Ökonomisches Modell mit Risikobetrachtung für die Projektentwicklung Eine Problemanalyse mit Lösungsansätzen Von der Fakultät Bauwesen der Universität Dortmund genehmigte Dissertation zur Erlangung des akademischen Grades eines Doktors der Ingenieurwissenschaften von Dipl.-Ing. Ursula Holthaus Tag der mündlichen Prüfung 11.01.2007 in Dortmund Erster Gutachter: Univ.-Prof. Dr.-Ing. Udo Blecken Zweiter Gutachter: Univ.-Prof. Dr.-Ing. Volker Kuhne Dritter Gutachter: Univ.-Prof. Dr.-Ing. Mike Gralla Meinen Eltern Inhalt I Inhalt Inhalt .................................................................................................................. I Abkürzungsverzeichnis................................................................................... V Vorwort ........................................................................................................... VII 1. Einleitung...................................................................................................... 1 1.1 Problemstellung ....................................................................................... 1 1.2 Zielsetzung ............................................................................................... 9 1.3 Vorgehensweise..................................................................................... 11 2. Grundlagen und Problemanalyse ............................................................. 15 2.1 Die Projektentwicklung von Immobilien............................................... 15 2.1.1 Die Immobilie und die Besonderheiten des Immobilienmarktes……...15 2.1.1.1 Definition der Immobilie ............................................................. 16 2.1.1.2 Besonderheiten von Immobilien ................................................ 18 2.1.1.3 Unterscheidung nach Immobilienarten ...................................... 22 2.1.1.4 Besonderheiten des Immobilienmarktes.................................... 28 2.1.1.5 Einfluss der Bau- und Immobilienwirtschaft auf die volkswirtschaftliche Entwicklung ............................................... 30 2.1.2 Die Projektentwicklung im Lebenszyklus der Immobilie………………32 2.1.2.1 Definition der Projektentwicklung............................................... 32 2.1.2.2 Typologisierung der Projektentwicklungsarten .......................... 35 2.1.2.3 Akteure der Projektentwicklung ................................................. 36 2.1.2.4 Ausgangssituationen der Projektentwicklung ............................ 43 2.1.2.5 Projektentwicklung im Lebenszyklus von Immobilien ................ 45 2.1.2.6 Phasendeterminierte Sichtweise der Projektentwicklung .......... 48 2.1.2.7 Die Risiken der Immobilien- Projektentwicklung........................ 51 2.2 Das Risikomanagement......................................................................... 63 2.2.1 Das Risiko und seine Kategorisierung ………………………………….64 2.2.1.1 Risiko......................................................................................... 64 2.2.1.2 Chance ...................................................................................... 66 2.2.1.3 Sicherheit und Risiko................................................................. 67 2.2.1.4 Das Risikoverständnis dieser Arbeit .......................................... 70 2.2.1.5 Die Risikokategorien.................................................................. 71 Inhalt II 2.2.2 Der Risikomanagementprozess………………………………………….77 2.2.2.1 Die Risikoidentifikation .............................................................. 79 2.2.2.2 Die Risikoanalyse und -bewertung ............................................ 81 2.2.2.3 Die Risikogestaltung und -steuerung......................................... 98 2.2.2.4 Die Risikoüberwachung........................................................... 106 2.3 Die Ertragsplanung bei der Projektentwicklung................................ 108 2.3.1 Die Instrumente der Ertragsplanung…………………………………...108 2.3.1.1 Die Marktanalyse..................................................................... 109 2.3.1.2 Die Standortanalyse ................................................................ 111 2.3.1.3 Die Analyse des Nutzungskonzepts ........................................ 115 2.3.1.4 Die Wettbewerbsanalysen....................................................... 116 2.3.1.5 Die Mietanalyse ....................................................................... 117 2.3.2 Die Ertragsplanung unter Unsicherheit………………………………..119 2.3.2.1 Die systematischen Risiken..................................................... 120 2.3.2.2 Die unsystematischen Ertragsrisiken....................................... 125 2.3.3 Die Ertrags- und Kostenseite einer Immobilieninvestition sowie deren Einflüsse…………………………………………………………..127 2.3.3.1 Die Ertragsseite einer Immobilieninvestition............................ 128 2.3.3.2 Die Kostenseite einer Immobilieninvestition ............................ 133 2.3.3.3 Die Einflüsse auf Immobilienerträge und -kosten .................... 138 2.3.3.4 Zusammenfassung .................................................................. 145 3. Lösungsansätze und ökonomisches Modell ......................................... 147 3.1 Die ökonomische Szenariobetrachtung............................................. 148 3.1.1 Die Vorstellung des Bürogebäudes…………………………………….149 3.1.2 Die Ermittlung der VoFi- Rendite unterschiedlicher Szenarien……..150 3.1.2.1 Das Szenario 1a: Restfläche wird vermietet............................ 151 3.1.2.2 Das Szenario 1: Restfläche bleibt unvermietet ........................ 152 3.1.2.3 Die Szenarien 2 - 7: Vollvermietung der Restfläche ................ 154 3.1.2.4 Die Szenarien 8 - 9: Vollvermietung mit mietfreier Zeit............ 161 3.1.2.5 Die Szenarien 10 - 11: Vollvermietung mit Auslösung aus Altmietvertrag.......................................................................... 164 3.1.3 Zusammenfassung .......................................................................... 166 Inhalt III 3.2 Die Investitionsbewertung mit Realoptionsansatz............................ 169 3.2.1 Die Ausgangssituation bei einer Büroimmobilie………………………169 3.2.1.1 Die Objektbeschreibung .......................................................... 170 3.2.1.2 Die Überprüfung der Nutzungsmöglichkeiten .......................... 170 3.2.1.3 Die Ausgangssituation............................................................. 172 3.2.1.4 Der Realoptionsansatz ............................................................ 175 3.2.1.5 Die Ertragswertermittlung ........................................................ 189 3.2.1.6 Die Ausgangsvariante - Ermittlung des Investitionsvolumens . 192 3.2.2 Der erweiterte Kapitalwert mit der Bewertung von Optionen in Form von Handlungsflexibilitäten……………………………………...194 3.2.2.1 Option 1: Modernisierung - Beibehaltung der Flächenkonfiguration............................................................... 194 3.2.2.2 Option 2: Revitalisierung - Aufgliederung in kleinere Büroeinheiten.......................................................................... 199 3.2.2.3 Option 3: Redevelopment - Mixed- Use- Immobilie ................. 204 3.2.3 Die Bewertung der Handlungsflexibilitäten mit Realoptionen……….210 3.3 Die historische Simulation .................................................................. 213 3.3.1 Die Erhebung der Daten auf dem Wohnungsmarkt 213 3.3.1.1 Die Wahl der Datenquellen für die Mietpreisprognose ............ 214 3.3.1.2 Die Beschreibung der Mietpreisdaten...................................... 217 3.3.1.3 Die Beurteilung der Mietpreisdaten ......................................... 218 3.3.2 Die Prognoseaussage mit der historischen Simulation………………219 3.3.2.1 Die historische Simulation ....................................................... 220 3.3.2.2 Die Bildung eines Portfolios mit RDM- Daten .......................... 228 3.3.2.3 Die historische Simulation mit dem Portfolioansatz ................. 230 3.3.2.4 Die Interpretation der historischen Simulation zur Mietpreisprognose .................................................................. 236 3.4 Multiple Regression am Teilmarkt Düsseldorf und ökonomisches Modell mit Risiko- und Prognoseimplementierung................................ 237 3.4.1 Der Büroimmobilienmarkt als Marktmodell 238 3.4.1.1 Die mikroökonomische Teilmärkte........................................... 247 3.4.1.2 Angebot und Nachfrage auf dem Büromarkt ........................... 257 Inhalt IV 3.4.1.3 Ermittlung der Bürobeschäftigten gemäß Dobberstein und gemäß Holthaus sowie deren beeinflussbare Indikatoren ...... 269 3.4.1.4 Das Wirkungsmodell des Büromarktes.................................... 307 3.4.2 Der Büroteilmarkt Düsseldorf…………………………………………...313 3.4.2.1 Der Standort Düsseldorf und seine Büroteilmärkte.................. 313 3.4.2.2 Die Anbieter, Nutzer und Investoren am Düsseldorfer Immobilienmarkt ..................................................................... 319 3.4.2.3 Die Betrachtung der Büromarktindikatoren Düsseldorfs im zeitlichen Verlauf .................................................................... 324 3.4.2.4 Die großen deutschen Büromarktstandorte (Berlin, Frankfurt am Main, Hamburg und München) im Vergleich zum Düsseldorfer Bürostandort ..................................................... 346 3.4.3 Ermittlung der Prognosefunktion mittels multipler Regression……...368 3.4.3.1 Die multiple Regression .......................................................... 368 3.4.3.2 Die quartalsmäßigen Eingangsgrößen in die Regressionsanalyse................................................................ 370 3.4.3.3 Die Regression zur Vorhersage der Bürobeschäftigten........... 376 3.4.3.4 Die Regression zur Vorhersage der Spitzenmiete................... 397 3.4.3.5 Die Regression zur Vorhersage der gewichteten Durchschnittsmiete ................................................................. 416 3.4.3.6 Die Regression zur Vorhersage des Flächenumsatzes........... 430 3.4.3.7 Die Zusammenfassung der Regressionen .............................. 443 3.4.3.8 Das ökonomische Modell mit Risiko- und Prognoseimplementierung ...................................................... 447 4. Zusammenfassung und Ausblick ........................................................... 459 Abbildungsverzeichnis.................................................................................... a Literaturverzeichnis .......................................................................................... i Anhang……………………………………………………………………… Anhang - 1 Abkürzungsverzeichnis V Abkürzungsverzeichnis Abb. Abbildung AK Arbeitskraft Atis Atisreal GmbH BGF Bruttogrundfläche BIP Bruttoinlandsprodukt BWS Bruttowertschöpfung bzw. beziehungsweise DCF Discounted Cash Flow DEGI Deutsche Gesellschaft für Immobilienfonds d.h. das heißt DIN Deutsches Institut für Normung e.V DIW Deutsches Institut für Wirtschaftsförderung, Berlin EG Erdgeschoss einschl. einschließlich exkl. exklusive GEFMA Deutscher Verband für Facility Management ggf. gegebenenfalls gif Gesellschaft für Immobilienforschung e. V. GmbH Gesellschaft mit beschränkter Haftung HWWA Hamburgisches Welt- Wirtschaftsarchiv, Hamburg i.d.R. in der Regel inkl. inklusive i.W. im Wesentlichen Ifo Institut für Wirtschaftsforschung, München IfW Institut für Weltwirtschaft, Kiel IWH Institut für Wirtschaftsforschung, Halle IRR Internal Rate of Return JLL Jones Lang LaSalle KF Konstruktionsfläche LDS NRW Landesamt für Datenverarbeitung und Statistik NRW MA Mitarbeiter Abkürzungsverzeichnis VI Mio. Million(en) Mrd. Milliarde NF Nutzfläche NGF Nettogrundfläche NRW Nordrhein- Westfalen NPV Net Present Value OG Obergeschoss o.g. oben genannt p.a. per anno (=pro Jahr) PPP Public Private Partnership RDM Ring Deutscher Makler RWI Rheinisch- Westfälisches Institut für Wirtschaftsförderung, Essen STOMA Standort- und Marktanalyse SVP Sozialversicherungspflichtig Beschäftigte u.a. unter anderem v.g. vorher genannt vgl. vergleiche VaR Value at Risk VoFi Vollständiger Finanzplan WertV Wertermittlungsverordnung z.B. zum Beispiel z.T. zum Teil II. BV Zweite Berechnungsverordnung für wohnungswirtschaftli- che Berechnungen Vorwort VII Vorwort Die vorliegende Arbeit entstand zurzeit meiner Tätigkeit als wissenschaftliche Mitarbeiterin am Lehrstuhl Baubetrieb der Fakultät Bauwesen an der Universität Dortmund. In der Zeit, in der ich mein Forschungsthema bearbeitet und an die- ser Dissertation geschrieben habe, hatte ich das Glück, von vielen Seiten auf die unterschiedlichste Art und Weise unterstützt zu werden. Mein ganz besonderer Dank gilt meinem akademischen Lehrer Herrn Univ.-Prof. Dr.-Ing. Udo Blecken, der mich durch seine vielen fruchtbaren Anre- gungen und Ratschläge jederzeit bei der Erstellung der Arbeit unterstützt hat. Er wies mich zunächst auf die Immobilienbewertung mit dem Realoptionsansatz hin und warf später die Fragen auf, inwieweit makroökonomische, beschäfti- gungsbezogene sowie immobilienwirtschaftliche Indikatoren auf die Ertragseite einer Immobilienprojektentwicklung wirken, wie man die Ertrags- und Nachfra- geseite prognostizieren könnte und ob die in der Statistik verwendeten Metho- den auch für die Projektentwicklung und deren ökonomische Bewertung einge- setzt werden könnten. Die Immobilienwirtschaft fordert, wie auch die Projektentwicklungsbranche, ein ganzheitliches Risikomanagement und deren ökonomische Bewertung über den gesamten Lebenszyklus einer Immobilie. Die Risikobewertung erfolgt vielfach noch „aus dem Bauch“ heraus und ist nicht objektiv ermittelt oder gar datenba- siert. Grunddaten für die quantitative Ermittlung wären aber möglicherweise in statistischen Sammlungen von Bund, Ländern und Unternehmen zu finden. Diese Möglichkeiten können durch Verfahren der Statistik einerseits und ande- rerseits durch die Implementierung des VaR- Ansatzes, der der Finanz- und Versicherungswirtschaft bereits nachweisliche Vorteile bringt, für Wirtschaftlich- keitsberechnungen genutzt werden. Ein objektives, datenbasiertes Ertragsprognosemodell sowie dessen Integration mit einem statistisch begründeten Risikoansatz in eine den gesamten Immobi- lienlebenszyklus betrachtende, ökonomische Bewertung existiert in der Literatur bisher nicht. Dies nahm ich zum Anlass, mich mit dem Thema „Ökonomisches Modell mit Risikobetrachtung für die Projektentwicklung“ näher zu beschäftigen. Vorwort VIII Dabei erkannte ich, dass zahlreiche Ansatzpunkte für die Projektentwicklung wie auch für die Immobilienwirtschaft vorhanden sind, um das Risiko als festen und monetären Bestandteil in die ökonomische Immobilienbewertung objektiv und datenbasiert zu integrieren. Dabei konnte ich jederzeit mit der Unterstützung von Herrn Univ.- Prof. Dr.-Ing. Udo Blecken rechnen, der mir ein wertvoller und kritischer Diskus- sionspartner war und mich durch seine konstruktiven Anregungen auf meinem Weg motivierte und bestätigte. Für die Durchsicht der Arbeit und die Übernahme des Zweitgutachtens möchte ich Herrn Univ.-Prof. Volker Kuhne meinen besonderen Dank aussprechen. Danken möchte ich auch Herrn Univ.-Prof. Dr.-Ing. Mike Gralla, der im Rahmen meines Promotionsverfahrens das Drittgutachten erstellte. Des Weiteren bedanke ich mich bei Herrn Univ.-Prof. Dr.-Ing. Achim Hettler, der den Vorsitz der Prüfungskommission übernahm. Außerdem bedanke ich mich bei meinen Kollegen sowie bei allen Mitarbeitern des Lehrstuhls Baubetrieb und Bauprozessmanagement der Universität Dort- mund, die durch zahlreiche Hinweise ebenfalls zum Abschluss dieser Arbeit beigetragen haben. Ich danke Herrn Dr.-Ing. Heiko Meinen für die fachlichen Diskussionen und den Einstieg in die Value at Risk- Konzeption sowie für die Bereitschaft, das produk- tive Chaos in unserem Büro zu erdulden. Ebenso sage ich Frau Dipl.-Ing. stat. Sonja Kratzmair Dank für die Durchsicht und Ratschläge in mathematisch- statistischer Hinsicht. Mein Dank gilt auch meinen Diplomanden Michael Thimm, Peter Ferreau und Ilknur Turhaner. Mit Ihnen konnte ich Einzelteile der vorliegenden Arbeit näher untersuchen. Nicht zuletzt möchte ich meinen Eltern, Ursula und Ralf Holthaus, ganz beson- ders danken. Sie standen mir immer liebevoll und mit viel Verständnis zur Seite Vorwort IX und haben mich während meiner gesamten beruflichen Ausbildung unterstützt und mich jederzeit in meinem Vorhaben bestärkt, die Dissertation erfolgreich abzuschließen. Dadurch haben sie vieles erst möglich gemacht. Meinem Vater gilt besonderer Dank für seine tatkräftige Unterstützung und sei- ne wertvollen Tipps in darstellerischer Sicht. Abschließend gilt mein Dank natürlich allen, die mich während der Entstehung dieser Arbeit nicht nur fachlich, sondern im Besonderen auch persönlich mit sehr viel Geduld unterstützt und so entscheidend zum Gelingen beigetragen haben. Dortmund, Januar 2006 Ursula Holthaus 1 Einleitung 1 1. Einleitung 1.1 Problemstellung Die große Anzahl von Insolvenzen bei Projektentwicklern und hohe Wertkorrek- turen der Banken haben zu einem Strukturwandel in der deutschen Projektent- wicklungslandschaft geführt. In der Vergangenheit kam es zur erheblichen Fehlallokation und Misswirtschaft in der Flächenproduktion aufgrund von Steu- ersubventionen, zum Beispiel durch die angeblich verlockenden Investitions- möglichkeiten im Osten. Aufgrund dieser negativen Erfahrungen, aber auch durch die Änderung der Steuergesetzgebung und der Subventionen sind nun die Ertragsimmobilien im Fokus der Projektentwickler. Erst der professionelle Umgang mit den Chancen und Risiken sowie die optimierte Ermittlung der Wirtschaftlichkeit einer Immobi- lie wird die Projektentwicklung von Gewerbeimmobilien wieder interessant ma- chen. Die Projektentwicklung prüft in der Regel an Hand eines Grundstückes und dessen Randbedingungen, ob ein Gebäudekonzept sich wirtschaftlich realisie- ren lässt. Das Wissen über die Kosten, den Kostenverlauf und die Kostenrisi- ken, wie auch über den Ertrag, den Ertragsverlauf und deren Risiken ist Aufga- be des Projektentwicklers. Dabei lassen sich in der heutigen Baumarktsituation die Kosten bzw. der Auf- wand inkl. der Grundstückskosten relativ gut berechnen, entsprechende Instru- mente der Kostenplanung und unterschiedliche Formen der Vertragsbildung etc. stehen zur Kostenbeherrschung uneingeschränkt zur Verfügung. Zu den Kosten liegen Normen wie die DIN 276 und die DIN 18960, Standardi- sierungen in Form von GEFMA- Richtlinien 200ff, Berechnungsmodelle gemäß BKI1 sowie Verfahren von Hasselmann2 u.a. und Erfahrungswerte in Kosten- 1 vgl. Baukosteninformationszentrum Deutscher Architektenkammern (BKI) Stuttgart 2 vgl. Hasselmann 1997 1 Einleitung 2 sammlungen wie des BKI, BKB3 und von Sirados4 vor. Eine ganze Branche bietet kontinuierlich mit einem Marktvolumen von 120 Mrd. € pro Jahr in Deutschland die Kostenplanungsleistung an und führt sie durch. Es sind Markt- und Vertragsmodelle zur Kostensicherheit vorhanden und es liegen - aller- dings noch nicht befriedigend - auch Erfahrungswerte5 zu Kostenrisiken vor. Die Ertragsseite hingegen ist schwieriger zu beherrschen. Da die Erträge über die lange Lebensdauer der Immobilie anfallen, wird die Prognose bei einer zu- nehmenden, langfristigen Betrachtung ungenauer und risikoreicher. Modellan- sätze zur Bestimmung der Ertragsseite sind nur rudimentär verfügbar. Die Im- mobilienbranche arbeitet in Abhängigkeit der Immobilienart mit Expertenein- schätzungen und Mietenmultiplikator sowie umsatzbezogener Ertragsermitt- lung. Deshalb sollten Modelle entwickelt werden, die die Ertragsplanung einer- seits vereinfachen, andererseits genauer und sicherer machen. Ergänzt wer- den sollten diese Modellvarianten um Modelle zur Risikobegrenzung. Die Miethöhe wird beeinflusst durch den Standort und den Zyklus der Miete, also von Einflüssen, die wiederum von immobilienwirtschaftlichen sowie makro- ökonomischen Verhältnissen und Faktoren abhängen. Anhand von Berechnun- gen wird sehr schnell klar, dass aufgrund der standortbezogenen und der zyk- lusbedingten Streuung die Ertrags- und Mietschwankungen sehr stark ausge- prägt sind und den Kapitalwert der Immobilie erheblich beeinflussen. Betrach- tungen sowie Berechnungen mit einer „konstanten“ streuenden Miete sind als erste Anhaltspunkte für eine Ertragsberechnung langfristig geeignet. Die Auswirkungen einer zyklischen Miete auf die Ertragsseite, die zudem standortbezogen streut, verbessert die Aussagequalität aber erheblich. 3 vgl. Baukostenberatung Architektenkammer Baden- Württemberg (BKB) 4 vgl. Sirados Baudaten für Kostenplanung und Ausschreibung 5 vgl. Blecken 2003, Piwodda 2003 1 Einleitung 3 Es soll aufgezeigt werden, dass der richtige und sichere Ansatz der Miete wich- tig für die Ertragsplanung ist. Es soll zunächst ein Prognosemodell für die Ertragsplanung entwickelt werden, das als Eingabeparameter Echtdaten und nicht empirische Daten verwendet. Weiterhin ist nicht zu vergessen, welche Erträge sich bei unterschiedlichen Verwertungssituationen ergeben. Wenn zum Beispiel ein Gebäude erstellt ist und zunächst nur ein Teil des Gebäudes vermietet ist, stellt sich die Frage unter welchen Bedingungen und Szenarien und ggf. durch welche Incentives eine Vermietung erreichbar ist. Über den gesamten Lebenszyklus hinweg betrachtet, ist zu klären, welche Erträge zu erzielen sind. Bei einem Ankermieter z.B. kann durchaus eine niedrigere Miete in Kauf genommen werden, da zu erwarten ist, dass sich die weiteren Flächen besser vermieten lassen. Die Frage nach der Vorvermietungsquote vor der Investitionsentscheidung ist ebenfalls von großer Bedeutung. Zum Beispiel erklärt der Projektentwickler Sel- lar, dass gar nicht erst mit dem Bau angefangen wird, wenn nicht mindestens ein Drittel der Bürofläche im Vorfeld vermietet ist.6 Dies kann in einem ersten Schritt durch Szenariorechnungen untersucht und geklärt werden. Die Prognose der erzielbaren Miete könnte mit dem Verfahren der histori- schen Simulation ermittelt werden, wenn die Historie als wesentlicher Faktor für die zukünftige Mietentwicklung angesehen wird. Hiermit können auch Aussagen über das Risiko abgeleitet werden. Die Qualität der Prog- nosesicherheit ist dabei zu untersuchen und könnte in das zu entwickeln- de ökonomische Modell integriert werden. Bei geplanten Neubauprojekten helfen Vergleichsobjekte an ähnlichen Standor- ten die Ertragsprognosen zu prüfen. Diese Ertragsermittlung ist sehr einfach, stützt sich aber zentral auf das Expertenwissen des Anwenders und seiner Be- rater (Expertenmodell). Experten sind allerdings von Stimmungslagen des 6 vgl. o.V. 2004, London: Leer, in Zeit, Nr. 42 vom 07.10.2004, S.34 1 Einleitung 4 Marktes abhängig, wie die Immobilieneuphorie in Berlin und den neuen Bun- desländern in den 90er Jahren nachdrücklich gezeigt hat. Deshalb könnte ein unabhängiges, marktdatenbasiertes Ertragsprognosemodell neben dem Exper- tenmodell die Objektivität verbessern. Jedenfalls gelten aus heutiger Sicht ältere Bürogebäude der 60er- und 70er Jahre sowie zum Teil auch aus der ersten Hälfte der 80er- Jahre des vorigen Jahrhunderts inzwischen nicht mehr als modern,7 denn sie haben enorme Ver- marktungsdefizite aufgrund ihres Erscheinungsbildes, der Schwierigkeiten der technischen Aufrüstbarkeit und der zu vielen, nicht nutzbaren Nebenflächen. Durch diese Defizite werden diese Objekte unrentabel. Auch aus dieser Sicht werden differenzierte Methoden der Ertragsermittlung an Bedeutung ge- winnen. Die Nachfrage nach Wohnimmobilien hängt von der Bevölkerungsentwicklung und der Migration in den Regionen Deutschlands und dem Trend des Wohnflä- chenbedarfs der Bewohner ab, wie das IfS8 zeigt. Im „nicht öffentlichen Nichtwohnbau“, also bei Gewerbeimmobilien, ist die Bau- nachfrage abhängig von dem BIP (Bruttoinlandsprodukt) der Region, dem Branchentrend, dem Arbeitsmarkt, den vorhandenen und leerstehenden Miet- flächen, dem Mietflächenumschlag per annum und den im Bau befindlichen/ genehmigten Projekten. Die führenden deutschen Wirtschaftsforschungsinstitute (DIW, ifo, Prognos,..) erarbeiten mit Szenariotechniken Prognosen für das BIP, wobei sie den Szena- rien die Bevölkerungsentwicklung, die Binnen- und Außennachfrage, den Staatshaushalt etc. zu Grunde legen. Die PROGNOS geht von folgender Entwicklung aus: Die Bruttoanlageinvestitio- nen werden sich für den Zeitraum 2000 bis 2010 um 1,6% erhöhen, und der Zuwachs für die Bauten wird um 0,5%, davon 0,4% im Wohnungsbau und 0,66% 7 vgl. Bartholmai 2003, S: 197 8 vgl. Bartholmai 2003, S. 198 1 Einleitung 5 im Nichtwohnbau, ansteigen. Für 2010 bis 2020 wird dagegen ein deutlich stärkerer Zuwachs der Bauinvesti- tionen, nämlich 1,4%, prognostiziert.9 Andere wirtschaftswissenschaftliche Insti- tute liegen hinsichtlich der Zunahme der Bruttoanlageinvestitionen und des Zu- wachses der Bauten mit 1,4% und 0,5% Wachstum in einem ähnlichen Bereich, allerdings ist für den Wohnungsbau mit 0,9% eine Schrumpfung und für den Nichtwohnbau eine sehr optimistische Steigerung von 1,6% vorausgesagt.10 Die Bauvorausschätzung des ifo- Institutes gibt bis 2005 eine Senkung des Bauvo- lumens um 0,63% und von 2000- 2010 eine geringe Abnahme von 0,16% an. Eine Regionalisierung der Daten wird nur in Sonderfällen angeboten, deshalb kann der Projektentwickler nicht darauf zurückgreifen. Interessant sind aller- dings die diskutierten Abhängigkeiten. Ausgehend von den oben genannten Einschätzungen gibt es offensichtlich ei- nen Zusammenhang zwischen den Bruttoanlageinvestitionen, die auf der Ver- wendungsseite Bestandteil des BIP sind, und dem Bauvolumen und somit auch der Baunachfrage. Die wirtschaftswissenschaftlichen Institute gehen von einem BIP von 1,5% im Mittel bis zum Jahre 2010 aus, das sich danach bis 2020 auf 1,8% erhöht. Über eine Regressionsanalyse soll dieser Zusammenhang anhand histori- scher Daten aufgedeckt werden und durch Fortschreibung verwendet werden. Der Arbeitsmarkt - hier verstanden als Vermehrung der Arbeitsplätze - ist gene- rell vom BIP abhängig. Zusätzliche Arbeitsplätze werden erst entstehen, wenn das BIP über 2,4% - neuerdings über 1,5% - steigt;11 wobei mit einem Nach- laufeffekt von 1/ 2 bis 1 Jahr zu rechnen ist. 9 vgl. Bartholmai 2003, S. 75 10 vgl. Bartholmai 2003, S. 76 11 vgl. o.V. 2005, Was kann man gegen die Jobmisere tun? - Neueinstellungen leichter gemacht, in Welt am Sonntag am 27.02.2005 1 Einleitung 6 Für Fertigungsflächen ist der gewerbliche Arbeitskräftebedarf von Bedeutung, für Büro- und Verwaltungsgebäude die Erwerbstätigen der Dienstleistungsbe- reiche, die gemäß der Tabellen des LDS NRW12 noch zusätzlich in - Handel, Gastgewerbe und Verkehr - Finanzierung, Vermietung und Unternehmensdienstleister - Öffentliche und private Dienstleister unterteilt werden. Bei Büroimmobilien scheint es offensichtlich zu sein, dass die Anzahl der Büro- beschäftigten eine wichtige Einflussgröße auf die Nachfrage darstellt. Die Bürobeschäftigten sind vom BIP abhängig. Sie stellen einen Teil der Be- schäftigten dar, schwanken aber in ihrem Anteil an den Gesamtbeschäftigten abhängig von der Region (Dienstleistungszentren oder Industriezentren), ver- ändern sich über die Zeit durch den Übergang von der Industrie zur Dienstleis- tungsgesellschaft, und der Erweiterung der Büroflächen pro Bürobeschäftigten über die Zeit. Wer Bürobeschäftigter ist , wurde von Dobberstein formuliert, an dieser Definiti- on orientiert sich die Immobilienbranche mehr oder weniger. Ob diese richtig ist, soll überprüft werden; denn mit den Kennziffern, Fläche pro Bürobeschäftigten und Büroflächen der Region, können die Bürobeschäftigten näherungsweise ebenfalls ermittelt werden. Alternativ lassen sich mithilfe der Bürobeschäftigten die Anzahl der Büroflächen prüfen bzw. errechnen. Würde man das Konzept ausbauen, könnte man auch über Kennziffern einzelner Branchen sich die Da- ten der Bürobeschäftigten erschließen. Es sollen deshalb die Bürobeschäftigten nach der Methode Dobberstein, die in der Immobilienbranche allgemein akzeptiert ist, in die Rechnung einfließen. Ob der Ansatz zur Ermittlung der Bürobeschäftigten nach der Methode Dobberstein richtig ist, soll kritisch untersucht und reflektiert werden. 12 vgl. Landesamt für Datenverarbeitung und Statistik Nordrhein- Westfalen (LDS NRW ) 1 Einleitung 7 Der Bedarf an neuen und alten Mietflächen und das Mietpreisniveau ist abhän- gig von der Nachfrage und der Nachfrageveränderung, die in Abhängigkeit zum BIP steht. Der regionale Bezug könnte über einen Index (IndexReg) oder direkt über regionale Daten gebildet werden. Einen nicht unbedeutenden Einfluss auf die Nachfrage und die Höhe des Ertrages haben die Höhe des Leerstandes, der geplante Abriss und die in Realisierung befindlichen neuen Bürogebäude. Aber auch andere Parameter wie die Entwicklung der Spitzenrendite, der Beschäfti- gung im Allgemeinen sowie der Bürobeschäftigung oder der Bevölkerungsent- wicklung könnten die Nachfrage beeinflussen. Es ist generell zu untersuchen, welche Eingangsgrößen auf die Nachfrage nach Flächen (Miet- oder Eigentumsflächen) wirken und welche Ertragsgrößen wie- derum dazu in Verbindung stehen. Der Flächenumsatz wird als eine Nachfra- gegröße angesehen. Die möglichen Eingangsgrößen können: - Daten aus dem Arbeitsmarkt (wie z.B. die Sozialversicherungsbeschäf- tigten, die Erwerbstätigen am Arbeitsplatz, sowie die Arbeitslosenquote, Bürobeschäftigte bei der Betrachtung von Büroimmobilien), - die Einwohner, - erhobene Daten aus der Immobilienwirtschaft (wie z.B. Leerstand, Flä- chenumsatz, Büroflächenbestand bzw. Zuwachsrate des Büroflächenbe- stands, Neuanfragen, Durchschnittsmiete, Spitzenmiete, minimale und maximale Spitzenrendite) - die makroökonomische Größe BIP (=Bruttoinlandsprodukt) sowie - amtliche Daten über die Baugenehmigungen, Fertigstellungen sowie den Abgang von Flächen sein, so dass der Einfluss auf die Nachfrage und damit auch auf den Ertrag untersucht werden soll. 1 Einleitung 8 Es werden die Daten unterschiedlicher Unternehmen, die sich mit Immobilien- research beschäftigen und regelmäßig Marktreports veröffentlichen, sowie von Maklerhäusern, auch die des Rings deutscher Makler (RDM) auf die Qualität und ihre Konsistenz geprüft. Weiterhin werden das LDS NRW hinsichtlich des BIP, der Einwohner- und Be- schäftigungszahlen sowie der Mikrozensus-, Arbeitsstätten- und Volkszäh- lungsdaten kontaktiert. Die Bundesagentur für Arbeit wird hinsichtlich der Arbeitslosenquote und der SVP- Beschäftigtenzahlen, die auf die Berufsordnungen der alten Klassifizie- rung der Berufe von 1975 beziehen und für die Ermittlung der Bürobeschäftig- ten erforderlich sind, angefragt. Weiterhin werden auch die Wirtschaftsförde- rung Düsseldorf und das Amt für Statistik und Wahlen in Düsseldorf hinsichtlich der Büromarktdaten sowie der Bautätigkeitszahlen angefragt. 1 Einleitung 9 1.2 Zielsetzung Neben den im vorherigen Kapitel bereits formulierten Erwartungen wird es das Endziel sein, eine Prognosefunktion für den Flächenumsatz sowie für die Er- tragsgrößen Durchschnittsmiete und Spitzenmiete herauszuarbeiten. Die Prog- nosefunktion kann durch multiple lineare Regression gebildet werden. Diese Prognosefunktion wird an historischen Daten getestet (backtesting) und mit den Standardabweichungen kann die Qualität und das Risiko abgeschätzt werden. Die Regressionsanalyse soll eine generelle Funktion liefern, die als eine Grund- lage in die Ertragsplanung eingebaut werden kann. Die auf Marktdaten basierenden Ertragseinflüsse werden umfassend untersucht und modelliert. Dazu zählt die Aufklärung von Korrelationen zwischen den Er- trägen und den dargestellten Einflussparametern, wie z.B. BIP und der Arbeit- platzentwicklung, sowie die regionalen Einflüsse und Größen des Immobilien- marktes. Mithilfe der Discounted Cash Flow (DCF)- Betrachtung als Entscheidungsme- thode für Immobilieninvestitionen soll die Vorteilhaftigkeit einer Immobilieninves- tition berechnet werden. Sie wird durch Einführung der Risikobetrachtung gene- rell erweitert. Die Ertragsrisiken, die durch die Zeithorizonte entstehen, kann man durch wei- tere zeitbezogene Modellansätze der Realoptionen eingrenzen und zwar durch die Bewertung: - abwarten (auf Halde planen), teilweise realisieren oder komplett realisie- ren, um Marktzyklen zu kompensieren, - teilweise realisieren oder komplett realisieren mit Vorvermietungsquote i bzw. Ankermietvertrag ohne Berücksichtigung des Marktzyklus bzw. Be- rücksichtigung des Marktzyklus durch veränderte Vorvermietungsquote. 1 Einleitung 10 Der Begriff der Realoptionen wird für die Projektentwicklung herausgearbeitet und es werden Optionsmöglichkeiten unter Verwendung des auf den Bernoulli- prozess beruhenden Binomialmodells die Veränderung des Kapitalwertes, dem sog. erweiterten Kapitalwert, aufgezeigt. Eine Wirtschaftlichkeitsbetrachtung, die zum einen die Ertragsseite objektiv durch Marktdaten darstellt und zum anderen die korrelierenden Risiken auf der Kostenseite einbezieht, ist zurzeit in Deutschland nicht vorhanden. Sie soll in die DCF- Methode eingebettet werden und durch die Risikobewertung durch Value at Risk ergänzt werden, inkl. der Korrelationen der einzelnen Perioden. Diese Modellbildung ist, neben der genaueren Untersuchung der Ertragsseite unter anderem durch Szenariorechnungen sowie der Herleitung einer Progno- sefunktion für die Entwicklung des Flächenumsatzes und der Miete mittels der multiplen Regression, Ziel dieser Arbeit. 1 Einleitung 11 1.3 Vorgehensweise Nach der Formulierung der Problemstellung und der Zielsetzung der Arbeit werden in dem zweiten Kapitel zum einen die Grundlagen der Projektentwick- lung von Immobilien und zum anderen die von der Projektentwicklung im Le- benszyklus der Immobilie aufgezeigt. Der Begriff der Immobilien- Projektentwicklung wird dabei unterschiedlich gehandhabt. So werden die Beg- riffe, Komponenten und Besonderheiten der Projektentwicklung von Immobilien erläutert. Die bei der Projektentwicklung auftretenden Risiken, aber auch die Risiken im Lebenszyklus von Immobilien müssen richtig gehandhabt und be- wertet werden. Wie schon dargelegt sind Markt- und Vertragsmodelle zur Kostensicherheit vor- handen, es liegen aber für die Ertragsseite keine Modelle zur Absicherung oder der datenbasierten Prognose vor. Dabei gibt es zwar zahlreiche Instrumente der Ertragsplanung wie die STOMA und diverse andere Analysen wie z.B. die Mietanalyse, die die Mieterbonität, den Mietermix und Mietvertragsstrukturen hinsichtlich Laufzeiten, Umlageregelungen, Indexierung und Mietvertragsstruk- turen hinsichtlich des zu erzielenden Cash Flows untersucht. Sie werden erläu- tert, bleiben aber eher deskriptiv. Das Ziel dieser Arbeit ist es die Miethöhe sicher vorherzusagen. Die Mietanaly- se ist für die Ertragsplanung von großer Bedeutung. Aus den sicheren Daten der Marktanalyse sollen zukünftige Mietpreise abgeleitet werden.13 Aber gera- de diese Ableitung soll zum einen sicher prognostizierbar sein und zum ande- ren auf Daten basieren, was wiederum ihre Sicherheit stützt. Aus den Erläuterungen des Kapitels 2.3, das neben den Instrumenten der Er- tragsplanung auch deren Ungewissheit sowie die Ertrags- und Kostenseite ei- ner Immobilieninvestition und deren Einflüsse beinhaltet, entwickelt sich die Forderung nach zuverlässigen Prognoseinstrumenten nicht nur für die Kosten-, sondern gerade auch für die Ertragsseite. 13 vgl. Kapitel 2.3.1.5 1 Einleitung 12 Nur wenn die Ausgaben und auch die Einnahmen auf Basis von zuverlässigen, also sicheren Prognosen quantifiziert werden, ist die Wirtschaftlichkeit sowie die Vorteilhaftigkeit der Immobilieninvestition und der Projektentwicklung aussage- kräftig. In dieser Arbeit wird der Begriff Ertrag im Wesentlichen als die erzielbare Miete verstanden, obwohl nicht nur die Miete von Flächen die alleinige Komponente des Ertrages darstellt. Im dritten Kapitel dieser Arbeit werden Lösungsansätze der im Kapitel 2 be- schriebenen Probleme der Ertragsseite gegeben und mithilfe der Regressions- berechnungen sowie der anschließenden Implementierung der Prognosefunkti- onen der Spitzenmiete und gewichteten Durchschnittsmiete und des VaR- An- satzes in eine Wirtschaftlichkeitsberechnung integriert. Zunächst wird im Kapitel 3.1 anhand von Szenarioberechnungen die VoFi- Rendite an elf realistischen Fällen eines Bürogebäudes ermittelt. Dies soll zum einen die Problematik des Mietausfallrisikos verdeutlichen, aber auch ein Ent- scheidungshilfsmittel für den Projektentwickler oder den Investor sein. Aller- dings integriert sie nicht wie in Kapitel 3.4.3.8 die Risiken einer Projektentwick- lung und keine datenbasierte Prognosefunktion, so dass schnell klar wird , dass auch diese Daten erarbeitet werden müssen. Nicht nur das „Altbewährte“ in Form von einer statischen oder dynamischen Investitions- und Wirtschaftlichkeitsrechnung, sondern gerade die verschiede- nen Möglichkeiten, Optionen, und deren Bewertung mit dem Realoptionsansatz sind bei der Projektentwicklung eines Neubaus oder auch von Bestandsimmobi- lien zu beachten. Die Ertragsrisiken einer Investitionsbewertung, die durch die Zeithorizonte ent- stehen, werden durch zeitbezogene Modellansätze der Realoptionen einge- grenzt und zwar durch die Bewertung von drei verschiedenen Optionen unter Verwendung des auf den Bernoulliprozess beruhenden Binomialmodells und der daraus resultierenden Veränderung des Kapitalwertes. 1 Einleitung 13 Der erweiterte Kapitalwert wird mit der Bewertung dieser Optionen der Büroim- mobilie in Form von Handlungsflexibilitäten dargelegt. Es wird nämlich gezeigt, dass die Integration des Realoptionsansatzes zu einer genaueren Investitions- bewertung führt und somit für die Projektentwicklung hinsichtlich der ökonomi- schen Analyse die Investitionsentscheidung, also „ob er oder ob er nicht inves- tiert“ sowie „ob er jetzt oder später investiert“ , wesentlich besser als bei den klassischen Investitionsbewertungsverfahren gestützt wird. Anhand der historischen Simulation des Kapitels 3.3 wird untersucht, ob dieses Verfahren für die Mietpreisprognose von z.B. Wohnimmobilien angewendet werden sollte und als Unterstützungsinstrument der Projektentwicklung hinsicht- lich des gesicherten Mietpreises dienen kann. Dabei werden Daten des Düsseldorfer Wohnungsmarktes der Jahre 1988 bis 2004 des Rings Deutscher Makler für die historische Simulation verwendet. Auch hier zeigt sich, wie auch bei der Betrachtung des Düsseldorfer Büromark- tes, dass nur begrenzte Zeitreihen vorliegen. Es wird erforscht, wie hoch bzw. niedrig das Sicherheitsniveau des Projektentwicklers ist, der dieses Verfahren zur Mietpreisprognose anwendet, aber auch, ob es nur für die Investitionsent- scheidung, also für die kurzfristige Prognose oder für einen längerfristigen Zeit- raum einzusetzen ist. Nachdem sich zeigt, dass das Verfahren der historischen Simulation nur für den kurzfristigen Zeitraum geeignet ist, wird aufgrund der vielen auf die Nachfrage, aber auch auf das Mietniveau einwirkenden Indikatoren des Büroteilmarktes Düsseldorf das Verfahren der multiplen linearen Regression gewählt. Einem Regressionsverfahren liegt immer ein Wirkungsmodell zugrunde. Die Interdependenzen der verschiedenen auf den Büromarkt wirkenden Einflüsse müssen zunächst, nach einer umfassenden Datenrecherche bei den Immobi- lienresearchunternehmen, Maklern, den statistischen Bundes- und Landesäm- ter und öffentlichen Stellen wie z.B. bei dem Amt für Statistik und Wahlen sowie bei der Wirtschaftförderung in Düsseldorf, aber auch bei der Bundesagentur für Arbeit, aufgezeigt und verstanden sein. 1 Einleitung 14 Die Aufarbeitung der theoretischen Modellansätze zeigt, dass diese im Ober- flächlichen verbleiben. Der Versuch ein Modell durch Daten zu verifizieren ist an keiner Stelle zu erkennen. Es werden dann umfangreiche multiple lineare Regressionsrechnungen zur Vorhersage des Flächenumsatzes, der gewichteten Durchschnittsmiete sowie der Spitzenmiete am Teilmarkt Düsseldorf durchgeführt, ex post verifiziert und ihre Übertragbarkeit auf andere Teilmärkte geprüft. Im letzten Kapitel dieser Arbeit 3.4.3.8 werden diese Prognosefunktionen der gewichteten Durch- schnittsmiete sowie der Spitzenmiete zusammen mit der Risikobewertung über einen VaR- Ansatz in eine Form der Wirtschaftlichkeits- und Investitionsberech- nung, in die DCF- Methode, integriert. Es soll gezeigt werden dass, wie die in den Regressionsberechnungen ermittel- ten Prognosefunktionen zusätzlich mit einem VaR- Ansatz in eine Wirtschaft- lichkeitsmethode eingebettet werden können und welche Größenordnung die Absicherung des Mietänderungsrisikos hat. Die Qualität der Ergebnisse von Wirtschaftlichkeits- sowie Investitionsrechnungen soll durch die Integration der zu erarbeitenden Prognosefunktionen, aber auch durch die Implementierung des Value at Risk- Ansatzes auf der Einnahmen- und auf der Ausgabenseite erheblich verbessert werden und die Prognoseaussagen sicherer machen. Am Schluss dieser Arbeit wird ein ökonomisches Modell mit dem Ziel der Ren- ditebetrachtung für die Projektentwicklung vorliegen, das aus Kosten sowie Er- tragsdaten risikomodelliert ist und für kurz-, mittel- und langfristige Prognosen verwendet werden kann. 2 Grundlagen und Problemanalyse 15 2. Grundlagen und Problemanalyse Die Grundlagen der Immobilienprojektentwicklung und ihrer Risiken werden im folgenden Kapitel aufgezeigt. Zunächst werden die Begriffe und Besonderheiten der Immobilie, der Projektentwicklung und ihre Risiken sowie die Handhabung und Bewertung der Risiken (Risikomanagementprozess) im Lebenszyklus der Immobilie erläutert. Dazu zählen insbesondere die Ertragsplanung und ihre Ri- siken, die entsprechend im dritten Abschnitt dieses Kapitels diskutiert werden. Ein zentrales Problem der Wirtschaftlichkeitsbetrachtungen ist die Ertragsprog- nose. Die Entwicklung eines quantitativen Instrumentariums des Ertrages ist in Abschnitt 3.4 aufgeführt. 2.1 Die Projektentwicklung von Immobilien Der Begriff und die Funktion der Immobilien-Projektentwicklung werden in der Bau- und Immobilienwirtschaft sehr unterschiedlich aufgefasst.14 Sowohl in der Literatur als auch in der Praxis existiert keine klare Definition bzw. Abgrenzung der Projektentwicklungstätigkeit. Auch gesetzlich sind keine Regelungen hinterlegt.15 In diesem Abschnitt werden die Begriffe und Kompo- nenten sowie die Besonderheiten der Projektentwicklung von Immobilien be- schrieben und erläutert. 2.1.1 Die Immobilie und die Besonderheiten des Immobilienmarktes Neben der Definition des Begriffes Immobilie werden ihre Besonderheiten, die Bedeutung der Immobilienwirtschaft und die unterschiedlichen Immobilienarten beleuchtet. 14 vgl. Diederichs 1994 (a), S. 43 15 vgl. Wagner 1991, S. 665. 2 Grundlagen und Problemanalyse 16 2.1.1.1 Definition der Immobilie Einige Autoren finden verkürzte Definitionen wie bei Bone- Winkel ausgeführt: „Zwar ist „real estate is space and money over time“ knapp und treffend formu- liert, die Reduktion der Immobilie auf eine „Cashflow-Maschine“ bzw. einen Produktionsfaktor wird aber den anderen beteiligten Wissenschaften kaum ge- recht.“16 Diese Definition relativiert er aber selbst gleichzeitig. Deshalb soll dem Begriff näher nachgegangen werden. Der Begriff der Immobilie ist auf den lateinischen Begriff immobilia (bona) = un- bewegliches (Gut)17 zurückzuführen. Im allgemeinen Sprachgebrauch werden damit Gebäude, Liegenschaften oder Grundstücke bezeichnet. Bone- Winkel legt sich deshalb auf die Definition: „Immobilien sind Wirtschaftsgüter, die aus unbebauten Grundstücken oder bebauten Grundstücken mit dazugehörigen Gebäuden und Außenanlagen bestehen. Sie werden von Menschen im Rah- men physisch-technischer, rechtlicher, wirtschaftlicher und zeitlicher Grenzen für Produktions-, Handels-, Dienstleistungs- und Konsumzwecke genutzt.“18 fest. Eine genauere Definition lässt sich nach physischen, juristischen und wirtschaft- lichen Gesichtspunkten bestimmen. Physische Sicht Der physische Gesichtspunkt schränkt den Definitionsbegriff auf die reine, materielle Eigenschaft einer Immobilie ein. Demnach ist die Immobilie ein Ge- bilde, das durch Wände, Decken, Böden sowie Dächer Flächen und Räume schaffen wird.19 Diese Definition, die sich nur auf die materiellen Dimensionen beschränkt und die Nutzenstiftung nicht mit einbezieht, ist daher zwangsläufig zu eng gefasst.20 16 Bone- Winkel 2005 (a), S. 15f 17 vgl. Duden 2003 18 Bone- Winkel 2005 (a), S. 15f 19 vgl. Bone- Winkel 2005 (a), S. 7 20 vgl. Bone- Winkel 2005 (a), S. 7 2 Grundlagen und Problemanalyse 17 Juristische Sicht Aus juristischer Sicht existiert der Begriff Immobilie nicht, da der Begriff in keinem Gesetzestext erwähnt wird. Stattdessen basiert der Immobilienbegriff im Bürgerlichen Gesetzbuch (BGB) auf den Grundstücken, die gemäß dem BGB als räumlich abgegrenzte Teile der Erdoberfläche definiert werden. Die Immobi- lie entwickelt sich nun als fest mit dem Grund und Boden verbundene Sachen, speziell die Gebäude und Gebäudeteile. Sie sind nach §§93-97 BGB Bestand- teile des Grundstücks. Sie gehören ebenso zum Eigentum am Grundstück, wie die mit dem Grund- stück verbundenen Rechte. Die wichtigsten Rechte, die an einer Immobilie be- stehen können, sind das Eigentumsrecht, das Miet- bzw. Pachtrecht, das Erb- baurecht, das Grundpfandrecht und das Baurecht. Das bedeutet, dass im Ge- gensatz zur physischen Definition Immobilien rechtlich keine eigenständigen Dinge sind, sondern nur über die rechtliche „Fiktion“ des Grundstückes definiert werden.21 Wirtschaftliche Sicht Die wirtschaftliche Sicht auf die Immobiliendefinition muss in eine investitions- und eine produktionstheoretische Sicht aufgelöst werden. Die investitionstheoretische Sicht behandelt die Immobilie als Kapitalanlage oder als Sachvermögen, mit der erwerbswirtschaftlichen Absicht. Diese Erträ- ge setzen sich aus den Verkaufserlösen und/ oder den monetären, regelmäßi- gen Zahlungen zusammen, die aus der Nutzungsüberlassung (Mieterträge) der Immobilie an Dritte resultieren. Wie zuvor ausgeführt, sollen gerade diese Er- träge datenbasiert und somit objektiv prognostiziert werden. Die produktionstheoretische Sicht hingegen wertet die Immobilie als Produk- tionsfaktor in der Leistungserstellung eines Unternehmens. Dies kann z.B. eine Fabrikationshalle, ein Bürogebäude22 oder ein Vertriebsgebäude etc. sein. 21 vgl. Bone- Winkel 2005 (a), S. 8 f 22 vgl. Bone- Winkel 2005 (a), S. 10 f 2 Grundlagen und Problemanalyse 18 Aus den beiden Perspektiven wird ersichtlich, dass die Immobilie während ihres wirtschaftlichen Einsatzes nicht verbraucht, sondern gebraucht und genutzt wird. Sie stellt also ein langlebiges Gebrauchsgut dar, für sie müssten die Kos- ten und Leistungen kalkulatorisch (Abschreibung und Verzinsung) bewertet werden. Sie ist demnach als ein räumliches Gebilde zu verstehen, das fest mit einem Grundstück verbunden ist und durch seine Nutzung Erträge erwirtschaf- tet. Nicht die Herstellungskosten und die kalkulatorischen Erträge bestimmen aber den Wert, sondern die Honorierung der Nutzung durch den Markt,23 also der Marktpreis über die lange Lebensdauer, die sich in technische und wirt- schaftliche Lebensdauer unterteilt, beide sind risikobehaftet. 2.1.1.2 Besonderheiten von Immobilien Immobilien weisen als Wirtschaftsgut einige Besonderheiten gegenüber ande- ren Wirtschaftsgütern auf. Dabei sind die folgenden Charakteristika von Bedeu- tung: - Immobilität, - Heterogenität, - Dauer des Entwicklungsprozesses, - Höhe des Investitionsvolumens, - Lebensdauer und -zyklus sowie - Begrenzte Substituierbarkeit Die oben aufgeführten, unterschiedlichen Eigenschaften einer Immobilie kön- nen physisch-technischen oder ökonomischen Ursprungs sein. Dabei sind die physisch-technischen Eigenschaften als nicht veränderbar definiert, während die ökonomischen Eigenschaften durch geschicktes Handeln und durch Beein- flussung des Umfeldes veränderlich sind. Nachstehend werden diese Eigen- schaften erläutert und bewertet.24 23 vgl. Bone- Winkel 2005 (a), S. 10 24 vgl. Bone- Winkel 2005 (a), S. 17 2 Grundlagen und Problemanalyse 19 Immobilität Die Eigenschaft der Immobilität ist das zentrale Charakteristikum und durch ihre Standortgebundenheit ist sie durch keine Maßnahmen zu überwinden. Die Lage der Immobilie bestimmt ihre Nutzungsmöglichkeit und beeinflusst ihren ökono- mischen Wert. Planungs- und Genehmigungshoheit der jeweiligen Gemeinde beschränkt z.B. die Verfügbarkeit über den Grund und Boden. Eine Immobilie ist bei weiter gefasstem Umgebungsbegriff ein Bestandteil ei- nes Bezirks, einer Stadt, einer Region bis hin zu einem Land. Es wirken zusätz- liche rechtliche Einflüsse auf die Immobilie.25 Dabei kann sich die Umgebung langfristig verändern und somit Einfluss auf die Immobilie ausüben. Die Ortsgebundenheit impliziert die Besonderheit dieses Wirtschaftsgutes. Da jeder Standort einzig ist, kann es keine zwei wirklich gleichen Immobilien ge- ben.26 Immobilien können unter Vernachlässigung der Immobilität jedoch sehr wohl miteinander konkurrieren. Das heißt, dass im Entwurfs- und Bauprozess sowie in der Instandhaltung vielfältige Alternativen sich bieten, sie zu erstellen und ihren Zustand zu halten. Es wird angenommen, dass die Risiken durch pro- fessionelles Handeln im normalen Bereich bleiben. Heterogenität Heterogene Güter sind sachlich ungleichartige Güter, die aber in einem gewis- sen Grad substituierbar sind und miteinander konkurrieren.27 Immobilien besit- zen einen hohen Grad an Heterogenität. Dauer des Entwicklungsprozesses Der Entwicklungsprozess umfasst den gesamten Zyklus einer Immobilie, der von der ersten Projektidee über die Planung, die Baufertigstellung und die Ver- marktung reicht. 25 vgl. Bone- Winkel 2005 (a), S. 17 26 vgl. Bone- Winkel 2005 (a), S. 18 27 vgl. Gabler Wirtschaftslexikon 1993, S. 1524 2 Grundlagen und Problemanalyse 20 Je nach Größe und Komplexität des Bauvorhabens, der Organisationsfähigkeit der Projektbeteiligten und der Bauweise kann die Realisierungsdauer i.d.R. zwischen zwei und fünf Jahren angesetzt werden. Das heißt, dass jedes Neu- angebot an Büro- bzw. Nutzflächen in der Vermietung eine relativ lange Vor- laufzeit benötigt. Ein Herauszögern der Fertigstellung während der Bauphase ist aus produkti- onstechnischen Gründen problematisch, da z.B. durch Nässe und Frost mögli- che Schäden an der Bausubstanz auftreten können. Nach der Entscheidung „zu bauen“ gibt es trotz neuer Erkenntnisse nur noch begrenzte Möglichkeiten den Vorgang aufzuhalten. Auch aus ökonomischer Sicht ist ein Hinauszögern problematisch, weil Zinskos- ten während der Unterbrechung weiterhin anfallen und potenzielle Mieteinnah- men ausfallen.28 Neben der Zeit der Bauphase steigen insbesondere die Ver- mietungs- bzw. Vermarktungsdauer sowie die Akquisitionszeit für die Immobilie mit zunehmender Projektgröße signifikant an. Höhe des Investitionsvolumens Immobilien zeichnen sich durch einen hohen, langfristigen Kapitaleinsatz aus, der zu deren Erwerb eingesetzt werden muss. Neben der Höhe des Investitionsvolumens zeichnen sich die Immobilienkosten auch durch hohe Transaktionskosten aus wie Grunderwerbsteuer, Grundbuch- und Notargebühren, Maklerprovisionen und Immobiliengutachten. Des Weiteren ist die hohe Zinsbelastung der Investition zu berücksichtigen, da während des langen Zeitraumes der Investition sowohl Eigenkapital, als auch Fremdkapital über einen langen Zeitraum gebunden wird.29 Nur ein begrenzter Kreis potenzieller Investoren ist in der Lage, Immobilien zu erwerben. Dem hohen Anfangsinvestitionsvolumen stehen Einkünfte gegen- über, die auf einem großen Zeitraum verteilt sind. 28 vgl. Bone- Winkel 2005 (a), S. 19 2 Grundlagen und Problemanalyse 21 Lebensdauer und -zyklus30 Immobilien besitzen gegenüber anderen Wirtschaftsgütern eine lange Lebens- dauer. Während ihrer Lebensdauer durchlaufen Immobilien einen Lebenszyk- lus, der in Abbildung 2.1.1.1 - 1 dargestellt ist. Abb. 2.1.1.1 - 1: Der Lebenszyklus von Immobilien31 Die Projektentwicklung startet den Lebenszyklus einer Immobilie. Dabei wird auf einem Grundstück das für die gewünschte Nutzung wirtschaftlich sinnvollste Gebäude errichtet. Nachfolgend schließt die Planungsphase an, die zum Teil überlagernd mit der Bauausführung verläuft. Daran knüpft die Betriebs- und Nutzungsphase an, in der sich zum einen Leerstand herausbilden kann, der durch die Marktsituation akzeptiert oder durch ein Redevelopment überwunden werden kann. Die Dauer der Nutzung lässt sich in eine physisch-technische und in eine öko- nomische Komponente unterteilen. Die technische Nutzungsdauer beschreibt die Dauer, in der das Gebäude oder Bauteil eine technische Funktionsfähigkeit bietet. Die wirtschaftliche Nutzungsdauer umfasst den Zeitraum, in dem die Immobi- lie und ihre Bauteile aus wirtschaftlichen Gründen verwendungsfähig ist. Die 29 vgl. Bone- Winkel 2005 (a), S. 20 30 Der Lebenszyklus einer Immobile wird in Abschnitt 2.1.2.5 ausführlich erklärt und an dieser Stelle der Vollständigkeit halber erwähnt und kurz erläutert. 