Volltextdatei(en) in REPOSIT vorhanden Open Access
DC ElementWertSprache
dc.contributor.advisorTropmann-Frick, Marina-
dc.contributor.authorPoth, Jan-
dc.date.accessioned2024-08-02T14:14:39Z-
dc.date.available2024-08-02T14:14:39Z-
dc.date.created2022-10-13-
dc.date.issued2024-08-02-
dc.identifier.urihttps://hdl.handle.net/20.500.12738/16138-
dc.description.abstractDie Immobilienbewertung ist komplex und beruht auf einer Vielzahl von Faktoren, die sich auf den Immobilienpreis auswirken. Künstliche Intelligenz (KI) besitzt die Fähigkeit solche komplexen Zusammenhänge automatisiert zu erkennen. Diese Arbeit widmet sich der Erforschung und Evaluation von künstlicher Intelligenz für die automatisierte Schätzung von Immobilienpreisen in Deutschland. Die besten Schätzungen konnten durch einen eXtreme Gradient Boosting Regression Tree erzielt werden, der eine mittlere Abweichung von 81 773 e zum tatsächlichen Immobilienpreis besitzt. Der Median der absoluten Abweichungen beträgt 45 527 e. In den Ergebnissen hat sich herausgestellt, dass die Leistung von maschinellem Lernen der multiplen linearen Regression überlegen ist. Praktische Anwendung könnte eine automatisierte Immobilienbewertung in Form eines Unterstützungssystems für Immobilienmakler und für die Ersteinschätzung durch Immobilienbesitzer finden.de
dc.description.abstractReal estate valuation is complex and based on a large number of factors that affect the price of real estate. Artificial intelligence (AI) has the ability to recognize such complex relationships in an automated way. This thesis is dedicated to the research and evaluation of artificial intelligence for the automated estimation of real estate prices in Germany. The best estimates could be obtained by an eXtreme Gradient Boosting Regression Tree, which has a average deviation of 81 773 e to the actual real estate price. The median absolute deviation is 45 527 e. The use of machine learning is superior to multiple linear regression in the performance of the results. In practice, an automated real estate valuation application can be used in the form of a support system for real estate agents and for initial appraisal by property owners.en
dc.language.isodeen_US
dc.subjectKIen_US
dc.subjectKünstliche Intelligenzen_US
dc.subjectBig Dataen_US
dc.subjectMaschinelles Lernenen_US
dc.subjectKünstliche neuronale Netzeen_US
dc.subjectImmobilienbewertungen_US
dc.subjectImmobilienpreisschätzungen_US
dc.subjectDatenanalyseen_US
dc.subjectAIen_US
dc.subjectartificial intelligenceen_US
dc.subjectbig dataen_US
dc.subjectmachine learningen_US
dc.subjectartificial neural networksen_US
dc.subjectreal estate valuationen_US
dc.subjectproperty valuationen_US
dc.subjectproperty price predictionen_US
dc.subjectdata analysisen_US
dc.subject.ddc004: Informatiken_US
dc.titleWie KI und Big Data die Immobilienbewertung verändern könntende
dc.typeThesisen_US
openaire.rightsinfo:eu-repo/semantics/openAccessen_US
thesis.grantor.departmentFakultät Technik und Informatiken_US
thesis.grantor.departmentDepartment Informatiken_US
thesis.grantor.universityOrInstitutionHochschule für Angewandte Wissenschaften Hamburgen_US
tuhh.contributor.refereeZukunft, Olaf-
tuhh.identifier.urnurn:nbn:de:gbv:18302-reposit-191504-
tuhh.oai.showtrueen_US
tuhh.publication.instituteFakultät Technik und Informatiken_US
tuhh.publication.instituteDepartment Informatiken_US
tuhh.type.opusBachelor Thesis-
dc.type.casraiSupervised Student Publication-
dc.type.dinibachelorThesis-
dc.type.driverbachelorThesis-
dc.type.statusinfo:eu-repo/semantics/publishedVersionen_US
dc.type.thesisbachelorThesisen_US
dcterms.DCMITypeText-
tuhh.dnb.statusdomainen_US
item.advisorGNDTropmann-Frick, Marina-
item.creatorGNDPoth, Jan-
item.languageiso639-1de-
item.cerifentitytypePublications-
item.openairecristypehttp://purl.org/coar/resource_type/c_46ec-
item.creatorOrcidPoth, Jan-
item.fulltextWith Fulltext-
item.grantfulltextopen-
item.openairetypeThesis-
Enthalten in den Sammlungen:Theses
Dateien zu dieser Ressource:
Zur Kurzanzeige

Seitenansichten

121
checked on 24.11.2024

Download(s)

148
checked on 24.11.2024

Google ScholarTM

Prüfe

HAW Katalog

Prüfe

Feedback zu diesem Datensatz


Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.