Von Daten zu Entscheidungen – KI entlang der Hypothekar-Wertschöpfungskette
Ein persönlicher Rückblick auf das Hypoforum 2025
Am 5. November hatte ich die Gelegenheit, gemeinsam mit Thomas Zerndt, CEO des Business Engineering Institute St. Gallen, auf dem 17. Hypoforum in Zürich eine Präsentation zu halten. Unser Thema: der gezielte Einsatz von Künstlicher Intelligenz entlang der Hypothekar-Wertschöpfungskette. Schon der Titel unseres Vortrags – „Von Daten zu Entscheidungen“ – fasst die Kernfrage zusammen: Wie kann KI nicht nur Prozesse automatisieren, sondern spürbaren Mehrwert in der Kundeninteraktion und der Qualität von Entscheidungen schaffen?
Vier Stationen, viele Möglichkeiten
Der Lebenszyklus einer Hypothek kann, stark vereinfacht, in vier Schritten zusammengefasst werden – von der ersten Immobiliensuche bis hin zur finalen Kreditentscheidung. Entlang dieser Kette ergeben sich an jeder Station konkrete und zum Teil bereits erprobte Anwendungsfelder für den Einsatz von KI.
1. Objektsuche
Die Immobiliensuche beginnt für viele mit standardisierten Filterfunktionen auf bekannten Portalen – aber KI eröffnet neue Wege. Bereits jetzt kann ich als Nutzer einfach formulieren: „Ich suche eine ruhige, helle Wohnung mit Balkon in Fahrradnähe zum Zürcher HB“ – und ein KI-System versteht meine Bedürfnisse und liefert passende Vorschläge. Genau das ermöglichen Large Language Models wie ChatGPT.
Ein Szenario, in dem Käufer und Verkäufer über ein dialogbasiertes System direkt miteinander verbunden werden – personalisiert, effizient und intuitiv – könnte in Zukunft realisiert werden. Künftig könnten solche Systeme sogar potenzielle Immobilien vorschlagen, die zwar noch nicht auf dem Markt sind, deren Verkauf aber wahrscheinlich ist – basierend auf Verhaltensdaten, historischen Transaktionen und Marktentwicklungen.
Natürlich stellen sich hier Fragen zum Datenschutz, zur Nachvollziehbarkeit und zur Akzeptanz solcher Vorhersagen. Ob und wann sich solche Lösungen durchsetzen, bleibt offen – aber die technologische Richtung ist klar und sie ist spannend.
2. Hypothekarantrag
Der Hypothekarantrag ist in vielen Fällen mit einer regelrechten Dokumentenflut verbunden – eine Hürde für Kund:innen wie für Banken. Genau hier setzen KI-basierte Agentensysteme an: Sie lesen eingereichte Unterlagen automatisiert aus, prüfen deren Vollständigkeit und extrahieren die relevanten Daten in strukturierter Form.
Ein Beispiel eines modular aufgebauten Agenten-Systems, das nach dem Prinzip von Amazon Web Services funktioniert (siehe: link aws) zeigt auf, wie der Antragsprozess automatisiert werden kann. Ein zentraler Supervisor-Agent steuert dabei den Gesamtprozess und koordiniert spezialisierte Sub-Agenten – für Dokumentenerkennung, Validierung, Compliance-Check und Datenübergabe. Das Resultat: beschleunigte Durchlaufzeiten, weniger manuelle Fehler und deutlich mehr Transparenz.
3. Objektbewertung
Die Bewertung von Immobilien war lange ein statischer Prozess, der stark auf hedonistischen Modellen basierte. Mit KI – insbesondere neuronalen Netzen, Satellitendaten und Reinforcement Learning – lassen sich heute dynamische und kontextsensitivere Modelle erstellen.
Besonders spannend ist dabei der Einsatz generativer KI für Szenarienanalysen: Was passiert mit dem Immobilienwert nach einer Sanierung? Oder wenn das Quartier durch neue Infrastruktur oder sozioökonomische Veränderungen aufgewertet wird? Solche Simulationen lassen sich über sogenannte „Digital Twins“ realisieren – also digitale Kopien realer Immobilienobjekte, auf denen verschiedene bauliche oder marktbedingte Szenarien getestet werden können.