2 Grundlagen und Problemanalyse 22 Begrenzung der wirtschaftlichen Lebensdauer kann durch Bedarfsänderung der Nutzer, wirtschaftliche Fertigungsbedingungen etc. entstehen. Eine branchen- übliche Instandhaltung wird dabei vorausgesetzt. Sie kann durch geeignete In- standhaltungsarbeiten, insbesondere Verbesserung verlängert werden. Durch den Fortschritt der technischen Entwicklung steigen die Anforderungen an die Immobilie und die wirtschaftliche Nutzungsdauer verkürzt sich immer mehr.32 Insgesamt spricht man von Nutzungsdauern, sie schließen die techni- sche und wirtschaftliche Nutzungsdauer ein. Ist bei vollständigem Leerstand ein Redevelopment nicht mehr wirtschaftlich vertretbar und keine zukünftige Nutzerschicht erkennbar, wird die Immobilie abgerissen.33 Damit endet der Lebenszyklus der Immobilie. Das Grundstück steht nach dem Abriss für einen neuen Immobilienzyklus zur Verfügung. Begrenzte Substituierbarkeit Der Bedarf an Raum kann nur bedingt in zeitlicher oder räumlicher Hinsicht durch andere Wirtschaftgüter substituiert werden.34 Der Grundbedarf umfasst den Bedarf an quantitativer und qualitativer Nutzflä- che, den der Nutzer nicht bereit ist zu unterschreiten. Alle weiteren quantitativen und qualitativen Bedürfnisse können unter bestimmten Voraussetzungen von dem Nutzer substituiert werden.35 2.1.1.3 Unterscheidung nach Immobilienarten Eine detaillierte Analyse der Immobileinmarktsegmente bildet die Grundlage für eine erfolgreiche Immobilien-Projektentwicklung. Aus diesem Grunde erscheint es sinnvoll die Immobilien in unterschiedliche Arten zu typologisieren. 31 eigene Darstellung 32 vgl. Bone- Winkel 2005 (a), S. 21 33 vgl. Bone- Winkel 2005 (a), S. 141 f 34 vgl. Bone- Winkel 2005 (a), S. 21 35 vgl. Kühne-Büning 2005, S.15 2 Grundlagen und Problemanalyse 23 Die Unterscheidung nach Immobilienarten in Bild 2.1.1.3 - 1 stellt die übliche Typologisierung dar. Ausschlaggebend in diesem Typologieansatz ist die Funk- tionsart der Immobilie. Die Typologie nach Zuordnung bei Wohn-, Gewerbe- und Industrieimmobilien ist eindeutig und lässt sich mit der Klassifikation der Wirtschaftszweige nach dem Statistischen Jahrbuch begründen und detaillieren. Der Rest, die Sonder- immobilien, lassen sich nicht unter einem gemeinsamen Begriff fassen. Es wer- den die Immobilien, die aus dem Standardraster herausfallen, aber in Haupt- gruppen zusammengefasst. Jeder Unterpunkt der Grobeinteilung „Sonderim- mobilie“ stellt aber ein Marktsegment für sich dar. Abb. 2.1.1.3 - 1: Typologisierung nach Immobilienarten36 Die Bautätigkeitsstatistik des Statistischen Bundesamtes sowie der Landesäm- ter für Datenverarbeitung und Statistik erstreckt sich auf alle genehmigungs- pflichtigen bzw. ihnen gleichgestellten Baumaßnahmen im Hochbau, bei denen Wohnraum oder sonstiger Nutzraum geschaffen oder verändert wird. 36 vgl. Walzel 2005, S. 120 2 Grundlagen und Problemanalyse 24 Dabei wird generell zwischen Wohngebäuden und Nichtwohngebäuden unter- schieden. Wohngebäude sind Gebäude, die mindestens zur Hälfte (gemessen an der Gesamtnutzfläche) Wohnzwecken dienen. Dagegen sind Nichtwohngebäude Gebäude, die überwiegend für Nichtwohn- zwecke (gemessen an der Gesamtnutzfläche) bestimmt sind. Zu den Nicht- wohngebäuden zählen z.B. Anstaltsgebäude, Büro- und Verwaltungsgebäude, landwirtschaftliche Betriebsgebäude und nichtlandwirtschaftliche Betriebsge- bäude, die weiter in Fabrik- und Werkstattgebäude, Handels- einschl. Lagerge- bäuden sowie Hotels und Gaststätten unterteilt werden.37 In Abhängigkeit vom spezifischen Immobiliensegment variieren die Risikopoten- tiale der Projektentwicklung. Wohnimmobilien Wohnimmobilien sind Immobilien, bei denen die reine Wohnfunktion im Vorder- grund steht. Dabei ist es unerheblich, ob die Nutzung durch den Eigentümer selbst oder durch den Mieter erfolgt. Der Markt für Wohnimmobilien ist ein stark regionaler Markt, der eine recht gute Beurteilung der jeweiligen Teilmärkte anhand der jährlichen Herausgabe von Preisspiegeln durch die beiden großen Maklerverbände VDM und RDM,38 wie auch den Mietspiegeln einer Stadt oder Kommune, wenn diese verfügbar sind, zulässt. Gewerbeimmobilien Der Begriff Gewerbeimmobilie fasst diejenigen Gebäude bzw. Immobilienflä- chen zusammen, in denen erwerbswirtschaftliche Zwecke verfolgt werden. Da- zu gehören neben den Büro- und Handelsimmobilien auch Gewerbeparks und ebenso die der Distribution der Waren dienenden Gebäude in Logistikimmobi- lien.39 37 vgl. Statistisches Bundesamt 2003, S. 236f 38 vgl. Wüstefeld 2000, S. 97 39 vgl. Walzel 2005, S. 123 2 Grundlagen und Problemanalyse 25 Büroimmobilien Ein gängiges Unterscheidungskriterium für eine Büroimmobilie ist ihr Standort. Es lassen sich sechs idealtypische Konzepte unterscheiden, nämlich Zellenbü- ro, Großraumbüro, Gruppen- oder Teambüro, Kombibüro, Flexspace- Büro, New Work Offices bzw. Business Clubs. Diese Teilmärkte lassen sich einfach begründen, so ist die Bürofläche einer Behörde und deren Struktur mit langen Reihen von Zellenbüros als Handelsraum für eine Investmentbank oder als Flä- che für ein Softwareunternehmen schlichtweg ungeeignet, weil die Raumauftei- lung die notwendige Kommunikation unmöglich machen würde.40 Die Büroimmobilie wurde in der Vergangenheit gern als Renditeobjekt aufgrund des Aufwärts-Trends der Dienstleistungsgesellschaft gewählt. Hinzu kann die rechtlich ungeregelte Mietpreisbildung und Vertragsform genannt werden. Allerdings ist in neuerer Zeit (seit 2002 und in den Folgejahren) die Leerstands- rate zum Beispiel am Bürostandort Düsseldorf sprunghaft auf das Doppelte ge- stiegen, weil die Nachfrage nach Bürofläche stark rückläufig war.41 Damit wird die Standardregel „Büroimmobilie gleich Rendite“ aufgehoben. Der Bruch bzgl. der Wirtschaftlichkeit gilt seit 1995, also in der Phase mit gerin- gem BIP, für alle Immobilientypen. Die Büroflächen sind in der Industrie wie z.B. bei der Fa. Stihl nach Aussage von Herrn Brandin42 konstant . Handelsimmobilien Zu den Handelsimmobilien zählen neben den klassischen Einzelhandelsladen- flächen mit direktem Straßenzugang auch Kauf- und Warenhäuser, SB- Warenhäuser und Fachmärkte, Lebensmittelmärkte und Einkaufszentren. Auch Infrastrukturimmobilien wie z.B. Bahnhöfe und Flughäfen werden seit den 90er Jahren um attraktive Handelsflächen ergänzt bzw. umgewandelt. 40 vgl. Bone- Winkel 2005 (a), S. 21f 41 vgl. Kapitel 3.4.2 42 Gemäß dem Gespräch mit Herrn Brandin, Leiter der Bauabteilung von der Fa. Stihl, im Oktober 2003 waren die Büroflächen von 1990 bis 2000 nahezu konstant. Der Zuwachs der Büroflächen dieses Zeit- raumes betrug 1%. 2 Grundlagen und Problemanalyse 26 Der Anteil der Einzelhandelsflächen am gesamten Immobilienbestand ist ver- gleichsweise gering. Gewerbeparks „Der Immobilientyp des Gewerbeparks besteht in Deutschland seit ca. 30 Jah- ren. Er ist charakterisiert durch die gemeinsame Nutzung von Büroflächen so- wie Hallen- und Serviceflächen mit entsprechender Andienung durch mehrere Nutzer. Auf der Grundlage technischer Einrichtungen und Vernetzungen ver- bindet ein gemeinsames Facility Management die einzelnen Gebäude.“43 Die Gründe für Ansiedlungen im Umland wie z.B. in Industrie- und Gewerbe- parks sind große, preisgünstige, erschlossene, gut gelegene und erreichbare Gewerbeflächen oder Flächen mit Erweiterungsmöglichkeiten. Logistikimmobilien In der Praxis zeigen sich eine Reihe unterschiedlicher Arten von Logistikimmo- bilien, wie Dispositionszentren, Güterverkehrs- und Güterverteilzentren, SB- Lagerhäuser und Logistikzentren, welche in den letzten Jahren einen Bedeu- tungszuwachs erfahren haben. Für Logistikimmobilien ist die Qualität des Standortes und der verkehrslogisti- schen Anforderungen in Bezug auf Fungibilität und Drittverwendungsfähigkeit von besonderer Bedeutung. Die Verkürzung der Produktlebenszyklen führt zu- sätzlich zu ständig neuen Anforderungen an Logistikimmobilien und gleichzeitig wollen sich die Nutzer immer kürzer binden.44 Untersuchungen der Universität Dortmund zeigen, dass ein industrielles Umfeld die Logistikflächen im Zeitraum von 1990 bis 2000 von 25% auf 30% hat wach- sen lassen.45 43 Walzel 2005, S.127f und S. 134ff 44 vgl. Falk 2004, S. 569 45 vgl. Blecken 2004 (b), Holthaus 2004 (c), S.14, Bild 9; Gespräch mit Herrn Brandin, Leiter der Bauabtei- lung von der Fa. Stihl, Oktober 2003 2 Grundlagen und Problemanalyse 27 Industrieimmobilien Zu den Industrieimmobilien zählen u. a. Produktionsgebäude, Lagerhallen, Werkstätten, sie dienen vor allem Fertigungszwecken. Typische Beispiele sind Chemie- oder Automobilfabriken, Stahlwerke, Werften, etc. Sie sind oft in sog. Industrieparks zu finden, deren wesentliches Merkmal die Bereitstellung von internen Infrastrukturleistungen ist. Es besteht hier eine zentrale Erschließung des Parks, außerdem werden für die Industriebetriebe Ver- und Entsorgungs- einrichtungen zur Verfügung gestellt. Es kann eine zentrale Verwaltung und vor allem ein gemeinsames Marketing für den Standort geben.46 Die Fläche hat sich durch moderne Produktionstechniken und Automatisierung reduziert und zwar von 35% auf 22% der Industriefläche.47 Sonderimmobilien Sonderimmobilien, die auch Spezialimmobilien genannt werden, dienen einer sehr spezifischen, nicht industriellen Nutzung. Ihre geringe Drittverwendungsfä- higkeit resultiert aus den nutzungsspezifischen Anforderungen, welche bereits bei der Konzeption und Planung dieser Immobilien berücksichtigt werden müs- sen. Sonderimmobilien haben oftmals das Potential für höhere Erträge, sind aber auch risikobehafteter als klassische Wohn- oder Geschäftshäuser. Beispiele für Sonderimmobilien sind Hotels, Gastronomiebereiche, Freizeitim- mobilien wie Vergnügungsparks, Theater, Kinos, etc. aber auch Verkehrs- und Infrastrukturimmobilien wie Flughäfen, Bahnhöfe, Tank- und Rastanlagen und Autohöfe, Brücken, Tunnel, Kraftwerke und Kläranlagen. Seniorenresidenzen, Kliniken, Gesundheitshäuser und Rehaeinrichtungen werden auch unter dem Begriff Sonderimmobilien zusammengefasst. Unter dem Sammelbegriff Frequenzimmobilien werden verschiedene Spezial- immobilien zusammengefasst, darunter auch Flughäfen, Bahnhöfe, aber auch Sportanlagen und Shopping Center. 46 vgl. Walzel 2005, S. 137 47 vgl. Blecken 2004 (b), Holthaus 2004 (c), S.14, Bild 9; Gespräch mit Herrn Brandin, Leiter der Bauabtei- lung von der Fa. Stihl, Oktober 2003 2 Grundlagen und Problemanalyse 28 Bei so genannten Betreiberimmobilien liegt das Management des Objektes in den Händen eines bestimmten Betreibers, dessen Geschäftstätigkeit überwie- gend von seinem Nutzen der Immobilie geprägt ist, der aber i.d.R. nicht über das Eigentum verfügt. So sind Hotels oder Seniorenimmobilien typische Betrei- berimmobilien. Von Managementimmobilien wird dann gesprochen, wenn unterschiedliche Betreiber zeitgleich akquiriert bzw. koordiniert werden müssen. So ist ein Shop- ping Center eine Betreiber- und Managementimmobilie, bei der die Einzelhänd- ler die Betreiber, die Kunden der Einzelhändler die Nutzer sind und bei der die einzelnen Betreiber zusätzlich koordiniert werden müssen (Center Manage- ment). Monopolistische oder oligopolistische Betreibermärkte stellen für den Eigentümer ein hohes Risiko dar. Wenn Betreiberimmobilien zusätzlich Mana- gementimmobilien sind, wie bei Einkaufszentren, so trägt der Investor zusätz- lich ein Verhaltensrisiko (Qualitätsrisiko) des Managements.48 2.1.1.4 Besonderheiten des Immobilienmarktes Einen einzigen und einheitlichen Immobilienmarkt gibt es also nicht, dennoch lassen sich, wie gezeigt, räumliche und sachliche Teilmärkte unterscheiden. Die räumlichen Teilmärkte ergeben sich aus den Unterschieden in Angebot und Nachfrage in verschiedenen Regionen, Städten oder Stadtteilen. Aufgrund der föderalen Struktur der Bundesrepublik Deutschland existiert keine dominierende Metropole wie London oder Paris. Die bedeutendsten Immobi- lienmärkte in Deutschland sind: - Hamburg - Berlin - München - Frankfurt am Main und - Düsseldorf. Aber es gibt auch viele Unterzentren wie Mannheim, Freiburg, Dortmund etc. 48 vgl. Walzel 2005, S. 137f 2 Grundlagen und Problemanalyse 29 In diesen regionalen Teilmärkten existieren auch sachliche Teilmärkte, wie z.B. der Markt für Büroflächen, der Wohnungsmarkt, der Markt für Einfamilienhäu- ser, Hotels oder für Handelsimmobilien. Bei diesen Teilmärkten sind aber die Unterscheidungen wesentlich feiner als bei den räumlichen Teilmärkten. Dies ist auch innerhalb der Nutzungsart wichtig. Alle Teilmärkte haben folgende gemeinsame Eigenschaften : Geringe Markttransparenz Die Heterogenität der Immobilien macht eine geschlossene Modellbildung für den Gesamtimmobilienmarkt nahezu unmöglich. Daten über Immobilien sind i.d.R. private Daten, an die man nur sehr schwer herankommt,49 sie werden aber durch das volkswirtschaftliche Geschehen beeinflusst. Abhängigkeit von Entwicklungen der Volkswirtschaft Die Nachfrage nach Fläche ist von der volkswirtschaftlichen Entwicklung oder auch der Entwicklung einzelner Wirtschaftszweige abhängig. So wird die Nachfrage nach Büroflächen von der Anzahl der örtlichen Beschäf- tigten im Dienstleistungssektor festgelegt.50 Die Nachfrage nach anderen Flä- chenarten, z.B. Wohn- oder Handelsflächen, hängt von der Höhe des Einkom- mens der Haushalte und der Vertriebs- und Beratungsintensität der Region ab. Diese Einflussfaktoren, wie die Anzahl der örtlichen Beschäftigten in bestimm- ten Bereichen sowie die Höhe der Einkommen der Haushalte werden durch die konjunkturelle Entwicklung bestimmt. Eine generelle Modellbildung für Büroim- mobilien wird verfolgt. Geringe Anpassungselastizität an Marktveränderungen Einerseits folgt aus der Langlebigkeit der Immobilien, dass jährlich nur ein klei- ner Teil des Flächenbestandes durch Veralterung und Abriss vom Markt ge- nommen wird. Eigene Berechnungen der Verfasserin ergaben, dass der Anteil 49 vgl. Bone- Winkel 2005 (a), S. 22 50 vgl. Schulte 2005, S. 22 2 Grundlagen und Problemanalyse 30 der abgerissenen Büroflächen gemäß der Bautätigkeitsstatistik in Düsseldorf im Mittel 0,19% an dem gesamten Büroflächenbestand in dem Zeitraum von 1995 bis 2004 betrug.51 Der Anteil der Abgangsflächen der Jahre 2003 und 2004 für Berlin betrug 0,39% bzw. 0,48%.52 Andererseits führt die Dauer des Entwicklungs- und Bau- prozesses dazu, dass der Bestand kurzfristig und dann mit entsprechendem „Time lag“ nicht ausgeweitet werden kann. Das Angebot kann somit nur sehr langsam auf Veränderungen der Nachfrage reagieren.53 Eine Modellbildung, die den kurz- und mittelfristigen Bereich beschreibt, wäre wünschenswert. Zyklizität Bei geringer kurzfristiger Anpassungselastizität des Angebotes und zum Teil preisunelastischer Nachfrage entsteht ein zyklisches Auf und Ab im Markt.54 2.1.1.5 Einfluss der Bau- und Immobilienwirtschaft auf die volkswirtschaftliche Entwicklung Die Bau- und Immobilienwirtschaft wird durch die volkswirtschaftliche Entwick- lung beeinflusst. Zum einen beeinflusst sie die Entwicklung des Bruttoinlands- produktes, zum anderen hat sie einen großen Einfluss auf die Beschäftigung in Deutschland. Entwicklung des Bruttoinlandsproduktes (BIP) „Nach der Wiedervereinigung Deutschlands erlebte die Baubranche vor allem in Ostdeutschland zu Beginn der 90er Jahre einen deutlichen Aufschwung.[…] Seit 1995 ist jedoch ein gegenläufiger Trend erkennbar. Seither ist die Bautätig- 51 Die Anteile der Abgangsflächen am Gesamtbüroflächenbestand in Düsseldorf im Jahr 1995 betrug 0,33% sowie im Jahr 2001 0,50% (=Maximalwert von 1995 bis 2004). der Minimalwert von 0,04% wurde im Jahr 1999 verzeichnet. 52 eigene Berechnungen mit Daten vom Statistischen Landesamt Berlin vom 08.08.2006 sowie von Jones Lang LaSalle 2006 (b), S. 2 53 vgl. Bone- Winkel 2005 (a), S. 23 54 siehe auch ausführliche Erläuterungen zur Zyklizität und Preiselastizität in den Kapiteln 3.4.1, 3.4.1.2 und 3.4.2.4 2 Grundlagen und Problemanalyse 31 keit konstant rückläufig. […] Seit 1994 ist das Bruttoinlandsprodukt (BIP) um durchschnittlich nur 1,4% gewachsen. Im gleichen Zeitraum wurden 13% der BIP für Bauinvestitionen verwendet - 11% in Westdeutschland und in Ost- Deutschland sogar 24%. Dies belegt die bedeutende Rolle der Baubranche im wirtschaftlichen Gefüge Deutschlands. Der konstante Rückgang der Bautätigkeit hatte so einen massiven Einfluss auf die Entwicklung des BIP. Ohne die Baurezession wäre das Wirtschaftswachs- tum in diesem Zeitraum um jährlich 0,6% höher ausgefallen.“55 Über die Ursa- chen wird gestritten: Eine Sättigung nach dem 2. Weltkrieg in den 80er Jahren wurde nochmals durch die Wiedervereinigung aufgehoben. Entwicklung der Beschäftigung „Die große volkswirtschaftliche Bedeutung der Immobilienwirtschaft spiegelt sich auch in der Zahl der Erwerbstätigen wider, die dort eine Beschäftigung fin- den oder deren Beschäftigung indirekt davon abhängt. Bei der statistischen Erfassung treten jedoch eine Reihe von Problemen auf. Der Begriff Immobi- lienwirtschaft ist nicht eindeutig definiert. In Folge dessen findet sich in der amt- lichen Statistik auch kein entsprechender Ausweis. […] Laut Berechnungen von Empirica und Bulwien AG waren Ende 2001 2,15 Mio. Menschen direkt in der Immobilienbranche tätig […] Empirica und die Bulwien AG gehen außerdem von einem Beschäftigungsmultiplikator von 1,6 aus. Demnach werden deutlich über drei Mio. Arbeitsplätze und damit knapp 10% aller Arbeitsplätze direkt oder indirekt durch die Immobilienwirtschaft gesichert. […] Die Krise der Bau- wirtschaft macht sich jedoch auch in der Entwicklung auf dem Arbeitsmarkt be- merkbar. So sind von 1995 bis Ende 2001 allein im Bauhauptgewerbe in Deutschland ca. 460.000 Arbeitsplätze verloren gegangen. Damit ist die Zahl der Beschäftigten in diesem Bereich um ca. ein Drittel in sieben Jahren zurück- gegangen. Der Trend zum Abbau von Arbeitsplätzen setzte sich auch im Jahr 2002 und 2003 weiter fort. Damit hat die Baubranche wie kein anderer Wirt- schaftszweig in den letzten Jahren in Deutschland Beschäftigung abgebaut und 55 Bone- Winkel 2005 (b), S.33f 2 Grundlagen und Problemanalyse 32 so massiv zum gleichzeitigen Anstieg der Arbeitslosigkeit beigetragen. Aktuell sind mehr als 300.000 Bauarbeiter in Deutschland auf Stellensuche.“56 2.1.2 Die Projektentwicklung im Lebenszyklus der Immobilie Um die Risiken der Projektentwicklung im Lebenszyklus der Immobilie aufgrund ihrer Besonderheiten und phasenabhängigen Interdependenzen zu verstehen und später quantifizieren zu können, werden die Grundlagen der Projektent- wicklung im Folgenden aufgezeigt. Die Projektentwicklung soll hinsichtlich der Erläuterung der Handlungsweisen ihrer Akteure und der Beschreibung des Im- mobilienzyklus definiert und typologisiert werden. 2.1.2.1 Definition der Projektentwicklung In der Literatur sind mehrere definitorische Ansätze zu finden. Eine Definition, die nachdrücklich vom rechtlichen Hintergrund geprägt ist und die Projektentwicklung als die ergebnisorientierte Schaffung interdisziplinär ausgewogener Rahmenbedingungen für eine nachhaltige Projektrealisierung beschreibt,57 lautet: Unter Projektentwicklung versteht man „die Summe aller architektonischen/ technischen, städtebaulichen, juristischen und wirtschaftlichen Maßnahmen, die darauf abzielen, Baurechte so zu schaffen, dass ein Projekt innerhalb eines vorgegebenen Kostenrahmens, Qualitätsrahmens und Zeitrahmens realisierbar ist.“58 Die am weitesten verbreitete und ganzheitlich- systematisierende Definition der Projektentwicklung, die auch dieser Arbeit zugrunde gelegt wird, lautet: „Durch Projektentwicklung sind die Faktoren Standort, Projektidee und Kapital so miteinander zu kombinieren, dass einzelwirtschaftlich wettbewerbsfähige, 56 Bone- Winkel 2005 (b), S. 34f 57 vgl. Kyrein 2002, S. 94 58 Kyrein 2002, S. 89 2 Grundlagen und Problemanalyse 33 arbeitsplatzschaffende und -sichernde sowie gesamtwirtschaftlich sozial- und umweltverträgliche Immobilienobjekte geschaffen und dauerhaft rentabel ge- nutzt werden können.59 Mit dieser Definition wird sowohl die gesamtwirtschaftliche als auch die einzel- wirtschaftliche Wirkungsebene angesprochen.60 Im gesamtwirtschaftlichen Kon- text soll die Projektentwicklungstätigkeit Forderungen und Belangen öffentlicher Interessen entgegenkommen. Einzelwirtschaftlich gesehen ist die Wettbewerbs- fähigkeit der Immobilie und deren dauerhafte rentable Nutzung zu gewährleis- ten.61 In der Literatur werden unter Beachtung des Lebenszyklusgedankens von Im- mobilien drei Bereiche der Projektentwicklung unterschieden. Über die Inhalte der Abgrenzung dieser drei Bereiche herrscht allerdings Uneinigkeit. Nach Diederichs beinhaltet die Projektentwicklung im engeren Sinn alle Phasen von der gezielten Entwicklung einer Projektkonzeption bis zur Pla- nungsreife bzw. bis zur Baufreigabe.62 Demzufolge sind sämtliche Vorausset- zungen für die bauliche Erstellung der Immobilie zu erfüllen. Nach Brauer soll die Projektentwicklung im engeren Sinn zusätzlich zur Definiti- on nach Diederichs die Erfüllung sämtlicher Voraussetzungen für die Vermark- tung der Immobilie63 erfüllen. Dabei ist aber kritisch anzumerken, dass sich die Vermarktungsvoraussetzungen ohne bauliche Realisierung als besonders prob- lematisch erweisen. Die Projektentwicklung im engeren Sinn gemäß Brauer endet mit der Entschei- dung, das Projekt zu realisieren oder aufgrund von Wirtschaftlichkeit und / oder zu hohen Projektrisiken alle weiteren Aktivitäten einzustellen. 59 Diederichs 1994 (a), S. 43 60 vgl. Bone- Winkel 1994, S. 44 61 vgl. Diederichs 1994 (a), S. 44 62 vgl. Diederichs 1994 (a), S. 44 63 vgl. Brauer 2001, S. 515 2 Grundlagen und Problemanalyse 34 Brauer definiert als einen weiteren Bereich der Projektentwicklung nämlich die Projektentwicklung im mittleren Sinn.64 Dabei wird die Projektentwicklung im engeren Sinn um den Leistungsbereich „Bau der Immobilie“ zur Projektentwick- lung im mittleren Sinn ergänzt. Die Projektentwicklung im weiteren Sinn umfasst nach Diederichs den ge- samten Lebenszyklus einer Immobilie.65 Die Leistungsbereiche der Projektent- wicklung im engeren Sinn werden durch das Projektmanagement und das Faci- lities- / Gebäudemanagement ergänzt.66 Die Projektentwicklung im weiteren Sinn beinhaltet also zusätzlich den Leistungsbereich „Bau der Immobilie“ sowie die Bewirtschaftung der Immobilie nach deren Erstellung bis hin zur Umwid- mung oder den Abriss am Ende der wirtschaftlich vertretbaren Nutzungsdauer. Dagegen differenziert Leimböck bei der Projektentwicklung im weiteren Sinn zwei Arten von Projektentwicklungen: die Projektentwicklung im weiteren Sinn und die Projektentwicklung im weiteren Sinn mit Nutzung bzw. Betreiben der Bauprojekte.67 Im Gegensatz zu Diederichs enden die Aufgaben des Projektentwicklers im weiteren Sinn mit der Veräußerung der Immobilie nach Fertigstellung am Markt bzw. der Übergabe an den Bauherrn. Begleitet der Projektentwickler das Investitionsvorhaben über den gesamten Lebenszyk- lus einer Immobilie, so handelt es sich um eine Projektentwicklung im weiteren Sinn mit Nutzung bzw. Betreiben der Bauprojekte. Für die weitere Untersuchung im Rahmen dieser Forschungsarbeit wird die De- finition der Projektentwicklung im weiteren Sinn gemäß Diederichs verstanden, da nach der Auffassung der Verfasserin nur eine Betrachtung der Immobilien und somit auch für die Projektentwicklung über ihren gesamten Lebenszyklus sinnvoll ist. 64 vgl. Brauer 2001, S. 515 65 vgl. Diederichs 1994 (a), S. 44 66 Zum Projektmanagement vgl. Fischer 2004; Zum Facilities Management vgl. Pierschke 2005. 67 vgl. Leimböck 2005, S. 124 2 Grundlagen und Problemanalyse 35 2.1.2.2 Typologisierung der Projektentwicklungsarten Es gibt unterschiedliche Ansätze, eine Typologisierung von Projektentwick- lungsarten vorzunehmen. Sie geht von der gängigen Kategorisierung des Im- mobilienmarktes nach Nutzungsgruppen aus und überträgt sie auf die Typologi- sierung von Projektentwicklungsarten. Die Darstellung legt also den Schwer- punkt der Typologisierung in die Nutzerbetrachtung: Produktionsgebäude Lagerhallen Werkstätten Industrieparks Logistikimmobilien Büroimmobilien Hotels / Boarding Houses Gastronomie Kliniken / Sanatorien Seniorenresisdenzen Freizeitimmobilien Ladenlokale Warenhäuser SB-Märkte Fachmärkte Einkaufszentren / Einkaufsgalerien Anstaltsgebäude Kulturimmobilien Veranstaltungszentren Altersheime Freizeitimmobilie Miethäuser Ein- / Zweifamilienhäuser Eigentumswohnungen Gewerbeparks Multifunktionale Immobilien z.B. Shopping Center Urban Entertainment Center Industrieunternehmen HandelsunternehmenDienstleistungs-unternehmen Non-Profit Organisationen Private Haushalte Immobiliennutzer Abb. 2.1.2.2 - 1: Typologische Betrachtung nach den Immobiliennutzern68 Die zweite, häufiger verbreitete Kategorisierung des Immobilienmarktes ist die Unterscheidung nach den Immobilienarten69, die ebenfalls bei der Typologisie- rung der Projektentwicklungsarten übertragend angewendet wird. Diese Art von Typologisierung der Projektentwicklungsarten hat den Vorteil, dass eine eindeu- tige Zuordnung auf Immobilienebene erreicht wird.70 Sie ist vorzuziehen. 68 vgl. Walzel 2005, S. 119 69 Siehe auch 2.1.1.3 70 vgl. Walzel 2005, S. 119 2 Grundlagen und Problemanalyse 36 2.1.2.3 Akteure der Projektentwicklung Beim Projektentwicklungsprozess einer Immobilie sind aufgrund der interdis- ziplinären Zusammenarbeit zahlreiche Akteure, nämlich - Projektentwickler, - Investor, - bzw. Bauunternehmer, - Finanzierer, - Immobilienanbieter etc. involviert. Projektentwickler Der Projektentwickler hat die Aufgabe, die Interessen der Projektbeteiligten zu erkennen und unter Berücksichtigung der Immobilienart und der Verwertungs- strategie zielorientiert zu koordinieren.71 Er vereinigt Kapital, Arbeit und Know- how unter der Berücksichtigung, dass das Bauvorhaben bzw. das Projekt den gesetzlichen Auflagen entspricht.72 Er übernimmt die Konzeption und Verwirkli- chung von Neubauprojekten und in zunehmendem Maß auch die Revitalisie- rung von Bestandsobjekten. Darüber hinaus übernimmt er als Dienstleister für eine Reihe von Marktteilneh- mern Einzelaufgaben im Rahmen des Projektentwicklungsprozesses.73 71 vgl. Isenhöfer 1999, S. 37 f 72 vgl. Falk 2004, S. 681 73 vgl. Bone- Winkel 2005 (b), S. 29 2 Grundlagen und Problemanalyse 37 Abb. 2.1.2.3 - 1: Akteure der Projektentwicklung74 Je nachdem, welche Aufgaben der Projektentwickler übernimmt bzw. wie weit er die Immobilie in ihrem Lebenszyklus begleitet, lassen sich drei Arten von Projektentwicklern definieren: der Service- Developer, der Trader- Developer und der Investor- Developer.75 Der Service- Developer erbringt eine reine Dienstleistung und trägt nicht die wirtschaftliche Verantwortung für das zu entwickelnde Projekt. In der Prozess- kette der Projektentwicklung ist der Service- Developer für die Konzeption bzw. Ideenfindung in den frühen Phasen zuständig. Auf dem deutschen Markt ist der Service- Developer nicht sehr weit verbreitet. Allerdings ist mit Zunahme von Projektentwicklungen im Bereich der Spezialimmobilien, die entsprechendes Fachwissen verlangen, ein Anstieg dieses Developer- Typs zu erwarten.76 Der Trader- Developer ist von der Initiierung bis hin zur Fertigstellung des In- vestitionsvorhabens verantwortlich und trägt somit alle Risiken einer Projekt- entwicklung. Ein übliches Beispiel für einen Trader- Developer ist der Bauträ- ger.77 Sein Ziel ist es, das Projekt wirtschaftlich erfolgreich zu verkaufen. 74 vgl. Isenhöfer 1999, S. 38 75 vgl. Schulte 2005, S. 169 76 vgl. Iding 2003, S. 56 77 vgl. Iding 2003, S. 56 2 Grundlagen und Problemanalyse 38 Als Investor- Developer wird ein Projektentwickler bezeichnet, der die Aufga- benbereiche der Projektentwicklung im weiteren Sinn mit Nutzung bzw. Betrei- ben übernimmt, Auf dem deutschen Markt ist diese Art von Projektentwicklern selten vertreten.78 Mit Abstrichen lassen sich die den Developer- Fonds zuordnen, die Projekte selbst entwickeln und so die Projekte rentabel betreiben wollen. Neben den Entwicklern sind bei einem Projekt die weiteren Gruppen beteiligt: Investoren Die Immobilieninvestoren übernehmen die Eigentümerfunktion über einen meist umfangreichen Bestand an Grundstücken und Gebäuden. Zu Ihnen gehören auch mit den Immobilienbestandshaltern große Non- Proper- ty- Companies, die öffentliche Hand oder die Kirchen mit ihren - zum Teil - um- fangreichen Immobilienbeständen. Sie verfolgen i.d.R. andere, nicht renditeori- entierte Ziele mit dem Erwerb der Immobilien wie die Bestandssicherung, die Versorgung des Betriebes und die Versorgung der Mitarbeiter mit Wohn- und Nutzflächen als klassische Investoren.79 Gegebenenfalls kann man auch Wohnungsbaugesellschaften dazu zählen, die als eingetragene Vereine firmieren. Sie dürfen ihrem Gründungszweck ent- sprechend keinen Gewinn erzielen. Die klassischen Investoren möchten bei einer Immobilieninvestition eine angemessene Rendite und im Vergleich zu anderen Anlageformen höhere Rendite erzielen. Sie verfolgen betriebswirt- schaftliche Ziele. Bauunternehmen Bauunternehmen übernehmen die Erstellung der Immobilie nach den Vorgaben der Eigentümer bzw. des Entwicklers. 78 vgl. Schulte 2005, S. 170 79 vgl. Bone- Winkel 2005 (b), S. 29 2 Grundlagen und Problemanalyse 39 Die Bauwirtschaft unterscheidet zwischen dem Bauhauptgewerbe, das in Bau- industrie und Bauhandwerk aufgeteilt ist, sowie das Baunebengewerbe, das ist z.B. die Fassaden- und Baureinigung, der Gerüstbau, etc.. Finanzierer Die Finanzierer, i.d.R. in Form von Banken, stellen das zur Verwirklichung von Immobilienprojekten benötigte Fremdkapital zur Verfügung. Im Gegensatz zu den Immobilieninvestoren sind sie i.d.R. bemüht, keine direkten wirtschaftlichen Risiken zu tragen. Dienstleister Die Gruppe der Immobiliendienstleister setzt sich aus verschiedenen Marktteil- nehmern zusammen, deren erbrachte Dienstleistung unmittelbar mit der Immo- bilie verbunden ist. Dazu zählen beispielsweise Marktforscher, Immobilienbe- werter, Immobilienberatungsunternehmen, Immobilienvermittler und Facilities- Management- Unternehmen, aber auch Stadtplaner, Bauingenieure und Archi- tekten. Außerdem können weitere Berufsgruppen wie Notare, Steuerberater oder Juristen in diese Gruppe eingeordnet werden.80 Immobiliennutzer Die Nutzer von Immobilien bilden die Nachfrageseite des Immobilienmarktes in Gestalt des Käufers oder Mieters und entscheiden durch ihren Bedarf über den Marktwert der Immobilie. Auf diese Weise bilden sie ein Regulativ für die Ange- botsseite des Marktes und determinieren maßgeblich deren Entwicklung, insbe- sondere dann, wenn es sich um einen Käufermarkt handelt. Sie können nach ihren unterschiedlichen Ansprüchen in fünf Nutzergruppen aufgeteilt werden: - Industrie - und Handelsunternehmen - Dienstleistungsunternehmen - Non- Profit- Organisationen und - private Haushalte. 80 vgl. Bone- Winkel 2005 (b), S. 30 2 Grundlagen und Problemanalyse 40 Industrie- und Handelsunternehmen Sie stellen Nutzungsansprüche, die durch ihre Tätigkeitsfelder determiniert sind. Die Industrieunternehmen fordern speziell neben ihrer allgemeinen Verwal- tungsfunktion, die eine Büroimmobilie benötigt, auf ihre Fertigungsabläufe und Logistikkapazitäten spezialisierte Gebäudeformen. Handelsimmobilien müssen ausreichend Platz für die angebotenen Waren bieten und für die Kunden gut erreichbar sein. Dienstleistungsunternehmen Dienstleistungsunternehmen fragen Büroimmobilien nach. Die Büroimmobilien müssen in ihrer Komposition der Flächen und der technischen Ausrüstung auf die Belange der Dienstleister ausgelegt sein. Private Haushalte Private Haushalte bilden die Nachfrage auf dem Wohnungsmarkt. Die Funktion des Wohnens hat eine ausgeprägte soziale Komponente, die sich daraus er- gibt, dass das Wohnen ein Grundbedürfnis des Menschen ist.81 Das Bedürfnis des Wohnens kann in zwei Bereiche aufgeteilt werden. Das ist zum einen der Grundbedarf der lebensnotwendigen Versorgung an Wohnraum.82 Dabei steht der Schutz vor der Witterung und äußeren Feinden im Vordergrund.83 Zum an- deren werden die menschlichen Bedürfnisse des Geltungs- uns Prestigestre- bens, der Vermögensanlage und ähnlicher Bedürfnisse befriedigt.84 Aus der Zusammensetzung und der Anzahl der jeweiligen Haushaltsbewohner leitet sich die Haushaltstypologisierung ab. Die Haushaltstypen sind Einperso- nen-, Erwachsenen- und Familienhaushalte. Dabei spielt die Individualisierung der Lebensläufe der einzelnen Menschen seit 1950 eine gewichtige Rolle.85 81 vgl. Kühne-Büning 2005, S. 15 82 vgl. Kühne-Büning 2005, S. 15 83 vgl. Spiegel 2001, S. 42 84 vgl. Kühne-Büning 2005, S. 15 85 vgl. Spiegel 2001, S. 46 2 Grundlagen und Problemanalyse 41 Einpersonenhaushalte Der Einpersonhaushalt besteht aus einer autark wirtschaftenden Person. Dabei werden auch Haushalte mit Untermietern und Wohngemeinschaften zu den Einpersonenhaushalten gezählt, bei denen die Bewohner einen eigenen Wirt- schaftsbereich bilden. Der Anteil des Einpersonenhaushaltstyps an der gesamten Anzahl der Haus- haltstypen liegt bei 37,2 % (2004).86 Heute können z.B. verstärkt auch jüngere Menschen, vor allen Dingen Studenten und Auszubildende, eigene Haushalte gründen.87 Erwachsenenhaushalte Erwachsenenhaushalte setzen sich aus zwei Bewohnern zusammen. Sie besit- zen einen Anteil von 34,1 % (2004) an allen Haushalten.88 Die Haushalte die- ses Typs zeichnen sich oft dadurch aus, dass beide Partner beruftätig sind und somit das höchste Einkommen der Haushaltstypen aufweisen.89 Familienhaushalte Familienhaushalte setzen sich aus mehr als zwei Bewohnern zusammen, dabei gelten auch Haushalte mit alleinerziehenden Müttern und Vätern zu den Famili- enhaushalten.90 Ihr Anteil an der Gesamtzahl der Haushalte liegt bei 28,7 % (2004)91 und hat in der Zeit von 1950 stark abgenommen. Die wirtschaftliche Lage dieses Haushaltstyps ist im Vergleich zu den beiden anderen Typen schlechter, da meistens nur ein Einkommen bei gleichzeitig mehr zu versorgenden Mitgliedern des Haushaltes zur Verfügung steht.92 86 vgl. Statistisches Bundesamt, http://www.destatis.de/basis/d/bevoe/bevoetab11.php, Stand 01.02.2005 87 vgl. Spiegel 2001, S. 53 88 vgl. Statistisches Bundesamt, http://www.destatis.de/basis/d/bevoe/bevoetab11.php, Stand 01.02.2005 89 vgl. Spiegel 2001, S. 141 90 vgl. Spiegel 2001, S. 51 91 vgl. Statistisches Bundesamt, http://www.destatis.de/basis/d/bevoe/bevoetab11.php, Stand 01.02.2005 92 vgl. Spiegel 2001, S. 51 2 Grundlagen und Problemanalyse 42 Die Immobilienanbieter Auf der Seite der Immobilienanbieter können zwei Hauptgruppen voneinander unterschieden werden. Das sind die privaten Immobilienanbieter und die institu- tionellen Anbieter. Beide Gruppen verfolgen unterschiedliche Ziele bei der Im- mobilieninvestition. Private Immobilienanbieter Private Immobilienanbieter besitzen vorwiegend kleinere Wohn- und Ge- schäftshäuser, Eigentumswohnungen und Anteile an offenen und geschlosse- nen Immobilienfonds.93 Dabei verfolgen die Anbieter je nach der Immobilienart, in die sie investieren, unterschiedliche Ziele. Im Bereich der Investitionen in Geschäftshäuser, sowie in offene und geschlos- sene Immobilienfonds steht die Kapitalanlage und somit die private Vermö- gensverwaltung unter der Nutzung steuerlicher Vorteile im Vordergrund der Interessen von privaten Immobilienanbietern.94 Bei Investitionen von Wohnimmobilien der privaten Immobilieninvestoren steht neben den Kapital bildenden Zielen auch das Interesse der Selbstversorgung mit Wohnraum im Fokus der Betrachtung. Dabei wird die Selbstversorgung mit Wohnraum gleichzeitig als Kapitalanlage für die Altersversorgung gesehen. Es sind deshalb 90% der Wohnungen in Häusern mit ein oder zwei Wohnungen in privatem Besitz.95 Institutionelle Anbieter Die institutionellen Immobilienanbieter sind in der Lage, hohe Kapitalvolumina einzusetzen. Ihre Ziele liegen in der optimalen Kombination aus Rendite des Kapitals und dem langfristigen Wertzuwachs der Immobilie. 93 vgl. Schulte 1998, S. 38 94 vgl. Schulte 1998, S. 38 95 vgl. Heuer 2001, S. 28 2 Grundlagen und Problemanalyse 43 Die institutionellen Anbieter setzen sich hauptsächlich aus Versicherungen, Pensionskassen und offenen Immobilienfonds zusammen. Verstärkt treten in der letzten Zeit Immobilienaktiengesellschaften auf dem Immobilienmarkt auf.96 Die institutionellen Wohnungsanbieter setzen sich aus den folgenden Unter- nehmensgruppen zusammen:97 - Wohnungsgenossenschaften - Kapitalgesellschaften - Landesentwicklungsgesellschaften - Freie Wohnungsunternehmen - Sonstige Anbieter 2.1.2.4 Ausgangssituationen der Projektentwicklung Die Projektentwicklungsprozesse werden insbesondere durch die jeweilige Aus- gangssituation geprägt. Hierbei sind grundsätzlich drei Ausgangssituationen zu unterscheiden. Abb. 2.1.2.4 - 1: Ausgangssituationen der Projektentwicklung98 96 vgl. Schulte 1998, S. 38 97 vgl. Kühne-Büning 2005, S. 119 f und Heuer 2001, S. 29 f 98 vgl. Schulte 2002 (b), S. 32 2 Grundlagen und Problemanalyse 44 Die erste Ausgangssituation ist die Initiierung der Projektentwicklung durch ei- nen vorhandenen Standort. Sie erfordert oftmals hohe Anforderungen an den Projektentwickler, da die angebotenen Standorte häufig begrenzende Eigenschaften aufweisen, an die das Projekt angepasst werden muss. In der Immobilienpraxis ist diese Variante am häufigsten anzutreffen.99 Hierbei han- delt es sich oftmals auch um Projektentwicklungen, die die Revitalisierung von brachliegenden Industrieflächen zur Aufgabe haben. Die zweite Ausgangssituation ist die Entwicklung über eine Projektidee bzw. einen konkreten Nutzerbedarf. Sie ist relativ einfach, da der Projektentwickler bei der Auswahl des Standortes i.d.R. im regionalen Umfeld nicht gebunden ist und somit Projektidee und Standort optimal kombinieren kann. Die dritte Ausgangssituation ist die Entwicklung über die wirtschaftliche Anlage von Kapital. Diese Ausgangssituation wird oftmals von institutionellen Investo- ren initiiert, die zunehmend eine Investition in neue Projektentwicklungen als eine Alternative zu anderen Anlagemöglichkeiten in Betracht ziehen.100 Da Immobilien zu den langlebigsten Wirtschaftsgütern zählen und Grund und Boden theoretisch ein unendliches Leben haben, sind die drei Ausgangssituati- onen unter dem Einfluss des Faktors „Zeit“ zu betrachten. Nutzung, Standort und Kapitalverwendung unterliegen über die Zeit hinweg durch umweltrelevante Einflüsse regelmäßig Veränderungen. Betrachtet man die Projektentwicklung im Lebenszyklus von Immobilien, wird deutlich, wie wichtig insbesondere das Ti- ming im Bezug auf den Erfolg einer Projektentwicklung ist.101 99 vgl. Bone- Winkel 2005, S. 234 100 vgl. Bone- Winkel 2005 (b), S. 235 101 vgl. Schulte 2002, S. 35 f 2 Grundlagen und Problemanalyse 45 2.1.2.5 Projektentwicklung im Lebenszyklus von Immobilien Der Lebenszyklus von Immobilien erstreckt sich von der Entstehung eines Ge- bäudes über verschiedene Nutzungen bis zum Abriss. Im zeitlichen Ablauf grei- fen folgende Phasen:102 - die Projektentwicklungsphase - die Nutzungsphase - die Leerstandsphase und - die Redevelopmentphase ineinander. Brache Wiedernutzung NutzungNutzung NeubauprojektAbriss LeerstandUmstrukturierung Projekt- entwicklung Bau- Projekt- Manage- ment Facilities Management Projekt- entwick- lung Facilities Manage- ment Grundstück Abb. 2.1.2.5 - 1: Der prozessuale Immobilien-Lebenszyklus103 Der Lebenszyklus einer Immobilie beginnt mit der Realisierung einer Immobilie auf einem Grundstück. Hier setzt der Projektentwicklungsprozess ein. Ge- mäß Isenhöfer dauert dieser Prozess in der Regel zwei bis 10 Jahre, kann aber in Ausnahmefällen auch deutlich darüber liegen.104 Mit der Fertigstellung der Immobilie setzt die Nutzungsphase ein. Das Facility Management übernimmt hierbei die Aufgabe, die Immobilie einschließlich ihrer 102 vgl. Isenhöfer 1999, S. 48 ff 103 vgl. Rottke 2005, S. 211 104 vgl. Isenhöfer 1999, S. 48 2 Grundlagen und Problemanalyse 46 technischen Einrichtung mit dem Ziel optimaler Wertentwicklung nutzerorientiert und effizient zu bewirtschaften.105 Der Auszug von Mietern und geänderte Flächenbedarfsstrukturen bei eigenge- nutzten Immobilien sind die Ursachen für Leerstand. In Abhängigkeit der Dritt- verwendungsmöglichkeit und den Gegebenheiten des Marktes ist der Verkauf bzw. Neu-Vermietung eine sinnvolle Alternative für den Eigner.106 Auf die Leerstandsphase folgt die Redevelopmentphase. In Abhängigkeit von den äußeren Rahmenbedingungen ist zu entscheiden, ob ein Redevelop- ment107 oder ein Abriss der Immobilie einzuleiten ist. Die Folge ist ein neuer Projektentwicklungsprozess. Die Redevelopmentphase markiert in diesem Sinn den Beginn eines neuen Zyklus. Der Lebenszyklus einer Immobilie verläuft innerhalb eines volkswirtschaftlichen Kontextes.108 Da Immobilienmärkte starken zyklischen Auf- und Abschwüngen unterliegen, ist das Timing von Projektentwicklungen und Redevelopments aus- schlaggebend für den Erfolg. So kann ein schlechtes Timing dazu führen, dass das Projekt zu einem ungünstigen Zeitpunkt auf den Markt platziert wird und der Projektentwicklungsphase direkt die Leerstandsphase folgt.109 Der Lebenszyklus einer Immobilie durchläuft mehrere Marktzyklen. In der Lite- ratur werden sie auch Immobilienzyklen genannt. Ein Immobilienzyklus lässt sich in folgende vier Phasen unterteilen:110 - die Überbauung - die Marktbereinigung - die Stabilisierung und - die Expansion. 105 vgl. Isenhöfer 1999, S. 49 106 vgl. Isenhöfer 1999, S. 145 107 Unter Redevelopment wird die Restrukturierung und Sanierung der Bausubstanz einer Immobilie verstanden. 108 vgl. Phyrr 1989, S.4 109 vgl. Schulte 2002, S. 75 110 vgl. Schulte 2002, S. 76 ff 2 Grundlagen und Problemanalyse 47 Bei der Überbauung sinkt die Flächennachfrage bei ebenfalls sinkender Flä- chenabsorption, zugleich wächst der Bestand durch Neubaufertigstellungen. Der Leerstand und die Mietpreise sinken. Im Zuge eines neuen konjunkturellen Aufschwungs setzt eine Marktbereini- gung durch fehlenden Nachbau, Abriss und Umwidmung ein. Geplante Pro- jektentwicklungen werden aufgrund des Mietniveaus auf spätere Marktphasen verschoben. Mit der Marktbereinigung, der Konsolidierung des Marktes beginnt nun die Pha- se der Stabilisierung. Durch die leicht steigende Flächennachfrage bei eben- falls steigender Flächenabsorption sinkt der Leerstand und die Mietpreise stei- gen. Da neue Projektentwicklungen in der Phase der Marktbereinigung zum größten Teil eingestellt wurden, ist in diesem Fall nicht ein Überangebot - son- dern im Gegenteil - eine Senkung des Anteils an Neuflächenbestand die Folge. Nach der Stabilisierung folgt die Expansion. Die Flächennachfrage nimmt zu. Der Leerstand sinkt. Die Nachfrage ist wesentlich höher als das Angebot, da so gut wie keine Neubaufertigstellungen auf dem Markt platziert werden konnten. Somit steigt nun die Projektentwicklungstätigkeit stark an. Eine phasenversetzte Platzierung von neuen Immobilien auf dem Markt und der direkte Übergang in die Überbauung ist die Folge. Betrachtet man die lange Entwicklungsdauer einer Immobilie und die zyklischen Schwankungen des Marktes, so wird deutlich, dass dieses prozyklische Verhal- ten der Projektentwickler - bedingt durch die Time Lags111 - das Ausmaß an Überproduktionskrisen und die Höhe der Leerstände vergrößert.112 Allerdings sind den Möglichkeiten des antizyklischen Handelns starke Grenzen in Form von Risiken und Umsetzbarkeit gesetzt.113 111 Der zeitlich phasenversetzte Verlauf der Konjunktur- und Immobilienzyklen wird in der Literatur als „Time Lag“ bezeichnet. 112 vgl. Dobberstein 2000, S. 1 113 vgl. Schulte 2002, S. 85 2 Grundlagen und Problemanalyse 48 2.1.2.6 Phasendeterminierte Sichtweise der Projektentwicklung Die Immobilien-Projektentwicklung ist durch ihren prozessualen Charakter ge- prägt und unterliegt somit einer zeitlichen Entwicklung. Deshalb wird im Folgen- den kurz die Projektentwicklung unter prozessualen Gesichtspunkten aufge- zeigt. Phasenmodelle in der Projektentwicklung114 In der Literatur existieren unterschiedliche Modelle zur Erklärung von Projekt- entwicklungsprozessen.115 Besonders geeignet sind die Phasenmodelle, die sich aus betriebswirtschaftlicher Sicht auf das Management des Projektentwick- lungsprozesses konzentrieren.116 Es handelt sich hierbei um deskriptive Model- le, die die äußerst kreativen, dynamischen und komplexen Aufgaben der Immo- bilien-Projektentwickler in einzelne idealtypische Phasen zerlegen.117 In diesem Kontext ist jedoch zu beachten, dass in der Praxis eine eindeutige Abgrenzung der einzelnen Phasen nicht möglich ist. Im konkreten Ablauf einer Projektentwicklung treten grundsätzlich Überlappungen, parallele Abläufe und Rückkopplungseffekte auf.118 Das Phasenmodell nach Fischer stellt nach Überzeugung der Verfasserin den Prozess der Projektentwicklung mit allen wichtigen Bausteinen am besten dar: 114 vgl. Turhaner 2005, S. 58ff Dort wurde eine umfangreiche Untersuchung der verschiedenen Phasen- modelle durchgeführt. 115 vgl. Pfnür 2004, S. 168-176; Brauer 2001, S. 531- 570; Isenhöfer 1999, S. 52; Bone- Winkel 1994, S. 54-60; Schulte 2002 (b), S. 41- 57; Fischer 2004, S. 20 f 116 vgl. Isenhöfer 1999, S. 36 117 vgl. Schulte 2002, S. 38 f 118 vgl. Gore 1991, S. 706 2 Grundlagen und Problemanalyse 49 Abb. 2.1.2.6 - 1: Das Phasenmodell des Projektentwicklungsprozesses nach Fischer119 In der vorangegangenen Abbildung werden nämlich der prozessuale Charakter einer Projektentwicklung und die mit ihm verbundenen dynamischen und kom- plexen Aufgaben komplett und übersichtlich abgebildet. Die Projektentwicklungstätigkeiten werden hierbei zwar in idealtypische Phasen unterteilt, jedoch wird auch gleichzeitig ersichtlich, dass innerhalb dieser Pha- sen grundsätzlich Überlappungen, parallele Abläufe sowie Rückkopplungseffek- te auftreten können. 119 vgl. Fischer 2005, S. 21 2 Grundlagen und Problemanalyse 50 Bis zur Phase der Projektkonkretisierung - also bis zur endgültigen Entschei- dungsphase - kann es aufgrund von Renditeüberlegungen durchaus notwendig sein, die einzelnen Phasen erneut zu durchlaufen, insbesondere, wenn die Pro- jektidee nicht wirtschaftlich tragbar erscheint Diese Rückkopplungseffekte kommen in diesem Phasenmodell sehr gut zum Ausdruck. Auch die parallelen Abläufe der Projektentwicklungstätigkeiten wer- den übersichtlich abgebildet. Hierzu zählt der Prozess der Projekt- und Grund- stückssicherung, welche bis zur Phase der Projektkonkretisierung durchlaufen wird sowie die Phase der Projektvermarktung, die nicht den Abschluss einer Projektentwicklung darstellt, sondern parallel zu allen vier Phasen verläuft. Die Risikoanalyse bildet die Schlüsselfunktion für eine erfolgreiche Projektent- wicklung. Erst auf ihrer Basis können aussagekräftige Überlegungen zur Reali- sierungsfähigkeit und Wirtschaftlichkeit einer Projektidee getroffen werden. Im Gegensatz zu dem Phasenmodell von Schulte folgt bei dem Modell von Fischer auf die Analyse des Nutzungskonzeptes die Kostenanalyse. Hierbei wird dem Schwerpunkt der Kostenplanung innerhalb einer Projektent- wicklung Rechnung getragen. Schließlich bildet sie die Grundlage zur Erstel- lung des Finanzierungsplans und ist somit auch ein wichtiger Faktor für die Ent- scheidungsfindung. Die Sicherstellung der Finanzierung wird zudem auch in der Phase der Projektkonkretisierung explizit aufgeführt. Das Ineinandergreifen der Phasen und der Ablauf des Phasenmodells gemäß Fischer soll für diese Arbeit als Grundlage und zum Verständnis für das später gezeigte, ökonomische Modell dienen. 2 Grundlagen und Problemanalyse 51 2.1.2.7 Die Risiken der Immobilien- Projektentwicklung120 Risikomanagementsysteme und deren Instrumente sind in der Finanzwirtschaft qualifiziert entwickelt. Im Immobilienwesen hingegen besteht noch erheblicher Nachholbedarf. Die Immobilien-Projektentwicklung ist immer noch von den so genannten „Bauch- entscheidungen“ geprägt.121 Dies liegt darin begründet, dass die kapitalmarkt- theoretischen Modelle nicht ohne weiteres im Immobilienbereich anwendbar sind.122 Hinzu kommt, dass die Entscheidungssituation bei Unsicherheit in den Vordergrund rückt. Insbesondere in der Immobilien-Projektentwicklung herrscht ein sehr hoher Unsicherheitsgrad bezüglich der Planung und Finanzierung ei- nes Investitionsvorhabens.123 Die Problematik hierbei ist auf die besonderen charakteristischen Eigenschaften der Immobilie als Wirtschaftsgut124 sowie auf die Besonderheiten des Immobilienmarktes125 zurückzuführen.126 Die systematische Bewältigung der Risiken setzt deren Erfassung nach spezifi- schen Risikomerkmalen und -ursachen voraus. Bei spekulativen Projektentwicklungen stehen den offenkundigen Chancen zahlreiche Risiken gegenüber.127 Die Risiken sind umso größer, je länger die Zeitspanne von der Projektidee bis zur Vermarktung des Investitionsvorhabens ist. Dies liegt darin begründet, dass sich aufgrund der langen Produktionsdauer die Marktlage wesentlich geändert haben kann.128 Durch die Berücksichtigung der zeitlichen Dimension muss der Projektentwick- ler erkennen, in welcher Phase und mit welcher Gewichtung die Risiken auftre- ten können. Es muss eine zeitnahe Reaktion auf die Risikosituation erfolgen. 120 vgl. Turhaner 2005, S. 82 ff 121 vgl. Beckmann 2002, S. 34 122 vgl. Wüstefeld 2000, S. 95 ff 123 vgl. Huch 2001, S. 308 f 124 Zu den charakteristischen Eigenschaften einer Immobilie vgl. Bone- Winkel 2005 (a), S. 16 ff 125 Zu den Besonderheiten des Immobilienmarktes vgl. Bone- Winkel 2005 (a), S. 21 ff 126 vgl. Abschnitt 2.1.1 127 vgl. Diederichs 2005, S. 326 128 vgl. Brauer 2001, S. 534 f 2 Grundlagen und Problemanalyse 52 Die Projektentwicklung enthält aber immer ein unvermeidbares Risiko und er- hebliches Restrisiko,129 da die Einflussfaktoren nie mit großer Sicherheit prog- nostiziert werden können. Risiken sind also immer ein Bestandteil von Immobi- lien-Projektentwicklungen, je nach Investitionsvorhaben mehr oder weniger be- deutsam. Der Projektentwickler muss Vorsorge für die erkennbaren Risiken reffen. Im Folgenden werden die Risiken im Einzelnen näher aufgeführt - differenziert nach den Phasen der Immobilien-Projektentwicklung.130 Risiken der Projektinitiierung Insbesondere im Anfangsstadium sind Projektentwicklungen durch die hohe Unsicherheit geprägt. Dabei scheiden schrittweise Risiken aus der Projektent- wicklung aus bzw. reduzieren sich erheblich. Mit Fortschreiten der Projektent- wicklung steigt zwar die Gewissheit über die architektonisch-technischen, wirt- schaftlichen und rechtlichen Gegebenheiten, doch sinkt auch gleichzeitig die Manövrierfähigkeit des Projektentwicklers.131 Abb. 2.1.2.7 - 1: Einflussmöglichkeiten auf die Gesamtkosten in den Projektphasen132 129 vgl. Alda 2005, S. 89 130 Die Ausführungen erfolgen nach dem Phasenmodell nach Fischer. 131 vgl. Bone- Winkel 2005 (b), S. 253 132 vgl. Isenhöfer 2000, S. 175 2 Grundlagen und Problemanalyse 53 Wie man in der oben aufgeführten Abbildung gut erkennen kann, liegt die ma- ximale Manövrierfähigkeit des Projektentwicklers in den ersten beiden Projekt- phasen. Somit sind diese zwei Phasen besonders wichtig. Risiken der Konzeption Grundsätzlich besteht bei jeder Projektentwicklung das Risiko einer nicht marktkonformen Projektkonzeption,133 die den Ertrag nachdrücklich verschlech- tern kann. Das Entwicklungsrisiko ist umso größer, je mehr sich der Projektentwickler von seinem eigentlichen Marktsegment entfernt.134 Das Markt- und Ertragsrisiko resultiert aus der unerwarteten, meist negativen Entwicklung eines Marktes oder spezifischen Teilmärkten. Sie kommen in Form von Wertverlusten bzw. geringeren Mieteinnahmen zum Ausdruck und können u.a. gezielt durch Vorvermietungen verringert werden. Zur Beschreibung des konjunkturellen Verlaufes im Immobiliensektor können Kennzahlen wie z.B. die Entwicklung des Bauvolumens nach DIW oder auch die vom Statistischen Bundesamt ausgewiesenen Bauinvestitionen herangezo- gen werden. In diesem Zusammenhang sind ebenso die makro-ökonomischen Determinanten, die die Entwicklung der Erfolgs- und Risikopotentiale von Im- mobilieninvestitionen prägen, zu analysieren.135 Im Gegensatz zu den konjunkturellen Aspekten, die kurz- oder mittelfristig wir- ken, vollzieht sich der Werte- und Strukturwandel über Jahrzehnte hinweg.136 In der Regel kündigt sich dieser Wandel im Voraus an und ist prinzipiell vorher- sehbar.137 Bei einer flexiblen Flächenstruktur kann der Projektentwickler dann eine hohe Anzahl von potentiellen Mietern ansprechen und auch auf neue Situationen reagieren, die sich bei der Vermarktung ergeben. 133 vgl. Diederichs 1994 (b), S. 56 134 vgl. Bone- Winkel 2005 (b), S. 254 135 vgl. Maier 2004, S. 171 ff 136 vgl. Rottke 2005, S. 222 137 vgl. Lachman 2003, S. 1 2 Grundlagen und Problemanalyse 54 Mithilfe von Prognosemethoden können allgemeine Entwicklungstendenzen abgeschätzt und deren Einfluss auf den Standort untersucht werden. Im Rah- men der Standortanalyse werden u.a. Scoringmodelle und Benchmarks zur Bewertung eingesetzt. Es verbleibt stets ein Restrisiko, da die Marktprognosen auf Vergangenheitsda- ten basieren und somit vom Eintritt der prognostizierten gesamtwirtschaftlichen Entwicklung abhängen.138 Um die Aussagegenauigkeit über langfristige Marktentwicklungen zu erhöhen, sind die ökonomischen Prognosen in die Betrachtung mit einzubeziehen. Ein adäquates Instrument hierbei stellen die Sensitivitätsanalyse oder auch die Szenariotechnik dar.139 Über längere Prognosezeiträume basiert die Einschätzung der Angebotsent- wicklung auf Annahmen, da keine vollständige Kenntnis aller geplanten Projek- te vorliegt.140 Da der Preis letztendlich der entscheidende Markt-Indikator ist, jedoch sowohl die Umsatzzahlen als auch die Mietpreise zu den Unternehmensgeheimnissen der Branche zählen, gestaltet sich die Erhebung projektrelevanter Marktdaten als besonders schwierig.141 Das Finanzierungsrisiko wird durch das Kapitalmarktrisiko geprägt. Zu den wichtigsten Komponenten zählen das Ausfallrisiko, das Terminrisiko, das Boni- tätsrisiko, das Liquiditätsrisiko, das Kapitalentzugsrisiko sowie das Zinsände- rungsrisiko.142 Die Sicherstellung der Finanzierung ist ein wesentlicher Baustein der Projektentwicklung. 