Immobilienpreise in Deutschland: Entwicklungen und Vergleiche
Mit disy Cadenza Preishochburgen und Schnäppchen-Hotspots analysieren
Im Immobilienmarkt kommt die Übersicht über aktuelle Preise und Entwicklungen oftmals zu kurz. Diesem Problem konnte mithilfe der GREIX*-Daten ein Ende gesetzt werden. Hinter dieser Abkürzung verbergen sich kurz gesagt Daten zu Immobilienverkäufen in Deutschland; teilweise seit den Siebzigerjahren. Wertet man diesen Datenschatz mithilfe der Business & Location Intelligence-Software disy Cadenza aus, werden spannende Entwicklungen und Trends deutlich.
Teuerste Städte und Stadtteile sowie Schnäppchen-Hotspots gilt es in unserer Datenstory zu identifizieren. Und gibt es für Eigentumswohnungen eigentlich andere geografische Preis-Hotspots als für Mehr- und Einfamilienhäuser? Lesen Sie mehr und lassen Sie sich inspirieren, wie Sie auch in anderen Themenbereichen mit disy Cadenza Mehrwerte schaffen können.
Dabei stellen wir uns folgende Fragen:
- Wie sieht die Entwicklung des GREIX über die Jahre aus? Und ist der Trend aktuell eher steigend oder fallend?
- Wie sehen die Quadratmeterpreise pro Immobilientyp im Jahr 2023 aus?
- In welchen Großstädten sind die Quadratmeterpreise von Eigentumswohnungen besonders hoch und wie haben sich die Quadratmeterpreise in den letzten Jahren entwickelt?
- Beispiel: Wie sehen die Quadratmeterpreise von Eigentumswohnungen für die einzelnen Stadtteile von München aus?
First Things First: Überblick über Status Quo und Entwicklung
Nochmal von ganz vorne: Mit Business Intelligence (BI) werden Daten verarbeitet, analysieret und visualisiert – Der Grundstein für faktenbasiertes Entscheiden wird gelegt. Location Intelligence (LI) bringt Geoinformation ins Spiel und verkuppelt so zwei wichtige Disziplinen: BI und Geo-Analytics. Genau dieses Zusammenspiel wird in dieser Datenanalyse eine sehr wichtige Rolle einnehmen.
Der GREIX liefert Preis-Transparenz für den Immobilienmarkt. Das Wort „GREIX“ ist dabei die Abkürzung für „German Real Estate Index“. Dabei haben Wirtschaftsforschende notariell belegte Immobilienkäufe in deutschen Großstädten der letzten 50 bis 60 Jahre gesammelt, aufbereitet und als öffentlich zugängliche Daten (Open Data) zur Verfügung gestellt. Bei den Daten handelt es sich um die tatsächlichen Transaktionsdaten bei Immobilienkauf, also nicht um die Angebotspreise. Disclaimer: Nicht für alle Städte gibt es auch Daten zu allen Immobilientypen.
Wir starten in unsere Analyse mit grundlegenden BI-Funktionalitäten. Dieses Liniendiagramm (Abbildung 1) zeigt die Gesamtentwicklung des GREIX (also aller erfassten Städte) über die Jahre. Die blaue Linie visualisiert die inflationsbereinigten Preise. Sowohl in der gelben als auch der blauen Linie ist die Boom-Phase Mitte der Zehner-Jahre zu erkennen; die Immobilienpreise gingen durch die Decke.
Seit 2022 ist jedoch ein Preiseinbruch zu erkennen. Aber: Deutet sich ein Fortsetzen dieses Trends an?
Abb. 3: Durchschnittlicher Quadratmeterpreis pro Stadt und Jahr
Wir filtern in Abbildung 2 mit nur einem Klick mittels Drill-down auf die Quartale der Jahre 2022 und 2023. Das Diagramm zeigt uns: Der Preisabfall hat sich abgeschwächt und wird aktuell nicht im bisherigen Ausmaß fortgesetzt.
Das Ganze kann auch auf Stadtebene betrachtet werden (Abbildung 3). Dort gibt es sogar die Unterscheidung nach Eigentumswohnungen sowie Ein- und Mehrfamilienhäusern.
Schon in der eingefärbten Tabelle sehen wir die enormen Preisunterschiede zwischen den verschiedenen Städten. Je dunkler die Farbe, desto höher der Quadratmeterpreis.
