KI-Immobilienbewertung 2026: 36 Monate Prognose in den USA, null auf Phuket

Ein Kunde schickt einen Link zu einem Studio in Rawai und stellt eine einzige Frage: Ist der Preis fair? In Ohio dauert die Antwort eine Minute, dort öffnet man den Preisindex auf Ebene des Census Block, prüft die Dreijahresprognose und liefert eine Spanne. In Rawai lautet die ehrliche Antwort anders: Wir schauen uns vergleichbare Anzeigen an und versuchen herauszufinden, wie viele davon noch aktiv sind.

Im August 2026 hat ATTOM seinen Home Price Index in die eigene Plattform integriert. Der Index basiert auf mehr als 30 Jahren eigener Transaktionsdaten, wird monatlich aktualisiert, reicht bis auf Census-Block-Ebene hinunter und liefert Prognosen für bis zu 36 Monate. Statt Bezirksmedianen gibt es einen fortlaufenden Index, berechnet aus Millionen verifizierter Transaktionen, mit separaten Serien für Einfamilienhäuser, Eigentumswohnungen, Reihenhäuser und einem Gesamtindex für Wohnimmobilien.

Das interessanteste Detail steckt in der Art der Datenlieferung: API, Großhandelslizenzen, Cloud und ein MCP Server. Letzterer bedeutet, dass ein Sprachmodell den Index direkt als Werkzeug abrufen kann. Bewertung wird damit nicht mehr zu einem Bericht, den jemand drei Tage lang erstellt, sondern zu einem Funktionsaufruf innerhalb eines Dialogs.

In Thailand existiert nichts Vergleichbares.

Das liegt nicht am Fehlen von Modellen, die sind frei verfügbar. Das Problem ist, dass es an Futter für diese Modelle fehlt. Das Land Department registriert Eigentumsübertragungen, aber diese Daten existieren nicht als offene, abfragbare Reihe. Der im Vertrag angegebene Preis stimmt oft mit dem staatlichen Schätzwert überein, der in Zyklen von etwa vier Jahren überarbeitet wird und dem Markt naturgemäß hinterherhinkt. Ein erheblicher Teil des Erstmarkts auf Phuket und Koh Samui wird über Preislisten der Bauträger verkauft, bei denen die tatsächliche Ökonomie des Geschäfts in Rabatten, Möbelpaketen und versprochenen Renditen versteckt ist, nicht in der Zahl auf dem Chanote. Das Real Estate Information Center veröffentlicht zwar regelmäßige Preisindizes, doch deren Abdeckung konzentriert sich auf Bangkok und die Vororte, nicht auf die Ferien-Submärkte.

Nun zu dem, was hier tatsächlich funktioniert. Maschinelles Lernen bringt in der thailändischen Immobilienbranche kein Geld durch die Bewertung von Verkaufspreisen, sondern an zwei anderen Stellen. Erstens die Fleißarbeit mit Daten: Duplikate aus Anzeigen entfernen, bei denen dieselbe Einheit von fünfzehn Maklern zu fünf unterschiedlichen Preisen gelistet ist, Scans von Chanote-Dokumenten und Verträgen erkennen, thailändische Formulierungen übersetzen, Zahlungspläne nach DDP-Modell analysieren. Zweitens die Tagesmieten. Hier gibt es Daten: Belegung und ADR auf Buchungsplattformen sind Monate zurückverfolgbar, und dynamische Preisalgorithmen für eine Villa in Bang Tao erzielen messbare Umsatzsteigerungen. Paradoxerweise ist das verlässlichste ML-Signal auf Phuket der Preis pro Nacht, nicht der Preis pro Quadratmeter.

Was hingegen nicht funktioniert: Jedes auf Anzeigenpreisen trainierte AVM reproduziert die Übertreibung der Angebotspreise. Die Differenz zwischen Angebots- und Endpreis ist auf den Ferien-Submärkten instabil und verhält sich von Gebäude zu Gebäude unterschiedlich, weshalb das Modell eine selbstsichere Zahl mit sinnloser Präzision ausgibt. Fügt man Trainingsdaten mit versprochenen Renditen von angeblich 7 Prozent jährlich hinzu, die durch keinerlei Buchhaltung belegt sind, erhält man eine Maschine, die Marketing sauber in Zahlen übersetzt.

Zum globalen Vergleich lohnt ein Blick auf den US-Markt: Dort erreichen AVMs bei Standardwohnimmobilien mediane Fehlerquoten von rund 2 bis 3 Prozent, bei Mehrfamilienhäusern und Eigentumswohnungen eine Genauigkeit von 95 bis 97 Prozent, während sie bei Luxusobjekten und Villen wegen Datenknappheit und Einzigartigkeit auf 10 bis 20 Prozent Fehlerquote springen, ein Muster, das sich auf Phukets Villenmarkt eins zu eins übertragen lässt.

