Im Gespräch mit Quanthome AI: Was eine einfache Frage über Lausanne verrät

Manchmal ist der beste Weg zu verstehen, was eine AI leisten kann, ein reales Gespräch zu betrachten.

In diesem Fall begann alles mit einer sehr einfachen Frage an Quanthome AI:

"Welches Gebiet in Lausanne hat die höchste Anzahl an Stockwerkeigentum (PPE)?"

Keine SQL-Abfrage. Kein komplexes Dashboard. Kein Excel-Export. Nur eine Frage in einfacher Sprache.

Von dort aus verband sich Quanthome AI mit der Quanthome-Datenplattform, zog die relevanten Gebäude- und Wohnungsdaten für Lausanne heran, identifizierte, welche Wohnungen im Stockwerkeigentum waren, zählte sie nach Gebiet, verglich sie mit der Gesamtzahl der Wohnungen und berechnete den Anteil des Stockwerkeigentums nach Zone. All dies geschah im Hintergrund, während der Nutzer in einem natürlichen, menschlichen Gespräch blieb.

Die ersten Antworten von Quanthome AI gaben bereits ein klares Bild: Es gibt Zehntausende von Wohnungen in Lausanne, und ein erheblicher Teil davon befindet sich im Stockwerkeigentum. Einige Quartiere weisen eine sehr hohe Konzentration von Eigentümer- oder Stockwerkeigentumswohnungen auf, während andere noch von Mietgebäuden dominiert werden.

Sehr schnell bewegte sich das Gespräch von einem allgemeinen Überblick über Lausanne zu einer detaillierteren Ansicht nach Postleitzahl. Ich bat Quanthome AI, bestimmte PLZ wie 1003, 1004, 1005, 1006, 1007, 1010, 1012 und 1018 zu untersuchen und sowohl die Anzahl der Stockwerkeigentumseinheiten als auch den durchschnittlichen Preis pro Quadratmeter zu vergleichen.

Quanthome AI hob daraufhin Gebiete hervor, in denen Stockwerkeigentum besonders bedeutsam ist. Zum Beispiel kombinieren bestimmte Zonen einen hohen Anteil an Stockwerkeigentum mit überdurchschnittlichen Preisen pro Quadratmeter, was sie zu Schlüsselgebieten für das Verständnis von Nachfrage, Erschwinglichkeit und Investitionspotenzial macht. Andere zentrale Zonen bleiben überwiegend institutionell oder vermietet, auch wenn die Preise hoch sind.

In nur wenigen Austauschen erhielt ich etwas, das normalerweise Zeit und Koordination zwischen verschiedenen Teams erfordert: eine klare, datengestützte Geschichte darüber, wie Eigentum und Preise über eine Stadt verteilt sind.

Der interessanteste Teil des Gesprächs kam, als ich begann, die Art von Fragen zu stellen, die Analysten täglich stellen: Gibt es einen Zusammenhang zwischen dem Anteil an Stockwerkeigentum in einem Quartier und dem Preisniveau? Tendieren Gebiete mit mehr Wohneigentum dazu, teurer zu sein? Oder geht es eher um Lage, Prestige und Geschichte?

Anstatt eine vage oder generische Meinung abzugeben, tat Quanthome AI, was ein guter Analyst tun würde: Es ging zurück zu den Zahlen. Es erstellte für jede Postleitzahl einen kleinen Datensatz mit zwei Spalten: den Prozentsatz der Wohnungen im Stockwerkeigentum und den durchschnittlichen Preis pro Quadratmeter. Darüber hinaus mass es, wie stark diese beiden Variablen zusammen variieren, mittels einer einfachen Korrelationsanalyse. Praktisch gesehen untersuchte es, ob Postleitzahlen mit einem höheren Anteil an Stockwerkeigentum auch tendenziell höhere Preise aufweisen und inwieweit dieses Muster stark oder schwach ist -- und nicht nur zufälliges Rauschen.

Das Fazit war nuanciert und realistisch. Es gibt einen positiven Zusammenhang: Gebiete mit mehr Stockwerkeigentum sind im Durchschnitt tendenziell teurer. Aber dies ist nicht der einzige Faktor. Die Lage innerhalb der Stadt, Aussicht, Zugang zu Dienstleistungen, Alter und Qualität der Gebäude sowie die Geschichte jedes Quartiers spielen eine wichtige Rolle. Quanthome AI konnte dies in einfacher Sprache erklären, ohne Fachjargon, und stützte sich dabei auf reale Daten.