2023 verspricht Besserung
Wir bringen Location Intelligence ins Spiel, indem wir den in den Daten vorhandenen Raumbezug nutzen. In diesem Fall ist dieser implizit, weil lediglich der Name der Stadt vorhanden ist. Ein expliziter Raumbezug bestünde beispielsweise, wenn Koordinaten in den Daten hinterlegt wären. Indem wir Geometriedaten der einzelnen Städte ergänzen, können wir weitere Analysen in der Karte und somit einen wertvollen Perspektivwechsel vornehmen.
Wir springen also in ein Dashboard mit drei Kartensichten (wie es in Abbildung 4 zu sehen ist). Dort haben wir die Möglichkeit, die Quadratmeterpreise der drei Immobilientypen
- Eigentumswohnung
- Einfamilienhäuser
- Mehrfamilienhäuser
zu vergleichen.
Bei den Eigentumswohnungen sticht eigentlich nur eine Stadt deutlich hervor: München. Die bayrische Hauptstadt landet in der für das Jahr 2023 teuersten Kategorie. Das ist ein stolzer Durchschnittspreis. Bis auf die Daten in Frankfurt scheinen die Quadratmeterpreise in den Großstädten Deutschlands im Jahr 2023 recht ausgeglichen zu sein.
Im Gegensatz zu den Einfamilienhäusern, wo zumindest drei Städte – Düsseldorf, Frankfurt und Stuttgart – geringfügig herausstechen, sieht es bei den Mehrfamilienhäusern recht ausgeglichen aus.
Allgemein zeigt sich in den drei Karten, dass Preise für die (im Datensatz vorhandenen) Städte im Osten im Jahr 2023, selbst in Berlin, deutlich geringer waren als im Rest von Deutschland. Vor allem die gezeigten Städte im Süden scheinen sehr teuer zu sein. Daneben bietet auch das Ruhrgebiet – mit Ausnahme der Einfamilienhäuser in Düsseldorf – vergleichsweise niedrige Quadratmeterpreise.
Die höchsten Ausreißer erkennen wir aber eindeutig bei den Eigentumswohnungen. Also tauchen wir in diesen Sachverhalt ein bisschen tiefer ein.
Abb. 4: Vergleich verschiedener Immobilientypen
Eigentumswohnungen boomen in Großstädten
Abb. 5: Vergleich 2022 und 2023
Wie wir bereits durch Abbildung 1 festgestellt haben, wurde ein deutlicher Peak der Quadratmeterpreise in den Jahren 2021/2022 erreicht. Vergleichen wir mithilfe der beiden Karten aus Abbildung 5 also die beiden Jahre 2022 und 2023, so ist der Unterschied auch für die einzelnen Städte deutlich erkennbar. Dank der Kartenkopplung bleibt der Kartenausschnitt für beide Karten immer gleich, was beim Vergleichen der Daten enorm unterstützt. Technisch wäre auch die Kopplung über den Maßstab, unabhängig vom Kartenausschnitt, möglich.
Was direkt auffällt: Die 2022er-Karte zeigt viel mehr rote und gelbe Markierungen, was auf hohe Quadratmeterpreise schließen lässt. Neben dem tiefroten München und dem orangen Hamburg stechen auch die Städte Potsdam, Lübeck, Frankfurt, Düsseldorf und Stuttgart ins Auge. Für Hamburg liegen für das Jahr 2023 leider aktuell noch keine Daten vor, weshalb ein Vergleich mit 2022 nicht möglich ist.
Abb. 6: Tabellenvergleich 2022 und 2023
Was wir aus den Karten schon teilweise herauslesen konnten, zeigt uns die Tabelle aus Abbildung 6 strukturiert: Die Städte sortiert nach Quadratmeterpreisen. Daraus lassen sich folgende Erkenntnisse ableiten:
- Frankfurt ist in beiden Jahren unter den Top drei der höchsten Quadratmeterpreise (für Hamburg liegen wie erwähnt für das Jahr 2023 leider keine Daten vor)
- Köln stieg von Platz neun auf Platz sechs
- Bei den restlichen Platzierungen ändert sich kaum etwas
- Der letzte Punkt erfordert eigentlich keine weitere Beschreibung: München befindet sich in beiden Jahren deutlich und unangefochten auf Platz eins
Münchens Preisniveau war auch schon die letzten 20 Jahre sehr hoch (Abbildung 7). Im Liniendiagramm sieht man aber, dass in den letzten Jahren auch im Vergleich zu den anderen Städten der Quadratmeterpreis für Eigentumswohnungen drastisch gestiegen ist.