Meine Position: Kaufen Sie 2026 keine Produkte mit der Aufschrift 'KI-Bewertung' für den thailändischen Markt. Nutzen Sie Modelle dort, wo sie Dokumente und Sprachen lesen, und bauen Sie Ihre eigene Datenbank echter Transaktionen von Hand auf. Die Ausnahme ist einfach: Wer eine Off-Plan-Einheit zum fixen Bauträgerpreis kauft, den betrifft diese Diskussion nicht, das Risiko liegt im Bau und im Zahlungsplan, nicht in der Bewertungsgenauigkeit.

Kurzantwort

• Der ATTOM Home Price Index wurde im August 2026 gestartet: über 30 Jahre Historie, monatliche Aktualisierung, Detailgrad bis Census Block, Prognose bis zu 36 Monate.

• Der Index berechnet sich aus Millionen verifizierter Transaktionen statt aus Medianwerten, mit separaten Serien für Einfamilienhäuser, Eigentumswohnungen, Reihenhäuser plus Gesamtindex.

• Daten werden über API, Großhandelslizenzen, Cloud und MCP Server ausgeliefert, ein Sprachmodell kann den Index also als Werkzeug direkt abfragen.

• In Thailand gibt es kein Äquivalent: Es existiert kein offenes, abfragbares Register von Transaktionspreisen, und der staatliche Schätzwert wird nur etwa alle vier Jahre aktualisiert.

• Was in Thailand schon heute funktioniert: Dokumenten- und Vertragsanalyse, Duplikat-Bereinigung von Anzeigen, Übersetzung, dynamische Preisgestaltung bei Tagesmieten.

• Praktische Konsequenz: Verkaufspreise manuell prüfen, über den Schätzwert, die Hausverwaltung des Gebäudes und die Historie konkreter Einheiten.

Wichtige Fakten

• Der Prognosehorizont des ATTOM HPI beträgt bis zu 36 Monate, die Aktualisierung erfolgt monatlich, die Datenbasis umfasst über 30 Jahre eigener Eigentums- und Transaktionsaufzeichnungen.

• Der Detailgrad des Index reicht bis zur Ebene des Census Block, was etwa ein bis zwei Häuserblocks entspricht, nicht einem ganzen Stadtviertel.

• Eine eigene Serie für Eigentumswohnungen existiert, weil sich dieses Segment anders bewegt als Einfamilienhäuser, eine gemeinsame Mittelwertbildung wäre sinnlos. Für Thailand ist das die zentrale Lehre: Kondos und Villen dürfen nicht gemittelt werden.

• In Thailand dürfen Ausländer höchstens 49 Prozent der Fläche eines Kondominiums besitzen, Einheiten innerhalb der Foreign Quota und der Thai Quota werden zu unterschiedlichen Preisen gehandelt, was jedes einheitliche Modell verwischt.

• Die staatliche Übertragungsgebühr beträgt 2 Prozent des Schätzwerts, die Special Business Tax von 3,3 Prozent greift bei Weiterverkauf innerhalb von 5 Jahren nach dem Erwerb, eine Stempelsteuer von 0,5 Prozent gilt, wenn die SBT nicht erhoben wird.

• Landesweite Preisindizes veröffentlicht das Real Estate Information Center, die umfassendste Abdeckung betrifft jedoch Bangkok und die angrenzenden Provinzen.

• Der Markt schätzt die Ferienmietrendite auf Phuket auf etwa 5 bis 10 Prozent jährlich vor Steuern und Verwaltungskosten, wobei die Kostenseite in Präsentationen meist fehlt; für 2026 werden zudem Preissteigerungen von 8 bis 10 Prozent pro Jahr auf Phuket prognostiziert.

So fangen Sie an: Schritt fur Schritt

1. Führen Sie Ihr eigenes Transaktionsjournal. Eine Tabelle mit 30 bis 50 Zeilen: Adresse, Gebäude, Fläche, Quote, Datum, Angebotspreis, Endpreis, Quelle. Ohne das rechnet jeder Algorithmus mit Anzeigen, und Anzeigen lügen meist in dieselbe Richtung.

2. Fordern Sie vom Verkäufer die Chanote-Nummer an und prüfen Sie damit den staatlichen Schätzwert. Das ist kein Marktpreis, aber der einzige offizielle Bezugspunkt, von dem die 2 Prozent Übertragungsgebühr berechnet werden.

3. Fragen Sie die Hausverwaltung des Gebäudes nach Eigentümerwechseln der letzten 12 Monate bei vergleichbaren Einheiten. Die juristische Person des Kondominiums sieht Eigentümerwechsel, das ist die realitätsnächste lokale Statistik am thailändischen Markt.

4. Bereinigen Sie Duplikate zum Objekt. Laden Sie alle gefundenen Anzeigen zum Gebäude in ein Sprachmodell und lassen Sie sie nach tatsächlichen Einheiten gruppieren. Abweichungen von 15 bis 20 Prozent bei derselben Wohnung kommen regelmäßig vor.