138 vgl. Diederichs 1996, S. 357 139 vgl. Bewertungsverfahren, Abschnitt 3.1.2.1. 140 vgl. Isenhöfer 2005, S. 438 141 vgl. Muncke 2002, S. 150 142 vgl. Maier 2004, S. 284 2 Grundlagen und Problemanalyse 55 Der Zinssatz (KZ) für eine Projekt- oder Unternehmensanleihe wird aus ver- schiedenen Differenzbetrachtungen (Spreads) abgeleitet und errechnet sich dann, vereinfacht dargestellt, aus: KZ = KRF + KZiLa + KZuLi + KLä Gleichung 2.1.2.7 - 1 mit KRF als risikofreier Zinssatz KZiLa als Zuschlag für Zinsänderung über die Laufzeit KZuLi als Zuschlag für Liquidierungskosten in Bargeld KLä als Länderrisikozinszuschlag Auf der Basis der Bundesschatzbriefe wird der risikofreie Zinsanteil mit aktuel- lem variablem Zins ermittelt. Der Teil aus der Zinsänderung über die Laufzeit wird aus der Zinsstrukturkurve, die aus den Daten der Börse Stuttgart gefertigt wurde, ermittelt und der Zuschlag für die Liquidierungskosten könnte über Ver- gleiche von offenen Immobilienfonds ermittelt werden. Die Ermittlung der Zinszuschläge für die Laufzeit kann man vermeiden, wenn man vergleichbare Laufzeiten in der Staatsanleihe hat (z.B. Bundesschatzbriefe über max. 10 Jahre). Der Bundesfinanzminister hat inzwischen festgelegt, dass der Eigenbau mit der Zinsrate der 10-jährigen Bundesanleihe bei dem Vergleich Eigenbau zu Leasingangebot gerechnet wird. Daraus ergibt sich bei ausgepräg- tem, negativen Cash Flow ein erkennbarer Vorteil für den Eigenbau. Einige Länder, wie z.B. Hessen, haben nach Standard & Poor’s kein AAA - Ra- ting mehr, sondern nur noch AA. Damit ist dann ein höherer Zins bzw. ein Län- derrisikozinszuschlag von 0,1 bis 0,2 % erforderlich. Bei dem so genannten Umweltrisiko ist der Einfluss des rechtlich-politischen Umfeldes bei der Beurteilung der Risikosituation zu beachten.143 Im Mittelpunkt der Betrachtung stehen hierbei sowohl die Organe für Gesetzgebung und Re- gierung als auch die Organe der Verwaltung und der Rechtsprechung.144 143 vgl. Isenhöfer 1999, S. 183 144 vgl. Jarass 1984, S. 83 ff 2 Grundlagen und Problemanalyse 56 Politische Risiken bergen die Gefahr, dass ökonomisch wichtige Rahmenbedin- gungen geändert werden.145 In diesem Zusammenhang sind die Art und der Grad der staatlichen Einwirkung auf die Wirtschaft zu analysieren. Eine gute Übersicht über die Teilrisiken des Umweltrisikos stellt die Abbildung 2.1.2.7 - 2 dar: Länderris iko ~ Zah lungsunfäh igke it e ines S taa tes ~ R is iko du rch p ro jektfe ind liche A u ftre ten exte rne r In te ressen träge rn ~ R is iko du rch m ange lnde Q ua lif ika tion ö rtliche r A rbe itskrä fte ~ R is iko du rch K rim ina litä t ~ Zo llrech t im K unden land P o litisches und ~ Inne re Instab ilitä t im K unden land sozia l und po litisch O rdnungspo litisches R is iko ~ G e fah r von S tre iks ~ G e fah r behörd liche r E inm ischung ~ G e fah r der E n te ignung ~ A ußenpo litische S pannungen ~ K riegsge fahr von außen bzw . in D rittlände rn K u ltu rris iko ~ M ange lnde A kzep tanz der ö rtlichen B evö lke rung im K unden land ~ S itten , G ebräuche und R e lig ion de r P ersonen im K unden land R echtliches R is iko ~ B estim m ungen des H ande lsrech ts im K unden land ~ B estim m ungen des G ese llscha fts- und V ertragsrech ts ~ E igen tum s- und V erm ögensrech te ~ F iska lische B estim m ungen ~ A rbe its - und S iche rhe itsbestim m ungen ~ G esundhe its- und U m w eltschutzstandards ~ B estim m ungen des V erwa ltungs- und V erw a ltungsve rfah rensrech ts ~ R ech tsunsiche rhe it be i V e rw a ltungsve rfah ren und G erich tsba rke it ~ B auordnungsrech tliche B esonderhe iten ~ B aup lanungsrech tliche B esonderhe iten ~ G e ltendes B aurech t ~ Ä nderungen von B au- und B e triebsnorm en ~ Ä nderungen (W ohnungs-) M ie trech t ~ G esta ltung K au fve rtragsrech t S teuerliches R is iko ~ K om p lexitä t der B esteue rungsm ate rie ~ U nbestim m the it und U nbeständ igke it de r R ech tsno rm en ~ In te rp re ta tionsunsiche rhe it U m w elt- und N aturris iko ~ S ta rke N iede rsch läge / Ü berschw em m ungen ~ S ehr s ta rke S tü rm e / B litzsch läge ~ Law inen ~ G roß feuer / E rdbeben / E xp los ionen ~ A ndere extrem e k lim a tische B ed ingungen ~ V orhe rrschende In fek tionskrankhe iten ~ E xtrem e S chadsto ffem m is ionen ~ R is iko des zu fä lligen U n tergangs In frastruk tur- und ~ Zustand V erkeh rsw ege und V erkeh rsm itte l K om m unikationsris iko ~ Zuverläss igke it V e rsorgungse in rich tungen ~ Zuverläss igke it ö rtliche Indus trie , G ew erbe und w ich tige Institu tionen ~ Zuverläss igke it K om m un ika tionse in rich tungen U m w eltris iko Abb. 2.1.2.7 - 2: Risikocheckliste Umweltrisiko146 145 vgl. Finnerty 1996, S. 47 ff 146 vgl. Turhaner 2005, S. 88; in Anlehnung an Forschung Holthaus, Meinen, Stegmann, Universität Dortmund, Lehrstuhl Baubetrieb; die weiteren Risikochecklisten beruhen ebenfalls in Anlehnung an den internen Forschungsergebnissen des Lehrstuhls Baubetrieb. 2 Grundlagen und Problemanalyse 57 Das Standortrisiko ist einer der risikoträchtigsten Faktoren bei der Projektent- wicklung. Die Wertentwicklung einer Immobilie wird hauptsächlich durch den Faktor Lage beeinflusst.147 Aufgrund der geografischen Fixierung einer Immobilie kommt der Auswahl des Standortes eine entscheidende Bedeutung zu.148 Wenn bei einem noch zu ak- quirierenden Standort das Projekt entwickelt werden soll, kann durch die sorg- fältige Auswahl das Standortrisiko aus der Lage des Grundstücks eingegrenzt werden.149 Für einen bereits fixierten Standort resultiert ein erhebliches Risiko aus der Einschränkung der Wahlfreiheit.150 Bei variierenden Standortanforderungen erfahren die einzelnen Faktoren auch unterschiedliche Gewichtungen.151 Die Qualität und Quantität von vorhandenen Schulen und Kindergärten, ausreichenden Stellplätzen und eine gute ÖPNV- Anbindung können solche Anforderungen sein. Die Beurteilung der Lagesituati- on wird letztendlich von den konkreten Anforderungen der Zielgruppe, deren Wandel im Zeitablauf sowie von der Flexibilität der Immobilie geprägt.152 In diesem Zusammenhang ist ebenfalls die Einflussnahme der Nachbarschaft auf die Projektidee und die Akzeptanz der Projektidee in der Öffentlichkeit ein Faktor, der die Genehmigungsfähigkeit und die Realisierung eines Projektes mit beeinflusst. Im Vorfeld sollte die Projektidee mit den Grundstücksnachbarn abgestimmt werden, um spätere Verzögerungen durch Widersprüche des Nachbarn im Baugenehmigungsverfahren von vornherein auszuschließen.153 147 vgl. Alda 2005, S. 49 148 vgl. Wüstefeld 2000, S. 110 149 vgl. Diederichs 1994 (b), S. 56 150 vgl. Diederichs 1996, S. 358 151 vgl. Wüstefeld 2000, S. 115 f 152 vgl. Maier 2004, S. 196 153 vgl. auch Nister 2005, S. 199 2 Grundlagen und Problemanalyse 58 Besonders wichtig Wichtig ~ gutes infrastrukturelles Umfeld ~ ausreichende Individualverkehrsanbindung Hochwertige (Einzelhandel, Gastronomie) ~ Mindestanzahl an Stellplätzen Nutzungen ~ positives Image des Standortes ~ gute ÖPNV-Anbindung ~ gute Individualverkehrsanbindung ~ Gastronomieeinrichtungen im Umfeld Backoffice-Bereiche ~ ausreichende ÖPNV-Anbindung ~ ausreichende Nähe zu Arbeitskräften ~ ausreichende Parkplätze ~ gute fußläufige Erreichbarkeit ~ Wettbewerbssituation im Umfeld Innerstädtischer ~ hohe Passantenfrequenz ~ Synergien zu Gastronomie und Freizeit Handel ~ Parkhäuser ~ ÖPNV-Anbindung ~ Nähe zu Wohngebieten ~ Nähe zu ergänzenden Handelseinrichtungen Stadtteillagen ~ gute Erreichbarkeit (ÖPNV,IV) ~ gute Sichtanbindung ~ ausreichende Parkplätze ~ ausreichendes Einzugsgebiet ~ guter Branchenmix bei Centern "Grüne Wiese" ~ gute Erreichbarkeit mit dem PKW ~ Nähe zu ergänzenden Handelseinrichtungen ~ ausreichende Parkplätze ~ attraktives, möglichst "grünes" Umfeld ~ ÖPNV-Anbindung Einfamilienhäuser / ~ gute Individualverkehrsanbindung ~ Nahversorgung in unmittelbarer Nähe Reihenhäuser ~ gute Erreichbarkeit Schule, Kindergarten ~ gute ÖPNV-Anbindung ~ ausreichende Parkplätze Geschoss- ~ gute Nahversorgung in fußläufiger Nähe wohnungsbau ~ gute Erreichbarkeit Schule, Kindergarten ~ Nähe zum großstädtischen Wirtschaftsraum ~ moderate Grundstückspreise ~ gute Individualverkehrsanbindung ~ imageträchtiger Standort ~ ÖPNV-Anbindung Top-Hotels ~ zentrale Lage ~ attraktives Kultur- / Freizeitangebot Tagungshotels ~ gute Individualverkehrsanbindung ~ Nähe zum Flughafen ~ ausreichendes Einzugsgebiet 2-Sterne-Hotels ~ überregionale Verkehrsanbindung ~ moderate Grundstückspreise ~ hohes Verkehrsaufkommen Wohnen Gewerbepark Hotel Büro Einzelhandel Abb. 2.1.2.7 - 3: Die wichtigsten Standortanforderungen ausgewählter Nutzungen154 Zur Abschätzung und Bewertung des Standortrisikos werden in der Regel Standort- und Marktanalysen durchgeführt.155 154 vgl. Schäfer 2002, S. 51 155 siehe Abschnitt 2.3.1,1 und 2.3.1.2 2 Grundlagen und Problemanalyse 59 Ein nicht zu vernachlässigendes Risiko ist das Grundstücksrisiko.156 Da Be- schaffenheit des Bodens, u.a. auch das Vorhandensein von Altlasten, generell die Baukosten beeinflusst, ist insbesondere bei unbebauten Grundstücken die Untersuchung der Bodenbeschaffenheit ein wichtiges Analysekriterium.157 Un- tersuchungen hierzu sind sehr aufwendig und kostspielig. Deshalb werden sie in der Regel nicht vor dem Grundstückskauf oder dessen Sicherung durchge- führt. Im Kaufvertrag ist die Thematik dann häufig Gegenstand sorgfältiger Ver- einbarungen.158 Weitere Kriterien bei unbebauten Grundstücken sind die technische Erschlie- ßung, im Grundbuch eingetragene Belastungen der privatrechtlichen Verpflich- tungen sowie die öffentlich-rechtlichen Verpflichtungen im Baulastenverzeich- nis.159 Urheberrechte Ausschluss staatlicher Enteignung Vertragsrechtliches Risiko Gestaltung Kaufvertragsrecht Steuerliches Risiko Ausübung gemeindlicher Vorkaufsrechte nach §§ 24 - 28 BauGB Feststellung sonstiger nicht eingetragener Rechte Dritter öffentliche Lasten (z. B. Erschließungsbeiträge) Ausschluss drohender Rechtsstreitigkeiten Baulastenrisiko Zuverlässigkeit Baulastenverzeichnis Kündbarkeit der Belastungen Rechtliches Risiko Abfallbeseitigungsrisiko Betriebsstilllegungsrisiko Sanierungs- und Sicherungsrisiko Gefahrerforschungsrisiko Risiko Schadenersatzansprüche Dritter Erfordernis zusätzlicher oder besonderer Gründungsmapnahmen Existenz Bodendenkmäler / archäologische Bausubstanz Kontaminationen Grundstück / Gebäude Kampfmittelfreiheit des Grundstücks Fundamentenreste / unbekannte Grundleitungen Grundwasserverhältnisse Qualität des Baugrundachtens Altlastenrisiko Auswirkungen des Bauhubs auf Nachbargebäude Grundstücksrisiko Bodenrisiko im statischen Hinblick Baugrundbeschaffenheit Tragfähigkeit des Bodens Abb. 2.1.2.7 - 4: Risikocheckliste Grundstücksrisiko160 156 vgl. Abschnitt 2.3.1.2 157 vgl. Silvermann 1988, S. 8 158 vgl. Usinger 2002, S. 496 159 vgl. Usinger 2002, S. 496 160 vgl. Turhaner 2005, S. 98; Weiterhin kann das Nachbarschaftsrecht das Genehmigungsrisiko erheblich beeinflussen (vgl. vorherige Ausführungen zum Standortrisiko). 2 Grundlagen und Problemanalyse 60 Das Genehmigungsrisiko besteht darin, dass die Baugenehmigung mit Aufla- gen oder Nebenbedingungen erteilt wird161, die großen Einfluss auf die Wirt- schaftlichkeit des Projektes ausüben. Genehmigungsrisiko Nachbareinsprüche öffentliche Bauprojektakzeptanz Bestandsfähiger Bauvorbescheid Änderungen des Planungsrechtes Notwendigkeit Sondergenehmigungen / vorübergehende Anmietung städtischer Flächen (Baulückenerschließung nach § 34 BauGB) Genehmigungsrechtliche Auflagen Gemeindliches Einvernehmen nach § 36 Abs. 1 Satz 1 BauGB Nutzungsänderungen Existenz und Abschätzbarkeit der Veränderungssperre nach § 14 Abs. 1 BauGB Notwendigkeit ökologischer Maßnahmen, Ausgleichsmaßnahmen Zugänglichkeit Grundstück (Begeh- und Befahrbarkeit) Lokale / spezifische Forderungen an die Bauausführung Abwasserberechnung Risiko der Genehmigungsfähigkeit Einhaltung der Abstandsflächen / Anwendbarkeit Ausnahmen nach § 6 SächsBO Planungsrechtliches Risiko Grundstücksabtretungen für Straßenland und Gemeinbedarfsflächen Anträge der Gemeinde zur Zurückstellung von Baugesuchen nach § 15 Abs. 1 Satz 1 BauGB Notwendigkeit Teilungsgenehmigung nach § 19 Abs. 1 Satz 1 BauGB örtliche Auslegung bebaute Ortsteile nach § 34 BauGB Grad der Nahversorgungseinrichtungen Erfordernis notwendiger Stellplätze / Ermessungsspielraum Zuverlässigkeit technische Versorgungs- und Entsorgunganlagen Art und Maß baulicher Nutzung nach §§ 30 - 31 BauGB Erschließungszustand / Anschlusskennwerte Genehmigung Entwässerung öffentliche Lasten (z. B. Erschließungsbeiträge) sonstige öffentliche Abgaben (Strassenbeiträge, Anliegergebühren) öffentlich-rechtliche Beschränkungen (z.B. Erschließungs- und Sanierungsgebiet) Notwendigkeit Genehmigung Baulast oder Grunddienstbarkeit nach § 83 LBO NW (Hinterlieger- bzw. Hinterlandgrundstück) Notwendigkeit Genehmigung Baulast oder Grunddienstbarkeit nach § 5 IV i.V.m. II LBO (Hammergrundstücke) Einschränkungen infolge Beeinträchtigungsverbot nach § 34 Abs.1 Satz 2 BauGB Einschränkungen infolge Rücksichtsnahmegebot nach § 15 Abs. 2 BauNVO Zulässigkeit im Außenbereich nach § 35 BauGB (Sicherung der Erschließung) Notwendigkeit Ausnahmen und Befreiungen von den Festsetzungen nach §31 BauGB Abb. 2.1.2.7 - 5: Risikocheckliste Genehmigungsrisiko162 Durch Einsicht von Flächennutzungsplan und Bebauungsplan sowie durch das Einreichen einer Bauvoranfrage kann allerdings Rechtssicherheit über Art und Umfang der baulichen Nutzung des Grundstücks erlangt werden. 161 vgl. Wüstefeld 2000; S. 126ff 162 Turhaner 2005, S.99 2 Grundlagen und Problemanalyse 61 Risiken der Projektkonkretisierung und -konzeption Ist die Entscheidung zugunsten der Realisierung des Projektes gefallen, so werden für dessen Umsetzung Werkverträge für Planungs- und Bauleistungen abgeschlossen. Hierbei werden vertraglich die Rechte und Pflichten der einzel- nen Parteien sowie die juristischen Regelungen für den Projektablauf (anzu- wendendes Recht, Verstöße, Rücktrittsklauseln usw.) festgelegt.163 Das Baupreisrisiko kann durch geschickte Vertragsgestaltung164 mit den aus- führenden Unternehmen, aber auch mithilfe einer angemessenen und ausge- reiften Planung reduziert werden. Außerdem besteht für den Projektentwickler die Gefahr, dass sich die Arbeiten am Gebäude aus verschiedenen Gründen verzögern und der geplante Fertigstellungstermin für den bezugsfertigen Zu- stand nicht eingehalten werden kann.165 Bestimmte Vergabearten verringern die Risiken für Preissteigerungen und Teminverzögerungen. „Neben der Möglichkeit, getrennte Aufträge für jede Planungsleistung und jedes ausführende Gewerk zu vergeben, können die Leistungen auch zusammenhängend im Planungsbereich komplett an einen Generalplaner und im Ausführungsbereich an einen Generalunternehmer ver- geben werden. Eine weitere Möglichkeit ist die Vergabe sowohl der kompletten Planungs- als auch der kompletten Ausführungsleistungen an einen General- übernehmer.“166 Die Risikocheckliste sollte projektbezogen vollständig sein, abgearbeitete Risi- ken sind zu streichen und die wichtigsten Risiken sind zu bewerten. So kann in jedem Projektentwicklungsschritt neben der Renditeberechnung eine Risiko-/ Kosten-/ Ertragsanalyse durchgeführt werden. 163 vgl. Madauss 1990, S. 316 ff 164 vgl. Blecken 2003, S. 165 vgl. Wüstefeld 2000, S. 146 166 Wüstefeld 2000, S. 141 2 Grundlagen und Problemanalyse 62 Risiken der Projektvermarktung Als Vermarktungszeit kann die Zeitspanne zwischen der Aufstellung des Expo- sés bis zu Vermietung oder Verkauf des Objektes bezeichnet werden. Die Vermietungs- und Vermarktungsphase kann allgemein in fünf Phasen un- terteilt werden,167 nämlich in die Aufbereitungsphase, die Angebotsphase, die Korrekturphase, die Verhandlungsphase und die Phase des Vertragsabschlus- ses. Unsicher ist im Zuge der Vermarktungsphase vor allem die Dauer bis zum end- gültigen Vertragsabschluss sowie die Höhe des zu erzielenden Miet- oder Ver- kaufspreises.“168 Das Vermarktungsrisiko ist geprägt von dem Ertragsaus- fallrisiko oder Leerstandsrisiko sowie dem Miet- und Kaufvertragsrisiko. Im vorherigen wurde ein umfassender Überblick der mit einer Projektentwick- lung verbundenen Risiken anhand der Phaseneinteilung gemäß Fischer gege- ben. Die Risiken einer Projektentwicklung können aber auch gemäß der fol- genden Abbildung katalogisiert werden, die allerdings nicht alle möglichen Ris- ken beinhaltet : 167 vgl. Falk 1997, S. 370 ff 168 Wüstefeld 2000, S. 148f Abbildung 2.1.2.7 - 6: Risiken einer Projektentwicklung Umweltrisiko Entwick- lungsrisiko Wertände- rungsrisiko Ertragsausfall- risiko Kostenüber- schreitung Bewertungs- risiko Verwertungs- risiko Fertigstellung Qualitäts- niveau Rechts- sicherheit Standortrisiko Marktrisiko Finanzie- rungsrisiko Erst- vermietung Anschluß- vermietung Mieterbonität Inflation Besteuerung Marktzyklus Funktions- fähigkeit Kapitalmarkt Standort- qualität Gesamtwirt- schaftlicher Rahmen Trend- veränderung Bedarfs- änderung 2 Grundlagen und Problemanalyse 63 2.2 Das Risikomanagement Entscheidungen unter Unsicherheit lassen sich bei einer Projektentwicklung nicht vermeiden. Bei Immobilieninvestitionen und anderen unternehmerischen Entscheidungen ist es erforderlich, sich der Risiken dieser Entscheidungen bewusst zu sein. Unternehmerisches Handeln führt zu unternehmerischem Risiko oder erfolgt unter Risiko. Nach allgemeinem Verständnis hat dies etwas mit den unsicheren oder nicht genau prognostizierbaren Auswirkungen von Umweltentwicklungen und Management-Entscheidungen zu tun. Es wird zwar meist angemerkt, dass es in einer unternehmerischen Entschei- dungssituation Chancen oder Gewinnmöglichkeiten einerseits und Verluste o- der Schäden andererseits gibt. Die für das Risikomanagement kodifizierten Vorschriften sind aber primär auf die Verhinderung von Schäden ausgerichtet. Im Rahmen des Risikomanagementprozesses werden die Risiken der einzel- nen Bereiche identifiziert, erklärt, geschätzt, gemessen und bewertet. Die Natur des Risikoengagements oder der riskanten Projekte und Risiken kann sich da- bei stark unterscheiden. Diese Risiken sind vielfach heterogen, multikausal ver- ursacht und untereinander vernetzt. Daraus folgt, dass sie an sich nicht ver- gleichbar oder nicht kommensurabel sind. Somit sind sie nicht ohne Weiteres auf einer Skala nach ihrer Vorteilhaftigkeit (der Aktionen) in eine Rangfolge zu bringen oder nach einparametrischen Entscheidungskriterien zu optimieren. Man behilft sich zu Vergleichszwecken oft mit einer Risikokonversion und einer Risikonormalisierung. Dies erfolgt entweder mit finanziellen Größen - der Bar- wert (NPV) oder der interne Zinsfuss (IRR) sind häufig verwendete Größen für eine zeitliche Normalisierung - oder man vergleicht verschiedene Risikoalterna- tiven über eine Nutzwertanalyse bzw. ein Scoring- Modell. Im Prinzip versucht man durch Anwendung dieser Methoden, nicht vergleichbare Risiken vergleich- bar zu machen. In dieser Arbeit wird der NPV- Wert der DCF- Methode ange- wendet (vgl. Kapitel 3.4.3.8). 2 Grundlagen und Problemanalyse 64 Im Prozess des Risikomanagements soll für die Projektentwicklung oder das Unternehmen festgelegt werden, welche Risikoprojekte wie zusammengestellt, ausgewählt und kontrolliert werden. Dabei sollten die einzelnen Risikoprojekte in Risikoklassen und –arten kategorisiert werden, die dann jeweils durch ein allgemeines Risikomodell quantitativ beschrieben werden können.169 Es muss ein Risikomanagement aufgebaut werden, mit dem Risiken erkannt, klassifiziert und nach Möglichkeit quantifiziert und ökonomisiert werden können. Die ökonomischen Risiken sind entsprechend der Risikopräferenz des Ent- scheiders in die Planung einzubauen. 2.2.1 Das Risiko und seine Kategorisierung Der Begriff Risiko wird in der betriebswirtschaftlichen Literatur sehr unterschied- lich definiert.170 Es gibt keine allgemein gültige Definition. Die verschiedenen Erklärungsansätze liegen in den recht unterschiedlichen Einstellungen gegen- über dem Phänomen Risiko begründet. Auch in der Theorie und Praxis von verschiedenen Fachrichtungen wird der Begriff des Risikos sehr verschieden verstanden und definiert.171 Risiko wird dabei zumeist als unerwünschtes, mög- liches, zukünftiges Ereignis verstanden, das eine Abweichung von einem mehr oder weniger definierten Soll repräsentiert, und negative Auswirkungen auf den Risikoträger hat.172 2.2.1.1 Risiko Oft wird das Wort Risiko gleichgesetzt mit dem Begriff Gefahr oder Wagnis und enthält so eine negative Bedeutung. Das DUDEN- Fremdwörterbuch beispiels- weise definiert das Risiko als „Wagnis, Gefahr, Verlustmöglichkeit bei einer un- sicheren Unternehmung.“173 169 vgl. Rosenkranz 2005, S. 1, 8, 125f 170 vgl. Derks 1996, S. 238 171 vgl. Bauch 1994, S. 35; Mikus, 2001, S. 5 172 vgl. Baetge 1998, S. 294 173 DUDEN 1982, S. 674 2 Grundlagen und Problemanalyse 65 „Risiko n. (<16 Jh.). Entlehnt aus it. rischio m., dessen weitere Herkunft nicht sicher geklärt ist. Span. Risco bedeutet „Klippe“, weshalb man an ´Klippe` als Gefahr für Schiffe gedacht hat.“174 Geht man von dieser ursprünglichen Definiti- on aus, so lässt Risiko nur die Möglichkeit des Schadens, nämlich des Auflau- fens auf die Klippe zu. Im zweiten Fall des Nichtauflaufens entsteht zwar kein Schaden, aber auch kein Gewinn. Um die Bandbreite der unterschiedlichen Definitionen von Risiko darzustellen, werden im Folgenden einige aufgeführt, die alle eine negative Bedeutung ha- ben: Lisowski beschreibt das Risiko als Gefahr des Misslingens. Dagegen sehen Klinger und Bussmann im Risiko eher die Gefahr möglicher wirtschaftlicher Ver- luste eines Unternehmens.175 Schubert definiert das Risiko als eine vor seinem Eintritt weitgehend ungewisse Größe, die nicht exakt bestimmbar ist. Damit ist das Risiko mit einer Ungewissheit verbunden, die in ihrer Ausprägung unter- schiedlich sein kann. Das Risiko hat zwei Komponenten, nämlich die Unge- wissheit bzgl. des Risikoeintritts und der Risikohöhe.176 Bei Bauch177 findet sich eine Unterscheidung zwischen risikobehafteten Ent- scheidungen, die unter Gewissheit, Ungewissheit oder Unsicherheit gefällt wer- den. Gewissheit bedeutet die vollständige Kenntnis der Randbedingungen, wo- hingegen bei Ungewissheit Risikoeinflüsse und Eintrittswahrscheinlichkeiten bekannt sind. Unsicherheit bedeutet die absolute Unkenntnis von Einflüssen und Eintrittswahrscheinlichkeit. Mikus178 definiert das Risiko als Gefahr eines Verlustes bzw. eines Schadens. Dieser Schaden wird durch nicht vorherseh- oder beeinflussbare Ereignisse verursacht. Außerdem wird Risiko mit Entscheidungen in Verbindung gebracht, so dass ein Schaden auch durch Fehlentscheidungen entstehen kann, die zu einer Abweichung von den gesetzten Zielen führen.179 174 Kluge 1999, S.688 175 vgl. Bauch 1994, S. 35 176 vgl. Schubert 1971, S. 10 177 vgl. Bauch 1994, S. 36 178 vgl. Mikus 2001, S. 5 179 vgl. Meinen 2004, S. 7f 2 Grundlagen und Problemanalyse 66 Daraus lässt sich zunächst eine Risikodefinition ableiten, die offensichtlich das Entstehen eines Schadens mit einer bestimmten Wahrscheinlichkeit beinhaltet. Letztlich wirken sich jedoch alle Risiken bei deren Eintritt finanziell aus, indem sie Kosten erhöhen, zusätzliche Kosten verursachen, oder die Ertragsseite bzw. den Nutzen negativ beeinflussen. Die Vorteilhaftigkeit einer Immobilieninvestiti- on, insbesondere von als Renditeobjekt konzipierten Projektentwicklungen, wird im Wesentlichen durch die beiden Faktoren, Kosten und Erträge, sowie deren Risiken bestimmt. 2.2.1.2 Chance Positive Abweichungen werden in der Literatur Chance genannt. Nach Derks180 stehen einem Risiko auch immer Chancen gegenüber. Schubert konstatiert, dass das Risiko sowohl zu einem Verlust als auch zu einem Gewinn führen kann, je nach dem, ob der Risikofall nicht, oder nicht in dem erwarteten Aus- maß eintritt.181 Eine Darstellung von Falk sieht „Risiko im weiteren Sinn [...] als Verlustgefahr [...], die durch Unsicherheits- und Zufälligkeitsfaktoren oder branchenbedingte Störungen des Marktes in der Zukunft hervorgerufen wird."182 Derartige Unsicherheits- und Zufälligkeitsfaktoren bzw. branchenbedingte Stö- rungen des Marktes oder andere Veränderungen der Rahmenbedingungen müssen sich jedoch nicht zwangsläufig negativ als Verlustgefahren auswirken, sondern können auch positiv zu Gewinnchancen führen. Gemäß den Ausführungen von Meinen183 scheinen Chancen in das Risikomo- dell nicht integriert zu sein. Doch mit Blick auf den Homo- Ökonomikus, der ver- suchen wird, sich gegen die von der Klippe verursachten Schäden abzusichern, 180 vgl. Derks 1996, S. 238 181 vgl. Schubert 1971, S. 15 182 Falk 2000 S. 668 183 Vgl. Meinen 2004, S. 9 2 Grundlagen und Problemanalyse 67 werden die Chancen im Risikomodell sichtbar: Wenn der Schiffer als Handels- reisender Risiken tragen muss, so wird er einen Risikozuschlag auf seine Ware berechnen. Sobald er dann ohne Schaden zu nehmen an der Klippe vorbei fährt, erhält er den Gewinn. Damit sind Chancen grundsätzlich in jedem wirtschaftlich orientierten Risiko- modell integriert, auch wenn sie zu Null gesetzt werden. 2.2.1.3 Sicherheit und Risiko Um den Begriff Risiko zu präzisieren, wird im Folgenden die Beziehung zwi- schen „Sicherheit“ und „Unsicherheit“ bzw. zwischen „Risiko“ und „Ungewiss- heit“ näher betrachtet. Abb. 2.2.1.3 - 1: Sicherheit und Risiko184 Der Grad der Sicherheit bzw. Unsicherheit bei Entscheidungen lässt sich dann wie folgt ausdrücken:185 Vorhandene Information / Notwendige Information = Informationsgrad 184 in Anlehnung an Maier 2004, S. 6 185 vgl. Schriek 2002, S. 57f 2 Grundlagen und Problemanalyse 68 Sicherheit Jede Form von Planung ist zukunftsorientiert. Insbesondere bei der Immobilien- Projektentwicklung wird die wirtschaftliche Vorteilhaftigkeit eines Investitions- vorhabens mittels zukunftsbezogener Daten ermittelt. Kann die Entwicklung der eingehenden Daten zum Investitionszeitpunkt genau prognostiziert werden, so spricht man von einer Entscheidung unter Sicherheit. Diese Situation ist aber nur unter der Annahme der „vollkommenen Information“ denkbar.186 Das bedeutet, dass die Ergebnisse der Handlungsalternativen mit einer Wahrscheinlichkeit von w = 1 eintreten. Jeder Entscheidung kann bzw. soll also ein sicherer Wert zugeordnet werden können. In diesem Fall liegt eine risikolose Entscheidungssituation vor. Ein Risiko liegt nicht vor, weil ein Zustand mit 100% Wahrscheinlichkeit eintrifft. Unsicherheit bzw. Risiko im weiteren Sinn Gerade bei der Immobilien-Projektentwicklung ist jedoch die Entwicklung der eingehenden Daten nicht bekannt. Die Ergebnisse der Handlungsalternativen können also nicht mit einer Wahrscheinlichkeit von w = 1 prognostiziert werden. Beispielsweise kann der Wert eines Immobilieninvestments aufgrund der allge- meinen Wirtschaftsentwicklung oder der Änderung des Zinsniveaus fallen oder steigen. Zudem sind die Erträge aus Vermietung von weiteren zahlreichen Parametern abhängig, auf die der Entscheidungsträger keinen Einfluss hat.187 Die Entschei- dungen werden also vielmehr unter Unsicherheit getroffen. Diese Situation unterliegt der Annahme einer „unvollkommenen Information“.188 Unsicherheit kann auch als Risiko im weiteren Sinn bezeichnet werden. Folg- lich lassen sich Entscheidungen unter Unsicherheit (Risiko im weiteren Sinn) 186 vgl. Wöhe 2002, S. 119 187 vgl. Turhaner 2005, S.6 188 vgl. Wöhe 2002, S. 119 2 Grundlagen und Problemanalyse 69 weiterhin in Entscheidungen unter Risiko im engeren Sinn und Entscheidungen unter Ungewissheit untergliedern.189 Risiko im engeren Sinn Falls Annahmen über die Wahrscheinlichkeiten für das Eintreten der verschie- denen Umweltzustände getroffen werden können, so liegt die eigentliche Risi- kosituation vor und man spricht von Risiko im engeren Sinn. Hierbei ist zwi- schen objektiven und subjektiven Wahrscheinlichkeiten zu unterscheiden.190 Objektive Wahrscheinlichkeiten können aufgrund statisch-mathematischer Ver- fahren ermittelt werden. Subjektive Wahrscheinlichkeiten hingegen beruhen auf den individuellen Erfahrungen und Einschätzungen des Entscheidungsträgers. Das Risiko im engeren Sinn ist messbar und kann quantifiziert werden. Ungewissheit Sind dem Entscheidungsträger keine Wahrscheinlichkeiten über das Eintreten einer Zielvorgabe bekannt, so kann er seine Entscheidung lediglich in Unwis- senheit treffen. Der Entscheidende muss sich ohne diese Information entspre- chend seiner Risikoneigung entscheiden.191 Können also weder objektive noch subjektive Wahrscheinlichkeiten für das Eintreten eines bestimmten Umweltzu- standes bestimmt werden, so liegt eine Situation der Ungewissheit vor.192 Die Situation der Ungewissheit ist durch einen niedrigen Informationsgrad gekenn- zeichnet. 189 vgl. Turhaner 2005, S. 7, Maier 2004, S. 6 f; Ropeter 2002, S. 62 f; Keitsch 2004, S. 4; Wüstefeld 2000, S. 63. Diese Untergliederung wird in der Literatur nicht einheitlich gehandhabt: Wöhe und Schriek untergliedern die Entscheidungssituation unter der Annahme der unvollkommenen Information in Entscheidungen unter Risiko und Entscheidungen unter Unsicherheit. vgl. Wöhe 2002, S. 122 f; Schriek 2002, S. 57 f 190 vgl. Braun 1984, S. 236 191 vgl. Rosenkranz 2005, S, 78 192 vgl. Maier 2004, S. 7 2 Grundlagen und Problemanalyse 70 2.2.1.4 Das Risikoverständnis dieser Arbeit Die statistische Sichtweise bietet eine klare Definition des Risikobegriffs. Durch eine Zielabweichungsverteilung wird dabei die Erwartungshaltung des Risiko- trägers dargestellt. „Diese wird aus der Zielverteilung hergeleitet, die als Wahr- scheinlichkeitsverteilung auf den Ausprägungen einer Zielgröße basiert und für jede Zielvorgabe unverändert bleibt. Dabei verursacht eine Veränderung des Zielwertes keine Veränderung der Ziel- verteilung, jedoch eine Translation der Zielabweichungsverteilung.“193 Der Ent- scheidungsträger ändert durch seine Zielformulierung den Bereich des Risikos, nämlich den Bereich der Zielverteilung, der nicht der Zielformulierung ent- spricht.194 Mit der Zielabweichungsverteilung kann das Risiko sofort quantifiziert werden. Abb. 2.2.1.4 - 1: Risikodefinition mit Ziel- und Zielabweichungsverteilung195 Versicherungstechnische und finanzwirtschaftliche Methoden beruhen ebenfalls auf dieser Sichtweise. Der Risikobegriff dieser Arbeit wird entsprechend dieser Definition verwendet. 193 Meinen 2004, S. 10 194 vgl. Schenk 1998, S. 34; Farny 1989, S. 17ff 195 in Anlehnung an Meinen 2004, S. 10 mit der Durchschnittsmiete aus Abbildung 3.4.3.8 - 4 2 Grundlagen und Problemanalyse 71 2.2.1.5 Die Risikokategorien Bei Immobilienprojekten liegt eine Vielzahl von verschiedenen Risiken vor. Die Risikoidentifikation und zugleich die richtige Erfassung von Risiken bildet die Schlüsselfunktion für eine erfolgreiche Projektentwicklung. Aus der Sicht des jeweiligen Betrachters lassen sich diese in diversen Gruppen zusammenfassen. Diese Aufteilung ist aber bedarfsgemäß und projektspezi- fisch anpassbar und die Zuordnung ist nicht eindeutig, sondern individuell. Eine systematische Risikokategorisierung ermöglicht es, Risikofelder struktu- riert und einfach darzustellen. Eine eindeutige Abgrenzung der Risiken einer Immobilien-Projektentwicklung ist jedoch selten möglich.196 Trotzdem dient eine Systematisierung zur Orientierung im „Risikowald“. Ein- und zweidimensionale Risiken Ist überwiegend mit einer einseitigen, negativen Abweichung von einem erwar- teten Wert zu rechnen, so spricht man von einem eindimensionalen Risiko, sie stellen oft eine Gefahr dar. In der Regel handelt es sich hierbei um Natur- und andere Katastrophen, da diese lediglich negative Auswirkungen haben. Fehlen- de Einnahmen aus nicht erhaltenen Mietzahlungen haben ebenfalls keinerlei positive Effekte. Bezogen auf Immobilieninvestitionen ist das Mietausfallrisiko oder auch das Altlastenrisiko zu nennen. Ist sowohl mit negativen als auch mit positiven Abweichungen von einem erwar- teten Wert zu rechnen, so handelt es sich um ein zweidimensionales Risiko. Das bedeutet, dass das Eingehen solcher Risikosituationen sowohl die Gefahr einer Verlustmöglichkeit als auch die Chance, einen höheren Gewinn zu erzie- len, in sich birgt.197 196 vgl. Diederichs 2004, S. 101 197 vgl. Maier 2004, S. 10 f 2 Grundlagen und Problemanalyse 72 Das Zinsänderungsrisiko bei Krediten oder das Kursrisiko bei Aktien sind somit zweidimensionale Risiken. Der Kreditnehmer kann von Zinssenkungen profitie- ren, muss aber auch höhere Belastungen bei steigenden Zinsen in Kauf neh- men. Quantifizierbare und nicht quantifizierbare Risiken Ist die Eintrittswahrscheinlichkeit der Risiken objektiv oder zumindest subjektiv abschätzbar, so spricht man von quantifizierbaren Risiken. Entscheidend hierfür ist eine möglichst zuverlässige Informationsgrundlage, die z.B. auf histo- rischen Daten basiert, auf verlässlichen und umfassenden Beobachtungen der erforderlichen Parameter. In der Immobilienwirtschaft sind dies zum Beispiel als notwendiges Kriterium genaue Marktbeobachtungen, bei denen versucht wird, den zukünftigen quantitativen und qualitativen Bedarf an Flächen aus histori- schen Entwicklungen, gegenwärtigem Bestand und möglichen Nachfrageent- wicklungen zu prognostizieren. Mithilfe von statistischen Verfahren können Aussagen über die Eintrittswahr- scheinlichkeiten und die möglichen Verlust- bzw. Gewinnpotentiale getroffen werden. „Die bekanntesten Parameter zur Beschreibung von Wahrscheinlich- keitsverteilungen sind dabei der Mittelwert (µ) sowie die statistischen Streu- ungsmaße Varianz (²) bzw. Standardabweichung ()."198 Können aufgrund des unvollkommenen Informationsgrades keine Aussagen über die Eintrittswahrscheinlichkeit der Risiken getroffen werden und treten Entscheidungssituationen auf, bei denen nicht auf Erfahrungswerte oder histori- sche Fakten zurückgegriffen werden kann, so handelt es sich um nicht quanti- fizierbare Risiken. In diesen Fällen ist keine entsprechende Datengrundlage vorhanden. Der Grund hierfür liegt meist in den objektspezifischen Besonder- heiten einer Immobilie. Es liegt, wie zuvor beschrieben, eine Situation der Un- gewissheit vor. 198 Maier 1999, S. 12 2 Grundlagen und Problemanalyse 73 Systematische und unsystematische Risiken Die systematischen Risiken199 umfassen die Gefahren und Chancen, die sich durch die allgemeine Marktentwicklung ergeben. Das Marktrisiko ist ein syste- matisches Risiko und somit ein objektunabhängiges Risiko wirtschaftlicher Art. Die makroökonomischen Faktoren wie beispielsweise konjunkturelle Schwan- kungen, Zinsänderungen, politische Entscheidungen in der Gesetzgebung so- wie gesellschaftliche Entwicklungen sind hierbei entscheidende Einflussfakto- ren.200 Sie prägen die Wertentwicklung von Immobilien. Aussagen zu systema- tischen Risiken können unter Zuhilfenahme von Prognoseinstrumenten getrof- fen werden. Empirische Analysen haben ergeben, dass insbesondere die Gesamtkonjunk- tur, die Einkommensentwicklung sowie die Arbeitsmarktlage einen starken Ein- fluss auf die Immobilienmarktentwicklung haben. Die Zinsentwicklung sowie die Bevölkerungsentwicklung haben nur einen mittleren Einfluss. Boden- und Bau- preise sowie Inflationsraten haben keinen nachhaltigen Einfluss auf die Ent- wicklung von Bauinvestitionen.201 Die unsystematischen Risiken202 umfassen die Gefahren und Chancen, die durch die mikroökonomischen bzw. objektspezifischen Faktoren beeinflusst werden.203 Die Risiken werden hierbei durch die einzelnen Investitionsobjekte ausgelöst. Die Wertentwicklung von Immobilien wird im großen Maße durch das Standortrisiko geprägt. Im Gegensatz zu den systematischen Risiken lassen sich die unsystematischen Risiken im Allgemeinen schwerer prognostizieren und quantifizieren.204 199 vgl. auch Ausführungen der systematischen Risiken hinsichtlich der Ertragsplanung unter Unsicherheit im Kapitel 2.3.2.1 200 vgl. Abschnitt 2.3.1.1 201 vgl. Maier 2004, S. 179 f 202 vgl. auch Ausführungen der unsystematischen Risiken hinsichtlich der Ertragsplanung unter Unsicher- heit im Kapitel 2.3.2.2 203 vgl. Abschnitt 2.3.1.2 204 vgl. Maier 2004, S. 12 f 2 Grundlagen und Problemanalyse 74 Nicht nur der Makrostandort, z.B. die betreffende Region oder ein Wirtschafts- raum, muss auf wirtschaftliche, soziodemographische, politische und rechtliche Rahmenbedingungen bei der Projektentwicklung untersucht werden, da zu- künftige Abweichungen vom Status quo dabei Risiken für den Erfolg einer Im- mobilie darstellen, sondern auch der Mikrostandort als unmittelbare Umgebung des Objektes mit seinen topographischen Eigenschaften, seiner Infrastruktur, seiner Konkurrenzsituation und des Planungsrechts ist für das Image des Standortes entscheidend und birgt unsystematische Risiken. Existentielle und finanzielle Risiken Nach den verschiedenen Sphären der Risikoentstehung sind existentielle und finanzielle Risiken zu unterscheiden. Existentielle Risiken werden auch Geschäftsrisiken genannt und diese sind unter anderem die Gefahr des zufälligen Untergangs, das Baugrundrisiko, das (Fehl-) Investitionsrisiko oder auch die Managementrisiken. Wird die Möglichkeit der Nutzung beeinträchtigt, leidet darunter die Wirtschaftlichkeit der Investition. Einflüsse wie mangelnde Flexibilität und Modernisierungsfähigkeit sowie Ver- änderungen des Standortes hinsichtlich der Verwertungsfähigkeit gelten als existentielle Risiken. Finanzielle Risiken hingegen sind unabhängig von dem eigentlichen Investiti- onsobjekt und hierzu zählen insbesondere das Kapitalstrukturrisiko, das Liquidi- tätsrisiko, das Zinsänderungsrisiko oder auch das Wechselkursrisiko. „Finan- zielle Risiken sind somit Gefahren bzw. Chancen, die unabhängig vom eigentli- chen Investitionsobjekt im Zusammenhang mit finanziellen Transaktionen bzw. Strategien zum Tragen kommen."205 205 Maier 2004, S. 13 2 Grundlagen und Problemanalyse 75 Externe und interne Risiken Aufgrund einer ursachenbezogenen Kategorisierung der Risiken ist zwischen externen bzw. objektiven und internen bzw. subjektiven Risiken zu differenzie- ren.206 Risiken, die sich weitestgehend dem Einfluss des Projektentwicklers entziehen, werden externe Risiken genannt. Sie sind in der Regel kaum beeinflussbar und liegen außerhalb der Wirkungssphäre des Projektentwicklers. Hierzu zäh- len vor allem das Entwicklungs- und Marktrisiko, das Standort- und Genehmi- gungsrisiko sowie das Finanzierungs- und Bestandsrisiko.207 „Zu den externen Risiken zählen die wirtschaftlichen und rechtlichen Risiken, die sich während der Projektlaufzeit in dem entsprechenden Land einstellen. Dazu zählt z.B. das Inflationsrisiko, legislative Risiken oder Wechselkursrisiken. Die externen Risiken lassen sich durch die Projektbeteiligten fast gar nicht be- einflussen. Vollständig ausschließen lassen sich die Risiken nur durch die Grundsatzentscheidung, das Projekt unter diesen Rahmenbedingungen nicht durchzuführen.“208 Interne Risiken hingegen sind ausschließlich Managementrisiken. Sie sind durch den Projektentwickler im Rahmen einer effizienten Organisationsstruktur weitestgehend beeinflussbar.209 Besonders relevant sind hierbei Entscheidun- gen über Finanzierungsstrukturen, Lageeinschätzungen sowie komplexe Ver- tragsangelegenheiten. Zu den internen Risiken zählen zudem das Kosten-, Termin- und Qualitätsrisiko, die auch als die „klassischen Bauherrenrisiken“ bezeichnet werden. Sie haben unmittelbar mit dem Projekt zu tun und lassen sich dementsprechend durch sorgfältige Planung zumindest minimieren. Sie sind also eher steuerbar, beeinflussbar oder vermeidbar, zumindest jedoch oft versicherbar. 206 vgl. Diederichs 1996, S. 357; Schierenbeck 2001, S. 332 207 vgl. Diederichs 1996, S. 357 ff 208 Möller 2005, S.59 209 vgl. Brauer 2001, S. 535 2 Grundlagen und Problemanalyse 76 Die projektspezifischen Risiken Der gesamte Lebenszyklus einer Immobilie bzw. eines Projektes beinhaltet ne- ben Planung, Bau und Finanzierung auch den Betrieb der Immobilie. Damit fal- len Risiken in den unterschiedlichen Aufgabenbereichen an. Oft stehen Bauun- ternehmen hinter den Projektgesellschaften und sie kennen die Risken aus Planung, Bau und Finanzierung aus der Erfahrung. Allerdings bereiten die ent- sprechenden Betriebsrisiken der Nutzungsphase Schwierigkeiten, da sich diese über einen sehr langen Zeitraum erstrecken, in dem das Auftreten von Risiken nur schwer zu prognostizieren ist. Übertragbare und zurückbehaltene Risiken Es ist nicht wirtschaftlich, alle Risiken selbst zu tragen bzw. sie auf den Ver- tragspartner zu übertragen. Es muss eine geeignete Risikoallokation stattfin- den. Die optimale Risikoverteilung zeichnet sich dadurch aus, dass die Risiko- kosten so gering wie möglich ausfallen.210 Entweder die Eintrittswahrscheinlich- keit oder die Schadenshöhe ist zu senken, um die Risikokosten zu reduzieren oder zu minimieren. Die identifizierten Risiken können weiter in zurückbehaltene Risiken und über- tragbare Risiken differenziert werden. In der Kategorie zurückbehaltene Risiken werden solche Risiken zusammen- gefasst, die in jedem Fall im Aufgabenbereich des Auftraggebers verbleiben. Dazu zählen z.B. das Genehmigungsrisiko oder das Planungsänderungsrisiko. Als übertragbare Risiken werden die Risiken bezeichnet, auf die z. B. der Bauunternehmer besseren Einfluss hat als der Auftraggeber und die folglich von ihm getragen werden sollen. Hier handelt es sich z.B. um Bauzeit- und Baukostenüberschreitungsrisiken oder Insolvenzrisiken der weiteren am Bau Beteiligten. 210 vgl. PPP-Initiative 2003, S. 23 2 Grundlagen und Problemanalyse 77 Werden Risiken aufgeteilt, so sind auch die verbleibenden Teilrisiken in die Be- reiche zurückbehaltene und übertragbare zu gliedern. Als Beispiel für so ein geteiltes Risiko kann das Preissteigerungs- oder Inflationsrisiko genannt wer- den. Bis zu einem bestimmten Grenzwert ist die Preissteigerung vom Bauaus- führenden, dann vom Auftraggeber zu tragen. 2.2.2 Der Risikomanagementprozess Die Risiken einer Projektentwicklung ändern sich im Ablauf der Realisierungs- und Nutzungsdauer, zum Teil fallen Risiken weg, neue entstehen und die Risi- kohöhe ändert sich. Es können also aufgrund veränderter äußerer Rahmenbe- dingungen sowohl neue Risiken entstehen aber auch bestehende Risiken weg- fallen. Aus diesen Gründen ist das Risikomanagementmodell als ein permanen- ter Prozess zu sehen und zu gestalten. Es muss systematisch und umfassend sein sowie alle Phasen des Risikohandlings regelmäßig zyklisch durchlaufen. Die zentrale Aufgabe des Risikomanagements in der Immobilienbranche be- steht in der zielgerechten Planung und Steuerung immobilienbezogener Ent- scheidungsprozesse bei Unsicherheit.211 Die eingesetzten Managementmaß- nahmen müssen dabei ständig auf Wirtschaftlichkeit und Effizienz untersucht werden.212 Beim Risikomanagement ist es vorteilhaft, wenn die organisatorischen Grund- lagen des gesamten Risikomanagementkreislaufs in entsprechenden Richtli- nien dokumentiert werden. Die Ergebnisse der Risikoanalyse (Risikoidentifikati- on und -bewertung) können anschließend in einer Risk- Map festgehalten wer- den.213 Das Risikomanagement stellt einen stetigen Kreislauf dar, bei dem sich alle Elemente bedingen, die in der Abbildung 2.2.2 - 1 dargestellt sind. 211 vgl. Baumeister 2004, S. 11 212 vgl. Bieg 2000, S. 232 213 vgl. Risk News 2000, S. 4; Meinen 2004, S. 18 2 Grundlagen und Problemanalyse 78 Das so strukturierte Risikomanagement erfüllt damit einerseits gesetzliche Be- stimmungen, die z.B. im KontraG214 verankert sind, andererseits ist es die Grundlage eines stetigen, risikobezogenen Verbesserungsprozesses der Un- ternehmung oder des Projektes.215 In einer sehr frühen Projektphase sollten die Beteiligten die Risiken identifizie- ren und sich so z.B. mithilfe einer Risikoliste einen Überblick über die projekt- spezifischen Risiken verschaffen. Zu diesem Zeitpunkt sollten erste Kostenschätzungen des Risikopotentials er- folgen. Danach müssen die zuvor identifizierten Risiken analysiert werden, um so entscheiden zu können wie mit den Risken weiter verfahren wird. Abb. 2.2.2 - 1: Die Prozessphasen des Risikomanagements216 Das quantitative Risikomanagement von Banken und Versicherungen berück- sichtigt ausschließlich finanzwirtschaftliche Faktoren, also die ökonomische Sichtweise. Die Risiken eines operativen Prozesses wie sie im Bau- und Pla- nungsprozess bzw. beim Projektentwicklungsprozess entstehen, werden dort nicht quantifiziert. 214 vgl. KontraG 1998 215 vgl. Weber 2001, S. 52 216 eigene Darstellung 2 Grundlagen und Problemanalyse 79 Als Grundlage eines quantitativen Risikomanagements für die Projektentwick- lung ist zunächst eine strukturierte Risikosystematik im Rahmen der Risikoiden- tifikation und -bewertung zu erarbeiten. Sind die statistischen Parameter des Risikos erfasst, können quantitative Gestaltungsmöglichkeiten des Risikos un- tersucht werden. In der Literatur sind zu diesem Thema viele Vorschläge verba- lisiert, die aber bisher nicht im Detail quantifiziert wurden.217 Das Risikomanagement ist ein permanenter Prozess, dessen Phasen: - Risikoidentifikation - Risikoanalyse - Risikogestaltung und -steuerung sowie - Risikoüberwachung regelmäßig durchlaufen werden müssen. Abhängig von der persönlichen Einstellung und der Risikotragfähigkeit des Entscheiders gestaltet sich der Umgang mit den Risiken.218 2.2.2.1 Die Risikoidentifikation Die systematische Identifikation der Risiken ist die Basis für die Risikoanalyse, da die weiteren Teile der Analyse auf der Liste der identifizierten Risiken auf- bauen. Die Risikoliste wird fortlaufend angepasst und zu einer Matrix weiter- entwickelt. Sie bildet in der Realisierungsphase die Grundlage für die Aufstel- lung der Ausschreibungsunterlagen und für die Risikoüberwachung. Die Grund- lage für den Prozess der Risikoidentifikation bildet der Aufbau einer Risikomat- rix (Risk Map), die alle wesentlichen und möglichen Risiken, phasenbezogen gegliedert in Risikogruppen / Einzelrisiken erfasst.219 In den Risk Maps müssen auch Abweichungen (Varianzen) bis hin zu Extrem- werten erfasst und ggf. Korrelationsinformationen220 ergänzt werden, um für 217 vgl. Meinen 2004, S. 20 218 siehe Abschnitt 2.2.2.3 Risikogestaltung und -steuerung 219 vgl. Blecken 2003, S. 470 f 220 vgl. Abbildung 2.2.2.2 4 Korrelationskoeffizientenmatrix. 2 Grundlagen und Problemanalyse 80 das quantitative Risikomanagement das Ausmaß des Risikos zuverlässig be- rechnen zu können.221 Die identifizierten Risiken dürfen nicht isoliert betrachtet werden. Bei der Analy- se kommt der Ermittlung ihrer möglichen Korrelationen, durch die Transparenz über die komplexe Risikosituation geschaffen wird, eine wesentliche Bedeutung zu.222 Der Erfolg einer Immobilien- Projektentwicklung baut auf der lückenlosen und detaillierten Auflistung aller Risikoquellen, Schadensursachen und Störpotentia- le auf. Der Prozess der Risikoidentifikation nimmt somit die Schlüsselfunktion des Risikomanagements ein.223 Im Hinblick auf die Dynamik der wirtschaftlichen Rahmenbedingungen und ei- ner damit einhergehenden Veränderung der Risikosituation sind die Informatio- nen stets auf ihre Aktualität hin zu prüfen.224 Um zukünftig besser mit Risiken umzugehen, sind Erfahrungs- sowie Wissens- datenbanken aufzubauen, die auch Erhebungen von Vergangenheitswerten beinhalten. Die gesammelten Risiken sind hinsichtlich der Projektphasen z.B. Planung, Bau, Betrieb und Verwertung zu unterteilen und durch Finanzaspekte zu ergänzen. Neben den Projektbeteiligten sind Dritte in die Phase der Identifikation einzube- ziehen, die aufgrund ihrer persönlichen Erfahrung mit Risiken von Bauprojekten vertraut sind. Es sollten sowohl technische, betriebswirtschaftliche als auch rechtliche Sachverständige hinzugezogen werden. 221 Im Rahmen des Value-at-Risk- und des Versicherungsmodells werden Quantile der Extrembereiche quantifiziert. Um verlässliche und verwertbare Aussagen zu erhalten, müssen die Bewertungsverfahren eine entsprechende Genauigkeit liefern können. vgl. Meinen 2004, S. 26 f 222 vgl. Braun 1984, S. 230 223 vgl. van den Brink 2005, S. 76 224 vgl. Fasse 1995, S. 79 2 Grundlagen und Problemanalyse 81 So muss der Prozess der Risikoidentifikation systematisch und kontinuierlich erfolgen, um auch neu aufgetretene und bisher nicht berücksichtigte Risiken rechtzeitig zu erkennen und anschließend entsprechend steuern zu können. Im Hinblick auf den Grundsatz der Wesentlichkeit sind im Prozess der Risiko- identifikation nur die wesentlichen Risiken vertiefend zu berücksichtigen225 und zu ökonomisieren. Deshalb sollten „Kleinstrisiken“ zumindest dokumentiert, aber erst einmal nicht weiter betrachtet werden.226 Es verbleibt also immer ein gewisses Restrisiko, das die Projektentwicklung bei ihren Entscheidungen ab- decken und beachten muss. Die Kosten der Identifikation sollten - basierend auf dem Grundsatz der Wirt- schaftlichkeit - in einem vernünftigen Verhältnis zu den erzielbaren Erkenntnis- sen stehen.227 Eine vollständige Erfassung ist nahezu unmöglich .228 2.2.2.2 Die Risikoanalyse und -bewertung In dieser Phase werden die Risiken, die aus der Unsicherheit resultieren, zu- nächst untersucht und anschließend bewertet. Die Bewertung erfolgt nach Mög- lichkeit nach objektiven Gesichtspunkten, ggf. müssen subjektive Einschätzun- gen berücksichtigt werden. Diese sind auch von der persönlichen Risikoeinstel- lung des Entscheiders abhängig. In der Arbeit wird von einer risikoneutralen Einstellung des Entscheiders ausgegangen. Ziel der Risikobewertung ist es, den identifizierten Risiken direkte Folgekosten zuzuordnen. Dabei werden „...die aus Risiken resultierenden ökonomischen Konsequenzen durch zahlungswirksame Größen...