The real estate valuation sector is a crucial component of the real estate industry, serving various purposes and often mandated by regulations. The Global Financial Crisis (GFC) in 2008 highlighted the critical role of accurate valuations in preventing economic collapse, resulting in tighter global regulatory requirements for real estate valuations. In response, the appraiser industry embarked on a transformative journey, driven by evolving regulations, industry-specific challenges, and digitalization. A shift towards cost-efficiency and innovation has created a demand for cutting-edge technologies, notably Artificial Intelligence (AI) and machine learning, to optimize the valuation process. The dwindling number of appraisers and a lack of new entrants have further underscored the need for automated solutions. AI, particularly machine learning, holds the promise of revolutionizing real estate valuation by automating traditionally manual tasks. This dissertation addresses critical knowledge gaps in the application of modern machine learning algorithms within the appraiser industry. By elucidating their optimal use, explainability, and location assessment capabilities, it equips real estate researchers and practitioners to harness the potential of AI, enhance decision-making, and bolster efficiency in real estate valuation practices.

Der Sektor der Immobilienbewertung nimmt eine wichtige Rolle innerhalb der Immobilienwirtschaft ein, welche verschiedenen Zwecken dient und oftmals regulatorisch vorgeschrieben ist. Die globale Finanzkrise (GFC) im Jahr 2008 hat die Wichtigkeit genauer Bewertungen hinsichtlich der Verhinderung wirtschaftlicher Zusammenbrüche verdeutlicht, was zu verschärften globalen regulatorischen Anforderungen für Immobilienbewertungen geführt hat. Als Reaktion darauf hat die Gutachterbranche eine transformative Reise angetreten, angetrieben von sich entwickelnden Vorschriften, branchenspezifischen Herausforderungen und der Digitalisierung. Eine Verschiebung hin zur Kosteneffizienz und Innovation hat eine Nachfrage nach modernsten Technologien, insbesondere künstlicher Intelligenz (KI) und maschinellem Lernen, zur Optimierung des Bewertungsprozesses geschaffen. Die schwindende Anzahl von Gutachtern und der Mangel an Neueinsteigern haben die Notwendigkeit automatisierter Lösungen weiter unterstrichen. KI, insbesondere maschinelles Lernen, verspricht, die Immobilienbewertung durch die Automatisierung traditionell manueller Aufgaben zu revolutionieren. Diese Dissertation behandelt wesentliche Wissenslücken bei der Anwendung moderner maschineller Lernalgorithmen innerhalb der Profession der Immobiliengutachter. Durch die Erläuterung der optimalen Verwendung, Erklärbarkeit und Fähigkeiten zur Standortbewertung maschineller Lernalgorithmen stellt diese Dissertation Immobilienforschern und -praktikern wichtige Erkenntnisse zur Verfügung, die künftig dabei helfen mittels KI Entscheidungsfindungen zu verbessern und die Effizienz in Immobilienbewertungspraktiken zu stärken.