Ein Beispiel: Basierend auf historischen Marktreaktionen kann simuliert werden, welche Sanierungsvariante den höchsten Wertzuwachs verspricht. Aber auch Belehnungen lassen sich künftig dynamischer gestalten – etwa wenn KI-basierte Marktentwicklungssimulationen positive Werttrends vorwegnehmen. Die Potenziale sind gross – gleichzeitig braucht es datengetriebene Sorgfalt, um Überoptimierungen oder Modellfehler zu vermeiden.
4. Kreditentscheid
Der finale Kreditentscheid wird durch KI zunehmend in Richtung Echtzeit verlagert. Anträge lassen sich auf Basis aktueller Marktdaten, Kundenverhalten und ESG-Kriterien risikoadjustiert bewerten – mit unmittelbarem Einfluss auf Pricing und Konditionen.
Die zentrale Herausforderung: Diese Entscheidungen müssen nicht nur effizient, sondern auch transparent sein. Explainable AI (XAI) wird deshalb zum Schlüsselbegriff. Denn weder Kund:innen noch Berater:innen – geschweige denn Regulatoren – akzeptieren Entscheidungen, deren Zustandekommen sich nicht nachvollziehen oder überprüfen lässt.
Gerade in sensiblen Bereichen wie Hypotheken braucht es klare Governance, Monitoring und ein tiefes Verständnis für die Funktionsweise der Modelle. Zentral ist dabei das Prinzip des „Human in the Loop“: Menschliche Fachentscheider bleiben aktiv in kritische Entscheidungsprozesse eingebunden, um die Plausibilität von Resultaten zu prüfen und gegebenenfalls zu korrigieren. Nur so lässt sich Vertrauen erhalten – und die Vorteile der KI verantwortungsvoll und im Sinne des Kunden nutzen.
KI ist mehr als Technologie
Die wichtigste Erkenntnis von diesem Tag: KI wird längst nicht mehr als Zukunftsthema diskutiert, sondern als fester Bestandteil des Bankalltags. Viele Teilnehmende berichteten von laufenden Pilotprojekten und ersten produktiven Umsetzungen. Gleichzeitig zeigte sich deutlich: Ohne ethische Leitplanken, klare Governance-Strukturen und saubere Datenqualität kann KI ihr Potenzial nicht entfalten.
Fazit
Künstliche Intelligenz bietet entlang der gesamten Hypothekar-Wertschöpfungskette ein enormes Transformationspotenzial. Ob bei der Immobiliensuche, der Antragsverarbeitung, der Objektbewertung oder dem Kreditentscheid – KI kann Prozesse nicht nur beschleunigen und effizienter gestalten, sondern auch qualitativ verbessern.
Entscheidend ist dabei ein verantwortungsvoller Umgang mit den Technologien: Erklärbare Modelle, robuste Datenqualität und klare regulatorische Rahmenbedingungen bilden das Fundament. Ergänzend dazu spielt das Prinzip des „Human in the Loop“ eine zentrale Rolle – denn in kritischen Phasen bleibt der Mensch als prüfende Instanz unersetzlich.
Wer es schafft, technische Innovation mit Vertrauen, Transparenz und Kundennutzen zu verbinden, kann die Hypothekarwelt der Zukunft aktiv mitgestalten.
Ich freue mich auf den weiteren Diskurs – und darauf, gemeinsam mit Partnern konkrete Lösungen zu entwickeln.
Quellen
Figure 1 Eigene Illustrierung eines Matches von Käufer und Verkäufer auf ChatGPT
Figure 2 Eigene vereinfachte Darstellung des automatisierten aws Hypoprozesses
Figure 3 Simulationen von verschiedenen Szenarien mit Digital Twin, eigene Darstellung
Figure 4 Digital Twin und Erhöhung der Belehnung basierend auf dem, eigene Darstellung
Mit einem akademischen Hintergrund in Mathematik (MSc, Universität Zürich) und Berufserfahrung als IT Consultant in Zürich verbindet er analytische Stärke mit praxisnaher Umsetzung. In verschiedenen Projekten bei Schweizer Grossbanken verantwortete er die Entwicklung und Implementierung von Lösungen in den Bereichen Datenmigration, Reconciliation und Automatisierung. Dabei setzte er Python und SQL ein, um komplexe Prozesse zu optimieren und Daten als messbaren Wert für das Business nutzbar zu machen.
Durch die Kombination aus Forschung, Lehre und Beratung arbeitet er daran, skalierbare, datenbasierte Lösungen für das Banking der Zukunft zu gestalten.