“229 dargestellt. Diese Grö- ßen fließen als Risikokosten in die Wirtschaftlichkeitsuntersuchungen ein. 225 vgl. Brebeck 1997, S. 384 226 vgl. Diederichs 2004, S. 98 227 vgl. Kromschröder 1998, S. 1574 228 vgl. Fasse 1995, S. 79 229 BMVBW 2003, (d/4), S. 8 2 Grundlagen und Problemanalyse 82 Bevor den Risiken Kosten zugeordnet werden, werden sie in drei Bereiche ein- geordnet:230 - Der vernachlässigbare Bereich Im vernachlässigbaren Bereich liegen die Risiken, die als Restrisiken bezeichnet werden. Diese Restrisiken sind bei einer Analyse entweder nicht erkannt, falsch eingeschätzt oder durch Maßnahmen vermindert, aber nicht entfernt worden. - Der nicht tolerierbare Bereich Im nicht tolerierbaren Bereich liegen Risiken, die einen festgelegten Grenzwert überschreiten. Sie stellen für das Projekt eine sehr große Ge- fährdung dar. Lassen sich die Ausgangssituation oder die Rahmenbedin- gungen nicht soweit modifizieren, dass das Risiko vermieden oder zu- mindest vermindert werden kann, so sollte das Projekts abgebrochen werden. - Der Grenzbereich Im Grenzbereich liegen Risiken, die zwar auf die Wirtschaftlichkeit des Projekts Einfluss haben, aber dieses nicht allein gefährden. Werden rechtzeitig Vorkehrungen oder Gegenmaßnahmen getroffen, so können diese Risiken reduziert werden. Wichtig ist dabei, nicht die Auswirkun- gen, sondern vor allem die Ursachen des Risikos zu verändern. Im Rah- men von PPP-Projekten sollen die Risiken aus dem Grenzbereich an denjenigen übertragen werden, der es am besten managen kann.231 Da Immobilien-Projektentwicklungen von objektspezifischen Determinanten, dynamischen und zeitkritischen Risikoprozessen und von deren Langzeitcha- rakter geprägt sind, resultiert daraus eine große Menge von zum Teil schwer quantifizierbaren Risikofaktoren.232 230 vgl. Lüke 2002, S. 8 ff; Möller 2005, S.54 231 vgl. Möller 2005, S.55 232 vgl. Meinen 2004, S. 198 2 Grundlagen und Problemanalyse 83 Die Bewertung der identifizierten Risiken und Chancen werden hinsichtlich der Ausprägung von Intensität, Schadenshöhe und Handlungsbedarf vorgenom- men.233 Zur Vereinfachung der Entscheidungssituation sind Risikokennzahlen festzule- gen. Mit ihrer Hilfe können Informationen über die Wahrscheinlichkeit und Höhe möglicher Abweichungen von einem vorab festgelegten Erwartungswert ge- wonnen werden.234 Basierend auf den Ergebnissen der Risikobewertung wird entschieden, wie die Risiken zu gestalten sind. Im Rahmen der Risikoquantifizierung haben statische Verfahren eine große Bedeutung.235 Diese Verfahren setzen voraus, dass sich das Risiko als eine Wahrscheinlichkeitsverteilung von künftigen, bewerteten Zielverfehlungen be- schreiben lässt. Das Risiko kann als Streuung möglicher Ergebnisse gemessen werden.236 In der Praxis erfolgt die Risikoquantifizierung, wenn man die Verteilungsfunktion nicht kennt, meist unter der Annahme, dass die zugrunde liegende Wahrschein- lichkeitsfunktion einer Normalverteilung folgt. Die Normalverteilung hat den Vor- teil, dass sie sich rechentechnisch einfach handhaben lässt.237 Die Quantifizierung der Risikofaktoren erfolgt mithilfe der Parameter Erwar- tungswert, Standardabweichung und Varianz. Liegen mehrere Risiken vor, wie bei der Projektentwicklung zu erwarten ist, ist zu prüfen, ob die Risiken mit- einander korrelieren. Ein weiteres statistisches Maß zur Bewertung der Risikosi- tuation ist der Korrelationskoeffizient. Die Normalverteilung wird durch die beiden Variablen Erwartungswert und Standardabweichung vollständig charakterisiert.238 Sie ist eine stetige Vertei- lung und besitzt folgende symmetrische Dichtefunktion: 233 vgl. Eckert 2004, S. 33 234 vgl. Baumeister 2004, S. 15 ff 235 vgl. Wüstefeld 2000, S. 64 236 vgl. Wüstefeld 2000, S. 65 237 vgl. Zimmermann 2004, S. 99 238 vgl. Wüstefeld 2000, S. 65 2 Grundlagen und Problemanalyse 84  21 x 2 N 1f x e 2          Gleichung 2.2.2.2 - 1 Mit:  = Erwartungswert  = Standardabweichung Das Quadrat der Standardabweichung wird als Varianz ( ²) bezeichnet und stellt das bei weitem wichtigste Streuungsmaß dar.239 Je größer die Varianz ist, umso stärker ist die Streuung der Ergebnisse. Eine flache Verteilung deutet somit auf ein größeres Risiko hin als eine steile Verteilung.240 Vorab ist jedoch immer zu prüfen, ob die zu untersuchenden Risikoparameter auch eine derartige Struktur aufweisen. Die Prüfung kann mithilfe der Kenngrö- ßen Erwartungswert, Varianz, Schiefe und Kurtosis erfolgen.241 Die Risikokorrelation drückt die Beziehung von Risiken untereinander aus. Sind mehrere Risiken identifiziert worden, so können sich diese gegenseitig beein- flussen oder aber unabhängig voneinander auftreten. Der Korrelationskoeffizient ist eine relative Zahl, die diese Beziehung zwi- schen zwei zueinander abhängigen Größen beschreibt. Dieser bewegt sich zwischen einer Bandbreite von -1 bis +1. Bei einem Korrelationskoeffizienten gleich Null ist keine Korrelation zu berücksichtigen.242 Ein negatives Vorzeichen bedeutet, dass sich die Größen in entgegen gesetzter Richtung verändern. Bei einem positiven Vorzeichen hingegen tendieren sie in die gleiche Richtung. Je mehr sich der Wert den Absolutwerten -1 bzw. +1 nähert, desto stärker ist die Korrelation zwischen den beiden Größen bzw. Risiken .243 Korrelierende Risikofaktoren haben einen großen Einfluss auf das Gesamtrisiko eines Investitionsvorhabens.244 239 vgl. Bleymüller 2004, S. 19 240 vgl. Wolf 2003, S. 77 241 vgl. Hager 2004, S. 58 242 vgl. Schriek 2002, S. 184 f 243 vgl. Maier 2004, S. 34 244 vgl. Blecken 2004 (a); Holthaus 2004 (a), S. 652 2 Grundlagen und Problemanalyse 85 Weisen die Risikofaktoren keine positive Korrelation auf, so reduziert sich das Gesamtrisiko exponentiell, bei einer vollständigen positiven Korrelation hinge- gen erfolgt eine lineare Erhöhung des Gesamtrisikos. Somit wird deutlich, dass bei der Übernahme von unkorrelierenden Einzelrisi- ken das Gesamtrisiko gesenkt werden kann, mit der Übernahme perfekt korre- lierender Einzelrisiken hingegen ist keine Risikodiversifikation möglich.245 Bei der Berücksichtigung von Risikokorrelationen können oft nur Schätzungen über die Höhe der Abhängigkeit gemacht werden. Daher wird vielfach mit unterschiedlichen Szenarien gerechnet: - alle Risiken sind unabhängig - die Risiken korrelieren oder - alle Risiken korrelieren.246 In der Praxis sind unkorrelierte Zeitreihen eher die Ausnahme als die Regel. Die meisten Zeitreihen risikobehafteter Variablen, wie z. B. die Ertragsgröße Miete, weisen positive Autokorrelationen zwischen aufeinander folgenden Werten auf. Es existiert dann so etwas wie ein Risiko- oder auch Schadenstrend, der ty- pisch für eine risikotechnische Einheit sein kann. Dieser Trend kann den Erwar- tungswert, die Varianz, die Autovarianz bzw. die Autokorrelation oder alle Grö- ßen betreffen247 (vgl. Abb. 2.2.2.2 - 1). 245 vgl. Wüstefeld 2000, S. 201 f 246 vgl. Möller 2005, S. 50 247 vgl. Schlittgen 2001, S. 100 2 Grundlagen und Problemanalyse 86 Abb. 2.2.2.2 - 1: Stationäre und nichtstationäre Zeitreihen248 Unter Verwendung von statistischen Methoden der Zeitreihenanalyse ist es oft möglich, Gesetzmäßigkeiten in der zeitlichen Entwicklung aufzudecken und somit zu einer Reduktion des Diagnose- und Prognoserisikos zu kommen.249 Die Aufdeckung der Gesetzmäßigkeiten, die für die Ertragsgröße der Miete gel- ten, sowie die Ermittlung der Streuung erfolgen im Kapitel 3.4.3 mithilfe der Regressionsberechnungen. Instrumente der Risikobewertung Die Bewertung der Risiken kann sowohl anhand vom Schadenserwartungswert (=Eintrittswahrscheinlichkeit und Schadenshöhe) und der darauf aufbauenden Darstellung auf einer Risikolandkarte erfolgen, als auch über das VaR- Kon- zept. Die Risikokosten aus Schadenshöhe und Eintrittswahrscheinlichkeit Im Leitfaden „Wirtschaftlichkeitsvergleich“ der PPP-Initiative NRW wird für die Berechnung der Risikokosten das folgende Vorgehen beschrieben.250 248 Rosenkranz 2005, S.258: Xlt ist die jeweilige Zeitreihe. 249 vgl. Rosenkranz 2005, S. 257 250 vgl. PPP-Initiative Wirtschaftlichkeitsvergleich 2003, S. 36 2 Grundlagen und Problemanalyse 87 Für jedes Risiko wird: - eine Risikowirkung analysiert - eine Schadenshöhe geschätzt - eine Eintrittswahrscheinlichkeit ermittelt sowie - der Risikowert bzw. die Risikokosten bestimmt. Die Risikowerte werden durch das Produkt aus Schadenshöhe und Eintritts- wahrscheinlichkeit ermittelt.251 Die Eintrittswahrscheinlichkeit für die Schadens- höhe sowie für geringe, mäßige und starke Überschreitungen der Kalkulation sind festzulegen. Die Methode ist relativ ungenau und gilt nur für den Fall, dass alle Risiken voll- ständig miteinander korrelieren. Das Gegenteil ist eher der Fall. In einem Risi- koportfolio können sich die Einzelrisiken gegenseitig positiv beeinflussen und so z.T. ausgeglichen werden. Die Risikokosten nach Value at Risk- Theorie Die Risikokosten können auch mithilfe der Value at Risk- Methode ermittelt werden. Die Value at Risk (VaR) - Methode findet insbesondere bei der Quanti- fizierung bzw. Limitierung von Marktrisiken im Finanzbereich Anwendung.252 In jüngster Zeit findet der Einsatz des VaR- Konzeptes aber auch in anderen Bran- chen Anwendung.253 Der VaR ist ein Maß zur Quantifizierung des Verlustpotentials, welches mit einer bestimmten Wahrscheinlichkeit nicht überschritten wird. Hierbei wird das Schwankungsrisiko eines Risikos, welches durch ein Streuungsmaß wie die Varianz oder Standardabweichung ermittelt wird, nur einseitig in negativer Rich- tung betrachtet.254 „Im Unterschied zum beidseitigen Schwankungsrisiko, das durch ein Streu- ungsmaß wie die Varianz oder die Standardabweichung gemessen werden 251 siehe Abschnitt 2.2.1.5 252 vgl. Wilkens 2001, S. 415 253 vgl. Oehler 2001, S. 26 254 vgl. Huschens 1999, S. 1 2 Grundlagen und Problemanalyse 88 kann, versucht der VaR, das Risiko von Verlusten zu quantifizieren.“255 Somit bleiben die den möglichen Verlusten gegenüberstehenden Chancen unberück- sichtigt. Der VaR bildet also ein einseitiges, verlustorientiertes Risikomaß. Dadurch, dass lediglich die Wahrscheinlichkeit negativer Abweichungen von einem vor- gegebenen Erwartungswert betrachtet wird, kann der VaR in die Klasse der Downside- Risikomaße eingeordnet werden.256 Das Konzept des VaR beruht auf der Annahme, dass ein Maximalverlust zwar eintreten kann, seine Wahr- scheinlichkeit jedoch so gering ist, dass er in „normalen“ Zeiten nicht ins Ge- wicht fällt.257 Value at Risk bezeichnet den Risikowert und bedeutet: der Wert, der auf dem Spiel steht. Er ist definiert als der zahlenmäßige Verlust, der mit einer Wahr- scheinlichkeit von bspw. 95% nicht überschritten wird oder der VaR95-Wert gibt eine Kostenhöhe an, bei der 95% aller Abweichungen diesen Betrag nicht über- schreiten.258 Der Wert VaR spiegelt also die Summe wieder, die z.B. der Inves- tor bereit zu verlieren ist, die er im Zweifelsfall verkraften kann. Die Implementierung des VaR in die Immobilienwirtschaft ist nicht immer ohne weiteres möglich, da unter anderen Modellannahmen - keine Normalverteilung - sie sich schwerer rechtfertigen lässt.259 Die Ergebnisse einiger wissenschaftlicher Arbeiten legen aber die Vermutung nahe, dass in der Bauwirtschaft normalverteilte Risiken zu finden sind.260 255 Huschens 2000 256 vgl. Bartram 1999, S.9 257 vgl. Meinen 2005, S. 14 258 vgl. auch Meinen 2004, S. 39 259 vgl. Dowd 1998, S. 239 260 vgl. Meinen 2004, S. 24, Beispielhaft werden folgende wissenschaftliche Arbeiten genannt: Celik 2003; Dissertation Hess, Universität Dortmund, Lehrstuhl Baubetrieb und Bauprozessmanage- ment (in Bearbeitung). 2 Grundlagen und Problemanalyse 89 Abb. 2.2.2.2 - 2: Kumulierte Dichte- und Summenfunktion mit VaR(95%)261 Sowohl für zeitabhängige als auch für nicht zeitabhängige Risiken ist für die Berechnung des VaR ein individuelles Wahrscheinlichkeitsniveau zugrunde zu legen. Das Wahrscheinlichkeitsniveau definiert die Wahrscheinlichkeit, mit der ein be- stimmtes Verlustpotential nicht überschritten wird. Die in der Praxis verwende- ten Niveaus liegen meist zwischen 95% und 99%.262 Der VaR ist demnach ein monetäres und zukunftorientiertes Risikomaß. Er ba- siert nicht auf dem Maximalverlust, sondern berücksichtigt, dass innerhalb eines definierten Zeitintervalls sehr große Verluste zwar möglich sind, aber die Wahr- scheinlichkeit ihres Eintretens entsprechend gering bleibt.263 Hierbei wird lediglich die Wahrscheinlichkeit, mit welcher der tatsächliche Ver- lust den VaR überschreiten kann, berücksichtigt, nicht aber die Höhe der poten- tiellen Überschreitung. Dadurch wird bei diesem Risikomaß die Risikoneutralität des Investors impliziert.264 261 In Anlehnung an Meinen 2004, S. 41 262 vgl. Johanning 1998, Tabelle 2-1: Value at Risk- Verfahren deutscher Großbanken, S. 38 263 vgl. Huschens 1999, S. 2 264 vgl. Oehler 2001, S. 27 2 Grundlagen und Problemanalyse 90 Hinzu kommt, dass mit der Annahme der Normalverteilung mögliche Extrem- werte unbeachtet bleiben, die bei anderen Verteilungen wie der Gammavertei- lung im „fat tail“ vorhanden sind. Es kann zu einer ernsthaften Unterschätzung des VaR kommen.265 Da beim VaR- Konzept die Quantifizierung von Maximalverlusten nicht integriert ist, sind zur Beurteilung der Risikosituation weitere Berechnungsmethoden hin- zuzuziehen.266 Der Value at Risk kann auf unterschiedliche Weise ermittelt werden. Für die Berechnung des VaR bieten sich verschiedene Verfahren an: Abb. 2.2.2.2 - 3: Verfahren zur Value at Risk- Berechnung267 Die Historische Simulation, die Monte-Carlo-Simulation sowie die Varianz- Ko- varianz- Methode sind die in der Praxis am häufigsten angewandten Verfah- ren.268 Sie zeichnen sich durch ihre unterschiedlichen Ansätze zur Generierung der benötigten Wahrscheinlichkeitsverteilungen aus.269 265 vgl. Oehler 2001, S. 157 f 266 Eine Möglichkeit zur Betrachtung des Überschadens bildet der Versicherungsansatz zur Prämienberechnung (vgl. Blecken/ Meinen/ Holthaus 2004). 267 vgl. Diederichs 2004, S. 171f 268 vgl. Huschens 2000, S. 1 269 vgl. Oehler 2001, S. 155 2 Grundlagen und Problemanalyse 91 Die parametrischen Ansätze zur Berechnung des VaR beruhen auf der Annah- me, dass die Verteilungen aller Risikofaktoren bekannt und normalverteilt sind.270 Bei den nichtparametrischen Ansätzen erfolgt die explizite Ermittlung der Wahr- scheinlichkeitsverteilungen unter Zuhilfenahme eines umfangreichen Datenbe- standes, ohne dass statistische Parameter - wie der Erwartungswert und die Standardabweichung - hinzugezogen werden.271 Historische Simulation272 Die historische Simulation ist konzeptionell das einfachste Modell, einen VaR zu berechnen.273 Bei diesem Verfahren werden zukünftige Entwicklungen der Risi- koparameter basierend auf vergangenheitsorientierten Zeitreihenanalysen, die mit Trenduntersuchungen gekoppelt werden können, generiert.274 Da die Veränderungen der Risikoparameter aus historischen Daten gewonnen und als Prognoseverteilung für deren zukünftige Entwicklung verwendet wer- den, ist keine zwingende Annahme über deren Verteilung notwendig.275 Damit entfällt die Voraussetzung, dass die zugrunde liegenden Daten einer Normal- verteilung folgen müssen. Die Berechnung der historischen Simulation erfolgt meist über den Portfolioan- satz oder über den Faktoransatz. Sie unterscheiden sich in der speziellen Art, wie Änderungen definiert und berechnet werden.276 270 vgl. Ulmke 1999, S. 218 271 vgl. Diederichs 2004, S. 171 272 siehe auch Kapitel 3.3 273 vgl. Schierenbeck 2003, S. 86 274 vgl. Meinen 2004, S. 42 275 vgl. Oehler 2001, S. 161 276 Zu den beiden Ansätzen vgl. Huschens 2000, S. 6 ff, vgl. Kapitel 3.3 2 Grundlagen und Problemanalyse 92 Monte- Carlo- Simulation Im Gegensatz zu der historischen Simulation werden bei der Monte-Carlo- Simulation die Wahrscheinlichkeitsverteilungen nicht durch beobachtbare, histo- rische Risikoparameter sondern durch deren Simulation ermittelt. Dabei können auch verschiedene Verteilfunktionen gewählt sowie genutzt und mit empirischen Verteilfunktionen überlagert werden. Hierdurch wird ein von den Daten der Vergangenheit weniger stark beeinflusstes Risikobild gewon- nen.277 Im Rahmen der Monte-Carlo-Simulation werden hypothetische Verteilungen für die einzelnen Risikofaktoren spezifiziert und Zufallszahlen auf Basis dieser Ver- teilungen generiert.278 Die Verteilungsannahme einzelner Risiken kann hierbei beliebig festgelegt werden.279 Die hypothetischen Verteilungen basieren meist auf Vergangenheitsinformationen über die Varianzen und Kovarianzen der Risi- kofaktoren.280 Die Wahrscheinlichkeiten werden durch empirische Analysen vorhandener Da- tenreihen ermittelt. Sind objektive Wahrscheinlichkeiten diesbezüglich nicht feststellbar, so müssen subjektive Wahrscheinlichkeitsverteilungen angenom- men werden.281 Erfolgt die Monte-Carlo-Simulation mithilfe des Programms Crystal Ball, so müssen die subjektiven Wahrscheinlichkeiten, die nicht empirisch bei den Be- fragungen ermittelt werden konnten, in eine prozentuale Bewertung transfor- miert werden.282 Eine mögliche prozentuale Bewertung der auf sprachliche Äu- ßerungen bezogenen Befragungsergebnisse kann gemäß Krelle erfolgen.283 277 vgl. Schierenbeck 2003, S. 89 278 vgl. Oehler 2001, S. 160 279 vgl. Schierenbeck 2003, S. 89 280 vgl. Oehler 2001, S. 160 281 vgl. Turhaner 2005, S. 39 282 vgl. Schriek 2002, S. 185 283 vgl. Krelle 1957, S. 637 und Turhaner 2005, S.40 Abbildung 1.21 2 Grundlagen und Problemanalyse 93 Varianz- Kovarianz- Methode Die Varianz- Kovarianz- Methode ist ein parametrischer Ansatz zur analytischen Berechnung des VaR.284 Sie basiert auf der Standardnormalverteilung, die durch einen Erwartungswert von Null und einer Standardabweichung von Eins gekennzeichnet ist.285 Die Varianz- Kovarianz - Methode ist das am häufigsten eingesetzte Verfahren der VaR- Berechnung. Es zeichnet sich vor allem durch die einfache Implemen- tierung und den relativ geringen Rechenaufwand aus.286 Es findet vorwiegend Anwendung in der Finanzwirtschaft, da dort viele Wert- veränderungen als normalverteilt gelten. Die Anwendung der Methode bleibt im Bauwesen noch nachzuweisen.287 Im Folgenden soll das Vorgehen der Berechnung mit der Varianz- Kovarianz - Methode dargestellt werden, wie es in dem Aufsatz von Blecken, Meinen, Holthaus vorgestellt wurde,288 und im Kapitel 3.4.3.8 für die Kostenseite einer Immobilie zur Anwendung kommen kann. Die Berechnung soll an dieser Stelle vorerst nur schematisch aufgezeigt werden. Für die volatile Ertragsseite wird der Risikowert VaR „nur“ gemäß der Gleichung 2.2.2.2 - 2 berechnet. 284 vgl. Grau 1999, S. 10 285 vgl. Oehler 2001, S. 155 286 vgl. Jockusch 2002, S. 51 287 vgl. Meinen 2004, S. 47 288 vgl. Blecken/ Meinen/ Holthaus 2004 (a), S. 651 2 Grundlagen und Problemanalyse 94 Berechnungsschritt 1: Die Ermittlung der Einzelrisiken nach einer Standard - Risk- Map In einer so genannten Risk- Map werden die projektrelevanten Risiken zusam- mengetragen. In bestimmten Geschäftsbereichen gibt es bereits solche Zusam- menstellungen, auf die zurückgegriffen werden kann, anderenfalls muss sie angelegt werden. Abb. 2.2.2.2 - 4: Schema einer Risk- Map für ein Bauprojekt Die Projekt- Risk- Map enthält neben der Beschreibung der Risikoart Angaben zu Eintrittswahrscheinlichkeit und Standardabweichung, auch den VaR. Der mit diesen Angaben ermittelte Risikowert VaR wird ebenfalls in die Risk- Map auf- genommen. Dieser berechnet sich bei einer Wahrscheinlichkeit von z.B. 90% wie folgt : %90 2 QuantilVaR  Gleichung 2.2.2.2 - 2 mit    22 BGF²m/€  Im Rahmen dieser Arbeit werden lediglich Risiken betrachtet, die aus Abwei- chungen von Kalkulationsgrößen resultieren. Das Eintreten der Kosten einer Kostenart oder Ertragsart wird als sicher betrachtet. Es wird also in jedem Fall mit einer Eintrittswahrscheinlichkeit von 100% gerechnet. Die Höhe der Abwei- chung stellt die Unsicherheit dar und wird durch den Risikozuschlag, der sich aus dem VaR- Wert ergibt, ökonomisch bewertet. Risikobereich Eintrittswahr- scheinlichkeit Erwartungs- wert Standard- abweichung VaR - Wert (%) (€/m²) (%) (€/m²) Kostenart 1 100 15 10 VaR-Wert 1 Kostenart 2 100 100 20 VaR-Wert 2 Kostenart 3 100 1000 27 VaR-Wert 3 ... ... ... ... ... 2 Grundlagen und Problemanalyse 95 Berechnungsschritt 2: Die Ermittlung der Risikokorrelation Risikokorrelationen treten sowohl zwischen Kostenarten als auch zwischen den Projektperioden auf. Diese Korrelationen erhöhen wie zuvor erwähnt das Ge- samtrisiko gegenüber unkorrelierten Risikoportfolios. Deshalb muss die Korrela- tion geprüft und auf jeden Fall berücksichtigt werden. Liegt keine Korrelation vor, so treten die Risiken mit der angenommenen Wahrscheinlichkeit auf. Wer- den die Risiken zusätzlich jedoch durch andere Einflüsse ausgelöst, d.h. es bestehen Korrelationen zu anderen Risiken, so steigt das Gesamtrisiko.289 Dies muss durch einen größeren Risikozuschlag berücksichtigt werden. Die Korrelationsbeziehungen werden in Matrizenform dargestellt, in so genann- ten Korrelationskoeffizientenmatrizen (KKM). Zeilen und Spalten geben in glei- cher Reihenfolge die einzelnen Risikobereiche an. Auf der Diagonalen ist so ausschließlich der Wert 1 zu finden, da die Korrelation eines Bereiches mit sich selbst 100% sicher ist. Alle anderen Größen sind Werte zwischen 0 und 1. 1 2 3 4 1 1 0,3 0,2 0,5 1: Kostenart 1 2 0,3 1 0,2 0 mit 2: Kostenart 2 3 0,2 0,2 1 0,8 3: Kostenart 3 4 0,5 0 0,8 1 4: Kostenart 4 Abb. 2.2.2.2 - 5: Schema einer Korrelationskoeffizientenmatrix (KKM) 289 vgl. Blecken/ Meinen/ Holthaus 2004 (a), S. 652 2 Grundlagen und Problemanalyse 96 Berechnungsschritt 3: Die Berechnung des Gesamt- VaR Um das Gesamtrisiko zu berechnen, dürfen die einzelnen VaR- Werte nicht aufaddiert werden, sondern müssen mit der Korrelationsmatrix multipliziert wer- den. Dazu werden die VaR- Werte der Kostenarten eines Jahres zusammenge- stellt und in einem Vektor zusammengefasst. Die Korrelationsmatrix wird um die nicht relevanten Risikofaktoren reduziert. Vektor und Matrix werden nun durch die folgende Formel berechnet. VKKMVVaR T  Gleichung 2.2.2.2 - 3 mit              n 2 1 VaR ... VaR VaR V Zunächst wird die Matrix KKM mit dem Vektor von rechts multipliziert. Man er- hält den neuen Vektor A. Nun wird der Vektor in transponierter Form von links mit dem Vektor A multipliziert. Man erhält den quadratischen VaR- Wert, der durch das Wurzelziehen noch einmal umgeformt wird. KKM • V = A VT • A = VaR2 VaRG = 2VaR Gleichung 2.2.2.2 - 4 Die VaR- Werte der einzelnen Jahre werden nun ebenfalls in einem Vektor er- fasst und mit der oben dargestellten Formel mit der Korrelationsmatrix der Pro- jektjahre multipliziert. Man erhält das Gesamtrisiko des Projektes. Das Gesamtrisiko kann sich aus verschiedenen Risiken zusammensetzen, die zu unterschiedlichen Zeitpunkten auftreten und aus unterschiedlichen Berei- chen wie z.B. aus der Planungs- und Bauphase, den Betriebskosten und den Erträgen resultieren. Es werden also bei mehreren Risiken, die unterschiedlich korrelieren und die zu unterschiedlichen Zeitpunkten auftreten, mehrere Korre- lationskoeffizientenmatrizen gebildet und danach überlagert. Dabei werden Ri- siken der Aufwandsseite von denen der Ertragsseite getrennt. Die im Kapitel 3.4.3 ermittelte Standardabweichung der Spitzenmiete sowie der gewichteten 2 Grundlagen und Problemanalyse 97 Durchschnittsmiete werden zur Bestimmung des VaR auf der Ertragsseite ver- wendet . Berechnungsschritt 4: Die Bestimmung der Gesamtkosten unter Einbeziehung der Risiken Die berechneten VaR- Werte der Risiken werden auf der Kostenseite in die DCF- Berechnung aufgenommen. Sie werden dort wie alle anderen Zahlungs- ströme auch mit dem Diskontfaktor abgezinst. Durch die Integration der Risiken muss der Kapitalwert unter Berücksichtigung des VaRDCF berechnet werden. Die Berechnung des NPV gestaltet sich dann wie folgt: NPV = DC-Inflow - DC-Outflow - VaRDCF Gleichung 2.2.2.2 - 5 Im Folgenden werden die einzelnen Modelle erläutert. Die historische Simulati- on wird in Kapitel 3.3 umfassender erklärt und an einem Bespiel zur Mietpreis- prognose auf dem Düsseldorfer Wohnungsmarkt rechnerisch dargelegt. Durch den regelmäßigen Vergleich des Ist-Zustandes mit dem Soll-Zustand kann der Projektentwickler genau erkennen, wo er aktiv werden muss.290 Die Schwäche dieses Bewertungsverfahrens liegt in der punktuellen Darstellung der Einzelrisiken.291 So können beispielsweise die als vernachlässigbar einge- schätzten Risiken aufgrund von Korrelationen einen entscheidenden Einfluss auf das Gesamtrisiko ausüben.292 290 vgl. van den Brink 2005, S. 67 291 vgl. Diederichs 2004, S. 145 292 vgl. Hornung 2000, S. 159 2 Grundlagen und Problemanalyse 98 2.2.2.3 Die Risikogestaltung und -steuerung Nachdem die Risiken identifiziert und bewertet wurden, muss entschieden wer- den, welche Strategie für ihre Steuerung zum Einsatz kommt. Bei der Risiko- steuerung wird individuell entschieden, wie mit den Risiken verfahren werden soll. Im Rahmen der Risikogestaltung und -bewältigung sind geeignete Steuerungs- maßnahmen zu ergreifen, die nicht nur die einzelnen Risikosituationen verän- dern, sondern auch die Gesamtrisikolage der Unternehmung optimieren.293 Abb. 2.2.2.3 - 1: Handlungsalternativen der Risikogestaltung294 Es stehen mehrere Alternativen zur Verfügung, vgl. Abb. 2.2.2.3 - 1. In der Re- gel werden in einem Unternehmen verschiedene Maßnahmen der Risikobewäl- tigung bzw. Risikogestaltung und -steuerung kombiniert. Idealerweise werden Risiken vermieden. Ist dies nicht möglich, so besteht die Möglichkeit sie zu vermindern, oder an einen Projektbeteiligten zu übertragen, der das Risiko bes- ser steuern kann oder die Risiken entsprechend vertraglich zu regeln in Form von GU- GPV- Verträgen. Risken sind zwischen den Projektbeteiligten best- möglich zu verteilen und schließlich zu überwachen. Durch die optimale Risiko- allokation werden Risikokosten eingespart. Es soll derjenige das Risiko tragen, der es am besten steuern kann und als „cheapest cost avoider“295 die Kosten am besten vermeidet. 293 vgl. Braun 1984, S. 259 294 vgl. Diederichs 2004, S. 189; Romeike 2002, S. 17 295 vgl. BMVBW 2003, (b), S. 5 2 Grundlagen und Problemanalyse 99 Aufgrund des komplexen Wirkungsgeflechtes der Risiken sind sie selten durch die Anwendung einer einzelnen Steuerungsmaßnahme zu bewältigen. Es ist vielmehr eine optimale Kombination der verschiedenen Optionen der Risikoges- taltung im Gesamtzusammenhang anzustreben.296 Damit eine möglichst optimale Risikobewältigung unter Kosten-/Nutzen- Kriterien erreicht werden kann, sind die verschiedenen Optionen der Risikoges- taltung miteinander und im Gesamtzusammenhang abzustimmen.297 Abb. 2.2.2.3 - 2: Kostenfunktion aus Schadens- und Sorgfaltskosten298 Hierbei ist eine Betrachtung auf Basis der statistischen Parameter Erwartungs- wert und Varianz sowie des Risikomaßes VaR, wie zuvor erwähnt, sinnvoll. Im Rahmen der Risikoüberwälzung und Risikoübernahme sind zusätzlich Über- schadensbetrachtungen durchzuführen.299 296 vgl. Braun 1984, S. 254 297 vgl. Peter 2002, S. 169 298 vgl. Blecken 2000, S. 125 299 vgl. Schriek 2002, S. 113 f 2 Grundlagen und Problemanalyse 100 Maßnahmen der Risikosteuerung ändern meist die Risikoverteilungen.300 Die Änderungen können sowohl die Risikofrequenz als auch die Risikohöhe oder beides betreffen, also: - Änderungen des Erwartungswertes der Verteilung - Änderung der Varianz - Änderungen von Erwartungswert und Varianz (vgl. Abb. 2.2.2.3 - 3) Abb. 2.2.2.3 - 3: Risikomaßnahmen und Verteilung301 Die Risikosteuerung kann sich sowohl auf die Risikoursachen als auch auf die Auswirkungen der Risiken beziehen. Die Handlungsalternativen zur Risikogestaltung umfassen die Risikovermei- dung, die Risikoverminderung, die Risikobegrenzung, die Risikoüberwälzung sowie die Risikoübernahme. Risiko vermeiden Bei der Risikovermeidung werden Risiken gänzlich beseitigt, indem auf stark risikobehaftete Projekte frühzeitig verzichtet wird. Das Nichteingehen von Risi- ken beinhaltet aber auch gleichzeitig den Verzicht auf mögliche Gewinnchan- cen.302 300 vgl. Rosenkranz 2005, S. 277f 301 Rosenkranz 2005, S. 278 302 vgl. Haller 1986, S. 31, Also würde unternehmerisches Handeln unterbunden werden. 2 Grundlagen und Problemanalyse 101 Aus diesem Grund sollte die Risikovermeidung nur dann gewählt werden, wenn die Realisation des Investitionsvorhabens existenzgefährdende Risiken nach sich zieht303, und für diese soll wirtschaftlich vorgesorgt werden. Risikovermeidung kann aber auch durch Maßnahmen der Planung praktiziert werden.304 Das genauere Planen bzw. die genauere Erkundung ihrer Ein- gangsdaten ist auch gleichzeitig eine Strategie der Risikoverminderung. Als eine weitere Alternative der Risikogestaltung ist die Timing-Strategie zu nennen.305 Risikovermeidung bzw. -verminderung als Handlungsalternative zur Risikogestaltung kann zudem auch durch die Anwendung des Realoptions- Modells erfolgen.306 Risiko vermindern Bei der Risikoverminderung werden flexiblere Maßnahmen eingesetzt, so dass die verborgenen Chancenpotentiale wahrgenommen werden können.307 Im Gegensatz zur Risikovermeidung, die in der Regel den Abbruch einer Pro- jektentwicklung zur Folge hat, ermöglicht die Risikoverminderung mit Ergreifung geeigneter Steuerungsmaßnahmen die Weiterführung des Projektes.308 Die ergriffenen Maßnahmen zur Reduzierung des Risikos können sowohl ursa- chenbezogen in Form der Schadensverhütung (Senkung der Eintrittswahr- scheinlichkeit) als auch wirkungsbezogen in Form der Schadensherabsetzung (Minderung des Ausmaßes bei Risikoeintritt) sein.309 Durch aktives Handeln der Risikoposition wird die Varianz oder sogar der Mit- telwert reduziert (vgl. Abb. 2.2.2.3 - 4). Dies erfolgt z.B. bei der genaueren Pla- 303 vgl. Saitz 1999, S. 79 304 vgl. Blecken 2003, S. 471 ff 305 vgl. Schäfers 1997, S. 197 306 vgl. Realoptionsansatz, Abschnitt 3.1.2.2. 307 vgl. Beckmann 2002, S. 37 308 vgl. Hornung 1999, S. 321 309 vgl. Haller 1986, S. 31 f 2 Grundlagen und Problemanalyse 102 nung, Erkundung oder durch die Auswahl bestimmter Bauverfahren oder Kalku- lationsmethoden. Abb. 2.2.2.3 - 4: Verminderung von Risiken310 Risiko begrenzen Die Risikobegrenzung kann durch die Handlungsalternativen Risikodiversifikati- on (=Risikostreuung), Risikolimitierung oder Hedging (Risikokompensation) erfolgen. Die Risikodiversifikation beruht auf der Portfolio-Theorie.311 Es werden von- einander unabhängige Risikopositionen kombiniert und in ein Portfolio von z.B. In- und Auslandsimmobilien oder unterschiedlichen Immobilientypen, deren Risiken unabhängig voneinander verlaufen, zusammengefasst. Entwickeln sich die Renditen eines Portfoliosegments negativ, hat dies nicht zwangsläufig Ein- fluss auf die anderen Segmente. Durch Diversifikation der sich teilweise neutra- lisierenden Einzelrisiken wird das Gesamtrisikopotential der Unternehmung ge- senkt.312 310 Meinen 2004, S. 66 311 Zur Risikodiversifikation vgl. Schierenbeck 2001, S. 355; Zur Portfolio-Theorie vgl. Markowitz 1952, S. 77 ff 312 vgl. Schlienkamp 1998, S. 316 2 Grundlagen und Problemanalyse 103 Bei der Risikolimitierung hingegen werden Obergrenzen für das Eingehen von Risiken festgelegt, die von anderen Geschäften noch aufgefangen werden kön- nen.313 Es ist im Wirtschaftlichen die grundlegende Vorgehensweise, denn durch ein zulässiges Risikobudget, das durch die vorhandenen Risiken über- schritten wird, muss das Projekt abgebrochen werden. Bei der Risikokompensation bzw. dem Hedging werden negativ korrelierte Sicherungsgeschäfte mit den Risikopositionen aufgebaut. Nach Möglichkeit sollten diese vollständig negativ korreliert sein, d.h. Verluste beim Ursprungs- geschäft ziehen Gewinne beim Sicherungsgeschäft nach sich. Risiko selbst tragen Das Selbsttragen der übrig gebliebenen Risiken bedeutet das bewusste oder zwangsläufige Eingehen von Risikopositionen. Die bewusste Risikoübernahme sollte sich aber in erster Linie auf Risiken beschränken, deren Eintrittswahr- scheinlichkeit und Schadenausmaß auf das vorgegebene Maß begrenzt ist.314 Das Selbsttragen von Risiken hängt sehr eng mit der Risikoverminderung und Risikoüberwälzung zusammen. Bevor die Entscheidung zum Selbsttragen von Risiken fällt, sollten die Möglichkeiten der Risikoverminderung und die Auswir- kungen der Überwälzung geprüft werden. Dabei sollten die Parameter Varianz, Mittelwert sowie das Risikomaß VaR berücksichtigt werden. Durch die Über- wälzung der Risiken an einen Dritten verringert sich die Streuung der selbst zu tragenden Risiken (vgl. Abb. 2.2.2.3 - 5). 313 vgl. Diederichs 2004, S. 191 314 vgl. Saitz 1999, S. 80 2 Grundlagen und Problemanalyse 104 Abb. 2.2.2.3 - 5: Schema des Selbsttragens und der Überwälzung von Risiken315 Risiko überwälzen Bei der Risikoüberwälzung werden keine direkten Maßnahmen zur Risikobewäl- tigung ergriffen. Die Risiken bleiben als solche bestehen, es findet nur ein Wechsel der Risikoträger statt.316 In der Regel erfolgt die Risikoüberwälzung auf Versicherungsunternehmen sowie auf Vertragspartner.317 Die Risikoüberwälzung auf Vertragspartner erfolgt in der Regel durch vertragli- che Risikozuweisung (GPV- Vertrag, Versicherung) an diejenigen Vertragspar- teien, die das Risiko am besten bewältigen können. Ein anderer Ansatz zur Ri- sikoüberwälzung ist die Risikooptimierung durch Wettbewerbs- und Anreizsys- teme. Bei großen und komplexen Investitionsvorhaben sind jedoch andere Formen von Vertragsabsprachen zu suchen.318 Weiterhin können im Rahmen der Risikogestaltung und -steuerung die Risiken auch geldlich abgegolten werden. 315 Meinen 2004, S. 68 316 vgl. von Lindeiner-Wildau 1986, S. 30 317 vgl. Wolf 2003, S. 93 318 vgl. Blecken 2003 2 Grundlagen und Problemanalyse 105 Bei der Risikoabgeltung bzw. Risikohonorierung werden die Investoren oder Kreditgeber für die eingegangenen Risiken in Form einer Prämie entschädigt. Die Risikoüberwälzung kann gemäß Meinen nur dann als Erfolg gewertet wer- den, wenn die Integration des streuungsfreien Wertes s, der meist bzgl. des Betrages über dem Ausgangs-Mittelwert v liegen wird, nach Integration ins Risikokollektiv zu einer Verminderung des VaR führt. Die Verminderung des VaR kann auch bei solchen Fällen vorgefunden werden, bei denen der Gesamtmittelwert eines Kollektivs durch die Überwälzung erhöht wird. Die Feststellung der Risikoreduktion sollte daher nicht anhand von Mittel- wert und Varianz erfolgen, die möglicherweise irreführende Ergebnisse liefern, sondern am Value at Risk.319 Abb. 2.2.2.3 - 6: Der Prozess der Risikoüberwälzung320 319 vgl. Meinen 2004, S. 69 320 Meinen 2004, S. 68 2 Grundlagen und Problemanalyse 106 2.2.2.4 Die Risikoüberwachung Steuerung ohne Kontrolle der Ergebnisse ist wertlos. Daher müssen auch beim Risikomanagement die getroffenen Entscheidungen und ihre Auswirkungen ständig überwacht werden. Die Risikoüberwachung hat einerseits die Aufgabe, die Ergebnisse basierend auf der Risikoanalyse auf ihre Aktualität hin zu über- prüfen. Andererseits sind die ergriffenen Maßnahmen zur Risikogestaltung auf ihre Auswirkungen hin zu kontrollieren.321 Während der Projektlaufzeit müssen die bewerteten Risiken ständig im Blickfeld behalten werden. Die aktuelle Risikosituation sollte kontinuierlich mit der ur- sprünglichen verglichen werden, da sich mit Fortschreiten der Projektentwick- lung der Informations- und Wissensstand des Projektentwicklers hinsichtlich der Risikoentwicklung erhöht und ändert. „Ziel des Controlling muss es sein, berechnete und somit kalkulierte Risikokos- ten einzuhalten und bestenfalls zu unterschreiten. Dabei ist zu beachten, ob es sich um Einzelrisiken oder um korrelierte Risiken handelt, da bei sich bedingen- den Risiken durch die Abweichung eines Wertes weitere beeinflusst werden.“322 Es sind entsprechende Gegenmaßnahmen einzuleiten, wenn im Projektverlauf Unregelmäßigkeiten auftreten, die größere Abweichungen als die kalkulierten und angesetzten andeuten. Zur Kontrolle der Risikoentwicklung werden permanent Abweichungsanalysen durchgeführt. Somit kann sichergestellt werden, inwieweit der Ist-Zustand dem Soll-Zustand entspricht und welche Auswirkungen die Risikoentwicklung auf die Ertragsseite ausübt. Die kontinuierliche Erfassung der Risikosituationen erfolgt unter Zuhilfenahme von Früherkennungssystemen. Sie ermöglichen die rech- zeitige Einleitung der Steuerungsmaßnahmen.323 321 vgl. Braun 1984, S. 263 322 Möller 2005, S58 323 vgl. Schierenbeck 2001, S. 370 2 Grundlagen und Problemanalyse 107 Die Risiken ändern sich und damit auch die Rentabilität mit dem Projektfort- schritt, i.d.R. verbessert sie sich. Zusätzlich ist ein Berichts- und Dokumentationswesen zu implementieren, durch welches die Maßnahmen der Risikokontrolle und -steuerung festgehalten werden. Controllingaufgaben verursachen Kosten- und Personalaufwand. Jede Maßnahme muss auf das Verhältnis von Aufwand zu Nutzen überprüft wer- den.324 Die Sicherstellung der Transparenz der Risikolage auf allen Ebenen der Unter- nehmung bzw. der Projektbeteiligten erfolgt über die laufenden Berichterstat- tungen. Als Instrumente hierzu dienen z.B. die Risk Map oder auch die Risiko- landkarte. Das Risikomanagementmodell schließt nicht mit dem Prozess der Risikoüber- wachung ab. Durch neu gewonnene Erkenntnisse wird im Sinne eines Regel- kreises ein permanenter Durchlauf der Risikoprozesse erforderlich. 324 vgl. Möller 2005, S. 58 2 Grundlagen und Problemanalyse 108 2.3 Die Ertragsplanung bei der Projektentwicklung In der Projektinitiierungsphase sind bereits Vorstellungen bzgl. der späteren Nutzung entstanden. Sie werden mit den Erkenntnissen der nachfolgend be- schriebenen Analysen konkretisiert und zu einem Nutzungskonzept weiterent- wickelt, das den wirtschaftlichen Vorstellungen entspricht und für potentielle Investoren eine interessante Kapitalanlage darstellt. Das Nutzungskonzept der Projektentwicklung muss dabei den funktionellen und qualitativen Anforderungen des potentiellen, zukünftigen Nutzers entsprechen. Das Erstellen des Nutzungskonzepts inklusive der Erarbeitung von Alternativen durch Variation der quantitativen, funktionellen und qualitativen Eigenschaften des Projektes, liefert somit die Grundlage der Ertragssituation. Unter Berück- sichtigung der jeweiligen Kosten und Risiken kann hieraus die wirtschaftlich optimale Projektvariante ausgewählt werden. 2.3.1 Die Instrumente der Ertragsplanung In der Konzeptionsphase wird das Grobkonzept im Rahmen der Machbarkeits- studie (engl. Feasibility analysis) einer Vielzahl von Analysen unterworfen und präzisiert. Gemäß des Projektentwicklungsmodells nach Fischer325 wird bei die- ser Analyse die Realisierungsfähigkeit des Projekts anhand detaillierter Daten und zu verifizierenden Prognosen, geprüft, als da sind: - Marktanalyse - Standortanalyse - Analyse des Nutzungskonzeptes - Wettbewerbsanalyse - Risikoanalyse und - Kostenanalyse. 325 vgl. Abschnitt 2.1 2 Grundlagen und Problemanalyse 109 Mit der anschließenden Wirtschaftlichkeits- und Renditeanalyse werden die ökonomischen Alternativen herausgearbeitet und damit die Grundlage geliefert, mit der die Entscheidung getroffen werden kann, ob das Projekt durchgeführt wird. Die erforderlichen Analysen werden nachfolgend besprochen. 2.3.1.1 Die Marktanalyse Die Aufgabe von Marktanalysen ist die Einschätzung der Angebots- und Nach- fragesituation in den Eigennutzer-, Anlage- und Vermietungsmärkten. In Ab- hängigkeit vom angestrebten Genauigkeitsgrad erfolgt eine Untersuchung des Gesamtmarktes oder eine detailliierte Analyse der räumlichen bzw. sachlichen Teilmärkte. Immer bedeutender wird die Eigenschaft der Nutzungsflexibilität, da sie die Marktgängigkeit einer Immobilie in hohem Maße beeinflusst. Das ist ein Merk- mal, das besonders für Gewerbeimmobilien Bedeutung hat. So sollten bei- spielsweise Bürogebäude im Hinblick auf die Flächenstruktur (Einzelmieter und kleinteilige Vermietung), die Konfigurationsmöglichkeiten (Zellen-, Kombi- und Gruppenbüros) sowie den Ausstattungsstandard (Doppelböden, Decken, Kli- maanlage, etc.) flexibel anpassungsfähig sein. Die Gebäudeanalysen prüfen den Entwurf nach diesen Kriterien. Weitere Kriterien sind die Flächen-, Bewirt- schaftungs- und die Nutzungseffizienz.326 Aufgrund der Heterogenität der Nutzungsformen lässt sich der Immobilienmarkt nicht als Gesamtmarkt analysieren. Deshalb wird üblicherweise eine Analyse der einzelnen Teilmärkte, unterschieden nach Nutzungsarten bzw. Gebäudety- pen (Wohnimmobilien, Gewerbeimmobilien, gemischt genutzte Immobilien so- wie in Sonderimmobilien)327, durchgeführt. 326 vgl. Isenhöfer 2005, S.395 327 vgl. Abschnitt 2.1 2 Grundlagen und Problemanalyse 110 Das relevante Marktsegment wird durch eine vergangenheitsorientierte sowie eine aktuelle Analyse der Marktsituation untersucht, um zu prüfen, in welcher Phase des Zyklus sich der Markt befindet. Dabei ist aber die Vergangenheits- orientierung in der Praxis üblich, nicht aber die Prognose der zu erwartenden Marktlage. Der zukünftige Bedarf stellt aber die wesentliche Entscheidungsgrö- ße dar und seine Prognose fehlt vielfach in den Marktanalysen. Die Marktanalyse stellt das zentrale Instrument des gesamten Projektentwick- lungsprozesses dar.328 Für den Projektentwickler sind vor allem die Marktprog- nosen, die kurz-, mittel- oder langfristig angelegt sein sollten, von großer Be- deutung. Auf Basis der über die Marktanalyse gewonnenen Informationen kann der Pro- jektentwickler ein Anforderungsprofil der möglichen Nutzer ableiten und seine weiteren Planungen daraufhin aufbauen. Aufgrund der langfristigen Nutzungs- dauer von Immobilien sollte das Anforderungsprofil auch die potentiellen Ver- änderungen in der Zukunft berücksichtigen.329 Nach einer räumlichen Eingrenzung des zu betrachtenden Marktes, wird dieser nach Möglichkeit auf seine funktionalen Teilmärkte hin untersucht Das bedeu- tet, dass die unterschiedlichen Märkte, nämlich die für Wohnimmobilien, Büro-, Handels- oder sonstige Gewerbeimmobilien, betrachtet werden. Wobei aller- dings eine klare Abgrenzung der Teilmärkte kaum möglich ist, weil z.B. viel Mehrnutzungsobjekte angeboten werden. Darüber hinaus lassen sich Marktanalysen in quantitative und qualitative Analy- sen untergliedern.330 Die quantitative Marktanalyse hat die Aufgabe, Angebot und Nachfrage in Form von Quadratmeterzahlen auszuweisen. Eine quantitative Analyse und Prognose des Flächenangebotes und der Flächennachfrage sowie des Miet- preisniveaus wird erstellt. 328 vgl. Joachim 1996, S. 11 329 vgl. Graaskamp 1991, S. 262 330 vgl. Isenhöfer 2005, S.395 2 Grundlagen und Problemanalyse 111 Hierzu werden eine „Reihe von Vergleichstransaktionen“331 durchgeführt, deren Daten z.B. von Maklern bezogen oder aus Nutzerbefragungen gewonnen wer- den. Die Analyse des Flächenangebotes beinhaltet darüber hinaus die Untersu- chung des verfügbaren Flächenangebotes, des Leerstandes, der Neufertigstel- lungen und des Gesamtbestandes. Von der Mietpreisprognose wird nicht erwartet, dass sie eine Einschätzung liefert, ob sich der Markt stabil entwickelt oder ob ein Angebots- oder Nachfra- geüberhang zu erwarten ist.“332 Bei der qualitativen Marktanalyse werden die Nutzeranforderungen untersucht, ob Flächen leer stehen oder abgesetzt wurden, welcher Ausstattungsstandard, welche Flächengrößen, Funktionalität und Bauqualität angeboten und nachge- fragt werden. Der Fokus der Marktanalyse verschiebt sich damit auf die Frage, wo die Flächen angesiedelt sind und wie diese Flächen im Hinblick auf Größe, Funktionalität, Effizienz, Ausstattungsstandards und Bauqualität konzipiert sind. Zu den verschiedenartigen Nutzeranforderungen können Immobilienmakler oder auch spezialisierte Beratungsunternehmen wertvolle Hinweise geben. 2.3.1.2 Die Standortanalyse Die Standortanalyse untersucht die Charakteristika eines Grundstücks und dessen Umfeldes. Die Standortanalyse umfasst i.d.R. die Beurteilung des Mik- rostandortes (d.h. das Grundstück und dessen unmittelbares Umfeld) und des Makrostandortes (Stadtteil, Stadt oder Ballungsraum). Neben dieser Unterteilung wird auch nach harten (quantifizierbaren) Standort- faktoren, wie z.B. Grundstücksgröße, Infrastruktur, Distanzen, etc. und weichen (qualifizierbaren) Faktoren (Standortimage, Umfeldqualität, oder die Qualität der Aussicht) unterschieden333 und zwei Sichten entwickelt, nämlich die Makro- und Mikrostandortsicht, wie nachfolgend genauer dargelegt wird. Standorte verän- dern sich nur über langfristige Zeithorizonte. 331 vgl. Isenhöfer 2000, S. 370 332 Isenhöfer 2000, S. 370 333 vgl. Isenhöfer 2005, S.394f 2 Grundlagen und Problemanalyse 112 Der Makrostandort „Die Bedeutung des Makrostandortes für die Wertentwicklung einer Immobi- lieninvestition wird tendenziell unterschätzt, traditionell steht der Mikrostandort im Zentrum der Betrachtungen.“334 Die relative Bedeutung des Makrostandortes - im Vergleich zum Mikrostandort - für die Miet- und Preisentwicklung eines In- vestitionsvorhabens steigt tendenziell mit zunehmender Projektgröße an und umgekehrt.335 Aber auch in Städten bzw. Regionen, in denen sich ein Struktur- wandel vollzieht, ist die Analyse der jeweiligen Makrostandorte von immenser Bedeutung.336 Der Makrostandort und seine Risikopotentiale Die wertbildenden Determinanten des Standortrisikos Makrostandort sind vor allem die ökonomischen, die sozio- demographischen sowie die politischen und rechtlichen Rahmenbedingungen ebenso wie die Infrastruktur und die qualitati- ven, also weichen Standortfaktoren.337 Harte Parameter sind z.B. die Alters-, Einkommens- und Haushaltsstruktur, Beschäftigungs- und Wirtschaftsentwick- lungen, die politischen Rahmenbedingungen und infrastrukturellen Vorausset- zungen. Dem stehen weiche Kriterien gegenüber wie z.B. das Image der Regi- on, das allgemeine soziale Klima, oder die allgemeine Lebensqualität (Naherho- lungsattraktivität).338 Die (makro-)ökonomische Komponente berücksichtigt die gesamtwirtschaftliche Entwicklung sowie die Branchen und regionalspezifischen Einflussfaktoren. Die Flächennachfrage wird nachhaltig von den makro-ökonomischen Determi- nanten, geprägt. Hierbei spielen die Konjunktur- und Wachstumsentwicklung eine dominierende Rolle. Insbesondere bei der Entwicklung von Büroimmobilien ist der enge Zusammenhang zwischen der konjunkturellen Entwicklung und der Beschäftigungslage der Unternehmen von Bedeutung. 334 Isenhöfer 2000, S. 347 335 vgl. Isenhöfer 2005, S. 418 336 In diesem Kontext sind insbesondere die Neuen Bundesländer zu nennen. 337 vgl. Falk 1997 S. 25 ff 338 vgl. Ferreau 2003, S.48 2 Grundlagen und Problemanalyse 113 Bei Wohn- und Handelsimmobilien hingegen ist der Zusammenhang zwischen der konjunkturellen Entwicklung und dem Kaufkraftniveau der Bevölkerung zu erwähnen.339 Die Wertentwicklung von Immobilien und die somit erzielbaren Miet- oder Kauf- preise sind durch die Beschäftigungs- und Wirtschaftsentwicklung innerhalb des Makrostandortes determiniert. Die Untersuchung der Wirtschaftsstruktur und Wirtschaftskraft sowie die Arbeitsmarktlage sind wesentliche Faktoren. Eine vielschichtige Wirtschaftsstruktur und die politische Stabilität eines Landes bei- spielsweise stabilisieren tendenziell die Konjunkturempfindlichkeit des örtlichen Immobilienmarktes.340 Auch die einzelnen Wirtschaftssektoren und die im Umfeld geplanten Großvor- haben sollten näher betrachtet werden. Mithilfe dieser Analysen können die Entwicklungspotentiale des Makrostandortes aufgezeigt werden: während zu- kunftsträchtige Branchen zur Schaffung neuer Arbeitsplätze beitragen, können Problembranchen, wie z.B. bis zum Frühjahr des Jahres 2004 die Stahlbranche, in Form von zukünftiger Arbeitslosigkeit wirtschaftlich schaden. Während für den Wohnungsmarkt teilweise recht detaillierte und regelmäßig aktualisierte Bestandserfassungen in den amtlichen Statistiken sowie bei den zuständigen Planungsbehörden vorliegen, sind solche öffentlichen Statistiken für den gewerblichen Immobilienmarkt kaum vorzufinden. Somit muss der Pro- jektentwickler auf eigene Primär- oder Fremderhebungen oder auch auf qualita- tive Methoden zurückgreifen.341 339 vgl. Bone- Winkel 2005 (a), S. 22 f 340 vgl. Isenhöfer 2005, S. 421 341 vgl. Schäfer 2002, S. 55 2 Grundlagen und Problemanalyse 114 Der Mikrostandort Der Mikrostandort in Form des Grundstückes wird in erster Linie von harten Faktoren wie Lage, Größe, Zuschnitt und Topographie bestimmt. Aber auch Art und Qualität der Nachbarbebauung, Nahversorgungsattraktivität, infrastrukturel- le Anbindung, Struktur der öffentlichen Abgaben und nicht zuletzt die rechtli- chen Aspekte wie Eigentumsverhältnisse, Rechte und Belastungen des Grund- stückes, öffentliches und privates Baurecht sowie Verordnungen und Satzun- gen der Städte und Kommunen sind von Bedeutung. Der Mieter sucht neben dem guten Objekt ein interessantes Umfeld, z.B. bei Büroimmobilien Restau- rants, oder Parks zum Spazierengehen etc. Weiche Standortfaktoren des Mikrostandortes sind sein Image bzw. seine „Ad- resse“ oder die Identifikation der Anwohner bzw. Nutzer mit ihrer direkten Um- gebung. Sie lassen sich aber durch den Entwurf beeinflussen. Der Mikrostandort und seine Risikopotentiale342 Das Grundstücks- und Genehmigungsrisiko bergen erhebliche Risikopotentiale, die im Folgenden kurz angesprochen werden sollen. Das Grundstücksrisiko Die Untersuchung der Bodenbeschaffenheit ist insbesondere bei unbebauten Grundstücken ein wichtiges Analysekriterium, da die Beschaffenheit des Bo- dens generell die Baukosten343 und somit indirekt auch die Ertragsseite beein- flusst. Ein weiteres Kriterium bei Grundstücken ist die technische Erschließung. Insbe- sondere bei älteren Bestandsobjekten kann es relativ schwer sein, den Verlauf und baulichen Zustand der bestehenden Erschließungssysteme zu rekonstruie- ren.344 342 vgl. Turhaner 2005, S. 96-100, Weitere Inhalte hierzu sind in den Abbildungen 2.16 - 2.18 - Checkliste Mikrofaktoren und Risikochecklisten Grundstücks- und Genehmigungsrisiko. 343 vgl. Silvermann 1988, S. 8 344 vgl. Isenhöfer 2005, S. 426 2 Grundlagen und Problemanalyse 115 Die im Grundbuch eingetragenen Belastungen beinhalten privatrechtliche Ver- pflichtungen, das Baulastenverzeichnis öffentlich-rechtliche Verpflichtungen. Baulasten können Wege- und Leitungsrechte sowie Baubeschränkungen sein, die im Zusammenhang mit benachbarten Bauvorhaben eingetragen wurden. Weiterhin ist zu recherchieren, ob das Grundstück mit Nutzungs- oder Mitbe- nutzungsrechten Dritter belastet ist. Solche Einträge sind nicht im Grundbuch ersichtlich.345 Das Genehmigungsrisiko Das Genehmigungsrisiko besteht weniger in der Erlangung selbst als in den Auflagen oder Nebenbedingungen, die großen Einfluss auf die Wirtschaftlichkeit des Projektes haben können.346 Im Interesse einer effizienten Projektentwicklung sind die Planungen für das Investitionsvorhaben mit den öffentlichen und privaten Interessen deshalb vor- her abzustimmen. 2.3.1.3 Die Analyse des Nutzungskonzepts Basierend auf den Erkenntnissen aus der Standort- und Marktanalyse (kurz: STOMA) wird das Nutzungskonzept weiterentwickelt. Es soll Zielvorstellungen enthalten über die:347 - einzelnen Nutzungsarten - Aufteilung von Neben-, Nutz- und Lagerflächen, Zueinanderordnung der Funktionen - Eingangsgestaltung, Zugangs- und Anlieferungsbereiche, sowie Parkflä- chen und - Anbindung an bestehende Straßen bzw. vorhandene Verkehrsbauwerke. 345 vgl. Usinger 2002, S. 496 346 vgl. Hellerforth 2001, S. 62 347 vgl. Falk 2000, S. 593 2 Grundlagen und Problemanalyse 116 Die Gebäudeanalyse beurteilt die Immobilien hinsichtlich ihrer Ausstattungs- und Qualitätsstandards. Ihre Bedeutung hängt vom Lebenszyklusstadium der jeweiligen Immobilie ab. Die Einschätzung der Bauqualität, der Nutzungsflexibilität und Gebäudeef- fizienz ist bei Investitionen in Immobilienprojektentwicklungen bei Investitionen in Bestandsimmobilien von hoher Bedeutung.348 Mit weiteren Vorgaben der Qualität und Ausstattung, ggf. in Form eines Raum- programms, sollten erste Planungsunterlagen erstellt werden, um die dazu ge- hörigen Kostenanalysen anfertigen zu können. Verschiedene Alternativen soll- ten erarbeitet werden und auf ihre Vor- und Nachteile untersucht werden. 2.3.1.4 Die Wettbewerbsanalysen Die Wettbewerbsanalyse dient in Kombination mit den anderen Analysefeldern dazu, das eigene Projekt auf seine Marktchancen hin abzusichern und ggf. durch eine Anpassung der Nutzungskonzeption zukünftige, erkannte Marktlü- cken zu besetzen also Wettbewerbsvorteile zu schaffen. Im Rahmen der Standort- und Marktanalyse werden Informationen über die quantitative und qualitative Flächennachfrage gesammelt, indem bestehende, genehmigte, im Bau befindliche oder projektierte Konkurrenzobjekte z.B. auf Größe, Nutzfläche, Leerstandsquote, Standort- und Objektqualität untersucht werden. So kann die Wettbewerbssituation im jeweiligen Teilmarkt eingeschätzt werden. 348 vgl. Schulte 1998, S. 100 2 Grundlagen und Problemanalyse 117 2.3.1.5 Die Mietanalyse Die Aufgabe von Mietanalysen ist die Untersuchung von Mieterbonität, Mieter- mix und Mietvertragsstrukturen hinsichtlich Laufzeiten, Umlageregelungen, In- dexierung und Optionsrechte. Die Mietanalyse dient der Schätzung des Cash Flows sowie der Ermittlung eventueller Differenzen zwischen Vertrags- und Marktmiete.349 Für die Ertragsplanung und die folgenden Rentabilitätsanalysen ist ebenfalls das Mietpreisniveau und seine historische Entwicklung von besonderem Inte- resse. Aus den sicheren Daten der Marktanalyse müssen zukünftige Mietpreise abgeleitet werden. Die Mieterbonität Die Bonität eines Mieters ist ein sehr wichtiger Faktor eines Mietverhältnisses. Sie stellt eine Einschätzung darüber dar, ob der Mieter seinen vertraglichen Verpflichtungen nachkommen kann bzw. wird oder ob Unregelmäßigkeiten bei der Zahlung von Miete/Pacht und Nebenkosten zu erwarten sind. Vertragsvereinbarungen der Miethöhe und Vertragslaufzeit allein sichern keine Zahlung, wenn sie nicht von einem zahlungsfähigen Mieter getroffen werden. Liegen keine Sicherheiten als Bürgschaften oder Kautionen vor, können dem Investor für den Fall der Mieterzahlungsunfähigkeit Kosten für den Mietausfall, Rechtsberatung, Reparatur oder Reinigung der Mietflächen drohen, bei einer Mieterinsolvenz werden diese Kosten i.d.R. beträchtliche Größenordnungen annehmen.350 Der Mietermix Der Mietermix bezeichnet hauptsächlich „die Auswahl und Kombination ver- schiedener Mieter in einer einzelhandelsgenutzten Immobilie.“351 Allgemein wird die Zusammensetzung der Mieter in einer Immobilie als Mietermix bezeichnet. 349 vgl. Isenhöfer 2005, S. 396 350 vgl. Schulte 1998; S. 109 2 Grundlagen und Problemanalyse 118 Der Mietermix beeinflusst das Investitionsrisiko, denn das Risiko wird durch mehrere Mieter übernommen. Neuvermietungen, Vertragsverlängerungen oder Mietausfälle beziehen sich somit nur auf Teilflächen und so können deren mög- liche negative Auswirkungen durch die anderen Erträge der vermieteten Flä- chen ggf. kompensiert werden. Die Mietvertragsstruktur Die Mietvertragsstruktur wird durch Laufzeiten, Vereinbarungen bzgl. umzule- gender Kosten, Indexierung und Verlängerungs-, Erweiterungsoptionen, Incen- tives usw. bestimmt. In einem Mietvertrag werden Rechte und Pflichten zwi- schen den Vertragsparteien, d.h. Vermieter und Mieter, geregelt. Ein Mietvertrag enthält normalerweise folgende rechtliche und finanzielle Cha- rakteristika: - Mietparteien und Mietobjekt - Datum des Mietbeginns und Mietdauer bzw. Kündigungsfristen - Art der erlaubten Nutzung und des Umfanges möglicher baulicher Ver- änderungen - Rechte der Untervermietung oder Weitervermietung an Dritte - eventuelle Betriebspflichten des Mieters - Miethöhe, Zahlungsweise, eventuell Umsatzmietvereinbarungen - Mietanpassung durch Staffelmietvereinbarungen, Index-, Leistungsvor- behalts- bzw. Spannungsklauseln - Übernahme der Instandhaltung und Schönheitsreparaturen - Nebenkostenregelungen - Übernahme der Kosten von Mietereinbauten - Option auf Mietvertragsverlängerung - Vormietrechte für weitere Flächen - Incentives wie mietfreie Zeiten, Umzugsservice usw. 351 Falk 2000, S. 556 2 Grundlagen und Problemanalyse 119 Für die Bestimmung des zukünftigen Cash Flows ist die vereinbarte Miethöhe und die Art ihrer Anpassung wichtig. Mietzinsanpassungen sind bei mittel- und langfristigen Mietvertragen üblich und können unterschiedlich geregelt wer- den.352 Die Parameter des Mietvertrages bestimmen die Ertragsplanung einer Projekt- entwicklung in der Konzeptionsphase und damit die Vorteilhaftigkeit einer Im- mobilieninvestition. Auch wenn in frühen Projektentwicklungsphasen noch keine Aussagen für die Mietanalysen wie z. B Mieterbonität etc. gemacht werden können, müssen diese Faktoren berücksichtigt werden, da z.B. bei einer Ver- mietung an kleine oder junge Unternehmen mit einer höheren Fluktuation ge- rechnet werden muss. Die anzusprechende Kundenzielgruppe muss geplant werden und der potentielle zukünftige Leerstand einkalkuliert werden. 