiert. Dargestellt werden von PriceHubble ermittelte bzw. durch deren Modell geschätzte Marktpreise über die Jahre 2018 bis Oktober 2020 auf Quartalsbasis. Das auf Big Data und Machine Learning basierende Modell von PriceHubble zeigt um Qualitätsunterschiede bereinigte Preisniveaus, die für eine “typische Standardwohnung” gelten.
Die „Standardwohnung“ entspricht einer 3 Zimmer-Wohnung mit 70 Quadratmetern Fläche, 6qm Balkon, Aufzug, Baujahr 1977, gute Instandhaltung (Renovierung 2016) und durchschnittlicher Ausbaustandard.
Lokale Unterschiede kommen demnach nicht durch unterschiedliche Objektqualitäten zustande, sondern durch die allgemeine Preisentwicklung. Unabhängig von ihrer aktuellen Nutzung werden alle Gebäude entsprechend des dort erwarteten Preisniveaus für Wohnimmobilien eingefärbt. Das datengetriebene Modell von PriceHubble verzeichnet für das analysierte Stadtgebiet Frankfurt zwischen 2018 und Oktober 2020 einen durchschnittlichen Preisanstieg für die „Standardwohnung“ von 23%.