Abb. 7: Preisentwicklung der Städte über die Jahre
Unangefochten bei Eigentumswohnungen: München
Das Schöne an den GREIX-Daten ist, dass sie auch auf Stadtbezirksebene vorliegen. Wiederum das Schöne an disy Cadenza ist, dass wir solche Daten schnell visuell ansprechend und flexibel aufbereiten und analysieren können.
Unsere Karte enthält zwei wesentliche Layer: Die GREIX-Daten auf Stadtebene, also vorliegend als Punktdaten sowie auf Stadtbezirksebene in Form von Flächendaten. Dank der maßstabsabhängigen Anzeige von Layern, werden beide Layer nie gleichzeitig angezeigt. Bei einem sehr großen Maßstab werden so lediglich die Flächendaten angezeigt und umgekehrt bei einem sehr kleinen Maßstab nur die Punktdaten. Das ermöglicht einen einfachen Perspektivwechsel.
Wir legen also direkt los, indem wir eine Stadt in unserem Dashboard auswählen und weiter in die Karte reinzoomen, bis die Daten auf Stadtbezirksebene angezeigt werden. Disclaimer: Die Daten liegen nur bis 2022 vor.
Abb. 8: Stadtbezirke München 2021
Abbildung 8 zeigt die Quadratmeterpreise nach Stadtbezirk im Jahr 2022. Je dunkler der Bezirk, desto höher die Preise. Die Pfeile ordnen den Trend im Vergleich zum Vorjahr ein:
- Ein Pfeil nach unten bedeutet, dass der Trend fallend ist
- Ein Pfeil nach oben zeigt, dass er steigt
- Waagrechte Pfeile sagen uns, dass er konstant bleibt
Je größer der Pfeil, desto größer der Trend. Bedeutet für Abbildung 8: Die Preise tendierten 2022 größtenteils zum Abstieg.
Da man mit disy Cadenza ganz einfach Animationen erstellen und diese danach als MP4-Datei exportieren kann, dürfen wir uns beim Betrachten der zeitlichen Entwicklung der Immobilienpreise bequem zurücklehnen:
Abb. 9: Kartenanimation
Wir betrachten die letzten 30 Jahre, also starten im Jahr 1991. Zu Beginn der Animation ist in München im wahrsten Sinne des Wortes noch alles im grünen Bereich. Der Trend ist bis 2010 wechselhaft, seit 2010 aber kontinuierlich steigend. Auch an der seit 2010 orangen und roten Färbung erkennen wir, wie schnell der Preisanstieg plötzlich stattfand.
Was wir im Video wegen der auf Stadtbezirksebene nicht vorliegenden Daten nicht sehen, aber aus vorausgehender Analyse der Daten auf Stadtebene wissen, ist, dass zumindest seit 2022 die Preise wieder fallen.
Ein Dashboard gibt uns zum Abschluss noch einen Überblick über die Preisentwicklung der einzelnen Stadtbezirke Münchens. Wir stellen fest:
- Der Trend für die Preise von Eigentumswohnungen im Jahr 2022 ist in allen Bezirken sinkend, außer in Perlach – Berg am Laim
- Der teuerste Stadtbezirk ist Altstadt – Maxvorstadt
- Wiederum fiel hier das Preisniveau im Jahr 2022 auch am stärksten, um fast 8 %
Abb. 10: Dashboard München
Wir haben für diese Analyse ein breites Spektrum an Analysemöglichkeiten abgedeckt. Angefangen mit einfachen Betrachtungen von Sachdaten ging es mit Analysen aus dem Bereich Business Intelligence tiefer in die Materie. Mit Location Intelligence kam der räumliche Kontext hinzu, was die Analyse abgerundet und ein Gesamtbild der Daten gezeichnet hat. Es zeigt sich also: Die Welt der Daten ist vielseitig, mit den richtigen Werkzeugen kann man sie auch durchdringen. Mit disy Cadenza stehen Ihnen dafür zahlreiche Analysemöglichkeiten offen.
* Amaral, F. , Dohmen, M. , Schularick, M. & Zdrzalek, J. (2023) German Real Estate Index (GREIX). ECONtribute Discussion Paper Series - 231/2023