2.3.2 Die Ertragsplanung unter Unsicherheit Die Machbarkeitsanalyse einer Immobilienprojektentwicklung stellt eine Mo- mentaufnahme dar. Es werden neben die aktuellen Rahmenbedingungen des Marktes, des Standorts und des Wettbewerbs auch die historische Entwicklung der bestimmenden Standortparameter betrachtet. Aus den gesammelten und zur Verfügung stehenden Daten muss anschließend eine Prognose künftiger Entwicklungen abgeleitet werden, die insbesondere die zukünftige Nachfragesituation vorhersagen soll. Der Planungshorizont, der von der Projektidee bis zur Fertigstellung in Abhän- gigkeit von der Immobiliengröße bis zu 5 Jahren betragen kann, wird sich z.B. in Bezug auf die quantitative Nachfrageentwicklung als problematisch erweisen. Möglicherweise weicht der Bedarf schon zum Zeitpunkt der Fertigstellung bzw. Vermarktung deutlich von der Prognose ab. 352 vgl. ausführliche Darlegungen zur Mietanpassung im Kapitel 2.3.3.1 bzgl. Miete 2 Grundlagen und Problemanalyse 120 Längerfristig ist die Ertragsplanung mit zahlreichen weiteren Unsicherheiten behaftet, wie in den Abschnitten 2.3.2.1 und 2.3.2.2 aufgezeigt wird. Letztlich ist aber die Ertragssituation u.a. ausschlaggebend für die wirtschaftliche Nut- zungsdauer. Wie man die Risiken in der Ertragsplanung berücksichtigen kann, soll nachfolgend modelliert werden. 2.3.2.1 Die systematischen Risiken Systematische Risiken sind Risiken, die sich aus dem Marktrisiko ergeben und unabhängig vom Objekt sind. Konjunkturelle Veränderrungen, Schwankungen des Marktzinsniveaus, Ausschläge bei den Wechselkursen oder andere Ge- samtmarkt beeinflussende Determinanten politischer oder gesellschaftlicher Art, Änderungen im Rahmen der Wohnungsbauförderung oder bei der Mietgesetz- gebung gelten als wichtige Einflussgrößen des systematischen Risikos. Einige Umweltbedingungen verändern sich langsam und lassen sich aufgrund histori- scher Daten hinreichend genau prognostizieren wie z.B. die Veränderung der Bevölkerungsstruktur, Technisierung, Rationalisierung etc. Das soll nachfolgend besprochen werden. Der Soziodemographische Wandel Der Soziodemographische Wandel beschreibt die Veränderungen im Zusam- menleben von Menschen und der Alters- und Haushaltsstruktur einer Gesell- schaft. Die Gründe für einen soziodemographischen Wandel sind vielfältig. So sind z.B. eine bessere medizinische Versorgung und humanere Arbeitswelt Ursachen für die gestiegene Lebenserwartung. Sie haben in Deutschland zu einer veränderten Alterspyramide, zu erheblich längeren Lebenserwartungen, erheblich kleineren Geburtsraten, kleineren Haushalten etc. geführt. 2 Grundlagen und Problemanalyse 121 Die Gründe der Veränderungen bei Wohnimmobilien sind: Bevölkerung und Altersstruktur „Die Gesamtbevölkerung wird sich voraussichtlich von heute ca. 82. Mio. auf 65 - 70 Mio. Einwohner im Jahr 2050 verringern. Waren 1950 etwa doppelt so viele Menschen unter 20 Jahre wie über 59 Jahre alt, so wird sich dieses Verhältnis bis 2050 umkehren."353 Die demographische Bevölkerungsentwicklung setzt sich aus der jährlich erhobenen Anzahl der Geburten- und Sterbefälle sowie der Zu- und Fort- züge einer festgelegten Region zusammen. In der Bundesrepublik Deutschland liegt die Geburtenrate seit 1970 zwischen 1,2 und 1,6 Kin- der/Bewohner. Dies reicht nicht aus, die Bevölkerungsentwicklung kon- stant zu halten. Der Bevölkerungszuwachs dieses Zeitraums resultiert al- lein aus dem positiven Wanderungssaldo. Dies gilt jedoch nur im Mittel für Deutschland, regional wie z.B. für Baden Württemberg, kann sich das anders darstellen. - Steigende Mobilität Aufgrund gestiegener Mobilität, besserer Einkommen und dem Bedürfnis nach mehr Lebensqualität, leiden die Städte an sinkenden Einwohner- zahlen und einer Veränderung der Bevölkerungsstruktur und der Ein- kommensunterschiede in den Haushalten. Trend zu Singlehaushalten Ein weiterer Effekt der niedrigen Geburtenrate ist die Veränderung der Altersstruktur der Bevölkerung.354 Aufgrund der höheren Altersstruktur der Bevölkerung ergibt sich, dass sich die Nachfrage auf bestimmte Wohnungsteilmärkte konzentriert. Die Individualisierung der Lebensläufe beschleunigt die Bildung von Einpersonenhaushalten. Die Bedeutung der Familienhaushalte hat stark abgenommen.355 Während in den 50-er Jahren Haushalte mit 3 und mehr Personen über- wogen, sind es nun die Singlehaushalte, die „langfristig einen Anteil von knapp 40 % an der Gesamtzahl der Haushalte erreichen"356 werden. 353 Neue Perspektiven: S. 9 354 vgl. Kühne-Büning 2005, S. 240 355 vgl. Spiegel 2001, S.51 2 Grundlagen und Problemanalyse 122 Als Konsequenz ergeben sich eine Abnahme der durchschnittlichen Haushaltsgröße und eine Zunahme der absoluten Haushaltsanzahl. Die Wohnungen der Größe von 40 - 60 m2 bei Einpersonenhaushalten und 60 - 80 m2 bei Erwachsenhaushalten weisen die stärkste Nachfrage auf.357 Wohnungen, die für Familienhaushalte geeignet sind und eine Wohnungsgröße ab 80 m2 aufweisen, werden durch eine Senkung der Nachfrage beeinflusst. Die gesellschaftlichen Entwicklungen, die zu unterschiedlichen Haushaltsstruk- turen führen, lassen sich nur schwer prognostizieren. Zwar ist die demographi- sche Bevölkerungsentwicklung qualifiziert vorhersagbar, aber die Nachfrage auf den Wohnungsmärkten hinsichtlich einer bestimmten Wohnraumgröße kann nur bedingt daraus abgeleitet werden. Daher sind die Nachfrage und die Mietpreis- entwicklung nicht aus der Bevölkerungsentwicklung direkt ableitbar. Allerdings sind sie Indikatoren. Die o.g. Entwicklungen haben Einfluss auf die Nachfrage nach Wohnraum und die Art seiner Gestaltung. Die Altersstruktur der Bevölkerung bewirkt z.B. eine zukünftig erhöhte Nachfrage nach seniorengerechten Immobilien, der größere Wohlstand zu größeren Wohnflächen pro Einwohner, etc. „Von den Auswir- kungen des demographischen Wandels ist der Immobilienmarkt direkt betroffen, das betrifft nicht nur, was die veränderten Wohnraumansprüche, sondern auch die Nachfrage nach Dienstleistungen (z.B. E- Commerce) sowie das Freizeit- verhalten angeht."358 Die Entwicklung zu Tele- bzw. Heimarbeit, die die Bereiche Wohnen und Arbei- ten enger miteinander verbinden, erfordern erhöhte technische und bauliche Lösungen. In der Industrie reduzieren sich die Fertigungsflächen durch Automa- tion, die Logistikflächen wachsen und im Handel werden die Flächen pro Kun- den ebenfalls größer. 356 Neue Perspektiven: S. 10 357 vgl. Kühne-Büning 2005, S. 141 358 Neue Perspektiven: S. 9 2 Grundlagen und Problemanalyse 123 Die Technisierung, Rationalisierung und der Wandel der Arbeitsorganisation359 Die Entwicklungen in der Informations- und Kommunikationstechnologie (IuK- Technologie) machen neue Produktionsprozesse und Organisationsstrukturen möglich, die nur in adäquaten Gebäuden umgesetzt werden können. In der In- dustrie verlangen immer kürzer werdende Produktzyklen schnell und kosten- günstig anpassbare Herstellungsprozesse, die nur in flexiblen Gebäuden reali- siert werden können und hinsichtlich der Flächenkonfiguration, des Tragverhal- tens, der Raumhöhe und der Erschließung keine Einschränkungen erfordern. Abb. 2.3.2.1 - 1: Die Entwicklung der Büroarbeit360 Es hat eine Veränderung der Produktionsprozesse im Büro stattgefunden, aus der eine große Bandbreite von Anforderungen für das Bauwerk resultiert. Heute werden hochtechnisierte Call- Center-Betriebsformen, großräumige Bürostruk- turen bzw. Gruppenbüros bei New- Economy- Betrieben und daneben immer noch tayloristisch organisierte Firmen mit Einzelbüros im Zweibund angetroffen und dies stellt entsprechend die Flächennachfrage dar. 359 vgl. Ferreau 2003, S.53 360 Ferreau 2003, S.53 2 Grundlagen und Problemanalyse 124 Das allgemeine Marktrisiko, der Strukturwandel und die administrativen Risiken Die Erträge einer Immobilie sind mit einer gewissen Verzögerung mit der kon- junkturellen Entwicklung einer Volkswirtschaft gekoppelt, da die gesamtwirt- schaftliche Lage die Nachfrage nach gewerblich nutzbaren Flächen beeinflusst. In konjunkturellen Hochphasen mit hohen Beschäftigungszahlen werden mehr Flächen nachgefragt als in Zeiten einer Rezession. Neben zyklischen Schwankungen der Gesamtkonjunktur oder einzelner Wirt- schaftszweige, treten langfristige Veränderungen der Volkswirtschaft in Form eines Strukturwandels auf.361 So hat sich die Nachfrage z.B. nach Büroflächen aufgrund der drei Arten des Strukturwandels (vgl. vorherige Fußnote) ebenfalls geändert. Weiterhin liegt auch eine modifizierte Haltung des Bauherren zur Immobilie vor. Die sichere Kapitalanlageform der Immobilie von damals steht heute in Konkurrenz zu an- deren renditeträchtigeren Anlageformen, wie z.B. Aktien. Die Entwicklung der Finanzmärkte und die Inflation nehmen Einfluss auf die Nachfrage nach Immobilien, da Investoren fremdgenutzter Objekte die Konkur- renzfähigkeit des Immobilieninvestments mit anderen Anlageformen verglei- chen. Weitere systematische Risiken, die sog. administrativen Risiken, wie zum Bei- spiel die Änderungen in Bau- und Planungsrecht oder die Planung und Nutzung von Immobilien betreffenden Gesetzesänderungen, dürfen bei der Projektent- wicklung nicht unberücksichtigt bleiben. Auch Änderungen des Steuerrechts beeinträchtigen die Wirtschaftlichkeit von Immobilieninvestitionen. 361 Hier ist der sektorale Strukturwandel von der Industrie- zur Dienstleistungsgesellschaft und zur Informa- tions- bzw. Wissensgesellschaft zu nennen. Neben dem sektoralen Strukturwandel gibt es den intra- sektoralen und den regionalen Strukturwandel. Wenn es innerhalb der großen Wirtschaftssektoren, Ag- rarwirtschaft, Industrie und Dienstleistungen, strukturelle Veränderungen wie z.B. die Veränderung von „Old Work“ zu „New Work“ (vgl. Kapitel 3.4.1.3, Abbildung 3.4.1.3 – 18) oder eine Entwicklung der Bü- roarbeit (vgl. Abbildung 2.3.2.1 – 1) gibt, so ist ein intrasektoraler Strukturwandel gemeint. Die dritte Form des Strukturwandels ist der regionale Strukturwandel. Ein anschauliches Beispiel ist das Ruhrge- biet, das sich mit dem Niedergang des Bergbaus und der Montanindustrie von einer Schwerindustriere- gion zunehmend in ein Zentrum für hochtechnologische Industrien (z.B. im Umweltschutzbereich) und moderne Dienstleistungen gewandelt hat. 2 Grundlagen und Problemanalyse 125 2.3.2.2 Die unsystematischen Ertragsrisiken Im Gegensatz zu den systematischen Risiken werden die unsystematischen Risiken von den mikroökonomischen bzw. objektspezifischen Parametern be- einflusst und lassen sich auch schwerer prognostizieren bzw. quantifizieren. Unsystematische Risiken sind diversifizierbar, d.h. dass diese durch Streuung auf mehrere unterschiedliche Objekte innerhalb einer Anlagekategorie in effi- zienten Portfolios verringert werden können. Zu den unsystematischen Ertrags- risiken zählen die standort- und marktbezogenen Risiken sowie die Risiken in der Objektkonzeption, aber auch die Risiken aus Betrieb und Management. Diese werden im Folgenden aufgezeigt. Standort- und marktbezogene Risiken Der Standort einer Immobilie verändert sich i.d.R. langsam. Unter Umständen kann ein solcher Prozess durch den Standortwechsel eines wichtigen Arbeitge- bers oder durch bedeutende Eingriffe in öffentliche Einrichtungen und Infra- struktur wie z.B. der Regierungsumzug nach Berlin beschleunigt werden. „So wurden die für Berlin erhofften wirtschaftlichen Impulse für den Immobi- lienmarkt durch die Umzugsverzögerungen ebenfalls verschoben. Der spekula- tive Vorratsbau, der primär auf den für 1995 erhofften Umzugssog ausgerichtet war, kam dadurch einige Jahre zu früh auf den Markt."362 Ertragsrisiken aufgrund von Markt- und Standorteigenschaften treten i.W. als Bewertungs- und Prognoserisiko auf. Es kann zu einer falschen Einschätzung der Ertragspotentiale und somit zur Über- oder Unterbewertung der Immobilie kommen, da die Markt- und Standorteigenschaften nicht zu treffend bewertet werden. Das Bewertungsrisiko geht direkt in das Prognoserisiko über. Dies be- trifft die Problematik der hinreichend genauen mittel- bis langfristigen Vorhersa- ge von Marktzyklen (Angebot und Nachfrage in qualitativer und quantitativer Hinsicht) und Veränderungen der Standorteigenschaften.363 362 Isenhöfer 2000, S. 352 f 363 vgl. Ferreau 2003, S.59 2 Grundlagen und Problemanalyse 126 Risiken in der Objektkonzeption „Das Entwicklungsrisiko einer jeden Projektentwicklung besteht zunächst darin, dass durch eine nicht marktkonforme Projektkonzeption im Sinn unzureichender Standort- und Nutzungsadäquanz Schwierigkeiten bei der angestrebten Ver- mietung bzw. Veräußerung auftreten können."364 Eine sorgfältige Analyse des Umfeldes und ein geeignetes Nutzungskonzept, das auf dessen Eigenschaften abgestimmt ist, sind Voraussetzung für eine er- folgreiche Immobilienprojektentwicklung. Außerdem sind Risiken im Bereich der Planung und des Projektmanagements zu berücksichtigen. Die Wahl des Einsatzes von qualifizierten Fachleuten und der richtige Zeitpunkt Konzepte zu entwickeln und Entscheidungen zu treffen, sind zu beachten. Risiken aus Betrieb und Management Es wird zwischen Management- und Betreiberimmobilien unterschieden. Bei Betreiberimmobilien liegt das Risiko der rentablen Nutzung im Verantwor- tungsbereich des Betreibers. Die Risiken für den Eigentümer bzw. Investor lie- gen in der Bonität bzw. dem wirtschaftlichen Erfolg des Betreibers. Eine An- schlussvermietung nach Ablauf einer ersten Mietfrist bleibt oft ungewiss und führt zu neuen Risiken. Im Bereich der Managementimmobilen sind gemischt genutzte Immobilien zu nennen, hier haben Eigentümer bzw. Investor zusätzliche Aufgaben in den Be- reichen Mietvertragsmanagement, Steuerung der Mieterstruktur, Akquisition, Koordination und Gebäudemanagement. Aufgrund von Managementfehlern kann ein sog. Anker- bzw. Magnetmieter „abwandern“. Solche Mieterverluste können gravierende Folgen haben, wenn kein adäquater, neuer Mieter gefunden werden kann. Unter Umständen setzt eine Eigendynamik ein, die zunächst kleinere Mieter zur Aufgabe ihrer Fläche veranlasst und im schlimmsten Fall den Leerstand der 364 Isenhöfer 2000, S. S.176 2 Grundlagen und Problemanalyse 127 Immobilie zur Folge hat. Erträge aus Managementimmobilien unterliegen dem Qualitätsrisiko des Managements. Bei der Betrachtung der Anschlussvermietung stellt sich die Frage, ob die Ob- jekteigenschaften auch in der Zukunft marktgerecht und somit konkurrenzfähig im Wettbewerb mit jüngeren oder neuen Immobilien sind. Ein Objekt, das eine flexible Anpassung auf die jeweiligen Nutzeranforderungen bietet und so eine größere Bandbreite potentieller Nutzer anspricht, ist nach Möglichkeit anzustre- ben. Neben einer aktiven Gestaltung der Mietverhältnisse und Mieterstruktur existiert gerade bei diesen Immobilien aufgrund der Mieterbonität ein Ertragsrisiko. Das Mietausfallrisiko kann der Investor durch sorgfältige Auswahl der Mieter redu- zieren, aber nicht ganz eliminieren. 2.3.3 Die Ertrags- und Kostenseite einer Immobilieninvestition sowie de- ren Einflüsse Die Langlebigkeit von Immobilien und der daraus resultierende Lebenszyklus einer Immobilie erfordert eine besonders auf langfristige Entwicklungen ausge- legte Investitionsplanung.365 Dabei müssen die Anfangsinvestition und weitere Investitionen während der Lebensdauer von Immobilien berücksichtigt werden. Die zusätzlichen Investitionen ergeben sich aus den benötigten Instandhal- tungs- und Modernisierungsmaßnahmen. Um eine Aussage über die Vorteilhaftigkeit einer Investition treffen zu können, müssen die Kosten und die Erträge und auch der Zeitpunkt ihres Auftretens sehr genau bestimmt werden, da sie neben den Standardabweichungen über den VaR- Ansatz und die Prognosefunktionen in das ökonomische Modell an- hand der DCF- Methode des Kapitels 3.4.3.8 einfließen. 365 vgl. Bone- Winkel 2005 (a), S. 631 2 Grundlagen und Problemanalyse 128 2.3.3.1 Die Ertragsseite einer Immobilieninvestition Die Ertragsseite366 einer Immobilieninvestition setzt sich aus den laufenden Ein- nahmen und dem Restwert der Immobilie am Ende des Nutzungszeitraums zusammen. Die laufenden Einnahmen sind die Zahlungen, die durch die Ver- mietung der Gebäudeflächen an Dritte, Reklameflächen an Außenflächen, Er- träge aus Funkantennen etc. erzielt werden können. Betriebswirtschaftlich wer- den die Erträge als bewertete produktive Ergebnisse von Sachgütern und Dienstleistungen verstanden, soweit damit Einnahmen verbunden sind. Zu den Erträgen zählen auch Mieten und Mietteile, die die Verwaltungs-, Betriebskos- ten, etc. decken sollen. Die Miete Die Mieten werden in der Regel monatlich oder pro Jahresquartal gezahlt. Der Begriff Miete kann unterschiedliche Formen haben. So ist die Nettokaltmiete die Miete ohne alle Nebenkosten für Heizung, Warmwasser, kalte Betriebskosten und ohne Zuschläge für Untermiete, Teilgewerbe oder besondere Leistungen. Dagegen sind in der Bruttokaltmiete die kalten Betriebskosten, also ohne Hei- zung und Warmwasser, enthalten. Die Nominalmiete ist gleich der Nettokalt- miete.367 Neben den Mietzahlungen für die Gebäudefläche können bei einer Immobilie Erträge aus der Vermietung von Park-, Stell-, Werbe- und sonstigen Flächen realisiert werden. Das Festlegen der monatlichen Mietzahlungen wird je nach Immobilienart durch die unterschiedliche Gesetzgebung beeinflusst. Grundsätz- lich sind die Mieten in den Bereichen der Gewerbe- und Industrieimmobilien zwischen den Vertragspartnern frei aushandelbar. Nachfolgend werden die Mieten, die Mietpreisanpassungsmechanismen sowie rechtliche Regelungen bei Wohn- und Gewerbeimmobilien aufgezeigt. 366 Anmerkung: Der Begriff Ertrag ist gemäß Gabler (2005, S. 934) die von einer Unternehmung einer Periode wegen der Erstellung von Gütern oder Dienstleistungen zugerechneten Einnahmen. 367 vgl. Anhang C1, Seite Anhang – 30: Ausführungen zur Nominal- und Effektivmiete 2 Grundlagen und Problemanalyse 129 Auf der Ertragsseite bei der Vermietung von Wohnraum wird in Mieten für freifi- nanzierte Wohnungen und für preisgebundene Wohnungen (Sozialer Woh- nungsbau) unterschieden. Mietverträge werden häufig über längere Zeiträume abgeschlossen, so dass eine Mietanpassung während der Vertragslaufzeit eine besondere Rolle spielt. Gewerbemietverträge werden in der Regel zeitlich befristet, während Wohnim- mobilienmietverträge häufiger unbefristet abgeschlossen werden. Es gibt unterschiedliche Mietzahlungsformen, die im Folgenden in Mieten für Gewerbeflächen und für Wohnflächen unterschieden werden, die nachfolgend erläutert werden sollen. Die Gewerbemieten Gewerbemieten folgen dem Prinzip von Angebot und Nachfrage. Es gibt unter- schiedliche Formen der Mietpreisanpassung:368 - Staffelmietvereinbarungen: Bei Staffelmietvereinbarungen erhöht sich die Miete zu einem festgesetz- ten Zeitpunkt um eine vertraglich vereinbarte Höhe. - Wertsicherungsklausel: Bei Wertsicherungsklauseln orientiert sich die Mietpreisanpassung an dem amtlich festgestellten Lebenshaltungskostenindex. - Leistungsvorbehaltsklausel: Bei der Leistungsvorbehaltsklausel wird die Miete bei der Änderung des Lebenshaltungskostenindex neu verhandelt. - Spannungsklausel: Spannungsklauseln knüpfen die Mietpreiserhöhung an einen vergleich- baren Wertmesser. 368 vgl. Schulte 1998, S.516 2 Grundlagen und Problemanalyse 130 Die Mieten des freifinanzierten Wohnungsbaus Bei der Neuvermietung einer Wohnung kann die Miete frei zwischen den Ver- tragspartnern ausgehandelt werden, auch hier gilt das Marktprinzip von Ange- bot und Nachfrage. Weiterhin können bei Wohnungsmietverträgen zusätzlich Staffel- und Indexmie- ten vereinbart werden, deren Ausformulierungen den Anpassungsmechanismen für Gewerbemieten ähnlich sind. Die Vereinbarung von Festbeträgen ist gegen- über einer x- prozentigen Steigerung vorzuziehen, da bei der Indexmiete vorher genau die Basis für die Indizierung vertraglich aufgeführt werden muss, ande- renfalls ist dies nicht gültig bzw. greift nicht. Die Obergrenze des Mietpreises ist durch den § 5 des Wirtschaftsstrafgesetzes (WiStG) begrenzt: „Unangemessen hoch sind Entgelte, die infolge der Ausnut- zung eines geringen Angebots an vergleichbaren Räumen die üblichen Entgelte um mehr als 20 vom Hundert übersteigen, die in der Gemeinde oder in ver- gleichbaren Gemeinden für die Vermietung von Räumen vergleichbarer Art, Größe, Ausstattung, Beschaffenheit und Lage oder damit verbundene Neben- leistungen in den letzten vier Jahren vereinbart oder, von Erhöhungen der Be- triebskosten abgesehen, geändert worden sind.“369 Die Vergleichsmiete für die üblichen Entgelte gemäß §5 WiStG ist die Miete, die bei vergleichbarer Art, Größe, Ausstattung, Beschaffenheit und Lage der Woh- nung, innerhalb der letzten vier Jahre erzielt worden ist. Die ortsübliche Ver- gleichmiete liegt in Mietspiegeln vor.370 Das trifft aber nicht für alle Städte und Kommunen zu. Bei bestehenden Mietverträgen existiert eine Kappungsgrenze. Nach § 558 Abs. 3 BGB darf die Miete innerhalb einer Dreijahresfrist nicht mehr als 20 % steigen (Mietanpassungsklausel). Außerdem darf die Miete durch die Erhöhung die ortsübliche Miete nicht übersteigen. 369 WiStG §5 Nr.2 370 vgl. Berliner Mietfibel 2003, S. 21 2 Grundlagen und Problemanalyse 131 Ausgenommen von der Mietanpassungsklausel sind Mietsteigerungen, die durch eine Aufwertung der Wohnung erfolgen, wie z.B. im Fall von Modernisie- rungsmaßnahmen. Bei der Erhöhung von Betriebskosten ist der Paragraph § 558 ebenfalls nicht wirksam. Mieten des preisgebundenen Wohnungsbaus371 Der preisgebundene Wohnungsbau wird durch den Staat gefördert, damit für einkommensschwache Haushalte ausreichend bezahlbarer Wohnraum zur Ver- fügung steht. Für diesen Bereich sind die Mieten durch die so genannte Kos- tenmiete festgelegt. Nach § 72 II. des Wohnungsbaugesetzes (WoBauG) und § 8 des Wohnungs- bindungsgesetzes (WoBindG) wird die Kostenmiete auf der Basis der Ur- sprungskosten einer Wirtschaftlichkeitsberechnung ermittelt.372 Die Anpassung der Kostenmiete an die Veränderung der zugrunde gelegten Bewirtschaftungs- kosten ist nur unter bestimmten Bedingungen möglich. Der Restwert Die Bestimmung des Restwertes einer Immobilieninvestition ist der schwierigste Teil der Investitionsrechnung, da dabei die Gefahr besteht, eine zu hohe Bewer- tung der Investitionswirtschaftlichkeit zu ermitteln.373 Bei der Bewertung des Restwertes in der Zukunft in z.B. 120 Jahren liegt der Diskontierungsfaktor, der bei der Kapitalwert- bzw. bei der DCF- Methode verwendet wird, im Promillebe- reich. In diesem Fall ist die Berücksichtigung des Restwertes bei einer Wirt- schaftlichskeits- bzw. Investitionsberechnung unerheblich. Bei der Bestimmung des Restwertes ist nach Gründstücks-, Immobilien- und Abrisswert zu differenzieren. 371 vgl. Thimm 2005, S. 38 372 vgl. Kühne-Büning 2005 , S. 265 373 vgl. Schulte 1998, S. 519 2 Grundlagen und Problemanalyse 132 Die Ermittlung des Restwertes einer Immobilie ist zum einen über die Prognose von Verkauferlösen der Immobilie möglich. Dabei werden, wie bei allen Progno- sen, vergangenheitsbezogene Verkaufserlösdaten benötigt und die Zukunft prognostiziert. Zum anderen kann der Restwert einer Immobilie durch das Verkehrswertverfah- ren nach der Wertermittlungsverordnung (WertV) ermittelt werden, das durch Sachverständige durchgeführt wird.374 Je nach der Beschaffenheit der Immobi- lie können im Rahmen des Verkehrswertverfahrens das Vergleichswertverfah- ren, das Ertragswertverfahren und das Sachwertverfahren zur Anwendung ge- langen.375 Das Ertragswertverfahren wird in der Regel für die Ermittlung des Wertes von bebauten Grundstücken eingesetzt.376 Ein wesentlicher Bestandteil der Wert- ermittlung dieses Verfahrens ist, die Barwerte der aus der Bewirtschaftung stammenden Reinerträge zu summieren.377 Die Reinerträge378 setzen sich bei Immobilien zu einem großen Teil aus den Mieterträgen zusammen. Der Ansatz der zukünftigen Miete und des Bodenwertes ist der „Knackpunkt“ jeder Wirtschaftlichkeitsbetrachtung. Diese Ertragsgrößen sollen objektiv und datenbasiert prognostiziert werden. Das Hauptaugenmerk liegt dabei auf der „gesichert prognostizierten“ Mietpreisentwicklung. 374 vgl. Bone- Winkel 2005 (a), S. 638 375 vgl. für eine ausführliche Beschreibung der einzelnen Verfahren: Leopoldsberger 2005, S. 471 376 vgl. Thomas 1998, S. 393 377 vgl. Thomas 1998, S. 400 378 Der Jahresreinertrag eines Objektes ist der Jahresrohertrag (Nettosollmiete) abzüglich der nicht umla- gefähigen Bewirtschaftungskosten. 2 Grundlagen und Problemanalyse 133 2.3.3.2 Die Kostenseite einer Immobilieninvestition Die Kostenseite379 von Immobilieninvestitionen wird in einen festen Kostenbe- standteil und einen laufenden Bestandteil unterteilt. Der feste Kostenanteil be- steht aus den Anschaffungskosten der Immobilie. Diese Kosten entstehen entweder durch den Kauf einer bestehenden Immobilie oder durch die Herstellungskosten für den Neubau einer Immobilie.380 Die laufenden Kostenanteile einer Immobilieninvestition setzen sich aus den Kosten zusammen, die durch die Nutzung der Immobilie entstehen.381 Je nachdem, ob eine Immobilie erstellt wird oder eine bestehende Immobilie gekauft wird, werden die Herstellungs- oder Anschaffungskosten als Investiti- onssumme angesetzt. Die Anschaffungskosten Anschaffungskosten eines Wirtschaftsgutes wie der Immobilie sind alle Auf- wendungen, die geleistet werden, um das Wirtschaftsgut zu erwerben und in einem betriebsbereiten Zustand zu versetzen. Der Anschaffungspreis und die Nebenkosten der Anschaffung gehören zu den Anschaffungskosten. Zu den Nebenkosten der Anschaffung gehören z.B. die Grunderwerbssteuer, Notar- und Grundbuchkosten sowie Vermittlungs- und Maklergebühren. Die Anschaf- fungskosten bilden die Bemessungsgrundlage für die Absetzung für Abnutzung, sofern die Nutzung des Wirtschaftsgutes sich über einen längeren Zeitraum als ein Jahr erstreckt.382 379 Anmerkung: Unter dem Begriff Kosten wird im allgemeinen (vgl. Däumler 2003) der bewertete Verzehr von Sachgütern und Dienstleistungen im Produktionsprozess während einer Periode verstanden , so weit er zur Leistungserstellung und Aufrechterhaltung der Betriebsbereitschaft notwendig ist. Die Kos- ten werden üblicherweise aus dem Aufwand hergeleitet, dem Antagonisten des Ertrages. In dieser Ar- beit wird von pagatorischen Kosten ausgegangen. Gemäß Gabler (2005, S. 2269) sind die pagatori- schen Kosten die im Rahmen des betrieblichen Prozesses entrichteten Entgelte und diese orientierten sich ursprünglich an den tatsächlichen Anschaffungsauszahlungen. Pagatorische Kosten ("pagare" ital: zahlen) sind dadurch gekennzeichnet, dass sie auf Zahlungsvorgänge basieren. Das Gegenstück zu den pagatorischen Kosten sind die wertmäßigen Kosten, diese beinhalten gleichzeitig auch Kosten, denen keine direkten Zahlungsvorgänge gegenüberstehen (Beispiel Abschreibungen). 380 vgl. Schulte 1998, S. 513 381 vgl. Schulte 1998, S. 517 382 vgl. Falk 2004, S.45f 2 Grundlagen und Problemanalyse 134 Die Kostengruppe 120 „Grundstücksnebenkosten“ der DIN 276 (2006) ent- spricht den v.g. Nebenkosten der Anschaffung. Weiterhin sind die Kosten im Hochbau gemäß DIN 276 (2006), die als erforderliche Aufwendungen für Güter, Leistungen und Abgaben, die für die Planung und Ausführung von Baumaß- nahmen beschrieben werden, gleichbedeutend mit den Anschaffungskosten. Die Kosten im Hochbau, also die Anschaffungskosten einer Immobilie, kön- nen mithilfe der DIN 276 (2006) und ihrem Kostenschema mit den folgenden sieben Kostengruppen bestimmt werden: - 100 Grundstück - 200 Herrichten und Erschließen - 300 Bauwerk- Baukonstruktion - 400 Bauwerk- Technische Anlagen - 500 Außenanlage - 600 Ausstattung und Kunstwerke - 700 Baunebenkosten. Die einzelnen Kostengruppen werden gemäß DIN 276 weiter unterteilt, so dass alle Kosten, die sowohl bei der Herstellung (Kostengruppe 130, 210, 300 bis 600, 730 bis 750) und Anschaffung (alle Kostengruppen der DIN 276) eines Gebäudes anfallen, klassifiziert sind. Die Anschaffungskosten können über Vergleiche mit anderen gleichartigen Im- mobilien bestimmt werden. In der Regel fallen diese Investitionskosten zum Beginn der Investitionszeit an, so dass diese Kosten für die Investitionsplanung feststehen und nicht prognostiziert werden müssen.383 383 vgl. Schulte 1998, S. 513 2 Grundlagen und Problemanalyse 135 Die Herstellungskosten „Herstellungskosten sind die Aufwendungen, die durch den Verbrauch von Gütern und die Inanspruchnahme von Diensten für die Herstellung eines Wirt- schaftsgutes, seine Erweiterung oder für eine über seinen ursprünglichen Zu- stand hinausgehende wesentliche Verbesserung entstehen.“384 Zu den Herstellungskosten gemäß den Einkommenssteuerrichtlinien gehören: - die Materialkosten, einschl. der notwendigen Materialgemeinkosten - die Fertigungskosten, einschl. der notwendigen Fertigungsgemeinkosten - die Sonderkosten der Fertigung - der Wertverzehr von Anlagevermögen, soweit er durch die Herstellung des Wirtschaftsgutes veranlasst ist. Somit gehören zu den Herstellungskosten eines Gebäudes neben den ei- gentlichen Baukosten385 zur Errichtung des Gebäudes u.a. auch: - Bauplanungskosten - Einbaumöbel - Einbauten (als unselbstständige Gebäudeteile) - Aufwendungen für Einfriedungen und Außenanlagen (als unselbstständi- ge Gebäudeteile) - Hausanschlusskosten für die die Anlagen zur Abwässerableitung sowie für die Anschlüsse an die Versorgungsnetze(Strom, Gas, Wasser und Wärme). Nicht zu den Herstellungskosten eines Gebäudes gehören u.a. : - die Vertriebskosten - Beiträge für Bauzeitversicherungen - Aufwendungen für Einfriedungen und Außenanlagen als unbewegliche Wirtschaftgüter, die keine Gebäude oder Gebäudeteile sind 384 Falk 2004 S. 415 385 Baukosten gemäß der II. BV sind die Kosten der Gebäude, der Außenanlagen, besonderer Betriebsein- richtungen, des Gerätes und sonstiger Wirtschaftsausstattungen sowie die Baunebenkosten. 2 Grundlagen und Problemanalyse 136 - Erschließungskosten, Straßenanlieger- und andere auf das Grund- stückseigentum bezogene, kommunale Beiträge sowie Beiträge für sons- tige Anlagen außerhalb des Grundstücks386 Die Herstellkosten ergeben sich im Gegensatz zu den Herstellungskosten aus der Kalkulation einer Bauleistung aus der Summe der Einzelkosten der Teilleis- tungen und den Bereitstellungskosten der Baustelle, den Gemeinkosten der Baustelle. Sie umfassen damit alle direkten Kosten, die auf der Baustelle selbst anfallen.387 Die Nutzungskosten Alle in baulichen Anlagen und deren Grundstücken entstehenden regelmäßig oder unregelmäßig wiederkehrenden Kosten von Beginn ihrer Nutzbarkeit bis zu ihrer Beseitigung (DIN 18960) heißen Nutzungskosten. Die Nutzungskos- ten sind somit die Kosten, die während der Nutzungsphase der Immobilie ent- stehen. Sie werden gemäß der DIN 18960 in die folgenden vier Hauptgruppen aufgeteilt: - KG 100: Kapitalkosten - KG 200: Verwaltungskosten - KG 300: Betriebskosten - KG 400: Instandsetzungskosten (Bauunterhaltungskosten) Neben den Begriffen Baukosten und Nutzungskosten findet in der „Zweiten Be- rechnungsverordnung für wohnungswirtschaftliche Berechnungen“ und in der „Wertermittlungsverordnung“ (WertV) der Begriff „Bewirtschaftungskosten“ Anwendung. Dies erfolgt im Zusammenhang mit der Wirtschaftlichkeitsberech- nung für Wohngebäude (II.BV) bzw. mit der Ermittlung des Verkehrswertes von bebauten und unbebauten Grundstücken des Ertragswertverfahrens (WertV). 386 vgl. Falk 2004, S. 415ff 387 vgl. Brüssel 2002, S. 190 2 Grundlagen und Problemanalyse 137 Die Bewirtschaftungskosten sind aufgeschlüsselt in Abschreibungen, Verwal- tungskosten, Betriebskosten, Instandhaltungskosten und Mietausfallwagnis. Die dabei verwendeten Begriffsinhalte für die zugehörigen Kostengruppen sind inhaltlich nicht mit denen der DIN 18960 identisch (vgl. Abb. 2.3.3.2 - 1). Abb. 2.3.3.2 - 1: Bewirtschaftungskosten und DIN 18960388 Das trifft z.B. auf die Verwendung des Begriffes „Instandhaltung“ ohne Differen- zierung nach Inspektion, Wartung und Instandsetzung zu, wovon nach DIN 18960 nur die Kosten für Letzteres nicht zu den Betriebskosten gezählt wer- den.389 Auch werden unterschiedliche inhaltliche Kostenbezüge verwendet, wie aus einem Vergleich der "Betriebskosten" nach II.BV und DIN 18960 ersichtlich ist (vgl. Abb. 2.3.3.2 - 2). Abb. 2.3.3.2 - 2: „Betriebskosten" nach DIN 18960 und nach II. BV390 388 Runge 2005, S.8, Bild 5 389 vgl. Runge 2005, S. 7 390 Runge 2005, S. 8, Bild 6 2 Grundlagen und Problemanalyse 138 Die Betriebskosten lassen sich unterteilen in umlagefähige Betriebskosten und nicht umlagefähige Betriebskosten. Zu den umlagefähigen Betriebskosten gehören z.B. Grundsteuer, Müllabfuhr, Straßenreinigung, Entwässerung, Was- serverbrauch, Allgemeinstrom, Hausmeister, Hausreinigung, Schornsteinfeger sowie Versicherungen. Dagegen zählen z.B. die Verwaltungskosten, das Miet- ausfallwagnis und die Instandhaltungskosten zu den nicht umlagefähigen Be- triebskosten. Nicht umlagefähige Betriebskosten dürfen nicht mit dem Mieter abgerechnet werden. Die Betriebkosten können nach § 556 BGB an die Mieter der genutzten Flächen weitergegeben werden. Welche Kosten genau an die Mieter weitergereicht werden dürfen, ist in § 27 Abs. 3 der II. Berechnungsverordnung geregelt.391 2.3.3.3 Die Einflüsse auf Immobilienerträge und -kosten Die Einflüsse, die auf die Ertrags- und Kostenstruktur einer Immobilieninvestiti- on einwirken, sind sehr komplex und miteinander vernetzt. Die Einflussfaktoren sind durch die Aufteilung des Immobilienmarktes in Teilmärkte je nach Immobi- lienklasse unterschiedlich stark ausgeprägt. Im Folgenden sollen anhand Wohnimmobilien die Einflüsse der Ertragsseite und der Kostenseite aufgezeigt werden. Die Einflüsse auf den Teilmarkt, Büro- markt, wird in Kapitel 3.4 erläutert. Der Wohnungsimmobilienteilmarkt weist eine große Komplexität der Einfluss- faktoren auf, da die Nutzfunktion des Wohnens eine starke soziale Komponente besitzt. Der Wohnungsmarkt ist durch die Immobilieneigenschaften in viele räumliche, qualitative und soziale Teilmärkte unterteilt, die sich untereinander beeinflussen. 391 vgl. Berliner Mietfibel 2003, S. 26 2 Grundlagen und Problemanalyse 139 Die vielfältigen Einflüsse, die auf den Wohnungsmarkt einwirken, sind in der folgenden Abbildung grafisch dargestellt. Abb. 2.3.3.3 - 1: Die Einflussfaktoren der Wohnungsmärkte392 Die Einflüsse der Ertragsseite Die Ertragsseite einer Immobilie als Cash Flow setzt sich aus den Erträgen wie Miete für die genutzten Flächen, für Reklameflächen etc. über die Lebensdauer und dem Restwert der Immobilie am Ende des Investitionszeitraumes zusam- men. Wesentlich bei dem Ansatz des Restwertes ist die Länge des Betrach- tungszeitraumes, je länger dieser ist, desto kleiner bis marginal ist der Restwert aufgrund der Diskontierung. Bei einem sehr schlechten Zustand der Immobilie ist nur der Grundstückswert abzgl. der Abbruchkosten anzusetzen. Bei Immobilien mit einem langen Le- benszyklus reduziert sich das Problem der Restwertbestimmung auf die Be- stimmung der Mieterträge, die nach der Investitionsphase zu erwarten sind. Sollte z.B. die Wohnimmobilie am Ende der Investitionsphase keine zukünftigen Mieterträge mehr erwirtschaften können, ist der Grundstückswert als Restwert anzusetzen.393 392 Modifiziert übernommen aus Kühne-Büning 2005, S. 87 393 vgl. Schnapp 2005, S. 624 2 Grundlagen und Problemanalyse 140 Die Einflüsse auf die Wohnungsmieten können wie folgt in soziologische, öko- nomische und rechtliche Einflüsse unterteilt werden.394 Soziologische Einflüsse Die Nachfrage von Wohnraum wird durch die Haushalte eines räumlich be- grenzten Wohnungsteilmarkts geprägt. Die demographische Entwicklung der Bevölkerung eines räumlich begrenzten Wohnungsteilmarktes hat nur eine mit- telbare Auswirkung auf die Wohnungsnachfrage. Ebenso wichtig sind die Haushaltsstruktur und das Einkommen, das den Haus- halten zur Verfügung steht.395 Die Haushaltstrukturen unterliegen einer sozialen und gesellschaftlichen Entwicklung, die zu neuen Wohnungsnutzungswünschen führt.396 Ökonomische Einflüsse Bei der Mietpreisentwicklung spielen die Eigenschaften einer Immobilie, wie z.B. das Marktgeschehen, eine große Rolle. Generell werden zur Risikominde- rung die Ratingkriterien397 betrachtet wie Lage, Attraktivität, Risiko, Wirtschaft- lichkeit anhand der Qualität der Cash Flows etc. um das Ertragsrisiko zu mini- mieren. Die ökonomischen Einflüsse setzen sich aus den Punkten: - Fehlende Markttransparenz durch die Aufspaltung des Marktes in Teil- märkte - Bildung eines Bestandsmarktes durch die Langlebigkeit der Immobilien - Haushaltseinkommen der Bewohner z.B. bei Wohnimmobilien sowie - Interdependenzen der Wohnungsteilmärkte zusammen. 394 vgl. Thimm 2005, S. 38-58 395 vgl. Abbildung 2.3.3.3 - 1 396 vgl. Ausführungen des Kapitels 2.3.3.1 397 vgl. Rehkugler 2003, S.183 2 Grundlagen und Problemanalyse 141 Die Aufteilung in verschiedene Teilmärkte verursacht eine fehlende Markttrans- parenz für die Marktteilnehmer. Daraus ergibt sich ein Informationsmangel, der dazu führt, dass ungleiche Preise für z.B. vergleichbare Wohnungsnutzungs- leistungen entstehen. Der Preisbildungsprozess aus Nachfrage und Angebot erzeugt unter diesen Voraussetzungen nicht immer den Preis, der der tatsächlichen Marktlage ent- sprechen würde.398 Der Wohnungsmarkt wird als Bestandsmarkt bezeichnet. Jedes Neubauange- bot steht einer sehr großen Menge von Altbaubeständen gegenüber. Bei einer mittleren Standzeit von 40 Jahren von Wohngebäuden sind das 2,5%. Ein Nachfrageüberhang aufgrund der langen Entwicklungsdauer der Immobilie, der Verfügbarkeit von Bauland, etc. kann nur langsam durch Neubauprojekte abge- baut werden. Selbst bei einer starken Mietpreissteigerung erfolgt der Marktaus- gleich nur zeitverzögert. Bei Angebotsüberhängen bzw. Leerständen stellt sich ein Marktgleichgewicht ebenfalls nicht schnell wieder ein. Eine Mietpreisreduzierung ist aufgrund der geringen Markttransparenz, der entstehenden Umzugskosten, der lokalen Prä- ferenzen etc. nur selten erfolgreich.399 Die Nachfrage nach Wohnraum ist von den Einkommensverhältnissen der Haushalte abhängig. Neben der Lohnentwicklung ist bei den Haushaltsein- kommen auch die Belastung durch Steuern und durch andere Lebenshaltungs- kosten entscheidend. Die Entwicklung des Arbeitsmarktes beeinflusst die Ent- wicklung der Haushalte mit niedrigen Einkommen. Ein steigendes Realeinkom- men der Haushalte führt zu einer erhöhten Mietbelastungsfähigkeit und Mietbe- reitschaft. Zudem werden höhere Qualitäten und Quantitäten nachgefragt.400 398 vgl. Kühne-Büning 2005, S. 73 ff 399 vgl. auch Heuer 2001, S. 27 400 vgl. Kühne-Büning 2005, S.201 2 Grundlagen und Problemanalyse 142 Allerdings erfolgt die Anpassung der Wohnverhältnisse an ein verändertes Re- aleinkommen nur zeitverzögert. Lange Zeit galt die Faustformel, dass 25% des Nettoeinkommens für die Miete aufgewendet werden müssen. Aus den Interdependenzen der Teilmärkte kann die Entwicklung der Mietpreise erklärt werden. Dabei sind die Entwicklungen der Nachfrage auf allen Teilmärk- ten eines Raumes von Bedeutung. Das Arbitragemodell erklärt die Zusammen- hänge der vier Modellteilmärkte.401 Die Nachfrageänderung eines Teilmarktes zieht Nachfrageänderungen auf den anderen Teilmärkten nach sich. Der Zusammenhang zwischen Wohnungsstandard und Mietpreisentwicklung wird durch die Filtering- Theorie erklärt. Eine vernachlässigte Instandhaltung der Wohnung führt zu Mietpreisabschlägen. Das Durchführen von Modernisie- rungen und Instandhaltungsarbeiten kann dagegen zu einer positiven Miet- preisentwicklung führen. Rechtliche Einflüsse Rechtliche Bestimmungen wie § 5 des Wirtschaftsstrafgesetztes (WiStG) sowie § 558 Abs. 3 BGB beeinflussen die Durchsetzung von Mieterhöhungen.402 Die gesetzlichen Vorgaben orientieren sich an dem Schutzbedürfnis des Mieters vor unberechtigter Ausbeutung durch den Vermieter. Ein weiterer Einfluss auf die Entwicklung der Mietpreise ist die Organisations- form und das Verhalten des Immobilienanbieters. Es werden professionelle und weniger professionelle Anbietergruppen unterschieden. Professionelle Anbieter haben ein stärkeres Interesse, die Miete in dem gesetzlichen Rahmen zu ma- ximieren. Die privaten Anbieter ziehen eine langfristig gesicherte Miete einer Mietpreisanpassung mit dem Folgerisiko eines Mieterwechsels vor. Die rechtlichen Einflüsse schränken den Wohnungsanbieter bei der flexiblen Gestaltung der Mietpreise und somit seiner Erträge ein. 401 vgl. Kapitel 3.4 402 vgl. Abschnitt 2.3.3.1 unter Mieten des freifinanzierten Wohnungsbaus 2 Grundlagen und Problemanalyse 143 Die Einflüsse der Kostenseite Die Kostenseite von Immobilieninvestitionen wird in die Anschaffungskosten und die Nutzungskosten unterteilt.403 Für beide Kostenarten können unter- schiedliche Einflussfaktoren aufgezeigt werden. Die Einflüsse auf die Anschaffungskosten Die Anschaffungskosten404 können durch den Kauf oder durch Neubau einer Immobilie entstehen. Das Grundstück als Bestandteil der Immobilie wird auf dem Bodenmarkt ge- handelt, der somit wichtige Einflüsse auf die Anschaffungskosten für die Immo- bilien ausübt. Eine Verknappung der verfügbaren Bodenflächen führt zu einer Preissteigerung, die eine Immobilieninvestition durch ein zu hohes Kostenprofil verhindern kann. Bei Immobilienverkäufen mit Ausnahme der Erbpacht wird der Wert des Grundstückes in der Kaufsumme berücksichtigt.405 Durch eine Bo- denmarktpolitik können die Gemeinden das Bodenangebot steuern. Mit der Möglichkeit die Flächennutzung vorzugeben, beeinflussen die Gemeinden di- rekt die Immobilienpreise und die Bautätigkeit.406 Die Geldbeschaffungskosten für das Fremdkapital werden durch die Entwick- lung der Finanzmärkte gesteuert. Die Entwicklung der Finanzmärkte ist von der allgemeinen wirtschaftlichen Entwicklung und von der Konjunkturentwicklung abhängig. Die steuerrechtlichen Abschreibungsregeln und die direkte Förderung der Ei- gentumsbildung durch Immobilienbau sowie durch Subventionszahlungen ha- ben ebenfalls Einfluss auf die Bau- und Erwerbungskosten der Immobilien. Die- se sollen aber in dieser Arbeit nachrangig behandelt werden. 403 vgl. Kapitel 2.3.3.2 404 vgl. Kapitel 2.3.3.2 405 vgl. Heuer 2001, S. 35 406 vgl. Heuer 2001, S. 35 2 Grundlagen und Problemanalyse 144 Die Einflüsse auf die Nutzungskosten Die Nutzungskosten407 setzen sich gemäß DIN 18960 (1999) aus den Kapital-, Verwaltungs-, Betriebs- und Instandsetzungskosten zusammen. Leider geht die DIN- Norm auf das Thema Abschreibungen im Vergleich zu der II. BV sowie der WertV nicht ein.408 Allerdings sollte das Thema Abschreibung bei der Betrachtung der Nutzungs- kosten berücksichtigt werden. Hierbei ist der betrachtete Zeitraum sehr ent- scheidend (die technische, wirtschaftliche Nutzungsdauer409 oder die Nut- zungsdauer nach EStG). Die Ausgaben für die Instandsetzungsarbeiten sind ebenfalls bedeutend und hängen von dem Alter des Gebäudes und dessen Zu- stand ab. Die Kapitalkosten, die während der Nutzung der Immobilien anfallen, unterlie- gen den Einflüssen des Finanzmarktes.410 Es können aber auch Hypotheken- darlehen über eine längere Laufzeit wie z.B. 10 Jahre zu festem Zinssatz abge- schlossen werden. Die Verwaltungskosten bestehen aus den Sach- und Personalkosten, die bei der Verwaltung einer Immobilie anfallen. Die Sachkosten werden durch die all- gemeine Preisentwicklung auf den Konsumgütermärkten beeinflusst. Die Per- sonalkosten sind von den vertraglich vereinbarten Regelungen und von den Regelungen des Tarifsrechtes abhängig. Bei den Betriebskosten sind die Kosten für die Versorgung des Gebäudes mit Wasser, Strom und Gas, sowie die Entsorgung von Abwasser und Abfall be- deutend. Die Entwicklung dieser Kostenarten unterliegt den Entwicklungen des Energie- und Wassermarktes und dem Nutzerverhalten. 407 vgl. Kapitel 2.3.3.2 408 vgl. Kapitel 2.3.3.2 sowie die Abbildung 2.3.3.2 - 1 409 vgl. Kapitel 2.1.1.1 410 vgl. Ausführungen zum Zins im Kapitel 2.1.2.7 sowie Gleichung 2.1.2.7 - 1 2 Grundlagen und Problemanalyse 145 Die Entwicklung der Instandsetzungskosten basiert auf den Kosten für die Sachmittel und die Personalkosten der ausführenden Instandhaltungsfirmen, aber auch auf der Instandhaltungsstrategie des Eigentümers. Ein weiterer Einflussfaktor bilden die Qualität der verwendeten technischen und baukonstruktiven Anlagen. Wartungsfreie und langlebige Anlagen reduzieren die Instandsetzungskosten. 2.3.3.4 Zusammenfassung Die Einflussfaktoren der Ertrags- und Aufwandsseite411 der Immobilien ergeben sich aus der Besonderheit des Wirtschaftsgutes Immobilie. Die Immobilität, die Heterogenität, der lange Lebenszyklus und die Höhe der Investitionskosten der Immobilien, erzeugt durch ein komplexes Marktgeschehen, führen zu diesem Ergebnis. Der Immobilienmarkt teilt sich in verschiedene Teilmärkte auf. Diese Teilmärkte bilden eigene Gesetzmäßigkeiten für Wohn-, Gewerbe- und Indust- rieimmobilien. Sachliche, rechtliche, räumliche und qualitative Gründe verursa- chen eine weitere Aufgliederung der Immobilienteilmärkte und die Einflüsse auf die Immobilie. Das Marktgeschehen von Angebot und Nachfrage, und somit die reibungslose Bildung der Gleichgewichtspreises,412 wird durch die Aufspaltung in die Teil- märkte gestört. Häufig entstehen Interdependenzen zwischen den einzelnen Immobilienteilmärkten. Das Schema der Immobilieninvestition definiert den Inhalt der Ertrags- sowie Kostenseite. Für die Beurteilung der Immobilieninvestitionen werden zuverläs- sige Aussagen über die zukünftigen Entwicklungen der Ertrags- sowie Kosten- seite benötigt. Es existiert unabhängig von der Immobilienart ein komplexes Gebilde von untereinander vernetzten Einflussfaktoren. 411 Die Kosten zur Erstellung oder Anschaffung, aber auch der Nutzungshase wurden im vorherigen Teil der Arbeit erläutert. 412 Der Gleichgewichtspreis ist der Preis, der sich am Markt ergibt, wenn sich der Umfang von Angebot und Nachfrage im Gleichgewicht befindet. siehe auch Kapitel 3.4.1.1 sowie 3.4.1.2 2 Grundlagen und Problemanalyse 146 Für die Ertrags- und Aufwandsseite müssen zuverlässige Prognoseinstrumente gesucht werden, damit ihr zukünftiger Verlauf qualifiziert vorhergesagt werden kann. Auf der Basis dieser Prognosen der einzelnen Einnahmen und Ausgaben kann abschließend die Wirtschaftlichkeit der betrachteten Immobilieninvestition ermittelt werden. 3 Lösungsansätze und ökonomisches Modell 147 3. Lösungsansätze und ökonomisches Modell Es werden Lösungsansätze für die im Kapitel 2 beschriebenen Probleme der Ertragsseite gegeben. Zunächst wird im Kapitel 3.1 anhand von Szenariobe- rechnungen die VoFi- Rendite an elf realistischen Fällen eines Bürogebäudes ermittelt. Dies soll zum einen die Problematik des Mietausfallrisikos verdeutli- chen, aber auch ein Entscheidungshilfsmittel für den Projektentwickler oder den Investor sein. Der Begriff der Realoptionen wird im Kapitel 3.2 für die Projektentwicklung her- ausgearbeitet und es werden Optionsmöglichkeiten unter Verwendung des auf den Bernoulliprozess beruhenden Binomialmodells sowie die Veränderung des Kapitalwertes, dem sog. erweiterten Kapitalwert, aufgezeigt. Anhand der historischen Simulation des Kapitels 3.3 wird untersucht, ob dieses Verfahren für die Mietpreisprognose von z.B. Wohnimmobilien angewendet werden sollte und als Unterstützungsinstrument der Projektentwicklung hinsicht- lich des gesicherten Mietpreises dienen kann. Eine Wirtschaftlichkeitsbetrachtung, die zum einen die Ertragsseite objektiv durch Marktdaten darstellt und zum anderen die korrelierenden Risiken auf der Kostenseite einbezieht, ist zurzeit in Deutschland nicht vorhanden und wird nun in dieser Arbeit aufgezeigt. Die aus den Regressionsberechnungen ermittelten Prognosefunktionen der entsprechenden Miete werden in die DCF- Methode eingebettet und durch die Risikobewertung durch Value at Risk ergänzt werden, inkl. der Korrelationen der einzelnen Perioden. 3 Lösungsansätze und ökonomisches Modell 148 3.1 Die ökonomische Szenariobetrachtung Ein Szenario ist die Beschreibung der zukünftigen Entwicklung des Projektions- gegenstandes bei alternativen Rahmenbedingungen. Die Szenario-Analyse bzw. die ökonomische Szenariobetrachtung versucht nicht, ein einzelnes Bild der Zukunft zu zeichnen, sondern entwirft bewusst mehrere alternative Zu- kunftsbilder, auch Szenarien genannt. Eine Szenario-Analyse zeichnet sich durch ihren langfristigen Planungs- bzw. Projektionshorizont aus. Der Prognose-Zeitraum erstreckt sich oft über die nächsten 5 bis 10 Jahre. Das Ziel der Szenario-Analyse ist eine vorausschauende Betrachtung unter Berücksichtigung der Ziele, in dieser Arbeit die VoFi- Rendite, und der Wertvor- stellungen der Akteure sowie möglicher Entwicklungen vor dem Hintergrund der Vergangenheitsdaten. Die vorgestellten Szenarien bilden unterschiedliche realistische Fälle der Ver- mietung und ihrer Bewertung des in Kapitel 3.1.1 vorgestellten Bürogebäudes ab. Sie dient als Entscheidungshilfsmittel der Projektentwickler. Allerdings integ- riert sie nicht wie in Kapitel 3.4.3.8 die Risiken einer Projektentwicklung und eine datenbasierte Prognosefunktion. An dieser Stelle sollen die unterschiedli- chen VoFi- Renditen der diversen Verwertungssituationen bei differenzierten Bedingungen, auch durch Incentives genannt, aufgezeigt werden. 3 Lösungsansätze und ökonomisches Modell 149 3.1.1 Die Vorstellung des Bürogebäudes Im Folgenden werden verschiedene in Frage kommende Szenarien der Vermie- tungssituation des im Abschnitt 3.2 mit Realoptionsansatz untersuchten Büro- gebäudes erläutert und diskutiert. Die unterschiedlichen Szenarien basieren alle auf folgenden Prämissen: a) Investitionsvolumen 27.178.500 € b) Grundstückskosten 11.804.700 € c) lineare Abschreibung, AfA-Satz 2,0 %, AfA-Grundlage 27.178.500- 11.804.700.= 15.373.800 € d) Ertragssteuersatz 40 % e) steuerfreier Verkauf nach 10 Jahren zum x-fachen der Jahreskaltmiete f) Mischfinanzierung (2.717.850 € Fremdkapital, Rest Eigenkapital) g) endfälliger Kredit, Sollzinsfuß 3-Mon. EURIBOR + 1,05 %, 10 Jahre Laufzeit h) Finanzinvestition, Habenzinsfuß 3,0 %, 10 Jahre Laufzeit i) eine zu erzielende Eigenkapitalrendite beträgt zum Beispiel bei Hochtief 19 %, allgemein wird hier als Vergleichsmaßstab allerdings 10% ange- setzt413 Die Berücksichtigung von Ertragssteuern auf einzelne Investitionsobjekte ist problematisch, da zu ihrer Ermittlung die Periodenergebnisse des Unterneh- mens ohne das Investitionsobjekt für die gesamte Nutzungsdauer berücksichtigt werden müssen. Eine genaue Zuordnung der Ertragssteuern auf einzelne Pro- jekte ist unmöglich. Deshalb wird auf Basis folgender Annahmen die Rechnung durchgeführt. Es wird ein konstanter Ertragssteuersatz von 40 % verwendet, der sich zusam- mensetzt aus 25 % Körperschaftssteuersatz, 5,5 % Solidaritätszuschlagsatz, auf die Körperschaftssteuer anrechenbarer Gewerbeertragssteuer bei einem 413 vgl. Abschnitt 3.1.2.2, Diskussion des Ergebnisses gemäß Abbildung 3.1.2.2 - 1 bzgl. Aussagen der Züblin Gruppe und Real Estate AG 3 Lösungsansätze und ökonomisches Modell 150 Hebesatz von 4,54 % und der maßgeblichen Messzahl von 5 %.414 Der Verkauf erfolgt nach 10 Jahren und ist damit steuerfrei, da die Spekulationsfrist von 10 Jahren abgelaufen ist. Der Fremdkapitalzinssatz, der an den 3-Mon. EURIBOR gekoppelt ist, wird im Verlauf von 10 Jahren vom Anfangszinssatz 3,15 % bis zu 5,0 % prognostiziert. Gemäß Abschnitt 3.2 beträgt der Multiplikator 16,46. Gemäß Atisreal betrug der Bruttovervielfältiger Büro zum Jahreswechsel 2005/ 2006 dem 15- und dem 18- fachen der Jahresnettokaltmiete für City und den Cityrand Düsseldorfs.415 Deshalb wird in den unterschiedlichen Szenarien die Eigenkapitalrendite aus- gewiesen, die sich aus den Verkaufspreisfaktoren zwischen dem 15 und 18- fachen der Jahreskaltmiete ergibt. Nach Angabe der Wirtschaftsförderung Düsseldorf sind für Büroflächen des Düsseldorfer Mikrostandorts „linksrheinisch“ , welche als mittlere bis gute Lage eingestuft wird, Mieten zwischen 9 und 14 €/m² realisierbar. Die Spitzenmiete beträgt somit 14 €/m² und die Durchschnittsmiete 12 €/m². Für Flächen in bes- ter Lage wie z.B. an der Kö im Bankenviertel von Düsseldorf wird ein Mietzins von 18 - 24 €/m² verlangt.416 auch, dass der Standort Hamm durchaus attraktiv 3.1.2 Die Ermittlung der VoFi- Rendite unterschiedlicher Szenarien Im Folgenden werden insgesamt sieben unterschiedliche Szenarien für das vorgestellte Bürogebäude hinsichtlich der VoFi- Rendite bzw. Eigenkapitalrendi- te untersucht. Ebenso wird die unterschiedliche Entwicklung der Rendite bei der Variation des Vervielfältigers zwischen dem 15- und 18- fachen der Jahresnet- tomiete untersucht. 