5. Prüfen Sie die Miete anhand tatsächlicher Raten. Sehen Sie sich Belegung und Tagespreise der vergangenen 12 Monate für das konkrete Haus an, nicht die Präsentation. Berücksichtigen Sie die Provision der Hausverwaltung und die Nebensaison Mai bis Oktober.

6. Lassen Sie den Vertrag durch ein Modell laufen. Thailändische DDP- und SPA-Verträge lassen sich in Minuten übersetzen und analysieren: Zahlungsplan, Vertragsstrafen bei Bauverzug, Bedingungen für Weiterverkauf vor Fertigstellung. Das ersetzt keinen Anwalt, spart ihm aber Stunden und Ihnen Geld.

7. Planen Sie Besichtigungen dicht. Bei einer Reise lassen sich realistisch 8 bis 12 Objekte besichtigen, sofern Flug und Unterkunft in der Nähe des Zielgebiets liegen, nicht am anderen Ende der Insel.

8. Legen Sie Ihre Preisobergrenze vor den Besichtigungen fest und notieren Sie die Abweichung der Realität davon. Nach einem Dutzend Geschäften ist das Ihr eigener Index, und er ist präziser als jeder fremde.

FAQ

Gibt es in Thailand einen Preisindex mit Genauigkeit auf Quartiersebene wie den ATTOM HPI in den USA?

Nein. Der amerikanische Index reicht bis zum Census Block und wird monatlich auf Basis von über 30 Jahren Transaktionsdaten aktualisiert. In Thailand gibt es keine offene Reihe von Transaktionspreisen, öffentliche Indizes decken vor allem Bangkok und die Vororte ab.

Kann man einer KI-Bewertung einer Wohnung auf Phuket vertrauen?

Nur mit Vorsicht und nur als erste Annäherung. Modelle werden auf Anzeigenpreisen trainiert, nicht auf tatsächlichen Verkaufspreisen, weshalb sie systematisch überhöhen. Die Differenz zwischen Angebots- und Endpreis unterscheidet sich von Gebäude zu Gebäude, eine 36-Monats-Prognose wie bei US-Indizes ist hier nicht erreichbar.

Was bedeutet MCP Server im Kontext der Immobilienbewertung?

Es ist eine Methode, Daten direkt einem Sprachmodell als Werkzeug zur Verfügung zu stellen. ATTOM hat den MCP Server neben API, Cloud und Großhandelslizenzen als Vertriebskanal für den Index aufgenommen. Praktisch kann ein Agent den Index während eines Dialogs selbst per Adresse abfragen.

Wo bringt KI am thailändischen Markt bereits Geld?

Bei der Dokumentenanalyse, Übersetzung, Duplikat-Bereinigung von Anzeigen und bei der dynamischen Preisgestaltung von Tagesmieten. Bei Tagesraten gibt es Daten aus den vergangenen Monaten, deshalb funktionieren Algorithmen hier. Bei Verkaufspreisen fehlen solche Daten.

Warum dürfen Villen und Eigentumswohnungen nicht in einem Modell gemittelt werden?

Weil es sich um unterschiedliche Märkte handelt. ATTOM führt bewusst separate Serien für Kondos, Reihenhäuser und Einfamilienhäuser. In Thailand kommt eine zusätzliche Aufspaltung hinzu: Wohnungen innerhalb der 49-Prozent-Ausländerquote und innerhalb der Thai Quota kosten unterschiedlich.

Wie prüft man den tatsächlichen Verkaufspreis in einem konkreten Kondominium?

Über die juristische Person des Gebäudes und über den Schätzwert anhand der Chanote-Nummer. Ersteres zeigt Eigentümerwechsel der letzten Monate, Letzteres liefert die offizielle Basis, von der 2 Prozent Übertragungsgebühr und 3,3 Prozent SBT bei Verkauf innerhalb von 5 Jahren berechnet werden.

Lohnt sich ein Abo für KI-Analysen zu Immobilien in Thailand?

Nach eigener Erfahrung: nein, solange das Produkt die Quelle der Transaktionspreise nicht offenlegt. Kann der Anbieter nicht erklären, woher die nicht öffentlichen Preise stammen, zahlt man für eine schöne Visualisierung von Anzeigen.

Wird KI den thailändischen Markt in den kommenden Jahren verändern?

Zunächst verändert sie die Arbeit von Maklern und Anwälten, nicht die Bewertung selbst. Sobald das Land Department Transaktionsdaten maschinenlesbar öffnet, wird sich der Abstand zum amerikanischen Modell rasch verringern. Bis dahin hat denjenigen den Vorteil, der eine eigene Transaktionsdatenbank führt.

Source: Home In Phuket

Bereit, in Thailand zu investieren? Unsere Experten helfen Ihnen, die perfekte Immobilie zu finden.

---

KI-Tools fur Immobilienprofis lernen? Wir bieten einen kostenlosen praktischen Kurs: Kostenlos einschreiben - https://class.asterofasia.com/

---