In Lausanne macht dieses Muster aus einer menschlicheren und meinungsstarken Perspektive auch intuitiv Sinn. Entwickler neigen dazu, Stockwerkeigentum dort zu bauen, wo die Preise bereits hoch sind, weil der Einzelverkauf von Einheiten lukrativer ist, wenn die Quadratmeterwerte stark sind. Sobald diese Projekte abgeliefert sind, ziehen sie natürlich Haushalte an, die es sich leisten können zu kaufen statt zu mieten. Im Laufe der Zeit entsteht eine Rückkopplungsschleife: Mehr Eigentumswohnungen ziehen wohlhabendere Bewohner an, das Gebiet wertet auf, Cafés und Dienstleistungen folgen, und die Preise steigen weiter. Mit anderen Worten: Höhere Preise fördern mehr Stockwerkeigentum, und mehr Stockwerkeigentum kann seinerseits zur Gentrifizierung und noch höheren Preisen beitragen. Und das ist nicht nur eine Lausanner Geschichte: Auf nationaler Ebene sind ähnliche Mechanismen in den grossen Schweizer Stadtzentren am Werk, wo höhere Preisniveaus oft mit einem grösseren Anteil an Stockwerkeigentum und schrittweiser Gentrifizierung einhergehen. Mit Quanthome AI kann diese Art von Analyse konsistent und datengestützt von einer einzelnen Stadt auf das ganze Land ausgeweitet werden.

Dieses Gespräch zeigt auch etwas Wesentliches darüber, wie Quanthome AI funktioniert. Das System ist direkt mit der Quanthome-Datenplattform verbunden, die Schweizer Immobiliendaten auf Gebäude- und Vehikelebene aggregiert. Wenn es antwortet, rät es nicht; es fragt strukturierte Datensätze ab: Gebäudeattribute, Eigentumsstatus, Transaktionen, Preise und mehr.

Ebenso wichtig ist, dass Quanthome AI herausgefordert werden kann. An einem Punkt signalisierte ich, dass eine vorherige Antwort falsch war. Anstatt sich zu verteidigen, überprüfte die AI die Filter, kontrollierte ihre Berechnungen und korrigierte das Ergebnis, wobei sie erklärte, was sich geändert hatte. Für Fachleute ist dieses Verhalten entscheidend: Sie können Quanthome AI wie einen Junior-Analysten behandeln, der schnell, unermüdlich und in der Lage ist, sich selbst zu korrigieren, wenn man ihn herausfordert.

Auch wenn sich dieses Beispiel auf Lausanne konzentriert, gilt die gleiche Logik für jede Stadt oder jedes Portfolio. Ein Asset Manager kann fragen, welche Zonen in seinem Portfolio die höchste Exposition gegenüber Stockwerkeigentum aufweisen, wo hohe Preise und hoher Eigentumsanteil zusammenfallen und ob seine Investitionen den Wert pro Quadratmeter wirklich maximieren -- oder wo neue Entwicklungen das Gleichgewicht zwischen Miet- und Eigentumswohnungen verändern. Eine Bank kann ähnliche Gespräche nutzen, um Kreditstrategien nach Gebiet zu verfeinern. Ein Fondsmanager kann sie nutzen, um Investitionsmemos vorzubereiten, die Geografie, Eigentumsform und Preisdynamik kombinieren.

Der Kernpunkt ist, dass nichts davon das Erlernen eines neuen Tools erfordert. Sie bleiben in einem Gespräch, und Quanthome AI übernimmt die schwere Arbeit auf der Quanthome-Datenplattform: Filtern, Aggregieren, Prüfen, Dokumentieren und Erklären.

Seit Jahren verfügt die Finanzwelt über Tools wie Bloomberg, um die Marktanalyse zu standardisieren und zu professionalisieren. Die Immobilienbranche ist oft fragmentiert geblieben, mit Daten verstreut über PDFs, Excel-Dateien und lokale Datenbanken.

Quanthome will das ändern. Durch die Kombination einer einheitlichen Immobiliendatenplattform mit einer AI, mit der man sprechen kann, ermöglichen wir es, von einer einfachen Frage -- "Welches Gebiet hat das meiste Stockwerkeigentum?" -- zu einer stadtweiten Diagnostik und dann zu Entscheidungen auf Portfolioebene zu gelangen.

Quanthome AI ist nicht hier, um Analysten zu ersetzen. Es ist hier, um ihnen schneller einen klareren Blick auf die Realität zu geben und ihnen zu helfen, bessere Fragen zu stellen. Und manchmal beginnt alles mit nur einer Zeile im Chatfenster.