414 vgl. Sasse 2003; S. 122 415 vgl. Atisreal 2006 (d) 416 Wirtschaftsförderung Düsseldorf, download am 01.07.2005 unter http://www.duesseldorfde/wirtschaftsfoerderung/immobilienservice/buero1/buero_ueb.shtml 3 Lösungsansätze und ökonomisches Modell 151 3.1.2.1 Das Szenario 1a: Restfläche wird vermietet Bei dem besten Fall „Vermietung der Restfläche für eine Miete von 13,5 €/ m² “, der trotz der Befürchtung des zuvor drohenden Leerstandes aufgrund des Ab- springens des zweiten „großen“ Mieters eintreten kann, stellen sich die Ein- nahmen der ersten 10 Jahre und die Eigenkapitalrendite wie folgt dar: Abb. 3.1.2.1 - 1: Das Vermietungsszenario 1a - Restfläche zu 13,50 €/m² vermietet Abb. 3.1.2.1 - 2: Die Eigenkapitalrendite für das Vermietungsszenario 1a 3 Lösungsansätze und ökonomisches Modell 152 3.1.2.2 Das Szenario 1: Restfläche bleibt unvermietet Der ungünstigste Fall der bei der Vermarktung des Bürogebäudes eintreten kann, ist der dauerhafte Leerstand der restlichen Bürofläche. Das Szenario 1 beleuchtet und bewertet diesen Zustand. Abb. 3.1.2.2 - 1: Das Vermietungsszenario 1 - Restfläche bleibt unvermietet Die Bank mietet derzeit 4.550 m² Bürofläche für 13,50 €/m², so dass sie eine Jahreskaltmiete von 737.100 € aufbringen muss. Das erste Szenario unterstellt, dass die restliche Bürofläche von 3.690 m² unvermietet bleibt. Die jährlichen Mieteinnahmen abzüglich 25% Bewirtschaftungskosten betragen 552.825 € und werden für die ersten 10 Jahre angesetzt, da die Rendite im schlechtesten Fall, dem Leerstand der Restfläche von 3.690 m², ermittelt wird. Abb. 3.1.2.2 - 2: Die Eigenkapitalrendite für das Vermietungsszenario 1 3 Lösungsansätze und ökonomisches Modell 153 Die obige Abbildung zeigt die Entwicklung der Eigenkapitalrendite dieses Sze- narios bei einem Verkauf der Immobilie nach 10 Jahren zu unterschiedlichen Verkaufspreisfaktoren. Grundlage der Darstellung bilden die im Anhang befind- lichen Berechnungstabellen mit der Investitionsanalyse auf Basis vollständiger Finanzpläne. Wird das Bürogebäude nach 10 Jahren für das 15-fache der Jah- reskaltmiete veräußert, wird eine negative Eigenkapitalrendite erwirtschaftet. Ab einem Mietenmultiplikator vom 15,5-fachen der Jahresmieteinnahmen wird eine positive Rendite erreicht. Die Renditen liegen aber nur zwischen 0,03 bis 2,72% und sind verglichen mit alternativen Anlageformen zu gering, um für den Tra- der- Developer interessant zu sein. Bei einer ähnlichen Büroimmobilie an einem Standort in Hamm forderte zum Beispiel Hochtief eine unternehmensinterne Eigenkapitalrendite von 19 %. Die Swiss Bank AG gab in ihrem Peer Group Vergleich annualisierte EK- Renditen der einzelnen Immobiliengesellschaften zwischen 4,1 bis 6,8% an und die Durchschnitts- EK- Rendite lag bei 5,7%. Für Akquisitionen fordert die Züblin Gruppe eine Eigenkapitalrendite größer als 10%.417 Gemäß der Rede von Alvensleben, Vorstandsmitglied der Deutschen Real Estate AG, ergab sich für ihr Unternehmen eine Eigenkapitalrendite von 6,9% für 2002.418 Wie die anderen Szenarien ebenfalls zeigen, wird die unternehmensintern von Hochtief geforderte Größenordnung nicht erreicht. Allerdings, verglichen mit der Swiss Bank und der Deutschen Real Estate AG, stellt sich die betrachtete Büro- immobilie mit Ausnahme des Szenario 1 durchaus attraktiv dar. 417 Züblin Immobilien vom 21.11.2002 418 Rede des Vorstandes zur Hauptversammlung am 13.August 2003, S. 15, download am 08.01.2006 unter http://www.deutsche-real-estate- ag.de/cms/download/drestate_diverseberichte/Rede_ Vostand_HV2003.pdf 3 Lösungsansätze und ökonomisches Modell 154 Unter den schwierigen Bedingungen des Szenario 1 und auch wie die zukünfti- gen Vermarktungsbemühungen zeigen würden, ist dieses Objekt mit einem ca. 40 %igen Leerstand nicht am Markt zu platzieren. Dieses Szenario ist also um jeden Preis zu verhindern. Schon eine relativ günstige Vermietung der restli- chen Büroflächen führt zu einer deutlichen Verbesserung der Eigenkapitalrendi- te, aber auch der Veräußerungschancen, wie die folgenden Szenarien belegen. 3.1.2.3 Die Szenarien 2 - 7: Vollvermietung der Restfläche Die Vermietungsszenarien 2 - 7 betrachten eine Vollvermietung der verbleiben- den Büroflächen nach 3-jährigem Leerstand. Die Lage des Bürogebäudes kann durchaus als mittlere bis gute Lage bezeichnet werden. Unter Berücksichtigung des 3-jährigen Leerstandes und der Marktlage in Düsseldorf werden hier Sze- narien der Vollvermietung betrachtet, die eine Miete für die Restfläche zwischen 9 und 13 €/m² in 1-€ Schritten sowie 13,50 €/m² bei dem Szenario 7 aufweisen. Die Realisierung der Höchstmiete von 14 €/m² wird unter den bekannten Gege- benheiten als sehr unwahrscheinlich angesehen und deshalb nicht betrachtet. 3 Lösungsansätze und ökonomisches Modell 155 Vermietungsszenario 2 - Restfläche für 9 €/m² Das Vermietungsszenario 2 unterstellt, dass die Restbürofläche von 3.690 m² für 9,00 €/m² nach 3 Jahren Leerstand vermietet wird. Die Gesamteinnahmen ab dem 5. Jahr betragen 1.135.620 € p.a. und abzgl. der Betriebskosten 851.715 € p.a. sowie die Durchschnittsmiete errechnet sich zu 11,48 €/m². Abb. 3.1.2.3 - 1: Das Vermietungsszenario 2 Die folgende Abbildung zeigt die Eigenkapitalrendite des zweiten Vermietungs- szenarios. Hier wird deutlich, dass die Spanne der möglichen Eigenkapitalrendi- te sich zwischen 9,24 % bei einem 15-fachen Verkaufspreisfaktor und 11,55 % beim 18-fachen der jährlichen Mieteinnahmen bewegt. Abb. 3.1.2.3 - 2: Die Eigenkapitalrendite für das Vermietungsszenario 2 3 Lösungsansätze und ökonomisches Modell 156 Vermietungsszenario 3 - Restfläche für 10 €/m² Das Vermietungsszenario 3 unterstellt, dass die restliche Bürofläche für 10 €/m² nach 3-jährigen Leerstand vermietet wird. Die Gesamtmieteinnahmen netto betragen dann 884.925 € p.a. und die Durchschnittsmiete beträgt 11,93 €/m². Abb. 3.1.2.3 - 3: Das Vermietungsszenario 3 Steigt die Miete der Restbürofläche auf 10,00 €/m², wird die Vorgabe von 10 % für die Eigenkapitalrendite, die wie vorher beschrieben für Swissfirst Immobilien als Benchmark für das Jahr 2003 gilt, bereits bei einem Verkaufspreisfaktor des 15,5-fachen der jährlichen Mieteinnahmen erwirtschaftet. Mit einem Multiplikator vom 15-fachen der Mieteinnahmen wird die geforderte Rendite nicht erwirt- schaftet. Die Eigenkapitalrenditen steigen abhängig vom Mietenmultiplikator ab dem 15,5-fachen von 10,37 % bis 12,23 %. Abb. 3.1.2.3 - 4: Die Eigenkapitalrendite für das Vermietungsszenario 3 3 Lösungsansätze und ökonomisches Modell 157 Vermietungsszenario 4 - Restfläche für 11 €/m² Das Vermietungsszenario 4 wird ist in der folgenden Abbildung dargestellt. Es wird die gleiche Situation wie in Szenario 2 und 3 unterstellt, Leerstand von 3 Jahren, allerdings wird angenommen, dass die Restfläche des Bürogebäudes für 11 €/m² vermietet wird. Die jährlichen Gesamtmieteinnahmen belaufen sich hier auf 918.135 €, die Durchschnittsmiete pro m² beträgt 12,38 €. Abb. 3.1.2.3 - 5: Das Vermietungsszenario 4 Wird ein Mieter gefunden, der eine Miete für die Restbürofläche von 11 €/m² entrichtet, wird die Vorgabe von 10 % für die Eigenkapitalrendite schon bei ei- nem Verkaufserlös des 15-fachen der jährlichen Mieteinnahmen erwirtschaftet. Steigt der Vervielfältiger auf das 18-fache der Jahreskaltmiete, wird sogar eine EK-Rendite von 12,87 % erreicht. Abb. 3.1.2.3 - 6: Die Eigenkapitalrendite für das Vermietungsszenario 4 3 Lösungsansätze und ökonomisches Modell 158 Vermietungsszenario 5 - Restfläche für 12 €/m² Das Vermietungsszenario 5 unterstellt eine Vollvermietung der Bürofläche des Gebäudes. Neben der Bank, die 4.550 m² für 13,5 €/m² mietet, wird angenom- men, dass ein weiterer Mieter die übrige Fläche von 3.690 m² für 12 €/m² nach 3 Jahren Leerstand mietet. Die jährlichen Gesamtmieteinnahmen netto würden dann 951.345 € und die Durchschnittsmiete 12,83 €/m² betragen. Abb. 3.1.2.3 - 7: Das Vermietungsszenario 5 Die Steigerung der Vervielfältigerhöhe mit einer Schrittweite von 0,5 hat keine großen Auswirkungen hinsichtlich der Eigenkapitalrendite. Auch bei einem Ver- äußerungserlös des 15-fachen der Jahreskaltmiete wird eine EK-Rendite von 11,28 % erwirtschaftet. Die Höhe der Eigenkapitalrendite steigt mit der Ver- kaufspreisfaktorzunahme bis zu 13,48 % beim 18-fachen der jährlichen Miet- einnahmen. Abb. 3.1.2.3 - 8: Die Eigenkapitalrendite für das Vermietungsszenario 5 3 Lösungsansätze und ökonomisches Modell 159 Vermietungsszenario 6 und 7 - Restfläche für 13 bzw. 13,50 €/m² Die Vermietungsszenarien 6 und 7 stellen die Idealfälle dar. Sie unterstellen eine Vollvermietung der Restfläche des Bürogebäudes. Das Szenario 6 be- trachtet einen Mieter der 13 €/m² zahlt und das Szenario 7 einen der 13,50 €/m² Miete entrichtet. Die jährlichen Mieteinnahmen netto betragen beim 6. Szenario 984.555 € und beim Szenario 7 sogar 1.001.160 €. Die Durchschnittsmieten bezogen auf die Gesamtfläche errechnen sich zu 13,28 und 13,50 €/m². Abb. 3.1.2.3 - 9: Das Vermietungsszenario 6 Abb. 3.1.2.3 - 10: Das Vermietungsszenario 7 Auch diese beiden Szenarien erwirtschaften eine Eigenkapitalrendite größer als 10% unabhängig vom erzielbaren Verkaufspreisfaktor. Die Spanne der EK- Rendite beim sechsten Szenario verläuft von 11,89 % für den 15-fachen Faktor 3 Lösungsansätze und ökonomisches Modell 160 bis zu 14,06 %, wenn der 18-fache Wert erzielt werden kann. Die Spanne bei Szenario 7 beginnt beim 15-fachen der Mieteinnahme bei 12,19 % und endet beim 18-fachen Faktor mit 14,35 %. Abb. 3.1.2.3 - 11: Die Eigenkapitalrendite für das Vermietungsszenario 6 Abb. 3.1.2.3 - 12: Die Eigenkapitalrendite für das Vermietungsszenario 7 3 Lösungsansätze und ökonomisches Modell 161 3.1.2.4 Die Szenarien 8 - 9: Vollvermietung mit mietfreier Zeit Ein Instrument der Vermarktungsstrategie in einem schwachen Büromarkt kön- nen so genannte Miet- Incentives sein. Die Gewährung von mietfreier Zeit kann ein ausschlaggebendes Argument sein, einen unentschlossenen potenziellen Mieter zum Wechsel zu bewegen. Wird dieses Instrument für die Vermarktung herangezogen, ist die um die mietfreie Zeit modifizierte Eigenkapitalrendite von Interesse. Abb. 3.1.2.4 - 1: Das Szenario 8 Das Vermietungsszenario 8 betrachtet die Vollvermietung der verbleibenden Büroflächen nach 3-jährigem Leerstand für 9,72 €/m² bei Gewährung einer mietfreien Zeit von 1 Jahr, das entspricht einer ungünstigen Marktsituation mit einer 28% Mieteinbuße bzgl. der Miete des Ankermieters in Höhe von 13,5 €/m². Dabei ergibt sich eine Durchschnittsmiete für die Bürofläche von 11,81 €/m² und eine jährliche Gesamtkaltmiete nach Ablauf der mietfreien Zeit von 875.626 €. 3 Lösungsansätze und ökonomisches Modell 162 Abb. 3.1.2.4 - 2: Die Eigenkapitalrendite für das Vermietungsszenario 8 Die Eigenkapitalrendite dieses Szenarios beträgt im ungünstigsten Fall 9,41 % und wird bei einem Verkaufserlös des 15-fachen der Jahreskaltmiete erreicht. Ab einem Veräußerungserlös des 16-fachen der jährlichen Mieteinnahmen wird eine Eigenkapitalrendite von mehr als 10 % erwirtschaftet. Bei einer weiteren Steigerung des Verkaufspreisfaktors steigt auch die Eigenkapitalrendite bis zu 11,75 % beim 18-fachen Verkaufserlös. Das Vermietungsszenario 9 betrachtet die Vollvermietung der verbleibenden Büroflächen nach 3-jährigem Leerstand für 11,88 €/m² (12% Reduzierung der Miete der Bank als Ankermieter) bei Gewährung einer mietfreien Zeit von 1 Jahr. Dabei ergibt sich eine Durchschnittsmiete für die Bürofläche von 12,77 €/m² und eine jährliche Gesamtkaltmiete nach Ablauf der mietfreien Zeit von 947.359,80 €. 3 Lösungsansätze und ökonomisches Modell 163 Abb. 3.1.2.4 - 3: Das Szenario 9 Die ungünstigste Eigenkapitalrendite dieses Szenarios beträgt 10,83 %, die bei einem Verkaufserlös des 15-fachen der Jahreskaltmiete erreicht wird. Bei einer weiteren Steigerung des Verkaufspreisfaktors steigt auch die Eigenkapitalrendi- te bis zu 13,9 % beim 18-fachen Verkaufserlös. Abb. 3.1.2.4 - 4: Die Eigenkapitalrendite für das Vermietungsszenario 9 3 Lösungsansätze und ökonomisches Modell 164 3.1.2.5 Die Szenarien 10 - 11: Vollvermietung mit Auslösung aus Altmietvertrag Ein weiteres Vermarktungsinstrument kann die Auslösung des potenziellen Mie- ters aus seinem Mietvertrag sein. Auch hier ist die um die Betrachtung der mo- difizierten Eigenkapitalrendite von Interesse. Die Möglichkeit der Auslösung des alten Mietvertrages betrachten die Szenarien 10 und 11. Abb. 3.1.2.5 - 1: Das Szenario 10 Das Vermietungsszenario 10 unterstellt eine Vollvermietung der restlichen Bü- rofläche für 11,88 €/m². Daraus ergibt sich zusammen mit dem Bankanteil eine Gesamtdurchschnittsmiete von 12,77 €/m². Die jährlichen Nettomieteinnahmen belaufen sich hier auf 947.359,80 €. Ferner wird unterstellt, dass der Neumieter noch 2 Jahre an seinen alten Mietvertrag gebunden ist, bei dem er eine Büro- fläche von 3.000 m² für 11 €/m² mietet. Die jährliche Auslöse beträgt 396.000 €. Wird nun die Eigenkapitalrendite nach der Bezahlung der Auslösesumme be- trachtet, fällt auf, dass selbst ein Veräußerungserlös des 15-fachen der Jahres- kaltmiete 10% übertrifft. Wird aber ein höherer Verkaufspreisfaktor realisiert, steigt auch die Eigenkapitalrendite bis zu 12,77 % beim 18-fachen Faktor. 3 Lösungsansätze und ökonomisches Modell 165 Abb. 3.1.2.5 - 2: Die Eigenkapitalrendite für das Vermietungsszenario 10 Das Vermietungsszenario 11 betrachtet eine Vollvermietung der Restbürofläche für 13 €/m². Daraus ergibt sich zusammen mit dem Büroflächenanteil des An- kermieters wie bei Szenario 10 eine Durchschnittsmiete von 12,77 €/m². Bei diesem Szenario wird aber unterstellt, dass der Neumieter noch 2 Jahre an seinen alten Mietvertrag gebunden ist, bei dem er eine Bürofläche von 3.000 m² für 13 €/m² mietet. Dabei wird eine jährliche Auslöse von 468.000 € fällig. Abb. 3.1.2.5 - 3: Das Szenario 11 3 Lösungsansätze und ökonomisches Modell 166 Auch unter diesen Bedingungen wird minimal Eigenkapitalrendite von knapp über 10% bei einem Verkaufserlös des 15-fachen der Jahreskaltmiete bis zu knapp über 12,5% bei dem 18-fachen Verkaufspreisfaktor erwirtschaftet. Abb. 3.1.2.5 - 4: Die Eigenkapitalrendite für das Vermietungsszenario 11 3.1.3 Zusammenfassung Ziel einer Szenarioanalyse ist die Betrachtung verschiedener realistischer Fälle einer Vermietung mit dem Ziel nach 10 Jahren die Immobilie zu verkaufen (Tra- der- Developer) und die dazu sich ergebende Bewertung. Das Szenario 1 beschreibt und bewertet den ungünstigsten Fall der bei der Vermarktung eines Bürogebäudes eintreten kann, nämlich den dauerhaften Leerstand der restlichen Bürofläche. Dieses Szenario ist um jeden Preis zu vermeiden, da bei diesem nur sehr geringe EK-Renditen bis 2,72 % erreicht bzw. sogar eine negative Rendite erwirtschaftet wird. Außerdem ist diese Im- mobilie mit dem derzeitigen Vermietungsstand nicht am Markt zu platzieren. Die Szenarien 2 - 7 betrachten eine Vollvermietung der restlichen Flächen zu verschiedenen Mieten, beginnend mit 9 bis 13,5 €/m², nach einer Leerstands- zeit von 3 Jahren. 3 Lösungsansätze und ökonomisches Modell 167 Die Spanne der untersuchten Mietenmultiplikatoren beginnt mit dem 15-fachen der Jahreskaltmiete und endet beim 18-fachen. Bei Renditeobjekten in guter Lage liegt der Vervielfältiger zwischen dem 15- und 17-fachen der Jahresnet- tomieten.419 Nach Experteneinschätzung ist bei dieser Büroimmobilie ein realistischer Ver- vielfältiger mit dem 16,46-fachen der Einnahmen anzusetzen.420 Abb. 3.1.3 - 1: Die Eigenkapitalrendite aller Szenarien beim 16,5-fachen Faktor Die Abbildung 3.1.3 - 1 zeigt, dass die in Kapitel 3.1.1 als Vergleichsmaßstab geforderte Eigenkapitalrendite von 10 % bei einem Veräußerungserlös des 16,5- fachen der jährlichen Mieteinnahmen nur bei Szenario 1 nicht erreicht wird. Selbst eine Vermietung der restlichen Büroflächen für 13,5 €/ m² erwirt- schaftet eine Rendite von 20,10 %. 419 Allianz Dresdner Immobiliengruppe, Neue Perspektiven, Marktreport 2002, S.130 420 vgl. Abschnitt 3.2.1.5, Liegenschaftszinssatz von 6% und Restnutzungsdauer von 75 Jahren ergibt einen Mietenmultiplikator von 16,46, der ebenfalls die Marktlage an dem Düsseldorfer Mikrostandort „linksrheinisch“ wiederspiegelt. 3 Lösungsansätze und ökonomisches Modell 168 Das Ziel der Vermarktung dieser Büroimmobilie muss eine Vollvermietung des Objektes sein mit einem Mieter, der mindestens 13,50 €/ m² entrichtet, um die maximale Eigenkapitalrendite von 14,38% zu erhalten. Die Lage des Bürogebäudes kann als beste Lage eingestuft werden und somit ist durchaus auch ein Mietzins von 13,50 €/ m² oder höher aufgrund der Lage realisierbar.421 Der gewählte Vervielfältiger vom 16,5- fachen der jährlichen Mieteinnahmen kann aber auch höher ausfallen, denn er ist u.a. auch von der Höhe der Miete für die Restflächen abhängig. Ein Instrument einer Vermarktungsstrategie in einem geschwächten Büromarkt können Incentives wie z.B. die Gewährung von mietfreier Zeit oder die Auslö- sung aus dem Altmietvertrag sein. Der Einfluss solcher Incentives wurde in den Szenarien 8 bis 11 untersucht. Die Ergebnisse dieser Szenarien zeigen, dass die geforderte Rendite von 10% trotz Gewährung von Incentives erwirtschaftet wird. Alle Szenarien unterstellen aber, dass die einmal erstellte Mietsituation (Voll- vermietung nach x Jahren Leerstand), sobald sie sich eingestellt hat, bis zu 10 Jahre erhalten bleibt und der Käufer eine risikoneutrale Position einnimmt, also keine negative Erwartungshaltung für die Zukunft der Immobilie hat. 421 Gemäß Atisreal 2006 (a), S. 23 ist eine Durchschnittsmiete im Bankenviertel in der City Düsseldorfs von 15,90 €/m² und im Medienhafen von 13,70 €/ m² während des Jahreswechsels 2005/ 2006 reali- siert worden. 3 Lösungsansätze und ökonomisches Modell 169 3.2 Die Investitionsbewertung mit Realoptionsansatz Die klassische Investitionsbewertung wird um den Realoptionsansatz erweitert. Die Ertragsrisiken einer Investitionsbewertung, die durch die Zeithorizonte ent- stehen, können durch zeitbezogene Modellansätze der Realoptionen einge- grenzt werden und zwar durch die Bewertung von unterschiedlichen Optionen. Der Begriff der Realoptionen wird für die Projektentwicklung herausgearbeitet, und es wird anhand von Optionsmöglichkeiten unter Verwendung des auf den Bernoulliprozess beruhenden Binomialmodells die Veränderung des Kapitalwer- tes, dem sog. erweiterten Kapitalwert, aufgezeigt. Dieser Kapitalwert wird mit der Bewertung dieser Optionen der Büroimmobilie in Form von Handlungsflexi- bilitäten ermittelt. Außerdem kann gezeigt werden, dass die Integration des Re- aloptionsansatzes zu einer genaueren Investitionsbewertung führt und so die Investitionsentscheidung, ob er oder ob er nicht investieren soll, wesentlich besser als bei den klassischen Investitionsbewertungsverfahren gestützt wird. 3.2.1 Die Ausgangssituation bei einer Büroimmobilie Im Folgenden wird die Büroimmobilie, die auch dem vorherigen Kapitel 3.1 zugrunde lag, kurz beschrieben und deren weitere Nutzungsmöglichkeiten ne- ben der Büronutzung geprüft. Die Ausgangssituation des Investors wird aufge- zeigt sowie die Frage nach der weiteren Verwertung des Objektes und nach den verbleibenden Möglichkeiten (Optionen) beantwortet. Nachdem drei Optio- nen beschrieben worden sind, werden der Realoptionsansatz, der Begriff der Realoptionen und deren Bewertung mit dem Binomialmodell kurz erklärt. Des Weiteren werden der Ertragswert und das Investitionsvolumen der Ausgangsva- riante und die Basiskosten der Büroimmobilie ermittelt. 3 Lösungsansätze und ökonomisches Modell 170 3.2.1.1 Die Objektbeschreibung Die Bewertung der Nutzungsflexibilität mit Realoptionen wird anhand der im Folgenden beschriebenen Büroimmobilie in Düsseldorf aufgezeigt. Das Bürogebäude ist ein siebengeschossiger Riegelbau in Skelettbauweise mit einem Staffelgeschoss. Die vermietbare Gesamtnutzfläche beträgt ca. 8.240 m² und setzt sich wie folgt zusammen: Erdgeschoss: etwa 1.180 m² Regelgeschosse (1.-5. OG): etwa 1.240 m² (6.200 m²) Staffelgeschoss (6. OG): etwa 860 m² Für die Obergeschosse wurde im Zuge der Projektkonzeption eine Büronutzung geplant. Das Erdgeschoss kann neben der Büronutzung (Konferenzräume etc.) auch für Handelszwecke oder als Ausstellungsfläche genutzt werden. Das Bürogebäude wurde als spekulative Projektentwicklung mit einem hohen Qualitätsstandard und hoher Flexibilität konzipiert, da zu Beginn der Entwick- lung kein konkreter Nutzerbedarf bestand. 3.2.1.2 Die Überprüfung der Nutzungsmöglichkeiten Die flexible Konzeption als Büroimmobilie ermöglicht eine große Bandbreite an Nutzungsvarianten. Innerhalb der Büronutzung sind verschiedene Flächenkon- figurationen denkbar, da der Grundriss vielfach geteilt und in separat nutzbare Einheiten gegliedert werden kann. Eine Umnutzung zu Wohnzwecken ist in allen Geschossen grundsätzlich eben- falls möglich. An den Regelungen der GastBauVO muss sich eine Umnutzung zu Gasträu- men orientieren. Zunächst sind die Bestimmungen des § 20 Gasträume zu be- achten. Der Platzbedarf je Gast ist demnach bei Tischplätzen mit 1,0 m² und bei Stehplätzen mit 0,5 m² anzusetzen. Die Grundfläche eines Gastraumes muss mind. 25 m² betragen. 3 Lösungsansätze und ökonomisches Modell 171 Beschränkungen in der zulässigen Größe der Gasträume ergeben sich aus den Anforderungen an Rettungswege, Treppen und Treppenräume. Gasträume in Obergeschossen mit mehr als 200 Gastplätzen müssen mindestens zwei von- einander unabhängige Treppen oder einen Sicherheitstreppenraum haben. Schwerwiegender ist jedoch die Forderung des § 9 Abs. 3 GastBauVO, wonach für je 150 Personen 1,00 m Rettungswegbreite erforderlich ist (Zwischenwerte sind zulässig). Die VStättVO findet keine Anwendung, wenn nur ein Gastraum je Gebäudehälfte in Obergeschossen angeordnet wird. Gasträume im Erdge- schoss sind nicht auf Treppen als Rettungswege angewiesen und können da- her eine größere Zahl von Gastplätzen besitzen. Die Regelungen der VkVO und der GhVO gelten für Verkaufsstätten bzw. Ge- bäude mit Verkaufsstätten deren Verkaufsräume eine Nutzfläche von mind. 2.000 m² haben. Eine Umnutzung in ein Geschäftshaus oder die Nutzung als Verkaufsstätte nach VkVO ist für die Büroimmobilie mit hohem finanziellen und baulichen Auf- wand verbunden. Durch die vorhandene und nicht änderbare lichte Raumhöhe ist ein solches Vorhaben unter Umständen gar nicht oder nur mit Sonderge- nehmigung durchführbar. Es besteht jedoch die Möglichkeit, kleinere Flächeneinheiten (z.B. Erdgeschoss und 1.Obergeschoss) einer Handelsnutzung zuzuführen. Nach Bedarf können Einheiten auch über EG und 1.OG mit einer zusätzlichen, nicht notwendigen Treppe verbunden werden. Für diese gelten die Anforderungen der BauO NW. Die Anforderungen an Wände und Trennwände ergeben sich gemäß §§ 29-33 BauO NW und können mit üblichen Trockenbausystemen ohne statisch- konstruktive Berücksichtigung erfüllt werden.422 422 vgl. Ferreau 2003, S.113-116 3 Lösungsansätze und ökonomisches Modell 172 Damit ergeben sich zusammenfassend folgende Nutzungsoptionen: - für das EG: Gastronomie sowie Handel, aber auch Wohnen - für das 1.OG: Handel und Wohnen - für die weiteren Obergeschosse: Wohnen. 3.2.1.3 Die Ausgangssituation423 Die Büroimmobilie wurde von einem Trader- Developer geplant und realisiert. Bereits während der Projektmanagementphase gelingt es dem Projektentwick- lungsunternehmen die gesamte Immobilie für 10 Jahre an einen einzigen Nut- zer zu vermieten und noch während der Bauphase auf dessen räumliche Anfor- derungen einzugehen. Nach Abschluss dieses Mietvertrages und der Fertigstel- lung sucht der Trader- Developer einen Käufer für die Immobilie. Für einen potentiellen Investor ist mit dem Kaufpreis (zzgl. Grunderwerbssteuer, Notargebühren etc.) das Investitionsvolumen fixiert. Auch die Ertragsseite ist, zumindest für die nähere Zukunft prognostizierbar, da ein Mietvertrag über 10 Jahre mit einem Nutzer erstklassiger Bonität besteht. Über die Mietvertragsdauer hinaus stellt sich für den Investor die Frage der wei- teren Verwertung des Objekts. Grundsätzlich sind folgende Möglichkeiten denkbar: - Abbruch (und ggf. Neuentwicklung), - Verkauf der Immobilie, - Verlängerung des Mietvertrages oder Andersvermietung, - Modernisierung und Neuvermietung, - Umbau bzw. -nutzung von Gebäudeteilen oder des gesamten Gebäudes. 423 modifiziert für eine Büroimmobilie in Düsseldorf in Anlehnung an Ferreau 2003 3 Lösungsansätze und ökonomisches Modell 173 Die erstgenannte Möglichkeit wird nicht weiter verfolgt, da die Nutzungs- bzw. Gebäudeflexibilität offensichtlich keine Rolle spielt. Eine entsprechend kurzfris- tige Abschreibung müsste aber bei der Wirtschaftlichkeitsberechnung der ers- ten Phase berücksichtigt werden. Einige Optionsvarianten, (Markt- und Standortszenarien und Handlungsmög- lichkeiten) in Abhängigkeit alternativer Marktlage werden nachfolgend unter- sucht. Diese Optionen werden in eine Investitionsberechnung integriert und ihr jeweiliger Wert wird bestimmt. Sie sollen zunächst genauer beschrieben wer- den. Option 1: Modernisierung, Beibehaltung der Flächenkonfiguration Nach Ablauf der 10-jährigen Vertragslaufzeit existiert die Möglichkeit, einen neuen Vertrag auszuhandeln. Diese Verhandlungen können in unterschiedli- chen Marktsituationen erfolgen. Besteht zum Zeitpunkt der Vertragsgespräche ein Vermietermarkt, d.h. die Nachfrage ist größer als das Angebot, kann der Investor eine höhere Miete realisieren als bei einem Mietermarkt. Sowohl bei positiver als auch bei negativer Marktentwicklung ist zu berücksich- tigen, dass der Ausstattungsstandard bzw. die Nutzungsmöglichkeit dieser Im- mobilie in Relation zu neugebauten Konkurrenzobjekten am Standort nur noch Mittelmaß darstellt. Dies wird sich bei einem Mietermarkt stärker als in einem Vermietermarkt auswirken. Bei einem Angebotsüberschuss an Mietflächen muss evtl. dann ein höherer Abschlag als bei einem Vermietermarkt akzeptiert werden. Alternativ zur Vertragsverlängerung besteht für den Investor die Option das Ob- jekt gegen Zahlung einer Zusatzinvestition zu modernisieren, also dem aktuel- len Neubaustandard anzupassen und somit die Möglichkeit zu erhalten, wieder Spitzenmieten zu erzielen. Zu berücksichtigen bleibt, dass die erzielbaren Spit- zenmieten mit den Marktverhältnissen differieren. 3 Lösungsansätze und ökonomisches Modell 174 Option 2: Umbau - Aufgliederung in kleine Büroeinheiten Der Nachfrageschwerpunkt am Büroflächenmarkt am Standort Düsseldorf ver- schiebt sich, so wird prognostiziert, im Jahr 2013 zugunsten kleiner Büroeinhei- ten mit Büroflächen pro Mieteinheit von 150 bis 250 m². Aufgrund der baulichen Flexibilität besteht aber die Option, die zunächst als Gesamtfläche genutzte Büroimmobilie gegen Zahlung einer Zusatzinvestition zum Teil in marktgerechte Einheiten zu unterteilen. Bei günstiger Entwicklung (Vermietermarkt) können alle Einheiten in einem ge- hobenen Preissegment vermietet werden. Bei ungünstiger Marktsituation lassen sich nur rd. 80 % der Fläche zu einem geringeren Mietzins am Markt absetzen. Die Alternativoption besteht in der Beibehaltung der bisherigen Flächenkonfigu- ration mit den in Abhängigkeit von der Entwicklung jeweils realisierbaren Marktmieten. Option 3: Umbau und Umnutzung - Mixed - Use - Immobilie Unter Berücksichtigung der planungsrechtlichen Randbedingungen kommt auch eine Wohnnutzung in Kombination mit gewerblicher Nutzung (Büro, Han- del, Gastronomie) für den Immobilienstandort in Frage. Unter Annahme eines rezessiven Büroflächenmarktes wird die Option der teil- weisen Umnutzung in Wohneinheiten, sowie Handels- und Gastronomieflächen betrachtet. Ebenfalls werden bei der Option 3 eine günstige und eine ungünsti- ge Marktsituation zum Zeitpunkt der Ausübung der Option untersucht. 3 Lösungsansätze und ökonomisches Modell 175 3.2.1.4 Der Realoptionsansatz424 Der Realoptionsansatz stellt kein Optionspreismodell im eigentlichen Sinne dar. Er kann als ein Leitfaden zur optionspreistheoretischen Bewertung realer Inves- titionsvorhaben angesehen werden, der zum Zweck der eigentlichen Bewertung auf Modelle zurückgreift, die in der Branche üblich sind. Er beruht auf dem Prin- zip einer risikoneutralen Bewertung der Optionen. Die erwartete Rendite im Rahmen der Wirtschaftlichkeitsberechnung muss dem risikofreien Zins entspre- chen. Er erlaubt die Ableitung risikoneutraler Wahrscheinlichkeiten, auf deren Grundlage der Optionswert ermittelt werden kann. Zur Ermittlung des Options- wertes wird deshalb zunächst der Erwartungswert der Optionsauszahlungen bestimmt, der anschließend mit dem risikofreien Zins abdiskontiert425 als Bar- wert berechnet wird. Die Bewertung von Investitionsprojekten mit dem Realoptionsansatz erfolgt in vier wesentlichen Teilschritten: Abb. 3.2.1.4 - 1: Einzelschritte der Bewertung mit dem Realoptionsansatz426 424 vgl. Schröder 2002, S. 28, 33f und S.42 ff; Ferreau 2003, S.65ff 425 vgl. Hommel 2001, S. 121 f 426 vgl. Hommel 1999 (a), S. 122 3 Lösungsansätze und ökonomisches Modell 176 Realoptionen Unter Realoptionen werden zukünftige Handlungsflexibilitäten in Bezug auf re- alwirtschaftliche Investitionsmöglichkeiten verstanden. Dem Entscheidungsträ- ger bieten sie die Möglichkeit, operative Entscheidungen an veränderte Um- weltbedingungen anzupassen.427 Derartige Handlungsspielräume weisen große Parallelen zu Finanzoptionen auf.428 So stellt beispielsweise die Möglichkeit, eine Investition zu tätigen, ähn- lich wie eine Kaufoption das Recht dar, die aus der Investition erwarteten Zah- lungsströme gegen Zahlung der Investitionssumme zu erwerben. Die Investiti- onsauszahlung kann dabei als Ausübungspreis interpretiert werden. Analog kann eine Desinvestitionsmöglichkeit ähnlich einer Verkaufsoption das Recht darstellen, die zukünftigen Zahlungsströme gegen Einbehaltung der Investiti- onssumme zu veräußern. Als Ausübungspreis wird hier die Investitionseinzah- lung verstanden. In beiden Fällen lässt sich derjenige Zeitraum als Optionsfrist interpretieren, bis zu dessen Ende mit der Investitions- bzw. Desinvestitionsentscheidung gewar- tet werden kann. Dies kann zur Folge haben, dass eine heute wegen zu großer Unsicherheit verworfene Investition zu einem späteren Zeitpunkt als vorteilhaft bewertet werden könnte, da die Entwicklung künftiger Umweltbedingungen wei- ter beobachtet und zusätzliche Informationen gesammelt werden können, wel- che es ermöglichen, die mit dem Investitionsprojekt verbundenen Zahlungs- ströme besser abzubilden.429 Auch die Flexibilität, zwischen sofortiger Investitionsentscheidung und einer Hinauszögerung der Entscheidung wählen zu können, stellt somit für den Ent- scheidungsträger ein realwirtschaftliches Optionsrecht dar. 427 vgl. Hommel 1999 (a), S. 123 428 vgl. Crasselt 1997, S. 9 429 vgl. Schäfer 2000, S. 544 3 Lösungsansätze und ökonomisches Modell 177 Realoptionen erkennen und berücksichtigen die Flexibilität, zwischen verschie- denen Handlungsalternativen wählen zu können als eigenen Wert, da auf den Eintritt unvorhergesehener Umweltzustände besser reagiert werden kann. Ne- gative Einflüsse auf den Wert eines Investitionsprojektes können abgefedert werden, da sich neu bietende Gewinnpotentiale besser ausschöpfen lassen und Verlustrisiken minimiert werden können.430 Eine abschließende Übersicht über die typischen mit einer Option verbundenen Rechte liefert folgende Abbildung: Abb. 3.2.1.4 - 2: Charakterisierung typischer Realoptionsrechte431 430 vgl. Hommel 1999 (a), S. 121 431 vgl. Hommel 1999 (b), S. 14 3 Lösungsansätze und ökonomisches Modell 178 Analogie zwischen Finanz- und Realoptionen Die Bewertung von Sachinvestitionen basiert auf der Analogie von Finanz- und Realoptionen. Als Finanzoptionsgeschäft wird ein Termingeschäft bezeichnet, das dem Käufer einer Option die Wahlmöglichkeit gibt, innerhalb einer bestimm- ten Frist, während der Optionslaufzeit oder zu einem bestimmten zukünftigen Zeitpunkt zu einem vorab vereinbarten Kurs, dem Basispreis, gegen sofortige Zahlung einer Optionsprämie mittels Optionspreis zu kaufen oder zu verkau- fen.432 Eine Kaufoption wird als Call, eine Verkaufsoption als Put bezeichnet. Die Zahlung der Optionsprämie verschafft dem Käufer eines Calls das Recht, also die Flexibilität, seine Investitionsentscheidung in die Zukunft zu verlagern und die dann zur Verfügung stehenden Informationen seiner Entscheidung zugrunde zu legen. Um die Frage, welche Prämie für den Kauf oder Verkauf eines Optionsrechts angemessen ist, zu beantworten, wurden verschiedene Optionspreismodelle entwickelt. Die bekanntesten sind das Binomial- und das Black- Scholes- Mo- dell. Beide gehen davon aus, dass die Kursentwicklung des Wertpapiers einem Zufallsprozess folgt.433 Das Binomial- Modell betrachtet diskrete Zeitpunkte tn, nach denen sich das Wertpapier entweder positiv in den Zustand u, durch up bzw. + gekennzeichnet, im Zeitpunkt tn+1, oder negativ in den Zustand d, durch down bzw. - gekenn- zeichnet, im Zeitpunkt tn+1 entwickeln kann. Die Black- Scholes- Formel model- liert einen kontinuierlichen Prozess. Annahmen über die Wahrscheinlichkeit der einen oder anderen Entwicklung werden eliminiert, indem das Wertpapier an eine risikofreie Anleihe gekoppelt wird. Dieses Portfolio generiert identische Cashflows unabhängig davon, ob sich der Wertpapierkurs positiv entwickelt oder eine negative Entwicklung eintritt. 432 vgl. Gabler Wirtschaftslexikon 1997, S. 2866 433 vgl. Kruschwitz 1995, S. 295 3 Lösungsansätze und ökonomisches Modell 179 Aus beiden Modellen lassen sich Optionspreisformeln entwickeln, in denen in- dividuelle Risikoeinstellungen, also Annahmen über die Wahrscheinlichkeit ei- ner positiven oder negativen Entwicklung bzw. über Renditeentwicklungen, kei- ne Rolle mehr spielen. Binomial- Modell und Black- Scholes- Formel bilden da- her einen „präferenzfreien Ansatz zur Berechnung des Preises einer Finanzop- tion”. Finanzoptionen weisen, wie auch Realoptionen, die drei konstituierenden Merkmale einer Option auf: Flexibilität, Unsicherheit und Irreversibilität.434 Außerdem baut der Vergleich realer Investitionsprojekte mit Finanzoptionen im Wesentlichen auf der Erkenntnis auf, dass die mit dem Projekt verbundenen Cash Flows in ihrer Struktur den Zahlungsströmen einer Finanzoption gleichen. Beide weisen eine asymmetrische Auszahlungsstruktur auf. Theoretisch stehen limitierte Verluste unbegrenzten Gewinnen gegenüber. Hinsichtlich der wertbestimmenden Optionsparameter wird die Analogie zwi- schen Finanz- und Realoptionen deutlich. Die typischen Parameter einer Fi- nanzoption können durch eine Neuinterpretation ohne weiteres auf Realoptio- nen übertragen werden.435 434 vgl. Hommel 1999 (a), S. 9 435 vgl. Hommel 1999 (a), S. 123 f 3 Lösungsansätze und ökonomisches Modell 180 Abb. 3.2.1.4 - 3: Optionsparameter von Finanz- und Realoptionen436 Die grundsätzliche Analogie zwischen Finanz- und Realoptionen ist gegeben, denn die „gleichen Merkmale lassen sich auch bei einem Realoptionsrecht ausmachen. Die Möglichkeit, eine Investition zu tätigen, stellt ähnlich wie eine Kaufoption das Recht dar, die aus der Investition erwarteten Zahlungsströme gegen Zahlung der Investitionssumme zu erwerben. Die Investitionsauszahlung kann dabei als Ausübungspreis interpretiert werden.“437 Die Entscheidungsflexibilitäten können bei realen Investitionen unterschiedliche Formen annehmen. Es existieren drei Optionstypen namens Lern-, Wachstums- und Versicherungsoptionen. Lernoptionen erlauben die Investitionsentschei- dung ganz oder teilweise von Veränderungen der Rahmenbedingungen abhän- gig zu machen. Wachstumsoptionen bieten sich während und nach der Investi- tionsphase an und stellen die Möglichkeit dar, auf positive Veränderungen der Rahmenbedingungen z.B. mit Kapazitätserweiterung zu reagieren. 436 vgl. Hommel 1999 (a), S. 124 437 Schröder 2002, S. 28 3 Lösungsansätze und ökonomisches Modell 181 Die Möglichkeit, sowohl auf positive als auch auf negative Veränderungen mit zusätzlichen Investitionen oder mit Desinvestition reagieren zu können, bietet schließlich die Versicherungsoptionen. Der Schwerpunkt der Arbeit liegt auf der Umstellungs- bzw. Wechseloption,438 die dem Typ der Versicherungsoption zugeordnet wird. Die Umstellungs- bzw. Wechseloption entspricht der Möglichkeit, unter Beibehaltung des Projektum- fanges die Projektstruktur zu variieren und so auf geänderte Rahmenbedingun- gen reagieren zu können. Die im Abschnitt 3.2.1 betrachtete Immobilie hat einen konstanten Projektum- fang in Form ihrer Primärstruktur, des Rohbaus. Es werden bei der folgenden Betrachtung der Büroimmobilie keine Anbauten oder Aufstockungen durchge- führt. Die Projektstruktur wird durch die Nutzungsart bzw. Nutzungsform und den Ausstattungsstandard repräsentiert. Zukünftige Änderungen an der Projektstruktur sind in der Regel mit Zusatzin- vestitionen verbunden. Diese Zusatzinvestitionen reichen, dass eine einmal gefällte Investitionsentscheidung im Zeitablauf in der Form modifiziert werden kann, so dass eine Erhöhung des Cash Flows oder eine Absenkung des Cash Flow- Verlustpotentials erreicht werden kann.439 Aus der Absenkung des Ver- lustpotentials leitet sich ein Versicherungscharakter baulicher Nutzungsflexibili- tät ab. Eine flexible Immobilie bietet die Möglichkeit, die Gefahr eines Leerstan- des und damit eines Ertragsausfalls durch Zahlung einer Zusatzinvestition und ggf. eines Nutzungswechsels zu reduzieren. Allerdings sind der Analogie zwischen Finanz- und Realoptionen auch Grenzen gesetzt. So liegt die Existenz eines gehandelten Basisinstrumentes den Fi- nanzoptionen zugrunde. 438 vgl. Abschnitt 3.2.2 439 vgl. Rams 2001, S. 10 3 Lösungsansätze und ökonomisches Modell 182 Bei Realoptionen hingegen wird dies jedoch meist erst durch die Ausübung der Option und der damit verbundenen Zahlung des Ausübungspreises in Form der Investitionssumme geschaffen. Ein explizit ablesbarer Wert des Basisinstru- mentes existiert daher am Markt nicht. Des Weiteren zeichnen sich Realoptionen im Gegensatz zu Finanzoptionen durch nicht exakt vorgegebene Laufzeiten aus, die beispielsweise durch das Investitionsverhalten der Wettbewerber oder technologische Entwicklungen beeinflusst werden können.440 Bewertung von Realoptionen Die prinzipielle Bewertung von Realoptionen bei Immobilien wird nun beschrie- ben und anschließend ein Bewertungsmodell für Flexibilitätsoptionen, Umstel- lungs- und Wechseloptionen, aufgezeigt. Die in der Praxis weit verbreitete traditionelle bzw. analysegestützte Kapital- wertmethode stößt in einigen Anwendungsfeldern an ihre Grenzen und kann zu Fehlentscheidungen bei der Beurteilung von Investitionsvorhaben führen. Der Realoptionsansatz ermöglicht, die Hauptelemente realer Investitionsentschei- dungen modellmäßig zu erfassen.441 Zum einen handelt es sich dabei um die Unsicherheit über den Eintritt zukünfti- ger Umweltzustände und zum anderen um die vollständige bzw. teilweise Irre- versibilität einmal getroffener unternehmerischer Entscheidungen. Wenn diese als irreversibel angesehen werden, besteht in der Möglichkeit, sie aufzuschieben zu können, eine Handlungsflexibilität, die bei unsicheren Erwar- tungen einen positiven strategischen Wert besitzt. 440 vgl. Hommel 1999 (a), S. 124 441 vgl. Niemann 2001, S. 37 3 Lösungsansätze und ökonomisches Modell 183 Die grundlegende Frage der ökonomischen Investitionsentscheidung lautet un- ter diesen Gesichtspunkten dann nicht mehr: „Ja oder nein?“ sondern „Jetzt oder später?“. Die Berücksichtigung zukünftiger Handlungsflexibilitäten bei einer Investitions- möglichkeit, z.B. die Möglichkeit des Abwartens als strategische Komponente, erhöht den statischen Kapitalwert nach der Kapitalwertmethode um den Opti- onswert zu einem erweiterten Kapitalwert. Der erweiterte Kapital- bzw. Projekt- wertes kann wie folgt charakterisiert werden:442 Erweiterter Kapitalwert (NPV) = Statischer Kapitalwert (NPV) + Optionswert Der statische Kapitalwert entspricht dem Barwert des zukünftigen Cash Flows. Dieser basiert auf der Annahme, dass Investitionen sofort getätigt und die zum jetzigen Zeitpunkt optimalen Handlungsstrategien beibehalten werden. Der Optionswert erfasst die Wertpotentiale, die sich aus einer Anpassung der Handlungsstrategie an Änderungen der wirtschaftlichen Rahmenbedingungen ergeben.443 Der Optionswert setzt sich zusammen aus innerem Wert und Zeit- wert. Durch eine flexible Gestaltung einer Immobilie werden Handlungsoptionen generiert. Die Flexibilität einer Immobilie stellt somit ein ‚Wertpotential’ dar. Der Realoptionsansatz ist nicht nur eine Ergänzung der traditionellen NPV- Analyse. Der erweiterte Kapitalwert schließt den statischen NPV mit ein und bildet so den Wert des Investitionsprojektes in seiner Gesamtheit ab.444 Er ist nicht identisch mit dem dargestellten Optionswert, der nur den Wert der unter- nehmerischen Entscheidungsflexibilität erfasst. 442 vgl. Hommel 1999 (b), S. 11 443 vgl. Hommel 1999 (b), S.11f 444 vgl. Hommel 1999 (a), S. 127 3 Lösungsansätze und ökonomisches Modell 184 Es können aber auch Interaktionseffekte bei scheinbar völlig unabhängigen Optionen auftreten. Es kann zwischen zwei möglichen Interaktionsformen diffe- renziert werden: 1. Die Ausübung einer Realoption kann den Wert des Basisinstrumentes und somit den Wert der verbleibenden Realoptionen beeinflussen. 2. Die Möglichkeit besteht, dass der Wert des Basisinstrumentes und damit der Wert der Realoption allein durch die Existenz nachgelagerter Optio- nen beeinflusst wird. Der Einfluss von Interaktionseffekten auf den Projektwert kann sowohl positiver als auch negativer Art sein. Der Projektwert lässt sich gemäß der o.g. Gründe wie folgt darstellen: Erweiterter NPV = Statischer NPV + Werte der Einzeloptionen ± Interaktionseffekt Der Realoptionsansatz entwickelte sich rasch als ein neues Verfahren zur Be- wertung von realen Investitionsprojekten. Das Grundmodell - Binomialmodell445 Bei dem Binomialmodell wird angenommen, dass der Aktienkurs S0 einem Bi- nomialprozess folgt,446 welcher sich als eine Serie von aufeinanderfolgenden Bernoulliprozessen darstellt: Abb. 3.2.1.4 - 4 : Der Bernoulliprozess447 445 vgl. Spremann 1996, S. 640ff 446 vgl. Kruschwitz 2002, S.289 3 Lösungsansätze und ökonomisches Modell 185 Bei einem Bernoulliprozess können bei der Entwicklung des Aktienkurses zwei mögliche Ereignisse auftreten. Zum einen kann mit einer Wahrscheinlichkeit q eine günstige Entwicklung eintreten, bei der sich der Kurs mit einer Rate u (up) von S0 nach S0u entwickelt, zum anderen ist mit einer Wahrscheinlichkeit 1 - q eine ungünstige Entwicklung möglich. Der Kurs entwickelt sich dann mit einer Rate d (down) von S0 nach S0d. Um Arbitragemöglichkeiten auszuschließen, muss zusätzlich ein risikoloser Zinssatz r gefordert werden, der die Bedingung d < r < u erfüllt. Werden mehrere Bernoulliprozesse aneinandergereiht und wird die Optionsfrist in k 2 Teilperioden unterteilt, ergibt sich ein Binomialprozess. Dabei wird un- terstellt, dass es in jeder Periode unabhängig von früheren Kursverläufen zu einer Änderung des Aktienkurses kommen kann. Die Wertentwicklung V einer Immobilieninvestition kann folgenden Verlauf an- nehmen: Abb. 3.2.1.4 - 5 : Die Wertentwicklung einer Immobilie Die Investitionsausgabe wird mit I bezeichnet und die vom Investor gewünschte Verzinsung mit k . Der Kapitalwert beträgt nach der DCF- Methode K0 = V0 - I. Unter Berücksichtigung beider möglicher Zustände und ihrer Eintrittwahrschein- lichkeit folgt: 447 vgl. Kruschwitz 2002, S. 279 3 Lösungsansätze und ökonomisches Modell 186 E1+ = x · S1+ - K · E1- = x · S1- - K · q E0 = x · S0 - 1-q t0 t1 Ist der Kapitalwert negativ, würde von einer Investition abgesehen werden. Mit der Wahrscheinlichkeit q und der Verzinsung k geht die persönliche Risikoein- stellung des Investors in die Kapitalwertberechnung ein. Für eine risikoneutrale Bewertung wird nun eine alternative Anlage (z.B. Aktie) mit identischem Risikoprofil eingeführt. Der Erwerb von x Aktien zum Kurs S0 wird mit Eigenkapital E0 und einem Kredit K zu einem risikolosen Zinssatz r fi- nanziert: x · S0 = E0 + K. Die Wertentwicklung dieses Portfolios kann folgende Verläufe annehmen: Abb. 3.2.1.4 - 6 : Die Wertentwicklung eines Portfolios aus Aktien und Kredit Um dem Anspruch der Risikoneutralität zu genügen, müssen die Anzahl der Aktien x und das Kreditvolumen so abgestimmt sein, dass sich unabhängig vom Umweltzustand identische Cash Flows ergeben. Es muss also gelten: E1+ E1-. Durch Umformen ergibt sich: Der Faktor p wird auch als risikoneutrale Pseudowahrscheinlichkeit bezeichnet. In obiger Gleichung treten die Eintrittswahrscheinlichkeit q und Verzinsungsrate k nicht mehr auf. Individuelle Risikoeinstellungen des Investors werden also eliminiert.                11 1011 0 )1( , )1( )1( SS SrSpmit r EpEpE 3 Lösungsansätze und ökonomisches Modell 187 Durch Übertragung auf das Immobilieninvestment bzw. Immobilienprojekt folgt: Grundlage für die risikoneutrale Bewertung ist die Existenz eines anderen ge- handelten Vermögenstitels oder eines Portfolios. Dieses Portfolio weist die glei- chen Auszahlungsströme wie die Investition auf und folgt dem gleichen sto- chastischen Prozess wie der Zahlungsstrom der Investition. Die Unsicherheit bzgl. der Zahlungsströme wird nicht durch Erwartungen über die Ströme erfasst, stattdessen findet eine Anpassung der Eintrittswahrschein- lichkeiten statt. Aus der Bandbreite der möglichen Ausprägungen der Alternativanlage werden sogenannte ‚risikoangepasste Wahrscheinlichkeiten’ abgeleitet. Diese risikoad- justierten Wahrscheinlichkeiten führen zu den Investitionsprämissen, wenn die dadurch erreichte Rendite dem risikofreien Zins entspricht. Dieser Kunstgriff ermöglicht es, die Risikopräferenz des Marktes, die implizit in den möglichen Kursen der Alternativanlage steckt, für Aussagen über die (bei Risikoneutralität) ‚angemessenen’ Wahrscheinlichkeiten zu nutzen, nach denen sich der Wert der Investition entwickeln müsste.448 Für eine Alternativanlage mit den Parametern S0 , S1+ und S1- ergibt sich bei einem risikolosen Zinssatz von r = 8 % die Pseudowahrscheinlichkeit p = 0,42 bzw. (1-p) = 0,58. Mithilfe dieser Faktoren kann nun eine präferenzfreie Bewer- tung der Realinvestition gemäß obiger Gleichung für V0 erfolgen.449 448 vgl. Kühl 1998, S. 13 449 Die errechneten Pseudowahrscheinlichkeiten werden im Abschnitt 3.2.2 angewendet. )1( )1( 11 0 r VpVpV       3 Lösungsansätze und ökonomisches Modell 188 Bewertung von Wechsel- bzw. Umstellungsoptionen Wechsel- bzw. Umstellungsoptionen berücksichtigen die Möglichkeit, gegen Zahlung einer zusätzlichen Investitionssumme Izus nachträgliche Änderungen an der Projektstruktur vorzunehmen. Mit der Zusatzinvestition soll eine Steigerung des Projektwertes gegenüber der unveränderten Projektstruktur erzielt werden. Die Erhöhung des Projektwertes kann bei positiver oder negativer Marktent- wicklung unterschiedlich ausfallen. Folgende Projektwertszenarien sind möglich: Abb. 3.2.1.4 - 7: Die Projektwertentwicklung bei Umstellungs- bzw. Wechseloption Bei einer Zusatzinvestition von Izus ergibt sich also bei positiver Marktentwick- lung ein Projektwert von V1+ = max { V1+ ; 1,2 · V1+ - Izus } und bei negativer Marktentwicklung ein Projektwert von V1- . Als erweiterter Kapitalwert E0 ergibt sich mit der risikoneutralen Pseudowahrscheinlichkeit p = 0,42: Der Wert der Umstellungsoption beträgt O0 = E0 - K0. Gegenüber der Bewertung ohne zukünftige Handlungsflexibilität kann die Berücksichtigung der Umstel- lungsoption durchaus zu einem positiven Kapitalwert und somit zu einer positi- ven Bewertung der Immobilieninvestition führen, obwohl gemäß der klassischen DCF- Methode ein negativer NPV- Wert berechnet wurde. V1+ V1- q V0 1-q t0 t1 = max { V1+ ; 1,2 · V1+ - Izus } = max { V1- ; 1,5 · V1- - Izus } 3 Lösungsansätze und ökonomisches Modell 189 3.2.1.5 Die Ertragswertermittlung Der Bewertung der dargestellten Handlungsoptionen wird das im Abschnitt 3.2.1.4 aufgeführte Modell zur Bewertung von Wechsel- bzw. Umstellungsopti- onen zugrunde gelegt. Das jeweilig erforderliche Investitionsvolumen zur Ausübung der Optionen wird anhand von Kostenkennwerten bzw. auf Basis von Baupreisen ermittelt und mithilfe eines Preisindex auf das Jahr 2012 extrapoliert. Die Pseudowahrscheinlichkeit p = 0,42 und der risikofreie Zins r = 8 % wird an- gesetzt.450 Der jeweilige Projektwert wird mithilfe der Systematik des Ertrags- wertverfahrens ermittelt, da mit diesem Verfahren im Rahmen einer Verkehrs- wertermittlung der Marktwert einer Immobilie bestimmt wird (z.B. bei Verkauf der Immobilie). Der Jahresrohertrag ergibt sich aus Fläche x Mietzins/Monat x 12 Monate/Jahr. Die Bewirtschaftungskosten werden mit 25 % des Rohertrags angesetzt.451 Der Bodenwert wird für ein 6.213 m² großes Grundstück zu einem Preis von 1900 €/m²452 ermittelt. Der Liegenschaftszinssatz wird mit 6%, die Gesamtnut- zungsdauer mit 75 Jahren veranschlagt.453 Für die Bestimmung des Projekt- werts zum Zeitpunkt einer möglichen Optionsausübung im Jahr 2012 wird die Restnutzungsdauer entsprechend mit 65 Jahren angesetzt. Alle anderen Werte bleiben unverändert. 450 Für eine konkrete Bestimmung müsste ein adäquates ‚Underlying’ definiert werden, also ein Wertpa- pier, welches ein identisches Risikoprofil wie die Immobilie aufweist und z.B. an Finanzmärkten gehan- delt wird. 451 vgl. Thomas 2000, S. 402 ff 452 gem. Bodenrichtwertkarte, Quelle: http://www.duesseldorfde/gutachterausschuss/pdf/richtw.pdf siehe Anhang B 453 vgl. Thomas 2000, S. 408 f 3 Lösungsansätze und ökonomisches Modell 190 Nachfolgend wird die Ermittlung des Projektwerts in Abhängigkeit von der Nut- zungsart und den erzielbaren Mieten für die Ausgangssituation dargestellt: Abb. 3.2.1.5 - 1: Die Ertragswertermittlung der Büroimmobilie Der Ertragswert der baulichen Anlagen stellt die Summe der mit dem Liegen- schaftszinssatz auf den Bezugszeitpunkt diskontierten jährlichen Reinerträge der baulichen Anlagen über die Gesamtnutzungsdauer dar. Dies bedeutet, dass eine Immobilie mit einem Investitionsvolumen von 33,4 Mio. € und einem Er- tragswert von 33,4 Mio. € gerade das eingesetzte Kapital erwirtschaftet. Um eine angemessene Verzinsung zu erzielen, muss also der Ertragswert um den gewünschten Prozentsatz über dem Investitionsvolumen liegen. Für das Beispielobjekt gelten folgende Zahlen als Ausgangsszenario: Investitionssumme: 27.179.000 € (mit Bodenwert) Bodenwert: 11.804.700 € Reinertrag der baulichen Anlagen: 1.709.442 € p.a. bei 13,5 €/m² Ertragswert der baulichen Anlagen: 28.130.318 € Ertragswert (inkl. Bodenwert): 39.935.018 € 3 Lösungsansätze und ökonomisches Modell 191 Fordert der Investor z.B. eine Gesamtverzinsung seiner Investition von 10%, so ergibt sich für die obigen Daten ein Kapitalwert von: K = 39.935.018/ (1+0,1) - 27.179. 000 9.125.562 € Die Investition würde unter diesen Voraussetzungen vorgenommen werden. Bei der Anwendung des v.g. Immobilieninvestitionsmodells muss berücksichtigt werden, dass in der Zeit bis zur Ausübung der Option bereits Erträge mit der Immobilie erwirtschaftet werden, die Bestandteil des Projektwerts sind. Der 10-jährige Mietvertrag bedeutet, dass für diese Zeit sichere Erträge erwirt- schaftet werden, deren heutiger Barwert454 12.581.641,93 € beträgt. Der zum Erreichen des Ertragswerts noch erforderliche Barwert der Rückflüsse beträgt 28.130.317,89 € - 12.581.641,93 € = 15.548.675,96 €. Diesem Barwert ent- spricht ein im Jahre 2012 bei der Restnutzungsdauer von 65 Jahren zu erzie- lender Ertragswert der baulichen Anlagen von 27.845.310,53 € (39.650.010,53 € inkl. Bodenwert). Bei einem Verkauf der Immobilie nach 10 Jahren ergibt sich eine Zahlungsreihe bestehend aus den jährlichen Reinerträgen und dem Verkaufserlös, entspre- chend dem Ertragswert von 27.845.310,53 € im Jahre 2012. Werden diese Zah- lungen mit dem Liegenschaftszinssatz diskontiert, ergibt sich in 2002 als deren Barwert der oben genannte Ertragswert in Höhe von 28.130.317,89 €. Dies gilt für den Fall, dass sich die Ertragssituation nicht ändert. Während die Zahlungen in den ersten 10 Jahren sicher sind, ist der Ertragswert im Jahre 2012 von der jeweiligen Marktentwicklung abhängig. Treten keine Änderungen auf, so entspricht der Barwert der Zahlungen dem heutigen Ertragswert und der Investor erzielt gerade die obige Gesamtverzinsung über 10 Jahre von 46,9 %. 454 diskontiert mit dem Liegenschaftszinssatz 3 Lösungsansätze und ökonomisches Modell 192 Der zukünftige unsichere Ertragswert beeinflusst also die Vorteilhaftigkeit der Investition. Die Höhe des zu erzielenden Ertragswerts ist abhängig von der Marktsituation und nicht zuletzt von der Nutzungsmöglichkeit der Immobilie. Für den Investor besteht die Möglichkeit, durch Ausübung bestimmter Optionen die ihm aufgrund der flexiblen Gestaltung des Objekts zur Verfügung stehen, Einfluss auf den Ertragswert zu nehmen. Die im Rahmen der Optionsbewertungen ermittelten Projektwerte setzen sich zusammen aus dem Barwert der sicheren Erträge der ersten 10 Jahre (12.581.641,93 €) und dem Barwert des jeweiligen zukünftig erzielbaren Er- tragswerts in Abhängigkeit von der Marktsituation und Ausübung der Option. 3.2.1.6 Die Ausgangsvariante - Ermittlung des Investitionsvolumens Das Investitionsvolumen wird mit nach Leistungsbereichen differenzierten Kos- tenkennwerten auf Basis der Bruttogrundfläche (9.480 m²) ermittelt.. Für die einzelnen Optionen gilt, dass Rohbau und Gebäudehülle (LB 030-032) nicht verändert werden. Diese Elemente werden mit Kennwerten für ‚Büroge- bäude, hoher Standard - Mittelwert’455 angesetzt. Dies gilt auch für die Gebäu- detechnik. Die Kostenermittlung erfolgt auf Basis einer überschlägigen Massenermittlung gemäß folgender Aufstellung456. Die Gesamtsumme wurde mit dem Faktor 1,25 multipliziert, um nicht aufgeführte Leistungen und Gewerke zu berücksichtigen. 455 vgl. BKI 2002 S. 46 ff 456 Quelle d. Preise: SIRADOS Baupreise Stand 07/2002 bzw. 11/2002, Preissteigerungsindex 1,77 % p.a. 3 Lösungsansätze und ökonomisches Modell 193 Abb. 3.2.1.6 - 1: Die Ausbaukosten der Ausgangsvariante Büronutzung durch einen Nutzer Als Gesamtinvestitionsvolumen ergibt sich für den Investor eine Summe von rund 27.179.000 € gemäß folgender Aufstellung. Der Gewinn des Projektent- wicklers, die Notargebühren, die Grunderwerbssteuer etc. sollen in dieser Summe enthalten sein: Abb. 3.2.1.6 - 2: Die Basiskosten auf der Grundlage von Kennwerten Auf Basis dieser Nutzungsform, der Grundrissgestaltung und der Ausstattung sollen im Folgenden die verschiedenen Optionen untersucht werden. 3 Lösungsansätze und ökonomisches Modell 194 3.2.2 Der erweiterte Kapitalwert mit der Bewertung von Optionen in Form von Handlungsflexibilitäten Im Rahmen dieser Arbeit werden zunächst drei Optionsvarianten (Markt- und Standortszenarien und Handlungsmöglichkeiten) dargestellt. Anschließend werden diese Optionen in eine Investitionsbewertung integriert und ihr jeweiliger Wert bestimmt. Es wird neben dem statischen auch der erweiterte Kapitalwert berechnet. 3.2.2.1 Option 1: Modernisierung - Beibehaltung der Flächenkonfiguration Der bestehende Mietvertrag und die erstklassige Bonität des Mieters bieten dem Investor ein hohes Maß an Sicherheit für die ersten zehn Nutzungsjahre. Für die sich anschließende Nutzungsphase herrscht jedoch große Ungewiss- heit. Insbesondere die quantitative Angebots- und Nachfrageentwicklung kann nicht prognostiziert werden. Es ist möglich, dass die Verhandlungen über einen Anschlussvertrag bzw. die Verhandlungen mit einem neuen Mieter in - für den Investor - günstigen Marktverhältnissen stattfinden und das Mietniveau gestie- gen ist, oder aber dass ein Angebotsüberschuss herrscht und die Mieten ge- sunken sind. In jedem Fall kann davon ausgegangen werden, dass die allgemeinen Ausstat- tungsstandards in der Zwischenzeit z.B. aufgrund technischer Entwicklungen gestiegen sind und die Büroimmobilie im Vergleich zu jüngeren Konkurrenzob- jekten nicht mehr im oberen Mietpreissegment angesiedelt werden kann. Bei einer positiven Entwicklung soll dennoch eine Erhöhung des Mietzinses um 4 % von 13,50 €/m² auf 14,04 €/m² am Markt realisiert werden können. Im Falle einer ungünstigen Entwicklung kann das Objekt lediglich für 11,88 €/m² vermietet wer- den (-12 %). 3 Lösungsansätze und ökonomisches Modell 195 Daneben besteht die Option, die Immobilie für ein noch zu bestimmendes In- vestitionsvolumen zu modernisieren und so die weitere Marktgängigkeit zu ga- rantieren bzw. die Wettbewerbsfähigkeit im oberen Mietpreissegment wieder- herzustellen. Gegen Zahlung dieser Investitionssumme soll es dem Investor möglich sein bei einer günstigen Marktentwicklung 16,74 €/m² zu erzielen (+24 %), während bei ungünstigen Marktverhältnissen eine Steigerung um 12 % auf 15,12 €/m² möglich ist. Modernisierungskosten Das Investitionsvolumen ‚Modernisierung’ ergibt sich schwerpunktmäßig aus Kosten, die aus der Anpassung der gebäudetechnischen Anlagen und Installa- tionen an aktuelle technische, ökonomische und ökologische Top-Standards entstehen. Dies betrifft i.W. die Bereiche Regelung und Steuerung der HLS- Anlagen, Gebäudeautomation, Leuchten und Lampen, sowie die Ausstattung mit Informations- und Kommunikationstechnologien. Die Modernisierungskosten ergeben sich für die betreffenden Leistungsberei- che gemäß folgender Tabelle auf Basis von Kostenkennwerten für Gebäude- technik.457 Dabei wird davon ausgegangen, dass die bestehenden Installationen teilweise nicht in vollem Umfang ersetzt werden müssen. Abb. 3.2.2.1 - 1: Die Aufschlüsselung der Modernisierungskosten - TGA 457 vgl. BKI 2002: Bürogebäude hoher Standard, S. 48 3 Lösungsansätze und ökonomisches Modell 196 Weitere Kosten entstehen durch Modernisierungen im Bereich des raumbilden- den Ausbaus. Der Schwerpunkt der Maßnahmen liegt auf der Modernisierung der Sanitäranlagen und -räume (siehe auch LB 045 in obiger Tabelle) und der Bodenbeläge in den Büros (Nadelfilz): Abb. 3.2.2.1 - 2: Die Aufschlüsselung der Modernisierungskosten - Ausbau Aufgrund der flexiblen Ausbausysteme der Sekundärstruktur (z.B. revisionsfä- hige Doppelböden) entstehen keine weiteren Kosten. Weitere Kosten z.B. im Bereich der Bauteiloberflächen (z.B. Wandbekleidungen) sind Bestandteil der Bewirtschaftungskosten und werden nicht berücksichtigt. Für den Investor besteht also nach Ablauf des 10-jährigen Mietvertrages die Option, die Immobilie gegen eine zusätzliche Investition von 1.170.000 + 491.000 = 1.661.000 € derart zu modernisieren, damit die Bürofläche bei positi- ver oder negativer Marktentwicklung für die jeweilige Spitzenmiete vermietet werden kann. 3 Lösungsansätze und ökonomisches Modell 197 Bewertung der Option 1 In der nachfolgenden Tabelle werden die jeweiligen Projektwerte bei günstiger und bei ungünstiger Marktentwicklung ermittelt. In jedem Zustand wird zusätz- lich auch der Projektwert bei Ausübung der Option ermittelt: Abb. 3.2.2.1 - 3: Die Projekt- und Optionswertermittlung für die Option 1 - Modernisierung Die Veränderungsquote bezieht sich auf das Mietpreisniveau der Ausgangs- vermietung, also 13,50 €/m². Die Zusatzinvestition beträgt 1.661.000 €, wie oben aufgeführt. Aus der Tabelle lässt sich entnehmen, dass sich bei günstiger Marktentwicklung nach Ablauf des 10-jährigen Mietvertrages ein Projektwert von rd. 40.300.000 € als Gesamtertragswert (inkl. Bodenwert) ergibt. Durch Ausübung der Option, d.h. gegen Zahlung der Modernisierungskosten kann der Projektwert auf rd. 40.460.000 € gesteigert werden. Marktmiete Veränderung 1 Ertragswert Zusatzinvestition Projektwert V10+ 14,04 € 4,0% 40.299.270,37 € - € 40.299.270,37 € 16,74 € 24,0% 42.120.532,80 € 1.661.000,00 € 40.459.532,80 € Max.: 40.459.532,80 € Marktmiete Veränderung 1 Ertragswert Zusatzinvestition Projektwert V10- 11,88 € -12,0% 38.842.260,43 € - € 38.842.260,43 € 15,12 € 12,0% 41.027.775,35 € 1.661.000,00 € 39.366.775,35 € Max.: 39.366.775,35 € Optionswert Projektwert V10+ 40.299.270,37 € Projektwert V10+ 40.459.532,80 € Projektwert V10- 38.842.260,43 € Projektwert V10- 39.366.775,35 € risikoloser Zins r 8% risikoloser Zins r 8% q 42,2% p 42,2% 1-q 57,8% 1-p 57,8% Vo 36.534.668,90 € Vo 36.877.927,62 € Io 33.405.000,00 € Io 33.405.000,00 € stat. Kapitalwert: 3.129.668,90 € erw. Kapitalwert: 3.472.927,62 € 343.258,72 € Parameter: Nutzfläche 8.240,00 m² Liegenschaftszins 6% Bewirtschaftungskosten 25% Bodenwert 11.804.700,00 € Restnutzungsdauer 65 Jahre Bodenwertverzinsung 708.282,00 € 1 Veränderung gegenüber der Erstvermietung für 13,50 €/m² Option 1: Modernisierung nach 10 Jahren - günstige Marktentwicklung 12581641,93 Option 1: Modernisierung nach 10 Jahren - ungünstige Marktentwicklung Option 1: 'Modernisierung nach 10 Jahren' Kapitalwertbestimmung der Immobilieninvestition statisch, ohne Option erweitert, mit Option 3 Lösungsansätze und ökonomisches Modell 198 Bei ungünstiger Entwicklung müssten nach Ablauf des Mietvertrags Ertragsein- bußen hingenommen werden. Dadurch ergibt sich ein Projektwert von rd. 39.840.000 €. Mit der Durchführung der beschriebenen Modernisierungsmaß- nahmen ist es möglich, den Wert auf ca. 39.370.000 € zu steigern. Werden die beiden Projektwertszenarien ohne Optionsauswertung mit der in Abschnitt 3.2.1.4 eingeführten Pseudowahrscheinlichkeit und dem risikolosen Zinssatz bewertet, ergibt sich für den statischen Kapitalwert ein Wert von rd. 9.356.000 €. Legt der Investor die von ihm gewünschte Rendite von 10 % bei einer gleichen Wahrscheinlichkeit von 50 % für den Eintritt eines jeden Umweltzustandes zugrunde, ergibt sich übrigens ein Kapitalwert von: K = 0,5 x 40.299.270,37 + 0,5 x 38.842.260,43/ (1+0,1) - 27.179.000 8.794.423 € Die Ausübung der Option 1 ‚Modernisierung’ führt in beiden Marktzuständen zu gesteigerten Projektwerten gegenüber der unveränderten Projektstruktur. D.h. der erweiterte Kapitalwert bei Ausübung der Option ist ebenfalls positiv und beträgt rd. 9.699.000 €. Als Wert der Option ergibt sich die Differenz von erweitertem Kapitalwert und statischem Kapitalwert: rd. 343.000 €. Für die Investitionsentscheidung ist zunächst die risikoneutrale Bewertung rele- vant, die einen positiven Kapitalwert bei Einbeziehung zukünftiger Entwicklun- gen liefert. Die klassische Methode liefert einen negativen Kapitalwert. Darüber hinaus werden die zukünftigen Wertpotentiale durch Modernisierung durch den Optionswert erfasst, der den Kapitalwert anhebt. 3 Lösungsansätze und ökonomisches Modell 199 3.2.2.2 Option 2: Revitalisierung - Aufgliederung in kleinere Büroeinheiten Aufgrund struktureller Veränderungen im Dienstleistungssektor zugunsten klei- nerer Unternehmensformen verlagert sich der Schwerpunkt der Büroflächen- nachfrage auf Einheiten der Größe 150 - 250 m². Zum einen besteht also die Option, das Gebäude in seiner jetzigen Form zu belassen, also Projektstruktur und -umfang nicht zu verändern. In diesem Fall stellt sich die Frage der Anschlussvermietung. Möglicherweise kann der auslau- fende Mietvertrag mit dem bisherigen Nutzer verlängert werden oder es kann ein Nachmieter für das gesamte Objekt gefunden werden. Im Falle einer schlechten Marktentwicklung kann jedoch auch der Fall eintreten, dass die Flä- chen nicht vermietet werden können. Daneben besteht die Option die Projektstruktur anzupassen, um auf die aktuelle Nachfragesituation am Markt zu reagieren. Zu diesem Zweck sollen drei Ge- schosse (Regelgeschosse, 1. bis 3. OG) in kleinere Einheiten umgebaut wer- den. Bei einer positiven Marktentwicklung versucht der Investor mit dem bisherigen Nutzer einen neuen Vertrag auszuhandeln. Da in dieser Größenklasse von Bü- roflächen ein Angebotsüberschuss herrscht (Schwerpunkt auf kleineren Nut- zungseinheiten), kann trotz allg. guter Entwicklung nur eine um 8 % von 13,50 €/m² auf 14,58 €/m² gestiegene Miete vereinbart werden. Im Falle einer ungünstigen Marktentwicklung kann die Gesamtfläche nicht ver- mietet werden. Für die Ermittlung des Projektwerts wird dann eine ortsübliche, durchschnittlich erzielbare Miete vergleichbarer Grundstücke angesetzt. Sollte der Investor sich bei Leerstand entscheiden, das Objekt zu veräußern, würde auf dieser Basis der Ertragswert und damit der Verkehrswert ermittelt.458 458 vgl. Thomas 2000, S. 402 3 Lösungsansätze und ökonomisches Modell 200 Aufgrund der flexiblen Primärstruktur besteht die Möglichkeit, die Geschossflä- chen beliebig umzugestalten und so auf geänderte Nachfragesituationen zu reagieren. Das zusätzliche Investitionsvolumen für eine derartige Umbaumaß- nahme wird nachfolgend ermittelt. Bei günstiger Marktentwicklung können durch Ausübung der Option 16,74 €/m² erzielt werden (+24 %), während bei un- günstigen Marktverhältnissen eine Steigerung um 12 % auf 15,12 €/m² möglich ist. Revitalisierungskosten Um der geänderten Nachfragesituation gerecht zu werden, wird die Gesamtflä- che von 8.240 m² bei einer Nutzungseinheit in insgesamt 36 Einheiten mit einer Gesamtnutzfläche von 8.000 m² unterteilt (weniger Nutzfläche durch Allgemein- flure und mehr Konstruktionsgrundfläche). Die wesentlichen Umbauarbeiten beschränken sich auf das 1. bis 3. Oberge- schoss. In diesen Ebenen entstehen je fünf Einheiten mit vermietbaren Flächen von 150 m² bis 215 m². Im 4. und 5. Obergeschoss sowie im Staffelgeschoss werden lediglich die Öffnungen in der Brandwand geschlossen und in geringem Umfang Trockenbauarbeiten durchgeführt und so je Ebene zwei Einheiten mit rd. 600 m² bzw. 430 m² (SG) Nutzfläche geschaffen. Das Erdgeschoss bleibt unverändert (1.180 m²). Abb. 3.2.2.2 - 1: Option 2 - Die Aufschlüsselung der Umbaukosten - TGA 3 Lösungsansätze und ökonomisches Modell 201 Die Kosten bestehen i.W. aus den Gruppen Rückbau, Neubau der Ausbauge- werke und Neubau der Haustechnik in den betreffenden drei Geschossen (4.290 m² BGF). Um die neue Aufteilung in Nutzungseinheiten durchführen zu können, müssen zunächst die Elemente der bisherigen Ausbauvariante entfernt werden. Die ge- ringfügigen Leistungen im 4. bis 5. OG (Rückbau T - 90 Tür, Trennwände) sind in der Aufstellung enthalten: Abb. 3.2.2.2 - 2: Option 2 - Die Rückbaukosten der Ausgangsnutzung im 1. bis 3. OG In der folgenden Abbildung sind die Ausbaukosten für die neue Einrichtung von je fünf Nutzungseinheiten im 1. bis 3. OG aufgeführt. Der Doppelboden bleibt i.W. erhalten, lediglich in den Bereichen der neuen Nutzungstrennwände wer- den ggf. neue Elemente erforderlich (dies wird mit einem Anteil von 10 % der Gesamtfläche berücksichtigt): 3 Lösungsansätze und ökonomisches Modell 202 Abb. 3.2.2.2 - 3: Option 2 - Die Kosten für den Ausbau im 1. bis 3. OG Die Kosten aus den Bereichen Gebäudetechnik, Rückbau und Ausbau ergeben somit ein Investitionsvolumen von 2.134.000 €. Gegen Zahlung dieser Summe erhält der Eigentümer der Immobilie die Möglichkeit, das Objekt den aktuellen Marktbedürfnissen im Hinblick auf die Flächengröße der vermietbaren Nut- zungseinheiten anzupassen. 3 Lösungsansätze und ökonomisches Modell 203 Dies ermöglicht es ihm unter Umständen einen höheren Ertrag zu erwirtschaf- ten als bei Vermietung an einen einzigen Nutzer. Falls der Investor nach 10 Jahren keinen Mieter für das gesamte Objekt finden kann, stellt die Revitalisie- rungsoption eine Absicherung gegen Leerstand und damit totalen Ertragsausfall dar. Bewertung der Option 2 Die Projekt- und Kapitalwerte für die Option 2 ‚Revitalisierung’ können aus der folgenden Abbildung entnommen werden. Im Falle einer ungünstigen Entwick- lung kann das Objekt in seiner bestehenden Projektstruktur nicht vermietet werden. Dies bedeutet jedoch nicht, dass der Projektwert gleich null ist. Zum einen sind die sicheren Erträge der ersten 10 Jahre und der Bodenwert zu be- rücksichtigen; zum anderen würde z.B. im Rahmen einer Verkehrswertermitt- lung der Ertragswert auf Basis einer ortsüblichen Durchschnittsmiete vergleich- barer Objekte ermittelt, diese wird durch 9,72 €/m² repräsentiert. Abb. 3.2.2.2 - 4: Die Projekt- und Optionsbewertung für die Option 2 - Revitalisierung Marktmiete Veränderung 1 Ertragswert Zusatzinvestition Projektwert V10+ 14,58 € 8,0% 40.362.133,30 € - € 40.362.133,30 € 16,74 € 24,0% 41.774.492,94 € 2.134.000,00 € 39.640.492,94 € Max.: 40.362.133,30 € Marktmiete Veränderung 1 Ertragswert Zusatzinvestition Projektwert V10- 9,72 € -28,0% 37.184.324,12 € - € 37.184.324,12 € 15,12 € 12,0% 40.715.223,21 € 2.134.000,00 € 38.581.223,21 € Max.: 38.581.223,21 € Optionswert Projektwert V10+ 40.362.133,30 € Projektwert V10+ 40.362.133,30 € Projektwert V10- 37.184.324,12 € Projektwert V10- 38.581.223,21 € risikoloser Zins r 8% risikoloser Zins r 8% q 42,2% p 42,2% 1-q 57,8% 1-p 57,8% Vo 35.672.000,00 € Vo 36.420.000,00 € Io 33.405.000,00 € Io 33.405.000,00 € stat. Kapitalwert: 2.267.000,00 € erw. Kapitalwert: 3.015.000,00 € 748.000,00 € Parameter: Nutzfläche 7.987 m² Liegenschaftszins 6% Bewirtschaftungskosten 25% Bodenwert 11.804.700,00 € Restnutzungsdauer 65 Jahre Bodenwertverzinsung 708.282,00 € Option 2: Revitalisierung nach 10 Jahren - günstige Marktentwicklung 12581641,93 Option 2: Revitalisierung nach 10 Jahren - ungünstige Marktentwicklung 1 Veränderung gegenüber der Erstvermietung für 13,50 €/m² Kapitalwertbestimmung der Immobilieninvestition statisch, ohne Option erweitert, mit Option Option 2: Revitalisierung 3 Lösungsansätze und ökonomisches Modell 204 Im Falle der Optionsausübung bei positiver Marktentwicklung reicht eine deutli- che Steigerung der Miete aus, um den Projektwert gegenüber dem der unver- änderten Projektstruktur leicht zu erhöhen, trotz des hohen zusätzlichen Investi- tionsvolumens. Durch einen drohenden Leerstand im Jahr 2012 ergibt sich ein statischer Kapi- talwert von 8.493.000 €. Die Ausübung der Option ‚Revitalisierung’ sichert den Investor gegen die Zahlung der Zusatzinvestition ab und führt zu einer positiven Investitionsentscheidung bei einem Kapitalwert von 9.241.000 €. 3.2.2.3 Option 3: Redevelopment - Mixed- Use- Immobilie Im Rahmen der Option 3 ‚Redevelopment’ wird die Umwandlung der Büroim- mobilie in eine Mixed- Use- Immobilie, also in ein gewerblich und zu Wohnzwe- cken genutztes Objekt, untersucht. Gravierende Veränderungen des Mikro- und/oder Makrostandorts könnten zum Beispiel der Anlass für die Durchführung einer solchen Umnutzungsmaßnahme sein. Ein Redevelopment bringt i.d.R. umfangreiche bauliche Veränderungen mit sich und bedeutet daher einen nicht unerheblichen zeitlichen und finanziel- len Aufwand. Dies gilt letztendlich auch für flexibel gestaltete Objekte. Die er- forderlichen Maßnahmen beschränken sich im Wesentlichen auf die Ausbau- gewerke. Bei der Option 3 wird angenommen, dass die Nachfrage nach Büroflächen ins- gesamt rückläufig ist und sich zudem auf Einheiten der Größe um ca. 500 m² konzentriert. Ein Mieter für das gesamte Objekt lässt sich nur schwer finden, woraus ein relativ niedriger Mietpreis für das Gesamtobjekt resultiert. Es kommt auch eine hochwertige Wohnnutzung in den oberen Geschossen in Betracht. Für weitere Flächen z.B. im Erdgeschoss besteht die Möglichkeit ei- ner Nutzung durch Handelsunternehmen oder auch für gastronomische Zwe- cke. 3 Lösungsansätze und ökonomisches Modell 205 Grundlage der weiteren Betrachtungen ist die Umnutzung des 5. bis 6. OG zu Wohnzwecken (40 Wohnungen von 60 - 100 m², ca. 2.964 m² Nutzfläche) und die Ausweisung von zwei Einheiten im EG für Handel und Gastronomie. Die Büroflächen im 1. bis 3. OG werden geschossweise in je zwei Einheiten unterteilt (Rückbau der T 90 Tür, Schließen der Brandwand und kleinere An- passungsarbeiten). Folgende Mieten werden in Abhängigkeit von der Marktentwicklung angesetzt: - Wohnen: 9,20 €/m² bei schlechter bzw. 11,75 €/m² bei guter Entwicklung, - Büro: 14,04 €/m² bei schlechter bzw. 16,74 €/m² bei guter Entwicklung und - Handel / Gastronomie: 28,00 €/m² bei schlechter bzw. 32,00 €/m² bei guter Entwicklung. Kosten des Redevelopments Auf den folgenden Seiten werden die Kosten für die Ausübung der Option 3 ermittelt. Diese setzen sich wiederum aus den Kosten für den Rückbau der Ausgangsnutzung (EG, sowie 4. bis 6. OG), den technischen und den raumbil- denden Ausbau für die neuen Nutzungen zusammen. Die Kosten für die Gebäudetechnik im EG stellen den Maximalaufwand aus den Mittelwerten für Geschäftshäuser bzw. Gaststätten, Kantinen und Mensen dar.459 Die Kennwerte für die Wohnnutzung entsprechen denen für Wohnhäu- ser, mittlerer Standard mit mehr als 15% Mischnutzung.460 Auch für die techni- sche Ausstattung in diesen Bereichen gilt, dass nicht in jedem Fall 100 % der Kosten angesetzt werden, da auf bereits vorhandene Aggregate und Installatio- nen aufgebaut werden kann. 459 vgl. BKI 2002: ‚Geschäftshäuser, beengter Bauraum’, S. 364 ff und ‚Gaststätten, Kantinen und Mensen’, S. 328 ff 460 vgl. BKI 2002: Wohnhäuser, mittlerer Standard, > 15 % Mischnutzung, S. 298 ff 3 Lösungsansätze und ökonomisches Modell 206 Abb. 3.2.2.3 - 1: Option 3 - Die Rückbaukosten des EG und der Geschosse 4. bis 6.OG Der raumbildende Ausbau im Erdgeschoss für die Handelsnutzung bzw. für die gastronomisch genutzten Bereiche beschränkt sich auf die Schaffung von we- nigen Räumen (Aufenthaltsräume, Sanitärbereiche, Küche, Büro und dgl.). Der weitere Ausbau (Oberflächen, Ladenausstattung etc.) ist Angelegenheit des jeweiligen Pächters. 3 Lösungsansätze und ökonomisches Modell 207 Abb. 3.2.2.3 - 2: Option 3 - Die Ausbaukosten der Wohnungen im 4. bis 6.OG Abb. 3.2.2.3 - 3: Option 3 - Technischer Ausbau - Die Kosten der Wohnungen im 4. bis 6.OG 3 Lösungsansätze und ökonomisches Modell 208 Abb. 3.2.2.3 - 4: Option 3 - Die Ausbaukosten für die gewerbliche Nutzung im EG Abb. 3.2.2.3 - 5: Option 3 - Technischer Ausbau - Die Kosten der gewerblichen Nutzung im EG 3 Lösungsansätze und ökonomisches Modell 209 Würde der Investor also im Jahre 2012 nach Auslaufen des Mietvertrages auf- grund der herrschenden Standort- und Marktbedingungen ein Redevelopment des Objekts zu einer Mixed- Use- Immobilie mit den oben beschriebenen Nut- zungsformen in Betracht ziehen, so würde die Ausübung dieser Option eine zusätzliche Investition von 2.460.000 € erforderlich machen. Bewertung der Option 3 Auch für die Option 3 gilt, dass die unveränderte Projektstruktur bei ungünstiger Marktentwicklung nicht vermietet werden kann. Der Projektwert bei Options- ausübung resultiert aus dem Jahresrohertrag, der sich aus den verschiedenen Nutzungen und Mieten ergibt: Abb. 3.2.2.3 - 6: Die Projekt- und Optionsbewertung für die Option 3 - Redevelopment Marktmiete Veränderung 1 Ertragswert Zusatzinvestition Projektwert V10+ 14,58 € 8,0% 40.663.522,86 € - € 40.663.522,86 € - 13,2% 41.136.202,47 € 2.460.000,00 € 38.676.202,47 € 12.581.641,93 € Max.: 40.663.522,86 € Marktmiete Veränderung 1 Ertragswert Zusatzinvestition Projektwert V10- 9,72 € -28,0% 37.385.250,49 € - € 37.385.250,49 € - 6,9% 40.561.046,93 € 2.460.000,00 € 38.101.046,93 € Max.: 38.101.046,93 € Optionswert Projektwert V10+ 40.663.522,86 € Projektwert V10+ 40.663.522,86 € Projektwert V10- 37.385.250,49 € Projektwert V10- 38.101.046,93 € risikoloser Zins r 8% risikoloser Zins r 8% q 42,2% p 42,2% 1-q 57,8% 1-p 57,8% Vo 35.898.000,00 € Vo 36.281.000,00 € Io 33.405.000,00 € Io 33.405.000,00 € stat. Kapitalwert: 2.493.000,00 € erw. Kapitalwert: 2.876.000,00 € 383.000,00 € Parameter: Nutzfläche (Büro) 8.240,00 m² Liegenschaftszins 6% Bewirtschaftungskosten 25% Bodenwert 11.804.700,00 € Restnutzungsdauer 65 Jahre Bodenwertverzinsung 708.282,00 € Wohnen Büro Handel/Gastro Jahresrohertrag 2.963,74 m² 3.708,00 m² 1.142,97 m² günstig 9,20 €/m² 16,74 €/m² 32,00 €/m² 1.510.959,76 € ungünstig 11,75 €/m² 14,04 €/m² 28,00 €/m² 1.426.648,61 € Option 3: Redevelopment nach 10 Jahren - ungünstige Marktentwicklung 1 Veränderung gegenüber der Erstvermietung für 13,50 €/m² bzw. dem entsprechenden Jahresrohertrag Kapitalwertbestimmung der Immobilieninvestition statisch, ohne Option erweitert, mit Option Option 3: Redevelopment Rohertrag bei Mixed-Use Option 3: Redevelopment nach 10 Jahren - günstige Marktentwicklung 3 Lösungsansätze und ökonomisches Modell 210 Auch bei diesem Szenario ergibt sich ein deutlich positiver statischer Kapital- wert trotz des Leerstandes bei ungünstiger Marktentwicklung. Allerdings liefert die Option der Umnutzung in ein gemischt genutztes Objekt keinen erhöhten erweiterten Kapitalwert und damit keine bessere Absicherung, wie dies eben- falls bei der Revitalisierung der Fall war. Durch die Umnutzungsoption lässt sich jedoch das Potential um den Optionswert von 383.000 € erhöhen. Der hohe Investitionsaufwand für die Umnutzung zu Wohnungen mit einem vergleichsweise geringem Mietniveau ist dafür ein wesentlicher Grund. Durch eine andere Projektstruktur mit einem höheren Anteil von Handels- bzw. Gast- ronomieflächen kann jedoch unter Umständen ein höherer Projektwert und so- mit ein positiver erweiterter Kapitalwert erzielt werden. 3.2.3 Die Bewertung der Handlungsflexibilitäten mit Realoptionen461 An dem Beispiel der Büroimmobilie wurde aufgezeigt, wie die durch bauliche Flexibilität geschaffenen Handlungsoptionen mit der Realoptionstheorie bewer- tet werden können. Es wurde bei der Bewertung ein genau definiertes Szenario zugrunde gelegt. Allerdings ist die Realität sehr viel komplexer. Weiterhin muss nicht nur ein Zeitpunkt, der zudem noch über einen Zeitraum von 10 Jahren definiert ist, berücksichtigt werden, sondern es muss ein Modell angewendet werden, was kontinuierlich wirkt. Das Recht auf die Ausübung der Realoption wird jedoch im Gegensatz zu den Finanzoptionen durch vertragliche Verpflichtungen gegenüber dem Immobilien- nutzer unter Umständen stark eingeschränkt. Bei einer Wohnungsnutzung ver- hindert das Mietrecht eine Kündigung der Mieter, für den Fall, dass ein Investiti- onsobjekt einer ertragreicheren Nutzung zugeführt werden soll. 461 vgl. Ferreau 2003, S.141f 3 Lösungsansätze und ökonomisches Modell 211 Weiterhin kann ein Nutzer z.B. durch Insolvenz bereits während der Vertrags- laufzeit ausfallen. Auch in diesem Fall ist wiederum ein zeitlich kontinuierliches Modell erstrebenswert. Dies wurde durch das dargestellte diskrete Modell nicht berücksichtigt. Des Weiteren muss der betrachtete einperiodige Zeitraum von 10 Jahren, der sog. Bernoulli-Prozess um weitere Nutzungsperioden über die technische Nut- zungsdauer zu einem Binomialmodell ergänzt werden, um das Projekt über seine gesamte Lebensdauer bewerten zu können. Ein weiterer Punkt, der berücksichtigt werden muss, ist, dass Immobilien häufig durch mehrere Mieter mit unterschiedlichen Vertragslaufzeiten genutzt werden. Für die Ausübung von Optionen wie z.B. einem Redevelopment oder einer grundlegenden Revitalisierung muss allerdings die gesamte Immobilie oder abgeschlossene Teile leer stehen. Durch ein gezieltes Vertragsmanagement kann der Freizug der Flächen entsprechend geplant werden. Die Vertragsdau- ern sollten dabei so abgeschlossen werden, dass sich innerhalb der techni- schen Nutzungsdauer zwei, drei oder ggf. mehr ‚Meilensteine’ ergeben, zu de- nen die Ausübung einer Option (Modernisierung, Revitalisierung oder Redeve- lopment) wahrgenommen werden kann. Es kann dann ein drei- oder vierperio- diges Binomialmodell für die Bewertung zugrunde gelegt werden. Bei einer immobilienwirtschaftlichen Realoption sind die Besonderheiten der Bauplanung und -produktion zu berücksichtigen. Ändern sich z.B. die Markt- entwicklungen, die eine Revitalisierung, siehe im vorangegangenen Kapitel die Option 2, sinnvoll erscheinen lassen, muss ein zeitlicher Planungsaufwand für die behördliche Genehmigung der Maßnahmen und deren Ausführung berück- sichtigt werden. Im schlechtesten Fall können sich die Marktentwicklungen wie- der ändern, so dass sich der Markt bei Beendigung der durchgeführten Maß- nahmen bereits wieder in einem anderen, ungünstigen Zustand befindet. 3 Lösungsansätze und ökonomisches Modell 212 Wie in dem vorangegangenen Beispiel ersichtlich ist, stellen die zur Ausübung der einzelnen Optionen erforderlichen und ermittelten Investitionsvolumina mit bis zu 10 % der Erstinvestition einen nicht unerheblichen Finanzierungsaufwand dar. Zusammenfassend ist zu konstatieren, dass die Schaffung zukünftiger Variati- onsmöglichkeiten von Projektumfang und bzw. oder der Projektstruktur vor dem Hintergrund wachsender Ertragsrisiken ein nicht außer Acht zu lassendes Wertpotential darstellt. Dieses Potential kann mittels der Realoptionstheorie bei der Investitionsbewertung im Gegensatz zu anderen Verfahren berücksichtigt werden. Die Schaffung von baulicher Flexibilität in Kombination mit einem auf ‚Handlungszeitpunkte’ ausgerichteten Mietvertragsmanagement macht die An- wendung eines Realoptionsmodells möglich, welches Gebäude- und Hand- lungsflexibilitäten zu einer Investitionsbewertung zusammenführt. Ein wesentliches Element ist hierbei die risikoneutrale Bewertung zukünftiger Umweltzustände bzw. Projektwerte. Die Voraussetzung ist die Identifikation eines geeigneten ‚Underlying’ mit einem identischen Risikoprofil. Überträgt man dies auf den Immobilienbereich, so können z.B. für die Investition in eine Büro- immobilie in Frankfurt die Aktienkurse verschiedener Banken herangezogen werden. Zum Schluss bleibt noch festzuhalten, dass die Integration des Realoptionsan- satzes zu einer genaueren Investitionsbewertung führt und so die Entscheidung für den Investor, ob er oder ob er nicht investieren soll, wesentlich besser als bei den klassischen Investitionsverfahren gestützt wird. 3 Lösungsansätze und ökonomisches Modell 213 3.3 Die historische Simulation Die historische Simulation ist ein Verfahren, mit dem die zukünftige Entwicklung eines Portfolios prognostiziert werden kann. Sie besitzt finanzmathematische Grundlagen und wird in der Finanzwirtschaft zur Portfolioprognose und Risiko- abschätzung von Finanzanlagen eingesetzt.462 Wird das Verfahren der historischen Simulation auf den Wohnungsmarkt über- tragen, so kann bei geeigneter Zusammenstellung eines Portfolios die Miet- preisentwicklung prognostiziert und somit die zukünftig erzielbaren Mieten ein- geschätzt werden. Für die Mietpreisprognose mit der historischen Simulation werden Zeitreihenda- ten der historischen Mietpreise benötigt. 3.3.1 Die Erhebung der Daten auf dem Wohnungsmarkt Für die Erhebung der historischen Mietpreisdaten stehen unterschiedliche amt- liche und nichtamtliche Quellen zur Verfügung. In der folgenden Aufstellung werden die möglichen Datenquellen hinsichtlich ihrer Verwendbarkeit zur Prog- nose von Mietpreisentwicklungen untersucht. Anschließend werden die Daten daraufhin bewertet, ob sie für den Einsatz in der historischen Simulation geeig- net sind. 462 vgl. Meinen 2004, S. 40 - 42 3 Lösungsansätze und ökonomisches Modell 214 3.3.1.1 Die Wahl der Datenquellen für die Mietpreisprognose Allgemein zugängliche Daten lassen sich aus amtlichen und nichtamtlichen Quellen beziehen. Die amtlichen Datenquellen, die auf geeignete Mietpreisdaten untersucht wer- den sollen, können wie folgt zusammengefasst werden: Amtliche Datenquelle Internetadresse Mietpreis- daten Statistisches Bundesamt Deutschland www.destatis.de nein Landesamt für Datenverarbeitung und Statistik Nordrhein-Westfalen www.lds.nrw.de nein Amt für Statistik und Wahlen der Landeshauptstadt Düsseldorf www.duesseldorf.de/ statistik/index.shtml nein Bundesarbeitskreis Wohnungsmarkt- beobachtung www.wohnungsmarkt beobachtung.de nein Abb. 3.3.1.1 - 1: Die amtlichen Datenquellen463 Die ausführlichsten statistischen Daten stellt das Statistische Bundesamt Deutschland zur Verfügung. Es sind vielfältige Datensätze zur Bevölkerungs- entwicklung, den Einkommensverhältnissen und den wirtschaftlichen Rahmen- daten der Bundesrepublik Deutschland zusammengestellt. Die Statistischen Landesämter stellen die für jedes Bundesland wichtigen Sta- tistiken bereit. Bei den Statistischen Ämtern der Städte und Kommunen können die wichtigsten Daten für die einzelnen Städte ermittelt werden. In vielen Fällen greifen die Länder und Städte auf die Datenbasis des statisti- schen Bundesamtes zurück und bereiten die Daten nur für die eigene Region auf. Diese Quellen stellen explizit keine Mietpreiswerte in der Form einer Zeit- reihe zur Verfügung, so dass die Quelle nicht genutzt werden kann. 3 Lösungsansätze und ökonomisches Modell 215 Eine weitere Datenquelle für den Wohnungsmarkt ist der Bundesarbeitskreis Wohnungsmarktbeobachtung. Der Arbeitskreis wird aus dem Bundesamt für Bauwesen und Raumordnung, den Bundesländern und den Kommunen gebil- det. Bei den Bundesländern sind in der Regel die Landesbanken für das Woh- nungsmarktsystem verantwortlich. Das Ziel des Arbeitskreises ist es, eine In- formationsgrundlage für die Wohnungspolitik des Landes und der Kommunen zu schaffen. Inzwischen werden die Daten auch von der Wohnungs-, Bau- und Finanzwirtschaft genutzt. Das System der Wohnungsmarktbeobachtung soll die für die Beurteilung der Wohnungsmarktentwicklung wichtigen Daten im Zeitreihenformat bereitstellen. Das System befindet sich noch im Aufbau. Die Daten werden erst ab dem Jahr 1998 regelmäßig erhoben und können aufgrund der nicht ausreichend in die Vergangenheit reichenden Daten zurzeit noch nicht als Datenquelle für die his- torische Simulation dienen. Die nichtamtlichen Datenquellen setzen sich aus den folgenden Quellen zu- sammen: Nicht amtliche Datenquelle Internetadresse Mietpreis- daten Deutsches Institut für Wirtschafts- forschung (DIW Berlin) www.diw.de nein Bulwien AG www.bulwien.de www.riwis.de nein Ring Deutscher Makler e.V. (RDM) www.rdm- bundesverband.de ja Abb. 3.3.1.1 - 2: Die nicht amtlichen Datenquellen464 463 Thimm 2005, S.146 464 Thimm 2005, S.147 3 Lösungsansätze und ökonomisches Modell 216 Nicht amtliche Datenquellen mit Daten, die einen Bezug zur Mietpreisentwick- lung haben, werden von den folgenden Instituten und privaten Marktforschungs- unternehmen bereitgestellt. Das Deutsche Institut für Wirtschaftsforschung (DIW Berlin) stellt seit 1984 Da- ten über das sozioökonomische Panel zur Verfügung. Dieses Panel wird durch eine jährliche Wiederholungsbefragung von mehr als 12.000 Haushalten und fast 24.000 Personen ermittelt. Die Umfrage hat die Haushaltszusammenset- zung, Erwerbs- und Familienbiographie, Erwerbsbeteiligung und berufliche Mo- bilität, Einkommensverläufe, Gesundheit und Lebenszufriedenheit zum The- menschwerpunkt. Stellvertretend für die Marktforschungsunternehmen wird hier die Bulwien AG erwähnt. Das Unternehmen erstellt selbst Prognosen, Standortanalysen und Nutzungskonzepte. Es stellt über das Internetportal „Riwis“ planungsrelevante Daten von 440 Kreisen für den Wohnungsmarkt zur Verfügung. Der Ring Deutscher Makler e.V. (RDM) ist der Berufsverband der Deutschen Makler. Dieser Verband erstellt jährlich einen Immobilienpreisspiegel für 344 Städte der Bundesrepublik Deutschland. Dabei werden Verkaufspreise für Ein- familienhäuser, Reihenhäuser und Eigentumswohnungen erfasst. Zudem wer- den Mietpreise für 3-Zimmer Wohnungen mit der Größe von 70 m2 gesammelt. Die Preise sind die aktuellen Marktpreise des ersten Quartals des Jahres und werden durch Umfragen unter den Verbandsmitgliedern gesammelt.465 Von diesen Daten sollen für die Prognose der Preisentwicklung die Woh- nungsmieten der Stadt Düsseldorf gewählt werden. 465 RDM Immobilienpreisspiegel, Wohnimmobilien 1988 bis 2004, Blatt 1 3 Lösungsansätze und ökonomisches Modell 217 3.3.1.2 Die Beschreibung der Mietpreisdaten Die Mietpreisdaten für 3-Zimmerwohnungen mit 70 m2 Wohnfläche sind in un- ten dargestellter Abbildung für die Jahre 1988 bis 2004 zusammengestellt. Preisspiegel des RDM Nordrhein-Westfalen Stadt Düsseldorf Wohnungsmieten Netto-Kaltmieten, €/m2 monatlich (Bezogen auf 3 Zimmer- Wohnungen mit ca. 70 m2 Wohnfläche) Fertigstellung bis 1948 Fertigstellung ab 1948 Neubau/ Erstbezug Jahr einfacher WW mittlerer WW guter WW einfacher WW mittlerer WW guter WW mittlerer WW guter WW 1988 3,27 3,94 4,99 4,04 5,24 6,26 6,26 7,03 1989 4,09 5,11 6,14 4,60 6,14 7,16 7,16 8,18 1990 4,60 5,62 6,65 4,86 6,65 7,67 7,67 9,20 1991 4,81 5,88 7,16 5,11 7,16 8,18 8,18 9,71 1992 4,86 6,14 7,67 5,62 7,67 8,69 8,69 9,97 1993 5,11 6,90 8,95 5,62 7,67 9,71 9,46 11,50 1994 4,60 6,39 9,20 5,11 7,67 9,71 9,46 12,02 1995 4,60 6,39 9,20 5,11 7,67 9,71 9,46 11,50 1996 4,60 6,39 9,20 5,11 7,67 9,71 9,71 11,50 1997 4,86 5,88 8,18 5,11 7,16 8,69 9,46 10,23 1998 4,60 6,14 7,16 5,62 7,16 8,69 9,20 10,23 1999 4,60 6,14 7,16 5,62 7,16 8,69 9,20 10,74 2000 4,60 5,62 7,16 5,62 7,16 8,69 9,20 11,76 2001 4,60 5,62 7,16 5,62 7,16 8,69 9,20 11,76 2002 4,60 5,60 7,20 5,65 7,15 8,70 9,20 11,75 2003 4,50 5,50 7,20 5,65 7,15 8,70 9,20 11,75 2004 4,50 6,00 7,00 5,50 6,80 8,20 9,00 11,00 WW= Wohnwert, Mietpreise = Nettokaltmieten in €/m2 Abb. 3.3.1.2 - 1: Der Preisspiegel des RDM für 3-Zimmer Wohnungen mit 70,0 m2 Die Gliederung der Wohnungen des Immobilienpreisspiegels des RDM erfolgt über das Baujahr des Gebäudes, in dem die Wohnung liegt, bzw. über den Zeitpunkt einer vollständigen Modernisierung der Wohnung und über die Aus- stattungsmerkmale der Wohnungen. Die Gebäudeklassen teilen sich in Gebäu- de mit der Fertigstellung vor 1948, ab 1948 und Neubau/Erstbezug. Die Ausstattungsmerkmale unterteilen sich in einfachen, mittleren und guten Wohnwert. 3 Lösungsansätze und ökonomisches Modell 218 Der einfache Wohnwert definiert sich über die Ausstattungsstandards: - WC in der Wohnung - Einfaches Bad, heizbar - Keine zentrale Beheizungsanlage, Fenster mit Einfachverglasung - Wenig bevorzugte Wohnlage Der mittlere Wohnwert ist durch die Merkmale gekennzeichnet: - Bad und WC - Verbundglasfenster - Zentralheizung - Gute Bausubstanz - Gemischt bebaute Wohnlage mit ausgeglichener Bevölkerungsstruktur Der gute Wohnwert hat die folgenden Merkmale: - Modernes Bad, WC - Zentralheizung - Isolierverglasung - Balkon - eventuell Fahrstuhl - Gute Wohnlage466 3.3.1.3 Die Beurteilung der Mietpreisdaten Für die Anwendung eines Prognoseinstrumentes muss die Zeitstabilitätshypo- these überprüft werden. Dabei müssen die Gesetzmäßigkeiten, die zu den his- torischen Daten geführt haben, auch für die Zukunft gelten. Da der Mietwoh- nungsmarkt ein Bestandsmarkt ist, kann davon ausgegangen werden, dass keine dramatischen Veränderungen eintreten werden. 466 RDM Immobilienpreisspiegel, Wohnimmobilien 1988 bis 2004, Blatt 1 3 Lösungsansätze und ökonomisches Modell 219 Und sollte sich dies trotzdem ereignen, so ist durch die Trägheit der Marktver- hältnisse nur eine langsame Beeinflussung zu erwarten. Damit gehen selbst dramatische Geschehnisse automatisch in die Zeitreihe ein. Die Zeitstabilitäts- hypothese ist somit eingehalten. Die Immobilienpreisspiegel des RDM für die Stadt Düsseldorf liegen für die Jah- re 1988 bis 2004, also 16 Jahre, vor. Damit besitzen die Mietpreiszeitreihen den Umfang n=16. Der finanzmathematische Ursprung der historischen Simulation geht von Portfo- lien aus, deren Wert täglich neu gebildet werden kann, wie z.B. bei Aktien, so dass sehr schnell ein Zeitreihenumfang von n=500 oder mehr erreicht werden kann. Die Auswirkung des niedrigen Zeitreihenumfangs der RDM-Daten ist die starke Wertigkeit eines einzelnen Zeitreihenwertes. Bei Aktienreihen ist die Auswir- kung eines falsch erhobenen oder sehr ungewöhnlichen Wertes bei einem Da- tenumfang von mindestens n=500 wesentlich geringer als bei den Mietpreisda- ten. Allerdings sollte beachtet werden, dass Mietpreise höchstens monatlich erfasst werden können und dass sie geringere Schwankungen aufweisen. Die Progno- seergebnisse mit wenigen Ausgangsdaten sind nur unter der Berücksichtigung einer größeren Fehleranfälligkeit zu beurteilen. 3.3.2 Die Prognoseaussage mit der historischen Simulation Es soll anhand der Daten des Ringes Deutscher Makler die Prognose für die Mietpreisentwicklung für den Wohnungsmarkt der Stadt Düsseldorf ermittelt werden. Zuvor werden die Grundlagen der historischen Simulation wie z.B. die unterschiedlichen Berechnungsansätze kurz aufgezeigt. 3 Lösungsansätze und ökonomisches Modell 220 3.3.2.1 Die historische Simulation Das der historischen Simulation zugrunde liegende Portfolio erfährt im zeitli- chen Verlauf eine Wertänderung. Ursächlich dafür ist die Entwicklung, bzw. die Veränderung der Marktpreise der Portfoliopositionen.467 Jede Portfolioposition besteht aus einem konstanten Mengenfaktor bj und einem variablen Faktor zt,j.468 Z.B. ist der Faktor zt,j eines einfachen Aktienportfolios inländischer Aktien der in dem betrachteten Zeitraum t = 1,...,T,T+1 gehandelte Aktienkurs. Der diskrete Zeitindex t steht für die gewählte Zeiteinheit, z.B. Han- delstage, T steht für den aktuellen Zeitpunkt und T+1 bezeichnet den zukünfti- gen Zeitpunkt, für den die Prognoseverteilung aufgestellt werden soll.469 Der aktuelle Wert des Portfolios lässt sich für mehrere Positionen wie folgt dar- stellen:  J 1j j,TjT zbw t=1,…,T j=1,…, J Gleichung 3.3.2.1 - 1 Korrelieren die das Portfolio bestimmenden Faktoren funktional mit einem oder mehreren anderen Faktoren, so werden diese Portfoliopositionen als komplex bezeichnet. Komplexe Portfoliopositionen besitzen konstante Mengen ai und Faktoren yt,i. Bei komplexen Portfoliopositionen ist zunächst zu klären, in welcher Abhängig- keit die korrelierten Faktoren zueinander stehen, d.h. welche funktionale Bezie- hung gi zwischen den Faktoren besteht. )z(gy i,tii,t  t=1,…,T ; i=1,…,I Gleichung 3.3.2.1 - 2 Die einfachste Form einer komplexen Position ist eine Aktie, die in einer aus- ländischen Währung gehandelt wird. Neben dem Aktienkurs besitzt diese Posi- tion einen Wechselkurs, der den Wert des Portfolios bestimmt. 467 vgl. Huschens 2000, S. 2 468 vgl. Huschens 1997, S. 2 3 Lösungsansätze und ökonomisches Modell 221 Ein Portfolio, das mindestens eine komplexe Position besitzt, wird als komplex definiert, alle anderen als einfache Portfolios. Der aktuelle Wert eines komple- xen Portfolios stellt sich wie folgt dar:   J j jTj I i iTiT zbyaw 1 , 1 , t=1,…,T; i=1,…,I ; j=1,…,J Gleichung 3.3.2.1 - 3 Der Ablauf der historischen Simulation besteht zunächst darin, mit den aus der Vergangenheit bekannten Faktoren die historischen Wertänderungen des Port- folios zu bestimmen. Mit diesen historisch erzeugten Wertänderungen wird die relative Häufigkeitsverteilung ermittelt. Die Grundidee der historischen Simulati- on ist es, diese Häufigkeitsverteilung als die Wahrscheinlichkeitsverteilung der zukünftigen Wertänderungen des Portfolios zu interpretieren. Dieses Vorgehen ist zulässig, da die relativen Häufigkeiten nicht negativ sind und sich zu Eins addieren.470 Nach den Axiomen von A.N. Kolmogorov471 sind genau dies die Kriterien für die Wahrscheinlichkeit, so dass die Verteilung der relativen Häufigkeiten als identisch mit der Wahrscheinlichkeitsverteilung der zukünftigen Wertänderungen angesehen werden kann. Zur Durchführung der historischen Simulation stehen mehrere Verfahren und Methoden zur Verfügung, vgl. Abb. 3.3.2.1 - 1 Ansätze historischer Simulation Portfolioansatz Faktoransatz Differenzen- simulation Raten- simulation Differenzen- simulation Raten- simulation Gemischter Ansatz Abb. 3.3.2.1 - 1: Übersicht der Ansätze der historischen Simulation472 469 vgl. Huschens 1997, S. 2 470 vgl. Huschens 2000, S.4 471 vgl. Bleymüller 2004, S. 28 472 Huschens 2000, S.7 3 Lösungsansätze und ökonomisches Modell 222 Die Einteilung in den Portfolio- und den Faktoransatz ergibt sich aus der ver- schiedenartigen Ermittlung der zukünftigen Wertänderungen des Portfolios. Der Portfolioansatz beruht auf der Neubewertung des Portfolios mit den histori- schen Faktorreihen. Mit diesen Werten werden durch Subtraktion die histori- schen Wertänderungen des Portfolios ermittelt.473 Der Portfolioansatz wird auch als gewöhnlicher Ansatz und der Faktoransatz als spezifischer Ansatz bezeich- net.474 Beim Faktoransatz werden zunächst die Wertänderungen der einzelnen histori- schen Faktoren ermittelt. Diese historischen Wertänderungen werden als simu- lierte zukünftige Wertänderungen interpretiert. Mit diesen potentiellen Änderun- gen der Faktoren wird die Verteilung der zukünftigen Wertänderungen be- stimmt.475 Sowohl beim Portfolioansatz, als auch beim Faktoransatz können die Differen- zen auf unterschiedlichem Weg berechnet werden. Beide Ansätze unterschei- den Differenzensimulation und Ratensimulation. Bei der Differenzensimulation werden auf Basis der absoluten Wertänderungen die zukünftigen absoluten Wertdifferenzen des Portfolios ermittelt, aus denen sich die gesuchte Wahrscheinlichkeitsverteilung der potentiellen Wertänderun- gen ergibt. Die Ratensimulation erzeugt zunächst auf Basis der relativen histo- rischen Änderungen die Verteilung der relativen zukünftigen Änderungen. Aus dieser Verteilung wird die absolute Wertänderungsverteilung des gesamten Portfolios ermittelt.476 473 vgl. Huschens 1997, S.6 474 vgl. Huschens 1997, S. 3 und Huschens 2000, S. 6 475 vgl. Huschens 1997, S.6 476 vgl. Huschens 2000, S. 7 3 Lösungsansätze und ökonomisches Modell 223 Die Berechnungsverfahren der historischen Simulation lassen sich sowohl beim Portfolio- als auch beim Faktoransatz in drei Teilschritte aufteilen, die sich wie folgt darstellen: Portfolioansatz Schritt 1 Schritt 2 Schritt 3 Differenzensimulation einfach   J 1j j,tjt zbw komplex     J 1j j,tj I 1i i,tit zbyaw )z(gy i,tii,t  1ttt www  wt ˆ wT+1 Ratensimulation einfach   J 1j j,tjt zbw komplex     J 1j j,tj I 1i i,tit zbyaw )z(gy i,tii,t  1 1 1 ~        t tt t t t w ww w w w TtT www * ~ 1    Abb. 3.3.2.1 - 2: Die Berechnungsschritte der historischen Simulation – Portfolioansatz 3 Lösungsansätze und ökonomisches Modell 224 Faktoransatz Schritt 1 Schritt 2 Schritt 3 Differenzensimulation j,tj,Tj,1T zzz    )zz(bw J 1j j,tj,Tj1T      einfach j,1tj,tj,t zzz     J 1j Tj,tj,Tj F t w)zz(bw  1T F t wˆw  h,th,Th,1T zzz     ,…, H,tH,TH,1T zzz      ff  fi I 1i H,1Th,1Tii1T )z,...z(gaw + )zz(b J 1j j,tj,Tj fl ffi  komplex h,1th,th,t zzz !"# ,…, H,1tH,tH,t zzz $%fi & ' (( ) I 1i H,1Th,1Tii F t )z,...z(gaw * + T J 1j j,tj,Tj w)zz(b "  fl ffi 1T F t wˆw +, -- Abb. 3.3.2.1 - 3: Die Berechnungsschritte - Faktoransatz mit Differenzensimulation 3 Lösungsansätze und ökonomisches Modell 225 Faktoransatz Schritt 1 Schritt 2 Schritt 3 Ratensimulation einfach j,1t j,1tj,t j,1t j,t j,t z zz z z z~    jTjtjT zzz ,,,1 *~    J 1j j,Tj,tj1T zz~bw komplex ,..., z zz z~ h,j,1t h,j,1th,j,t h,j,t H,j,1t H,j,1tH,j,t z zz jhTjhthjT zzz ,,,,,,1 * ~  ,…, jHTjHtHjT zzz ,,,,,,1 * ~   1Tw    I i iHTHthThtii zzzzga 1 ,,,, )) ~1,...()~1(( +  J j jTjtj zzb 1 ,, ~ t: Zeitindex für historische Werte T: Zeitindex für aktuelle Werte T+1: Zeitindex für zukünftige Werte w: Portfoliowert a, b: konstante Menge bei komplexer/einfacher Portfolioposition z: unabhängiger Faktor y: abhängiger Faktor i, j: Summenindex bei komplexer/ einfacher Portfolioposition g: Abhängigkeitsfunktion mehrerer Faktoren h= Anzahl der Faktoren, die über gi miteinander verbunden sind Abb. 3.3.2.1 - 4: Die Berechnungsschritte - Faktoransatz mit Ratensimulation Weitere Ansätze der historischen Simulation Das Verfahren der historischen Simulation besitzt weitere Ansätze zur Bestim- mung der Prognoseverteilung, die zur Vollständigkeit erwähnt werden sollen, ohne genauer ausgeführt zu werden. Gemischter Ansatz Die Behandlung der Faktoren beim Faktoransatz mit der Ratensimulation muss nicht für jeden Faktor gleich sein. 3 Lösungsansätze und ökonomisches Modell 226 So können für einen Teil der Faktoren die absoluten Änderungen und für den anderen Teil die relativen Änderungen angesetzt werden, aus denen dann die zukünftigen Wertänderungen des Portfolios ermittelt werden. Diese Methode wird als gemischter Ansatz bezeichnet. Niveauansatz Der Niveauansatz bildet die zukünftige Prognoseverteilung aus den Wertände- rungen ab, die sich auf den aktuellen Wert wT und nicht auf den jeweiligen Wert wt-1 der Vorperiode beziehen. Die Prognoseverteilung lässt sich also wie folgt ermitteln: wT+1= wt - wT Gleichung 3.3.2.1 - 4 Eine Unterscheidung in Portfolio- oder Faktoransatz findet nicht statt, auch ist das Vorgehen für einfache und komplexe Portfolios analog. Das Verfahren lässt sich theoretisch schwer fassen, da bei dieser Methode die typischen zeitlichen Anhängigkeiten und Trends der historischen Faktorreihen nicht berücksichtigt werden.477 Zusätzliche Ansätze Zusätzliche Ansätze der historischen Simulation ergeben sich, wenn bei kom- plexen Portfolios die Beziehungsfunktion gi(zt,i) der Faktoren durch lineare oder quadratische Funktionen approximiert werden. Das Vorgehen für diesen Ansatz ist bei Huschen für eine Taylorapproximation erster und zweiter Ordnung be- schrieben.478 477 vgl. Huschens 1997, S. 19 478 vgl. Huschens 1997, S. 12 ff und S.18 3 Lösungsansätze und ökonomisches Modell 227 Die Statistische Interpretation der historischen Simulation479 Die verschiedenen Ansätze der historischen Simulation können unter bestimm- ten Annahmen als statistisch sinnvolle nichtparametrische Verteilungsschät- zungen definiert werden. Aus statistischer Sicht wird bei der historischen Simulation aus den Beobach- tungen x1, x2,…, xT auf die Verteilung eines gesuchten Wertes xT+1 geschlossen. In der statistische Notation werden die Beobachtungen x1, x2,…, xT als Realisa- tion der Zufallszahlen X1, X2,…, XT definiert. Unter der Voraussetzung gleicher Verteilungen kann die empirische Verteilung der Beobachtungen x1, x2,…, xT als Schätzung der gesuchten Verteilung X1, X2,…, XT+1 gedeutet werden. Durch die empirische Verteilung wird der Menge A die relative Häufigkeit der Beobachtungen, die in A liegen, wie folgt zugeordnet: T A xmit t Anzahl)A(Pˆ t  Gleichung 3.3.2.1 - 5 )A(Pˆ gilt als unverzerrter Schätzwert für die Wahrscheinlichkeit P(XT+1  A). Die Genauigkeit der getroffenen Schätzung hängt von der Abhängigkeitsstruk- tur der Beobachtungen ab. Bei stochastischer Unabhängigkeit der Zufallsvari- ablen kann problemlos auf die Genauigkeit der Schätzung geschlossen wer- den.480 Bei dem Portfolioansatz ist, unter der Voraussetzung identischer Verteilungen der Wertänderungen  wt mit den zu schätzenden Wertänderungen  wT+1, die empirische Verteilung der historischen Wertänderungen eine nichtparametri- sche Schätzung für die gesuchte Verteilung von  wT+1. 479 vgl. Huschens 1997, S.20 ff 480 vgl. Huschens 2000, S. 13 3 Lösungsansätze und ökonomisches Modell 228 Bei dem Faktoransatz wird die Verteilung der Portfoliowertänderungen nicht direkt, sondern nur indirekt aus den prognostizierten Änderungen der Faktoren ermittelt. Daher kann die Verteilung der Zufallvariablen X1, X2,…, XT nur indirekt nicht- parametrisch geschätzt werden. Ist die Variable X funktional abhängig von einer weiteren Variable Y, dann gilt X= f(Y), dabei ist sowohl X, als auch Y eine iden- tisch verteilte Variable und stochastisch unabhängig. Daher gilt, dass durch die Beobachtungen y1,y2,…,yT die indirekten Realisationen x1=f(y1), x2=f(y2),…, xT=f(yT) berechnet werden und deren empirische Verteilung als Verteilungs- schätzung für die Verteilung von X interpretiert werden können. 3.3.2.2 Die Bildung eines Portfolios mit RDM- Daten Das Ziel der Prognose ist, die Mietpreisentwicklung für den Wohnungsmarkt der Stadt Düsseldorf auf der Basis der Daten des RDM zu ermitteln. Dabei stellt sich die Frage, wie das der historischen Simulation zugrunde liegende Portfolio gestaltet werden kann. Die Daten der RDM-Mietspiegel liegen für 3-Zimmerwohnungen mit einer Durchschnittsgröße von 70 m2 vor. Es sind Nettokaltmieten pro m2. Somit wird für den Wohnungsteilmarkt der 3-Zimmerwohnungen mit 70 m2 eine Prognose ermittelt. Dieser Wohnungsteilmarkt ist durch die Baualtersklassen und die Ausstattungsklassen in weitere acht Subteilmärkte aufgeteilt. Je nach dem Investitionsziel des Investors kann das der historischen Simulation zugrunde liegende Portfolio unterschiedlich zusammengesetzt werden. Die his- torischen Daten der RDM-Mietspiegel ermöglicht es, für unterschiedliche Inves- torinteressen gezielte Mietpreisprognosen zu erstellen. So kann für die Miete bestimmter Gebäudealtersgruppen eine Prognose erstellt werden. Im Vergleich mit einer weiteren Prognose auf der Basis der RDM- 3 Lösungsansätze und ökonomisches Modell 229 Daten für neuwertige Wohnungen können anschließend die Unterschiede in der Mietpreisentwicklung ermittelt werden. Damit kann z.B. eine Modernisierungsin- vestition auf ihre Wirtschaftlichkeit hin untersucht werden. Einfache Portfolios Einfache Portfolios bestehen aus der Mengenkonstanten bj und der Preisvariab- len zt,j. Die Konstante bj kann mit der Wohnungsgröße von 70 m2 gewählt wer- den. Sollen mehrere Wohnungen betrachtet werden, so muss die Anzahl mit der Wohnungsgröße multipliziert werden. Im vorliegenden Fall wird aber die Prognose für den Mietpreis pro Quadratme- ter erstellt, so dass die Konstante bj= 1 festgelegt wird. Das Ergebnis wird für die reine Teilmarktbetrachtung dadurch nicht verfälscht. Lediglich wenn mehre- re Wohnungen aus unterschiedlichen Teilmärkten betrachtet werden sollen, muss die Konstante berücksichtigt werden. Die Variablen zt,j sind bei einfachen Portfolios die Mietpreisdaten des RDM für die einzelnen Subteilmärkte. Die Ursachen der Preisänderung werden nicht explizit herausgestellt und sind nur durch ihre Auswirkungen in den Daten ent- halten. Die Begründung dafür liefert die Zeitstabilitätshypothese. Komplexe Portfolios Die komplexe Komponente eines Portfolios wird aus der Mengenkonstante ai und dem Faktor yt,j ermittelt. Dieser Faktor yt,j wird durch die funktional abhän- gigen Faktoren zt,j,h gebildet. Die funktionalen Abhängigkeiten der einzelnen Faktoren bei Wohnungsmärkten ergeben sich aus den makroökologischen Einflüssen auf die Mietpreisentwick- lung und sind der Bestandteil von genaueren Untersuchungen wie in Kapitel 3.4.3 dargestellt, so dass zu diesem Zeitpunkt keine komplexen Portfoliopositi- onen formuliert werden sollen. 3 Lösungsansätze und ökonomisches Modell 230 3.3.2.3 Die historische Simulation mit dem Portfolioansatz Mit dem Portfolioansatz soll im Folgenden beispielhaft eine historische Simula- tion für den Teilwohnungsmarkt des RDM-Mietspiegels für Wohnungen in Ge- bäuden, die vor 1948 gebaut worden sind und einen einfachen Wohnwert auf- weisen, durchgeführt werden. Die historische Simulation erfolgt tabellarisch für den Portfolioansatz mit der Differenzen- und der Ratensimulation. Portfoliobildung Differenzen- simulation Ratensimulation b zt,1 wt wt tw ~  wT+1 (1) (2) (3) (4) (5) (6) wt=1988 1 3,27 3,27 wt=1989 1 4,09 4,09 0,82 0,2508 1,13 wt=1990 1 4,60 4,60 0,51 0,1247 0,56 wt=1991 1 4,81 4,81 0,21 0,0457 0,21 wt=1992 1 4,86 4,86 0,05 0,0104 0,05 wt=1993 1 5,11 5,11 0,25 0,0514 0,23 wt=1994 1 4,60 4,60 -0,51 -0,0998 -0,45 wt=1995 1 4,60 4,60 0,00 0,0000 0,00 wt=1996 1 4,60 4,60 0,00 0,0000 0,00 wt=1997 1 4,86 4,86 0,26 0,0565 0,25 wt=1998 1 4,60 4,60 -0,26 -0,0535 -0,24 wt=1999 1 4,60 4,60 0,00 0,0000 0,00 wt=2000 1 4,60 4,60 0,00 0,0000 0,00 wt=2001 1 4,60 4,60 0,00 0,0000 0,00 wt=2002 1 4,60 4,60 0,00 0,0000 0,00 wt=2003 1 4,50 4,50 -0,10 -0,0217 -0,10 wt=2004 1 4,50 4,50 0,00 0,0000 0,00 Erläuterungen zur tabellarischen Berechnung: (3)= (1) * (2) Differenzensimulation (4)= wT=2004 - wt=2003 ,…, wt=1988 - wt=1989 aus (3) Ratensimulation (5)= (wT=2004 - wt=2003)/ wt=2003 ,…, (wt=1988 - wt=1989)/ wt=1989 aus (3) (6)= (5) * wT=2004 Abb. 3.3.2.3 - 1: Der Portfolioansatz mit der Differenzen- und Ratensimulation 3 Lösungsansätze und ökonomisches Modell 231 Differenzensimulation Ratensimulation Klassen Häufig- keit relative Häufigkeit kumulierte Summen- häufigkeit Häufig- keit relative Häufig- keit kumulierte Summen- häufigkeit <-1,00 0 0 0 0 0 0 -1,00 bis -0,75 0 0 0 0 0 0 -0,75 bis -0,50 1 0,0625 0,0625 0 0 0 -0,50 bis -0,25 1 0,0625 0,125 1 0,0625 0,0625 -0,25 bis 0,00 8 0,5 0,625 9 0,5625 0,625 0,00 bis 0,25 3 0,1875 0,8125 4 0,25 0,875 0,25 bis 0,50 1 0,0625 0,875 0 0 0,875 0,50 bis0,75 1 0,0625 0,9375 1 0,0625 0,9375 0,75 bis 1,00 1 0,0625 1 0 0 0,9375 1,00 bis 1,25 0 0 1 0,0625 1 1,25 bis 1,50 0 0 0 0 >1,50 0 0 0 0 Summe: 16 1 16 1 Abb. 3.3.2.3 - 2: Die Häufigkeitsberechnung für den Portfolioansatz - Einfaches Portfolios Relative Häufigkeiten Wohnungen in Gebäuden bis 1948 einfacher Wohnwert 0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 <-1 ,00 -1, 00 bi s - 0,7 5 -0, 75 bi s - 0,5 0 -0, 50 bi s - 0,2 5 -0, 25 bi s 0 ,00 0,0 0 b is 0 ,25 0,2 5 b is 0 ,50 0,5 0 b is0 ,75 0,7 5 b is 1 ,00 1,0 0 b is 1 ,25 1,2 5 b is 1 ,50 >1 ,50 Klasseneinteilung re l. H äu fig ke it Differenzensimulation Ratensimulation Abb. 3.3.2.3 - 3: Die zukünftige Wertänderung der RDM-Mieten 3 Lösungsansätze und ökonomisches Modell 232 Die relativen Häufigkeiten werden bei der historischen Simulation als Wahr- scheinlichkeitsverteilung der zukünftigen Wertänderungen des Portfolios inter- pretiert. Daraus folgt, dass die in Abbildung 3.3.2.3 - 3 dargestellten relativen Häufigkeiten die potentiellen Wertänderungen sind, die für den Subteilmarkt der Wohnungen in Gebäuden gelten, die vor 1948 gebaut sind und einen einfachen Wohnwert besitzen. Die Ergebnisse der Raten- und der Differenzensimulation unterscheiden sich in einigen Punkten. Auffällig ist, dass bei der Ratensimulation die Extrempositio- nen des positiven Wertänderungsbereichs einen höheren Wert aufweisen als bei der Differenzensimulation. Zum Beispiel weist die extremste Wertänderung der Ratensimulation einen Wert von 1,13 €/m2 auf, dagegen liegt der gleiche Wert der Differenzensimulation bei 0,82 €/m2. Umgekehrt liegt der Fall, wenn die negativen Wertänderungen betrachtet werden. Da steht der niedrigsten Wertänderung der Ratensimulation mit -0,45 €/m2 der Wert der Differen- zensimulation von -0,51 €/m2 gegenüber. Die Kurve der relativen Häufigkeits- verteilung der Ratensimulation ist daher auch gegenüber der Kurve der Diffe- renzensimulation nach rechts verschoben. Bei Investitionsentscheidungen ist ein wesentliches Kriterium die Sicherheit der Investition. Daher ist für einen Investor die mögliche Verlusthöhe interessant. Die Wertänderungsverteilung, die eine größere Mietsenkung und somit einen höheren möglichen Ertragsverlust prognostiziert, wird als die geeignete Wahr- scheinlichkeitsverteilung der Wertänderungen bewertet. Dies ist in diesem Fall die Prognoseaussage der Differenzensimulation. Sie bietet zudem den Vorteil, dass die positiven Wertänderungen geringer bewertet werden als bei der Ra- tensimulation. So werden positive Entwicklungen schwächer bei der Investiti- onsentscheidung berücksichtigt. Das dient ebenfalls der sicheren Entschei- dungsfindung. 3 Lösungsansätze und ökonomisches Modell 233 Die Klasse von -0,25 bis 0,00 €/m2 ist bei der Differenzensimulation mit 50 % aller Wertänderungen belegt. Die am zweit stärksten besetzte Klasse ist die Klasse von 0,00 bis 0,25 €/m2 mit 18,75% der Wertänderungen. 68,75 % aller Wertänderungen liegen demnach in einem Bereich von maximal 0,50 €/m2. Daraus folgt, dass dieser Wohnungssubteilmarkt als konstant ange- sehen werden kann. Die Verlustaussichten, aber auch die Gewinnaussichten sind als gering zu bewerten. Das Ergebnis der Prognose ist bei dem Prognoseinstrument der historischen Simulation für die nächste Zeitperiode T+1 gültig. Die Zeitreihendaten liegen als Jahreswerte vor, so dass die Zeitperiode ein Jahr umfasst. Der letzte Zeitrei- henwert ist für das Jahr 2004 angegeben. Daher ist die Prognoseaussage für das Jahr 2005 gültig. Verteilungsfunktion Wohnungen in Gebäuden bis 1948 einfacher Wohnwert 0,00 0,20 0,40 0,60 0,80 1,00 1,20 <-1 ,00 -1, 00 bi s - 0,7 5 -0, 75 bi s - 0,5 0 -0, 50 bi s - 0,2 5 -0, 25 bi s 0 ,00 0,0 0 b is 0 ,25 0,2 5 b is 0 ,50 0,5 0 b is0 ,75 0,7 5 b is 1 ,00 1,0 0 b is 1 ,25 1,2 5 b is 1 ,50 >1 ,50 Klasseneinteilung F (x) Differenzensimulation Ratensimulation Abb. 3.3.2.3 - 4: Die Verteilungsfunktion der zukünftigen Wertänderung 3 Lösungsansätze und ökonomisches Modell 234 Aus der Verteilungsfunktion in der Abbildung 3.3.2.2 - 5 kann eine Abschätzung über die möglichen Wertänderungen der Mietpreise für diesen Subteilmarkt erfolgen. Mit einer Wahrscheinlichkeit von 6,25 % wird sich die Wertänderung der Mietpreise in der Spanne von -0,75 bis -0,50 €/m2 einstellen. Mit einer Wahrscheinlichkeit von 93,75% liegen die Wertänderungen in der Spanne von -0,75 bis 0,75 €/m2. Mit einer Wahrscheinlichkeit von 100 % liegen die zukünftigen Wertänderungen in der Spanne -0,75 bis 1,00 €/m2. Berechnung des Value at Risk481 Das Verfahren des Value at Risk basiert auf einer normalverteilten Verteilungs- funktionskurve, die für die Verteilungsfunktionen der historischen Simulation ausgeschlossen werden kann. Daher wird ein Schätzverfahren für den Value at Risk entwickelt. Für die Schät- zung des VaR muss das - Quantil (Q  ) der Verteilung XT+1bestimmt werden. Q ermittelt sich wie folgt: P=(XT+1  Q )= Gleichung 3.3.2.3 - 1 Die nichtparametrische Schätzung Q  für das - Quantil ist eine entsprechende Stelle der empirischen Verteilung. In der Praxis ermittelt sich diese Schätzung aus den geordneten Beobachtungen: x1:T  x2:T  … xT:T Gleichung 3.3.2.3 - 2 Der Schätzwert Q  ist möglichst so zu bestimmen, dass genau 100 % der Beobachtungen links von Q  und 100(1-) % der Beobachtungen rechts von Q  liegen. Diese Stelle ist in den meisten Fällen nicht eindeutig. Zur Berechnung des VaR müssen die Beobachtungen für die Wohnungen in Gebäuden, die vor 1948 gebaut sind und einen einfachen Wohnwert aufweisen, sortiert werden: 481 vgl. Huschens 2000, S. 14 3 Lösungsansätze und ökonomisches Modell 235 Abb. 3.3.2.3 - 5: Die geordneten Wertänderungen Der VaR ist als Schätzwert der sortierten Wertänderungen so definiert, dass genau % der Werte und 100- % links der Stelle q liegen. In der Regel wird der Value at Risk mit dem Sicherheitsniveau von 99% oder 95% festgelegt Das bedeutet, dass 5% der Beobachtungen links und 95% der Beobachtungen rechts der Stelle Q  liegen müssen. Bei diesem Beispiel lässt sich diese Stelle nicht genau bestimmen, da nur n=16 Beobachtungen vorliegen. Das bedeutet, dass nur 1/16 = 0,0625 = 6,25 % der Beobachtungen rechts der Stelle Q  lie- gen. Das Sicherheitsniveau kann nur mit 93,75% angegeben werden. Ein höheres Sicherheitsniveau kann bei der geringen Anzahl der Wertänderun- gen nicht angegeben werden, da der Bereich zwischen 100 % bis 93,75 % nicht definiert ist. Mit der Wahrscheinlichkeit von 6,25 % wird der Verlust nicht größer als - 0,51 €/m2 sein.  wT+1  wT+1 aus 3.3.2.2 - 1 geordnet 0,82 -0,51 0,51 -0,26 0,21 -0,10 0,05 0,00 0,25 0,00 -0,51 0,00 0,00 0,00 0,00 0,00 0,26 0,00 -0,26 0,00 0,00 0,05 0,00 0,21 0,00 0,25 0,00 0,26 -0,10 0,51 0,00 0,82 3 Lösungsansätze und ökonomisches Modell 236 3.3.2.4 Die Interpretation der historischen Simulation zur Mietpreisprognose Die Durchführung der historischen Simulation zur Prognose der Mietpreisent- wicklung des Düsseldorfer Wohnungsmarktes ist auf der Basis der Werte des Mietpreisspiegels des Rings Deutscher Makler erfolgt. Es standen die Mietspie- gel der Jahre 1988 bis 2004 zur Verfügung. Die Anzahl der Werte, die zur Bil- dung der zukünftigen Wertänderung herangezogen werden konnten, ist aus diesem Grund auf n= 16 beschränkt. Dabei ist die Gefahr gegeben, dass ein falsch ermittelter Datenwert die Progno- se zu stark beeinflusst. Es kann auch nicht ausgeschlossen werden, dass ein Wert durch eine besondere Situation zustande gekommen ist, die für die Zu- kunft keine Bedeutung mehr hat. Dieses Problem wurde in der Zeitstabilitäts- hypothese beschrieben. Nur eine ausreichend große Reihe an historischen Da- ten gewährleistet einen sinnvollen Einsatz der historischen Simulation für die Prognose von Mietpreisen. Die geringe Anzahl der Wertänderungswerte verhindert auch die genaue Ver- lustabschätzung durch den Value at Risk. Es kann dadurch nur ein Sicherheits- niveau von 93,75 % gewährleistet werden, das im Zweifel für einen Investor eine zu geringe Sicherheit bietet. Die Prognoseaussage der historischen Simulation ist unter diesen Vorausset- zungen nur bedingt für eine Investitionsentscheidung einzusetzen. Dabei muss der Einsatz der Prognoseaussage für die Investitionsentscheidung bei Immobi- lieninvestitionen überhaupt diskutiert werden. Die historische Simulation liefert nur eine Prognose für die nächste Zeitperiode, während Investitionen über lan- ge Zeiträume laufen. Dabei werden Prognosen benötigt, die nicht nur die nächste Zeitperiode abbilden. Daraus folgt, dass die historische Simulation nur für kurzfristige und überschlä- gige Prognosen eingesetzt werden kann. Die Eignung der historischen Simula- tion für diese Art der Prognosen ist durch den umkomplizierten Aufbau und den gut nachvollziehbaren Prognoseablauf gewährleistet. 3 Lösungsansätze und ökonomisches Modell 237 3.4 Multiple Regression am Teilmarkt Düsseldorf und ökonomisches Modell mit Risiko- und Prognoseimplementierung In diesem Kapitel werden umfangreiche multiple lineare Regressionsrechnun- gen zur Vorhersage des Flächenumsatzes, der gewichteten Durchschnittsmiete sowie der Spitzenmiete am Teilmarkt Düsseldorf durchgeführt und zum Schluss (vgl. Kapitel 3.4.3.8) werden diese daraus resultierenden Prognosefunktionen der gewichteten Durchschnittsmiete sowie der Spitzenmiete zusammen mit der Risikobewertung über einen VaR- Ansatz in eine Form der Wirtschaftlichkeits- und Investitionsberechnung in die DCF- Methode integriert. Bevor die Regressionsrechnungen durchgeführt werden können, muss der Zu- sammenhang des Büroimmobilienmarktes mit seinen Parametern aufgezeigt werden sowie die Büromarktindikatoren, die sich sowohl aus Beschäftigungs- und Bevölkerungsparametern als auch aus immobilienwirtschaftlichen Indikato- ren wie Flächenumsatz, Leerstand, Miethöhe etc. sowie auch aus Bautätig- keitsdaten zusammensetzen, in ihrem zeitlichen Verlauf betrachtet werden. Dies erfolgt in den Kapiteln 3.4.1 und 3.4.2. In dem Kapitel 3.4.3 werden nicht nur Regressionsrechnungen für den Flä- chenumsatz, für die Spitzenmiete sowie für die gewichtete Durchschnittsmiete, sondern auch für die Vorhersage der Bürobeschäftigten durchgeführt, da diese allgemein als eine der Größen zur Bestimmung der Büroflächennachfrage an- gesehen werden. Allerdings fließt die Zahl der Bürobeschäftigten, unabhängig von der Wahl des Ermittlungsansatzes, aufgrund ihrer Korrelation zu dem Be- stand an genutzter Bürofläche und dem Bruttoinlandsprodukt nicht in die Prog- nosefunktionen der Kapitel 3.4.3.4 bis 3.4.3.6 ein. Die Anwendung sowie die Übertragbarkeit der drei o.g. Prognosefunktionen auf andere Büroteilmärkte Deutschlands wird geprüft, nachdem diese ex post für den Teilmarkt Düsseldorf verifiziert wurden. 3 Lösungsansätze und ökonomisches Modell 238 3.4.1 Der Büroimmobilienmarkt als Marktmodell Bevor der Büroimmobilienmarkt anhand seiner drei bzw. vier mikroökonomi- schen Teilmärkte, das simultane Gleichgewicht der Teilmärkte anhand des Vier- Quadranten- Modells in Anlehnung an DiPasquale und Wheaton sowie die zeit- lich zyklische Anpassung im Codweb- Modell aufgezeigt wird, werden die den Immobilienmarkt beeinflussenden, übergeordneten Faktoren und die Besonder- heiten des Immobilienmarktes kurz dargestellt. Der Immobilienmarkt insgesamt kann als Ort beschrieben werden, an dem Nachfrage und Angebot bezüglich unterschiedlichster Immobilienarten aufein- ander treffen. Er besteht aus der Gesamtheit aller potentiellen Kunden mit ei- nem bestimmten Bedürfnis oder Wunsch, die willens und fähig sind, durch ei- nen Austauschprozess482 das Bedürfnis und die Wünsche nach Immobilien zu befriedigen.483 Trotz zunehmender Internationalisierung weist der Immobilienmarkt der BRD, im Gegensatz zum britischen oder französischen Immobilienmarkt, eine poly- zentrische Struktur auf und ist nicht durch eine Metropole, sondern durch eine Vielzahl von regionalen Teilmärkten, sog. Splittermärkten, geprägt. Diese verfü- gen wiederum über eine unterschiedliche Spezialisierung und unterliegen ei- nem stetigen Wandel.484 Bei einer grundsätzlichen Teilmarktgliederung nach räumlichen Kategorien der Bürobaugebiete können durchaus verschiedene andere Lage- und Ausstat- tungsaspekte eine Rolle spielen. Interessante Analyseaspekte, vor allem hin- sichtlich des Leerstandrisikos, sind die Art und die Qualität des ÖPNV- An- schlüsse oder die Nachfrage nach baulich-technischen Elementen des Objektes wie z.B. Klimatisierung, Art der Büros oder die Ausbauqualität. Weiterhin könn- 482 Austauschprozess ist ein Prozess, durch den der Kunde ein gewünschtes Produkt und der Anbieter eine Gegenleistung wie Geld, Güter oder Dienstleistungen erhält. vgl. hierzu auch: Kotler, P.; Bliemel, F. (1995) Marketing- Management. 483 vgl. Falk 1997, S. 26. 484 vgl. Perlmann 2002, S.6 3 Lösungsansätze und ökonomisches Modell 239 ten die Teilmärkte nutzerspezifisch nach Branchen oder Eigentumsverhältnis- sen unterteilt werden. Abb. 3.4.1 - 1: Die Beeinflussung des Büroimmobilienmarktes durch übergeordnete Faktoren485 Eine exakte Trennung zwischen übergeordneten Faktoren (vgl. Abb. 3.4.1-1) und Standortfaktoren ist nicht immer möglich. Die Politik kann die Nachfrage und somit auch das Angebot durch ihre Stabili- tät, aber auch durch staatliche Förderungsmaßnahmen positiv beeinflussen und Anreize geben zu bauen oder zu investieren. Wie im Kapitel 3.4.1.2 angesprochen, wirken sich auch unternehmenspolitische Entscheidungen hinsichtlich der Situation auf dem Büroimmobilienmarkt aus. Allerdings wirken sich personalpolitische Entscheidungen wie z.B. Personalent- lassungen aufgrund der arbeitsrechtlichen und mietvertraglichen Regelungen nicht schnell aus. Das bedeutet, dass eine Zeitverzögerung zwischen dem Zeit- punkt der Flächenbedarfsänderung und der zu beobachtenden Wirkung auf das Mietpreisniveau eintritt. 485 eigene Darstellung in Anlehnung an Gärtner 1996, S. 56 3 Lösungsansätze und ökonomisches Modell 240 Es können unterschiedliche Strukturwandel innerhalb der Wirtschaft sowie in den verschiedenen Branchen stattfinden, die auch zum technischen Wandel und zu Innovationen führen. Je nach Art des Strukturwandels haben diese Auswirkungen auf die Nachfrage. Beispielsweise gehen bei einer gesamtwirtschaftlichen positiven Entwicklung Impulse für die Nachfrage nach Büroflächen aus, die allerdings an unterschied- lichen Standorten unterschiedlich wirken und von regionalen Wirtschaftsent- wicklungen zudem überlagert werden. Weitere exogene Faktoren auf die Angebots-/ Nachfragesituation sind die Ein- wohner (Bevölkerungsentwicklung) sowie die Erwerbstätigen bzw. die SVP- Beschäftigten (Arbeitskräfteangebot), da diese Gruppen die „Nachfrage“ nach Bürofläche darstellen (vgl. Kapitel 3.4.1.3). Oft wird auch das Zinsniveau als beeinflussende Größe auf den Immobilien- markt genannt.486 Der Zinssatz hatte in den 70er Jahren große Bedeutung auf- grund seiner Höhe. Dies ist heute nicht der Fall. Allerdings ist der Zins hinsichtlich der Eigenkapital- bzw. der Fremdkapitalquote und dem Leverage- Effekt sowie der Bereitschaft der Banken x- Prozent Fremd- kapital zu geben, zu beachten. Dies soll aber an dieser Stelle nicht weiter ver- tieft werden. Immobilienmärkte müssen standortbezogen analysiert werden, da sie von: - mehreren Teilmärkten - zyklischen Bewegungen (vgl. Abb. 3.4.1 - 2) - einer geringen Preiselastizität der Nachfrage gekennzeichnet sind. 486 Vgl. Gärtner 1996, S. 56 3 Lösungsansätze und ökonomisches Modell 241 Der Immobilienmarkt basiert wie alle Märkte auf dem Verhältnis zwischen An- gebot und Nachfrage. Einflüsse exogener Art, vor allem konjunkturelle Schwan- kungen, können dieses Verhältnis ins Ungleichgewicht bringen. Dadurch dass der Immobilienmarkt auf dieses Ungleichgewicht reagiert, entstehen zyklische Phasen in denen Angebot und Nachfrage und damit zugleich viele verschiede- ne Faktoren, wie z.B. die Mieten oder auch der Leerstand schwanken. Die Ur- sachen für das Entstehen eines Immobilienzyklus liegen in dem Zusammenwir- ken von endogenen und exogenen Einflüssen. Aber auch die Immobilienbeson- derheiten spielen eine große Rolle, da Immobilien nicht wie andere Wirtschafts- güter schnell nachgeliefert werden können, sondern einige Jahre von der Pro- jektidee bis zum fertigen Bau vergehen (Konstruktions- Lag).487 Der Büroimmobilienmarkt durchläuft wiederholt den in der Abbildung 3.4.1 - 2 dargestellten Immobilienzyklus, wobei die Zeitspanne und die Amplitude der einzelnen Phasen stark schwanken können. Abb. 3.4.1 - 2: Der Immobilienzyklus488 487 In den Regressionsberechnungen des Kapitels 3.4.3 fließt der Konstruktions- Lag durch die Daten der Bautätigkeitsstatistik ein, Baugenehmigungen und Baufertigstellungen. 488 In Anlehnung an Beyerle 2005, Folie 1 3 Lösungsansätze und ökonomisches Modell 242 Der „klassische“ Zyklus wird in vier Phasen unterteilt, die Expansionsphase (Boom), die Überbauungs- oder Abschwungphase (Overbuilding and Down- turn), die Rezessionsphase (Depression) sowie die Erholungsphase (the Gra- dual recovery). Dem entsprechend werden diesen v. g. Phasen die folgenden Phasenbegriffe des Immobilienzyklus zugeordnet: - Projektentwicklungsphase (Expansion): Das Konjunkturhoch hält meist weiter an und sie ist durch eine stark zu- nehmende Flächennachfrage und Absorption gekennzeichnet. Sowohl der Flächenzuwachs als auch die Leerstandsquote sinkt zu diesem Zeit- punkt nachdrücklich. Durch die stark zunehmende Flächennachfrage und das gleichzeitig sin- kende Angebot erhöhen sich die Mietpreise erheblich. Der Boom lässt die Eigentumspreise in die Höhe schnellen und viele Banken und Kapi- talgeber sind nun eher bereit Geldmittel für neue Projekte bereitzustel- len,489 da sie die Erfolgsaussichten für sehr hoch einschätzen. Damit wird schon die nächste Phase eingeleitet.490 - Überbauungsphase (Abschwung): Die Flächennachfrage sinkt sehr stark ab. Die vorher geplanten und be- gonnenen Objekte werden fertig gestellt und somit steigt der Flächenzu- wachs stark. Die Mieten sinken und auch die Flächenabsorption erreicht in dieser Phase ihren Tiefpunkt. Dieses Überangebot an Fläche führt ent- sprechend zu einer sehr hohen Leerstandsquote. 489 vgl. Roulac 1996, S.3; Süberling, 1992, S. b05 490 vgl. Downs 1991, S.42 3 Lösungsansätze und ökonomisches Modell 243 - Marktbereinigung (Rezession): Es sind aufgrund der Überbauungsphase mehr Objekte vorhanden als gebraucht werden, wobei zumeist noch die Flächennachfrage sinkt und die Absorption sehr schwach ist. Die Leerstandsquote nimmt sehr stark zu und die Mieten sinken. Dies führt zu niedrigen Immobilienpreisen und kann zu Verkäufen führen, deren Höhe unter den Wiederbeschaffungs- kosten liegen. - Marktstabilisierung (Erholung): In dieser Phase ist ein beginnendes Konjunkturhoch zu beobachten. Der Flächenzuwachs ist sehr stark abgesunken. Die Flächennachfrage und die niedrigen Mieten beginnen leicht anzusteigen,491 aber auch die Ab- sorptionsrate nimmt zu. Dies alles führt zu einer (stark) sinkenden Leer- standsquote. Ein Immobilienzyklus kann in anderer Form aber auch nach Angebot und Nach- frage differenziert werden. Der Idealzyklus zeigt dann das Verhältnis zwischen Nachfrage und Angebot von einem bestimmten Typ von Immobilienfläche in einem bestimmten Markt.492 Der Markt befindet sich in den Schnittpunkten Angebot und Nachfrage im Gleichgewicht. Ein Immobilienzyklus ist also immer eine Kombination eines An- gebots- und eines Nachfragezyklus, die wieder von verschiedenen ökonomi- schen Faktoren beeinflusst werden.493 Zurzeit befinden wir uns in Deutschland und in Düsseldorf in dem Bereich von Rezession und Erholung. 491 vgl. Rottke 2001, S.17 492 vgl. Pyhrr et al. 1996, S.15 493 vgl. Pyhrr et al. 1996, S. 15 ; Rottke 2001, S.18 3 Lösungsansätze und ökonomisches Modell 244 Preiselastizität Der Immobilienmarkt erlebt in regelmäßigen Zeitabständen Nachfrageschwan- kungen, die starke Preisänderungen nach sich ziehen. Das Charakteristische dieser Zyklen, die immer nur bestimmte Teilmärkte erfassen, ist, dass bereits ein geringer Nachfrageüberhang stark steigende Preise zur Folge hat, bzw. ein leichtes Überangebot an Flächen stark fallende Preise bewirkt. Man spricht in diesem Fall von einer geringen Preiselastizität494 der Nachfrage. Wenn auf dem Büroflächenmarkt eine erhöhte Nachfrage auf ein konstantes Angebot trifft, steigen die Preise. Das höhere Mietniveau hält allerdings nur we- nige Nachfrager davon ab, Flächen anzumieten. Andere Faktoren, wie die Auf- tragslage oder die Personalentwicklung im Unternehmen, stehen bei der An- mietungsentscheidung im Vordergrund.495 Auf der anderen Seite bewirkt eine rückläufige Nachfrage ein geringeres Preis- niveau. Sind die sonstigen Rahmenbedingungen negativ, wird aber durch das niedrige Preisgefüge kaum zusätzliche Nachfrage angeregt. Daher sinken die Preise bei „Flächenüberangebot auch so enorm, da ja der betroffene Anbieter sein eigenes Problem dadurch zu lösen sucht, dass er seine Flächen zu niedri- gerem Preis anbietet. Das setzt eine endlose Preisschraube in Bewegung, die aber letztlich das Leerstandsproblem nicht lösen kann.“496 Zu besonders starken Preisverwerfungen kann es kommen, wenn gleichzeitig eine Erhöhung des Angebots mit einer rückläufigen Nachfrage zusammentrifft. Die Vielzahl von Verflechtungen und Einflussfaktoren macht die Vorhersage des Beginns und der Dauer eines Zyklus schwierig.497 494 In der allg. wirtschaftswissenschaftlichen Diskussion drückt die Elastizität das Verhältnis der prozentua- len Änderung einer wirtschaftlichen Größe zu einer anderen aus. Vgl. Recktenwald 1975, S. 144 495 vgl. Kraus 1986, Blatt 9 496 vgl. Kraus 1986, Blatt 9 497 vgl. Gärtner 1996, S.57 3 Lösungsansätze und ökonomisches Modell 245 Teilmärkte Aufgrund von regionalen Wirtschaftsstrukturen, Entwicklung einzelner Branchen und Teilmärkte sowie unvorhergesehenen Ereignissen (wie z. B. die deutsche Wiedervereinigung auf Bundesebene) etc. gibt es in Deutschland keinen ein- heitlichen Markt für Immobilien bzw. für deren Nutzungsmöglichkeiten. Der Immobilienmarkt ist aufgegliedert in eine Reihe von Teilmärkten der ver- schiedenen Städte oder Regionen und dort nach Lagen, Objektgrößen, Ausstat- tung etc. (vgl. Abb. 3.4.1 - 3) Abb. 3.4.1- 3: Die Gliederung und Abgrenzung des Immobilienmarktes bzgl. seiner Teilmärkte498 Die verschiedenen Immobilienmärkte stehen in komplexen wechselseitigen Be- ziehungen mit anderen Märkten. Die mannigfaltigen interdisziplinären Rahmen- bedingungen erschweren eine einheitliche, durchgängige Betrachtung. In der folgenden Abbildung sind Zusammenhänge von Nachfrageindikatoren darge- stellt, wie z. B. die Wirtschafts- und Branchenentwicklung, die eng mit unter- nehmenspolitischen Entscheidungen und somit mit dem lokalen und regionalen Arbeitskräfteangebot verbunden ist. 498 eigene Darstellung in Anlehnung an Gärtner 1996, S.56 3 Lösungsansätze und ökonomisches Modell 246 Immobilienmarktindikatoren sind regional unterschiedlich ausgeprägt und müs- sen somit auch als Prognoseparameter in die Vorhersagefunktionen der ver- schiedenen Städte etc. entsprechend einfließen.499 Es ist sehr schwierig vorherzusagen, wie viele Quadratmeter an Flächen die einzelnen Teilmärkte aufnehmen können oder wie sich das Mietniveau entwi- ckelt, da für viele Teilmärkte wie z.B. Dortmund, Bremen Hannover, Nürnberg usw. keine systematische Erhebung und Veröffentlichung relevanter Daten er- folgt.500 In Deutschland gibt es keinen einheitlichen Büroimmobilienmarkt. Die Standorte sind eigenen Schwankungen unterworfen. Der Gesamtmarkt lässt sich in sog. „Büromärkte“, wie z.B. die Big Five, und „Regionalmärkte“ unterteilen.501 499 In dieser Arbeit werden die Begriffe Indikator und Parameter synonym verwendet. Zum einen zeigen Indikatoren gewisse Zusammenhänge etc. an, sind aber auch gleichzeitig Parameter, die in Vorhersa- gefunktionen einfließen. 500 vgl. Naumann 1994, S. 11; Anmerkung der Verfasserin: Lange Zeiträume bzgl. der Teilmärkte von Düsseldorf sind bei den angefragten Unternehmen nicht vorhanden und falls diese vorhanden sind, werden diese aufgrund von potentiellen Wettbewerbsvorteilen nicht herausgegeben. 501 vgl. Falk 2004, S. 187 3 Lösungsansätze und ökonomisches Modell 247 3.4.1.1 Die mikroökonomische Teilmärkte Weder in der Theorie noch in der Praxis gibt es eine eindeutige Verwendung für den Begriff „Büroimmobilienmarkt“.502 Jeder bauwirtschaftliche Markt wird in zwei interdependente Märkte aufgeteilt, dem Leistungs- und dem Vermögensmarkt. Auf dem Leistungsmarkt wird die Nutzung des bauwirtschaftlichen Kapitals und auf dem Vermögensmarkt der bauwirtschaftliche Kapitalstock gehandelt. Mieter bewegen sich nur auf dem Leistungsmarkt auf der Nachfrageseite, da- gegen handeln Selbstnutzer und Vermieter in beiden Märkten. Auch der Neubaumarkt muss neben dem Leistungs- und Vermögensmarkt be- trachtet werden, da sich die längerfristige Entwicklung bauwirtschaftlicher Märk- te über die bestandsändernde Stromgröße Bauinvestitionen vollzieht. Der Kapitalmarkt fließt indirekt über die Kapitalisierungsrate ein, welche die Op- portunitätskosten des in Immobilien gehaltenen Kapitals wiedergibt. Die Teil- märkte sind interdependent.503 Jeder regionale oder funktionale Immobilienmarkt besteht aus drei Teilmärkten: - dem Leistungsmarkt oder auch Büroflächenmarkt - dem Vermögensmarkt - dem Neubaumarkt und - indirekt dem exogen gegebenen Kapitalmarkt. 504 502 vgl. Archer 1997, S. 7 503 vgl. Becker 1998, S.6-8 504 vgl. Becker 1998, S. 6-8 3 Lösungsansätze und ökonomisches Modell 248 Das Vier- Quadranten- Modell Anhand des Vier- Quadranten- Modells, das als grafisches Modell von DiPas- quale und Wheaton entwickelt worden ist,505 wird ein Gesamtüberblick über die Beziehungen dieser Märkte zueinander gegeben sowie deren Einbettung in den gesamtwirtschaftlichen Zusammenhang vorgenommen.506 Abb. 3.4.1.1 - 1: Das Vier-Quadranten- Modell des Immobilienmarktes507 Das Vier- Quadranten- Schema unterteilt den Immobilienmarkt in den Vermö- gensmarkt und den Leistungsmarkt. Auf der rechten Seite, Quadrant I und IV, wird der Leistungsmarkt und auf der linken Seite der Vermögensmarkt darge- stellt. Im Quadranten I und IV ist FN die Nachfragefunktion und ist eine fallende Funk- tion des Mietpreises pm, die von exogenen makroökonomischen und außeröko- nomischen Größen in Form der exogenen Variablen Y, wie z. B. BIP, determi- niert wird. Bei den Untersuchungen dieser Arbeit wird die exogene Variable Y 505 vgl. DiPasquale 1992, S. 181-197; Wheaton 1987 506 vgl. Becker 1998, S. 8 507 eigene Darstellung in Anlehnung an Becker 1998, S. 9 und Wernecke 2004, S. 76 3 Lösungsansätze und ökonomisches Modell 249 für die Nachfragefunktion FN aus mehreren Parametern wie z.B. das BIP, SVP- Beschäftigte, Arbeitslosenquote, Einwohner etc. verkörpert.508 Das Angebot FA509 ist kurzfristig starr und wird vom bauwirtschaftlichen Kapital- stock (Bestand), der auf der Abzisse aufgetragen ist, eindeutig festgelegt. Le- diglich die Flächennachfrage FN zeigt eine gewisse Preisreagibilität, obgleich die Bestimmung des Mietpreises pm im Wesentlichen über die durch wirtschaftli- che Situation und Produktionsfunktion festgelegte Lage der Nachfragefunktion erfolgt.510 Im Quadranten II wird der Kapitalpreis der Bauten P von der endogenen, im Leistungsmarkt determinierten Miethöhe pm und der Kapitalisierungsrate i be- stimmt.511 Hier wird der Investitionsmarkt als Preiskurve dargestellt, die bei ge- gebenem Abzinsungsfaktor den erzielbaren Immobilienpreis P ergibt. Der adä- quate Abzinsungsfaktor resultiert aus dem Zusammenwirken der vom exogenen Kapitalmarkt vorgegebenen Renditen und Risikoprämien sowie ihrer Anpas- sung an die Verhältnisse auf dem Direktanlagemarkt.512 Im Quadranten III wird der im Quadranten II ermittelte Kapitalpreis zur Herlei- tung des Investitionsvolumens I herangezogen. Die Nachfrage nach Neubauten ist eine vollkommen elastische Funktion des Kapitalpreises P unter der Annah- me, dass die Neubauten den Bestand nur kurzfristig unwesentlich verändern. 508 vgl. Eingangsparameter gemäß Kapitel 3.4.3.2 509 Die Beschriftung der Abzisse wird unterschiedlich gehandhabt. Becker 1998, S. 9 und Rottke 2001, S. 54 verwenden den Begriff “bauwirtschaftlicher Kapitalstock“ und die Bezeichnung K, im Gegensatz da- zu benutzt Wernecke 2004, S. 76 die Bezeichnung FA für Flächenangebot und den Begriff „Bestand“ wie auch die Verfasserin. 510 vgl. Wernecke 2004, S. 74 511 Die Kapitalisierungsrate i gibt die Opportunitätskosten des in Immobilien gebundenen Kapitals wieder. Gemäß Becker (vgl. Becker, 1998, S. 9, Fußnote 22) ist die Kapitalisierungsrate eine Funktion des langfristigen Zinssatzes, der die Ertragssituation anderer Vermögenswerte darstellt, der erwarteten Miet- bzw. Kapitalpreisveränderung, des Risikos von Mieteinkünften und der Steuerbehandlung von bauwirtschaftlichen Vermögen. 512 vgl. Wernecke 2004, S.75 3 Lösungsansätze und ökonomisches Modell 250 Deshalb ist die Investitionsnachfrage IN eine horizontale Funktion des im zwei- ten Quadranten hergeleiteten Kapitalpreises. Das Investitionsangebot IA hängt bis zum Erreichen der Kapazitätsgrenze vom Kapitalpreis P und den Herstell- kosten HK ab. Im Quadranten IV wird die Bestandsanpassung wiedergegeben. Die Abzisse im Quadranten IV weist im Ursprung den Wert [FAt-1*(1-)] auf. Das bedeutet, dass bei einem Investitionsvolumen von 0 der neue Bestand (Kapitalstock) um das Abschreibungsvolumen (= Abriss) der Vorperiode verringert sein wird. In FA* bleibt der Bestand unverändert und das Abschreibungsvolumen *FAt-1 ist gleich dem Investitionsvolumen I. Ist diese Bedingung erfüllt, so befindet sich der Immobilienmarkt im Gleichgewicht.513 Zusammenfassend wird deutlich, dass sich Anpassungen im Leistungsmarkt auf den Vermögensmarkt auswirken, der sich, beeinflusst vom Kapitalmarkt, auf den Neubaumarkt auswirkt, der wieder zurück auf den Leistungsmarkt wirkt. Dabei werden die Immobilienteilmärkte an den Schnittstellen von den exogenen Größen Y (z. B. konjunkturelle Entwicklung), i (Kapitalisierungsrate) und HK (Herstellungskosten) beeinflusst.514 513 In Anlehnung an Becker 1998, S. 10, Fußnote 26: Es ist zu beachten, dass bei der Art des Vier- Quad- ranten- Schemas bei Abweichung des aktuellen Bestandes vom gleichgewichteten, langfristigen Be- stand FA* jeweils neu bestimmt werden muss. Diese beginnt (im Ursprung) mit dem Wert [FAt-1*(1-  )]. Dadurch muss auch die Lage der Nachfragefunktion im Quadrant I verändert werden. Das Schema kann daher nur dann mehrperiodige Anpassungsprozesse wiedergeben, wenn die Gleichgewichtsbe- dingung I =  * FAt-1 erfüllt ist. Bei einer Abweichung von I =  * FAt-1 lassen sich nur einperiodige An- passungen darstellen, da sich der Ursprungswert der Abzisse verändert. Der Ursprungswert ist (1- ) FAt-1. Wenn eine Abweichung auftritt, so verändert sich selbstverständlich (1-  ) FAt-1 in der Folgeperio- de. 514 Das Modell ist komparativ-statisch zu betrachten. Das heisst, dass wichtige zeitliche Strukturzusam- menhänge nicht berücksichtigt werden, doch es soll hier nur die Kausalität der Märkte erklärt werden. Vgl. Becker 1998, S. 10-11 3 Lösungsansätze und ökonomisches Modell 251 Das einfach dargestellte Vier- Quadranten- Modell erfüllt drei wichtige Funktio- nen:515 1. Es stellt die Interdependenzen zwischen Leistungs-, Vermögens- und Neu- baumarkt dar. (Der Leistungsmarkt beeinflusst den Kapitalmarkt über den Mietpreis, der Kapitalmarkt wiederum beeinflusst den Leistungsmarkt über die Bestandsanpassung.) 2. Es beschreibt die endogenen Anpassungsprozesse von pm, P, I und - FA. 3. Es verdeutlicht die exogenen Beeinflussungen über Y, i und HK Es ist notwendig, sich die Zusammenhänge zwischen Leistungs-, Vermögens-, Neubau- und (exogenem) Kapitalmarkt zu verdeutlichen, da sich Anpassungs- prozesse immer auf allen drei, respektive vier Teilkräften vollziehen. Die inter- dependente Beziehung gilt für alle Immobilienmärkte. Das vorgestellte 4- Quadranten- Modell zeigt zwar die Zusammenhänge der einzelnen Märkte, die endogenen Anpassungsmechanismen sowie die exoge- nen Beeinflussungen, aber dies erfolgt nur theoretisch und stark vereinfacht. Es bleibt formal und schließt neue Entwicklungen wie z.B. die Prinzipal- Agent- Theorie nicht ein. Die Autoren Becker, Wernecke, Di Pasquale und Wheaton stützen ihre Aussa- gen nicht auf Daten. Es werden zwar Gleichungen oder Funktionsabhängigkei- ten angegeben wie z.B. die der Flächennachfrage, aber diese sind sehr ober- flächlich und geradezu unverschämt einfach. Die Bestandsanpassung des vierten Quadranten durch das Abschreibungsvo- lumen  *FAt-1 kann durch Daten wie die Abrissdaten der Bautätigkeitsstatistik verifiziert werden. Diese erfolgt aber bei den o.g. Autoren nicht. Weiterhin liegen Daten zum Leistungs- bzw. Neubaumarkt hinsichtlich des Ab- risses und des Neubaus (Fertigstellungen oder Baugenehmigungen) vor. 515 vgl. Becker 1998, S. 11 3 Lösungsansätze und ökonomisches Modell 252 Zusammengefasst sind viele Daten vorhanden, die das 4- Quadranten- Modell implementiert, und trotzdem bleiben die Ausführungen der o. g. Autoren theore- tisch sowie nicht datenbasiert. Dies sollte aber in Forschungsarbeiten erfolgen (vgl. Kapitel 3.3 und 3.4.3). Trotz dieser gravierenden Schwächen zeigt das 4- Quadranten- Modell die In- terdependenzen zwischen dem Leistungs-, Vermögens- und Neubaumarkt. Das generelle Zusammenspiel oder deren Beeinflussung untereinander wird gra- fisch abgebildet. Allerdings müssen in wissenschaftlichen Arbeiten nicht nur die Zusammenhänge grafisch illustriert sowie deskriptiv und theoretisch dargestellt werden, sondern diese Zusammenhänge müssen mit Daten verifiziert bzw. mit diesen über Koeffizienten hinterlegt werden. In dieser Arbeit wird zum einen aufgrund von Daten des Rings Deutscher Mak- ler eine Prognose des Mietpreises mithilfe der Historischen Simulation für den Wohnungsmarkt Düsseldorfs, zum anderen eine Mietpreisvorhersage für den Düsseldorfer Büromarkt über sehr umfangreiche, multiple lineare Regressions- berechnungen mithilfe von Daten aus diversen Quellen (vgl. Kapitel 3.4.3.2) erstellt. Die Vorstellung des 4- Quadranten- Modells sowie des Codweb- Modells und deren Funktionsweise soll nur als Einstieg zum Verständnis der Immobilien- märkte dienen. 3 Lösungsansätze und ökonomisches Modell 253 Vier mikroökonomische Teilmärkte und deren Zusammenhänge Anders als die klassische Sichtweise516 der mikroökonomischen Teilmärkte de- finiert Wernecke vier mikroökonomische Teilmärkte wie folgt: - der Büroflächennutzungs- oder auch Leistungsmarkt, - der Büroimmobilieninvestitionsmarkt, kurz „Investmarkt“, - der Markt für Büro-Neuprojektentwicklungen517 sowie - der Grundstücksmarkt. Der „Immobilienmarkt“ steht oft als Begriff für den „Investitions- und den Lei- tungsmarkt“, selten für den „Grundstücksmarkt“ oder für das „Transaktionsvo- lumen“.518 Die Interdependenzen der vier Teilmärkte sind in der Abbildung 3.4.1.1 - 2 dargestellt. Abb. 3.4.1.1 - 2: Zusammenhänge zwischen den Teilmärkten 519 516 vgl. DiPasquale 1992, S. 181-187; Wheaton 1987; Becker 1998, S. 6-12 517 vgl. Ball 2001, S. 20-21 518 vgl. Wernecke 2004, S. 55 519 vgl. Archer 1997, S. 9; Wernecke 2004, S. 57 3 Lösungsansätze und ökonomisches Modell 254 „Den Ausgangspunkt in dieser Darstellung stellt der Flächenmarkt dar, auf dem sich aus dem Zusammenspiel von Flächenangebot und -nachfrage Mietpreise herausbilden. Diese Mieten signalisieren im Zusammenhang mit gegebenen Bestandspreisen einerseits potentielle Renditen für Bestandsinvestitionen und andererseits - in Zusammenhang mit Grundstücks- und Neubaupreisen - die Rentabilität von Neuprojektentwicklungen. Bestandsinvestitionen und Neupro- jektentwicklungen stehen mit alternativen Anlagemöglichkeiten auf dem Kapi- talmarkt über Rendite- und Risikoerwartungen in Konkurrenz. Der Kapitalmarkt, zu dem hier auch die verschiedenen Formen der indirekten Immobilieninvestiti- on zählen, wird in dieser Betrachtung als exogen betrachtet. Dies gilt selbstver- ständlich auch für die Steuergesetzgebung.“520 Das Codweb- Modell Ein Modell, das sukzessive Preis- und Mengenanpassungen sowie die Möglich- keit der Entstehung endogener Zyklen behandelt, ist das sog. Codweb- Modell (=Spinnennetz-Modell).521 Dieses Modell erklärt oszillatorische Preis- und Men- genbewegungen, die auf verzögerten Angebotsanpassungen aufgrund von Time- Lags beruhen.522 520 Wernecke 2004, S. 56 521 Der Name des Modells basiert auf das spinnennetzartige Aussehen der grafischen Darstellung der zeitlichen Anpassungsvorgänge. 522 vgl. Bücker 1996, S. 320 3 Lösungsansätze und ökonomisches Modell 255 Abb. 3.4.1.1 - 3: Die Zyklische Anpassung im Codweb- Modell523 Ausgehend von einem bestehenden Gleichgewicht verschiebt sich die Nachfra- gefunktion FN0 durch eine exogene Veränderung, z. B. durch einen konjunktu- rellen Aufschwung, nach rechts oben (FN1). Die ursprüngliche Menge kann nun aufgrund der gestiegenen Nachfrage zu einem höheren Preis abgesetzt werden. Da die Anbieter (endogen) davon aus- gehen, dass die zuletzt gezahlten Preise auch für die folgenden Perioden nach- haltig erzielbar sind, dehnen sie ihre Produktion aus, können sie dann aber nur zu einem geringeren Preis am Markt absetzen.524 Das Absinken der Preise veranlasst erneut zu einer Mengenanpassung in Form einer Reduktion in der darauf folgenden Periode. Je nach Gestalt der Angebots- und Nachfragekurven resultiert ein gedämpfter Verlauf zu einem neuen Gleich- gewichtspreis oder ein explosiver Verlauf, der zu einem Ungleichgewicht mit hohen Schwankungen führt.525 523 eigene Darstellung in Anlehnung an Nicholson 1997, S. 321; Bücker 1996, S. 320; Rottke 2001, S. 53 524 vgl. Roulac 1996, S. 53 525 vgl. Bücker 1996, S. 320; Kemper 1991, S. 12; Leykam 2000, S. 1-2 3 Lösungsansätze und ökonomisches Modell 256 Wenn in den Immobilienmärkten endogene Anpassungsprozesse dominieren, dann entstehen durch einmal ausgelöste konjunkturelle Schwankungen dau- ernd neue Anpassungsvorgänge ohne exogene Einflussnahme.526 Die Orientierung von Investoren und Projektentwicklern an gegenwärtigen Mie- ten und Preisen ist die wichtigste endogene Ursache für die Anpassungsvor- gänge, welche durch preisunelastisches Nachfrageverhalten (Overshooting Tendenz)527 bei Neuvermietungen in Boomphasen eskaliert. Der Time Lag im Bestandsanpassungsprozess, die lange Lebensdauer von Immobilien als Charakteristikum der Bestandsmärkte sowie spekulative Errich- tungen sind hierbei auch von Bedeutung. Durch die im Codweb- Modell beschriebenen Time Lags und die Feedback- strukturen entsteht die Tendenz zum Zyklus.528 Obwohl es einige Kritikpunkte hinsichtlich der Beschränktheit der Anwendung des Codweb- Modells gibt,529 ist das Codweb- Modell als Ausgangspunkt einer dynamischen Betrachtung hilfreich. Die Bedeutung des Codweb- Modells ist aufgrund des geringen Neubauanteils an den Büroflächenbestand als gering anzusehen, der z.B. für den Düsseldorfer Büromarkt im Mittel bei 1,88% für den Zeitraum von 1995 bis 2004 lag und sein Maximum von 3,93% im Jahr 1995 hatte.530 An dieser Stelle wird ebenfalls auf die Kritik des 4- Quadranten- Modells verwiesen. 526 vgl. Becker 1998, S. 50 527 vgl. Rottke 2001, S. 19 528 vgl. Rottke 2001, S. 20; Anmerkung der Verfasserin: Wenn von Tendenz bzgl. der Zyklusentstehens die Rede ist, ist diese aufgrund des Neubauanteils aber unendlich klein. Das theoretische Modell des Codweb hat, wie Berechnungen der Verfasserin zeigen, eine marginale Bedeutung. 529 vgl. Wernecke 2004, S. 70f 530 gemäß eigenen Berechnungen der Verfasserin mit Daten von Jones Lang LaSalle und des Amtes für Statistik und Wahlen der Stadt Düsseldorf 3 Lösungsansätze und ökonomisches Modell 257 3.4.1.2 Angebot und Nachfrage auf dem Büromarkt In diesem Kapitel werden ergänzend zu den Kapiteln 3.4.1.1 und 3.4.1.4 das Angebot und dessen Fristigkeiten (kurz-, mittel- und langfristig), die Preiselasti- zität des Angebotes und der Nachfrage sowie die Erfassungsprobleme und de- ren Indikatoren aufgezeigt. Weiterhin werden die Unschärfen der Angabe der Flächenbezugsgröße wie die Nutzfläche, die Bruttogrundfläche oder die Miet- fläche für gewerblichen Raum nach gif erörtert. Angebot und Messbarkeit In den Veröffentlichungen der verschiedenen Marktteilnehmer wird unter dem Büroflächenangebot in der Regel der Leerstand zuzüglich der im Bau befindli- chen Flächen verstanden.531 Im Gegensatz zur gif- Definition ist der Kern der Definition des Begriffs ‚Ange- bot’ von Bone- Winkel/ Sotelo die Annahme, dass alle Flächen, die derzeit am Markt platziert sind, unter besonderen Voraussetzungen auch angeboten wer- den können, beispielsweise in Untermietverhältnissen. Bone- Winkel/ Sotelo definieren das Büroflächenangebot als den gesamten Bestand, also alle ver- mieteten und unvermieteten Büroflächen.532 Die Begründung hierfür lautet, dass unter besonderen Voraussetzungen auch aus bestehenden Mietverhältnissen heraus Flächen an den Markt kommen, wenn z.B. Untermietverhältnisse eingegangen werden. Die getrennte Analyse des Angebotes (Gesamtbestand), des Leerstandes und des zeitlich differenzier- ten Bürobaupotentials führt im Ergebnis zu einer kompletten Übersicht über die Angebotsseite des Büroflächenmarktes.533 531 vgl. Hartung 1998, S. 66 532 vgl. Bone- Winkel 1995, S. 199-205 533 vgl. Hartung 1998, S. 66 3 Lösungsansätze und ökonomisches Modell 258 Der Bestand selbst ist bis auf den Abriss kurzfristig unveränderbar. Angebots- wirksame Änderungen können deshalb nur über eine Fluktuation der Leer- standsrate oder durch Umwidmungen geschehen. Das Volumen der wichtigsten Größe, die der Büroflächen, wird auf dem Projektentwicklungsmarkt bestimmt. Er erhöht den Bestand aber erst mit einer Verzögerung von 1 bis 5 Jahren (Konstruktions- Lag). Die Erfassung des Gesamtbestandes der Büroflächen534 ist ein grundsätzliches Problem, da in Deutschland keine Statistik den Büroflächenbestand komplett erfasst. Die amtliche Baufertigstellungsstatistik erfolgt nach dem Schwerpunkt- prinzip, so dass die gemischt genutzten Objekte nicht mit ihren authentischen Büroflächengrößen erfasst werden. Diese Baufertigstellungsstatistik wird erst seit Mitte der 70er Jahre erhoben. So werden ältere Gebäude nicht erfasst. Bestandsschätzungen, beispielsweise mithilfe der Bürobeschäftigten und einer durchschnittlichen Flächenkennziffer, sind relativ aufwendig und durch die mangelnde Fortschreibungsfähigkeit schnell überholt.535 Abhilfe kann nur durch eine Kompletterfassung mithilfe einer Begehung und Kartierung geschaffen werden.536 Im Allgemeinen fallen die Aufnahmen des Flächenbestandes von Makler zu Makler unterschiedlich aus, weil sie differenzierte Aufnahmekriterien nutzen. Für den Bürostandort Düsseldorf hat z.B. die Bulwien AG für das Jahr 2004 einen Bestand von 5,6 Millionen m² ermittelt, hingegen ermittelt Jones Lang LaSalle den Bestand im gleichen Jahr mit 8,165 Millionen m².537 534 Die Definition des Begriffes „Bürofläche“ wird im Kapitel 3.4.1.3 gegeben. 535 vgl. die im Kapitel 3.4.1.3 unterschiedlichen Flächenkennziffern für Düsseldorf 536 Für Düsseldorf wurde eine Büroflächenvollerhebung durch Flüshöh und Stottrop durchgeführt. 537 Die Verfasserin geht davon aus, dass die Bulwin AG ihre Daten aufgrund der Büroflächenerhebung von Düsseldorf von Flüshöh und Stottrop noch nicht angeglichen hat. Bei der Globalabstimmung 2004 der gif hinsichtlich der Büromarktdaten gab es unter den beteiligten Firmen noch keine Einigung wie mit den neuen Bestandszahlen von Düsseldorf in zukünftigen Marktberichten umgegangen werden soll. 3 Lösungsansätze und ökonomisches Modell 259 Gemäß den Zwischenergebnissen der Büroflächenvollerhebung von Düsseldorf durch Flüshöh und Stottrop538 umfasst diese Untersuchung insgesamt 4.756 Gebäude. Dabei liegen für 290 Gebäude, überwiegend kleinere bis mittlere Objekte, keine Flächendaten vor. Die 4.466 Objekte mit Flächendaten enthalten rd. 8,3 Mio. m² BGF Bürofläche (8.345.669 m²). Die 290 zusätzlichen Gebäude enthalten je nach Schätzverfahren nochmals 280.000 bis 340.000 m² Bürofläche. Es resultiert je nach Umrechnungsfaktor von BGF zu NF daraus eine Nutzflä- che von rd. 7,5 Mio. m² (Abschlag 10%) bis rd. 7,1 Mio. m² (Abschlag 15%).539 Verwendet man den bei der gif üblichen Abschlag von 18%, erhält man 6,8 Mio. m² oberirdische Mietfläche. Die Gründe liegen darin, dass viele Unternehmen ihre Untersuchungen anhand geschätzter Ausgangswerte begonnen haben und die Flächenprognosen auf der Basis der von ihnen verwalteten Flächen hoch- rechnen. In dieser Arbeit ist der Flächenbestand die angebotene Fläche, die für Büro- räume auf dem öffentlichen Markt zur Verfügung steht.540 Er wird in Quadratme- tern erfasst. Das Angebot wird zwischen kurzfristig, mittelfristig und langfristig verfügbares Büroflächenangebot unterschieden. Das kurzfristig verfügbare Büroflächenangebot (=Leerstand) ist die Summe aller Büroflächen, die zum Erhebungszeitpunkt ungenutzt sind, zur Vermietung oder zum Verkauf an Eigennutzer angeboten werden und innerhalb von drei Monaten beziehbar sind.541 538 Die Dissertation von den Autoren Flüshöh und Stottrop mit den Endergebnissen der Büroflächenvoller- hebung sollte im Jahr 2005 veröffentlicht werden. Diese ist zum jetzigen Zeitpunkt (Januar 2006) noch nicht erhältlich. 539 vgl. Flüshöh 2004, S. 14 540 vgl. Anhang C1, Punkt 2: Büroflächen, Flächenbestand; 2. Absatz 541 Anmerkung: Diese Definition liegt dieser Arbeit zugrunde. 3 Lösungsansätze und ökonomisches Modell 260 Im Gegensatz dazu definiert die Deutsche Immobilien Datenbank (DID) den Leerstand als „prozentuales Verhältnis der nachhaltigen Roherträge der leer- stehenden Mieteinheiten zu den gesamten nachhaltigen Roherträgen des Grundstücks" (nominaler Leerstand).542 Faktoren, wie unattraktive Standorte, unzeitgemäße Einrichtungen, hoher Um- bau und Renovierungsbedarf, ein ungünstiger Zuschnitt, aber auch nicht ange- messene Erwartungen hinsichtlich des Mietzinses können zu Leerstand füh- ren.543 Die Atisreal GmbH versteht darunter kurzfristig vermietbare Büroflächen in be- stehenden Gebäuden und in Büro- und Geschäftshäusern. Zusätzlich gehören registrierte leerstehende Bestandsflächen ohne vertragliche Bindung, nicht ver- mietete Neubauflächen, die für den Mieter ausgebaut werden müssen, sowie Bestandsflächen von Eigennutzern und Mietern dazu, für die ein Untermieter gesucht wird. Als zusätzliches Kriterium gibt DTZ an, dass Flächen, die zum Stichtag zwar noch belegt sind, von denen aber bekannt ist, dass sie freigezogen werden und innerhalb von 12 Wochen wieder beziehbar sind, zu den Leerstandsflächen zu zählen sind. Nicht nur der Indikator „Leerstand“ sondern alle flächenbezogenen Büromarkt- indikatoren sollten nach Lage, Alter und Qualität differenziert werden.544 Bei der Immobilienbeurteilung sind neben Lage, Miete sowie Preis und Gebäu- deausstattung vor allem der Unterhaltungszustand sowie das Alter einer Immo- bilie wichtige Faktoren für die Beurteilung der Marktgängigkeit und damit auch des Wertes eines Immobilienobjektes.545 542 vgl. Wernecke 2004, S.59 543 vgl. Jasper 2001 544 vgl. die Ergebnisse bzgl. Altersstruktur und preislicher Entwicklung des Büroflächenangebotes in Düs- seldorf in Hartung, 1998, S. 182f 545 vgl. Jasper 2001 3 Lösungsansätze und ökonomisches Modell 261 Entscheidend bei der Analyse des Leistungsmarktes ist die „natürliche" oder „strukturelle" Leerstandsrate. Sie ist definiert als der teilmarktspezifische pro- zentuale Leerstand, ab dessen Unter- bzw. Überschreitung die Mieten sinken bzw. fallen. Untersuchungsergebnisse aus dem angelsächsischen Raum ha- ben ergeben, dass es sich bei der natürlichen Leerstandsrate um eine sektoral und regional variable Größe von ungefähr 5 bis 15 Prozent handelt, die sowohl im Zeitablauf als auch im konjunkturellen Verlauf schwankt. Für den deutschen Immobilienmarkt gibt es hierzu keine empirisch validierten Zahlen.546 In der volkswirtschaftlichen Literatur wird die kurzfristige Angebotskurve von Investitionsgütern wie Immobilien üblicherweise als senkrechte Gerade darge- stellt.547 Es werden allerdings die Möglichkeiten der Angebotsvariation durch Änderung der Leerstandsrate und Umwidmungen vernachlässigt.548 Die folgende Abbildung 3.4.1.2 - 1 zeigt eine modifizierte Form der kurzfristigen Angebotskurve, die diese Variation berücksichtigt.549 Abb. 3.4.1.2 - 1: Das kurzfristige Flächenangebot550 546 vgl. Wernecke 2004, S. 60f 547 vgl. Sotelo 2001, S.21 548 vgl. Wernecke 2004, S.66 549 Der Zusammenhang der Abbildung 3.4.1.2 - 1 ist zwar theoretisch nachvollziehbar, beruht aber wie zuvor beim 4- Quadranten-Modell und dem Codweb- Modell auch nicht auf Untersuchungen mit Daten. 550 Wernecke 2004, S. 67 3 Lösungsansätze und ökonomisches Modell 262 Der Bestand ist durch die Option von Umwidmungen nicht vollkommen starr und außerdem kann die Leerstandsrate, insbesondere unterhalb des statischen Gleichgewichtspreises551, variieren. Wenn Mieter ausbleiben, müssen Vermieter die angebotenen Mietpreise nicht sofort senken, sondern können zunächst abwarten, ob es sich nur um eine kurzfristige oder zufällige Nachfrageschwäche handelt. Der Mietausfall wird um den Wert der Option, zu einem späteren Zeitpunkt teurer vermieten zu können, gemindert.552 Aus diesem Grund haben die Preise ein kurzfristig deutliches Be- harrungsvermögen.553 „Vielmehr ist es für Vermieter bei einer preisunelastischen Nachfrage gerade sinnvoll, die Miethöhe unverändert zu lassen und den Nachfragerückgang über die Variation der Leerstandsrate zu kompensieren. Das bedeutet, die normale Leerstandsrate hat zugenommen.“554 Das mittelfristig verfügbare Büroflächenangebot (=Flächen im Bau) beinhal- tet sämtliche Flächen, die aktuell im Bau befindlich sind, bis Ende des laufen- den Jahres fertig gestellt werden und noch nicht vergeben, d.h. vermietet oder verkauft sind. Das langfristig verfügbare Büroflächenangebot (=Pipeline) beinhaltet sämtli- che Flächen in Projekten, für die bereits ein Nutzungsvertrag abgeschlossen werden kann, ohne dass schon mit dem Bau begonnen werden kann.555 551 vgl. Wernecke 2004, S.66: Als Gleichgewichtspreis wird die Miete bezeichnet, bei der der Flächenmarkt ausgeglichen ist (d.h. alle Flächen bis auf den natürlichen Leerstand vermietet sind) und bei der gleich- zeitig keine überdurchschnittlichen Renditen durch Neubau von Büroimmobilien möglich sind. 552 vgl. Realoptionsansatz im Kapitel 3.2 553 vgl. Wernecke 2004, S.67 554 Becker 1998, S. 38 555 Gemäß Jones Lang LaSalle besteht das langfristige verfügbare Angebot (=Pipeline) aus Flächen die sich in der Planung befinden. Vgl. Anhang C1, Punkt 7c 3 Lösungsansätze und ökonomisches Modell 263 „Die Wahrscheinlichkeit, dass auch bei einem langfristigen Nachfragerückgang eine Preisreaktion ausbleibt oder nur gedämpft stattfindet, weil stattdessen hö- here Leerstände akzeptiert werden, hängt u. a. von der Anbieterstruktur (mono- polistisch, oligopolistisch oder polypolistisch) und der Markttransparenz ab.“556 In polypolistischen Märkten wie den deutschen Immobilienhochburgen ist es aufgrund der Wettbewerbssituation dem einzelnen Vermieter unmöglich, bei einem Nachfragerückgang die Miethöhe beizubehalten, ohne gegenüber den Wettbewerbern stark ansteigende Leerstände zu verzeichnen. Daher sind die Mieten mittelfristig elastisch. Dies gilt auch für den Immobilienbestand. Bei einem nachhaltigen Nachfrage- rückgang geschieht die Anpassung durch langfristig angelegte Umwidmungen wie Umbaumaßnahmen von Büros zu Wohnungen, durch physische Ab- schreibung und durch Abriss. Neben der Umwidmung gibt es für die Anpassung nach oben nur die Möglichkeit des Neubaus. Das Erfassungsproblem bei der absoluten Leerstandshöhe ist noch größer als das bei der Erfassung des Gesamtbestandes. In Deutschland existiert keine amtliche Statistik, die Büroflächenleerstände erfasst. Die von den Maklern ver- öffentlichten Leerstandszahlen umfassen häufig - je nach dem Grad der Markt- kenntnis - nicht den kompletten Leerstand eines Standortes, sondern nur den- jenigen, der vom eigenen Hause angeboten bzw. vermarktet wird. Vor allem um in räumlichen und zeitlichen Untersuchungen den Indikator 'Büroflächen- Leerstand' und die verschiedenen daraus abgeleiteten Quotienten in den ein- zelnen Standorten vergleichen zu können, ist es für die Immobilienwirtschaft und die öffentlichen Akteure sehr wichtig, sich künftig auf eine einheitliche Defi- nition der einzelnen relevanten Begriffe zu einigen. 556 Wernecke 2004, S.67 3 Lösungsansätze und ökonomisches Modell 264 Ein weiteres Problem neben der Flächenerfassung ist die Bezugsgröße der Büroflächen, unabhängig ob sie den gesamten Bestand, den Flächenumsatz oder den Leerstand betrifft. Die Flächen der Bautätigkeitsstatistik bzgl. Baugenehmigungen, Baufertigstel- lungen und Abriss werden in Quadratmeter Nutzfläche (m² NF) angegeben. Welche Bezugsgröße für die unterschiedlichen, flächenbezogenen Indikatoren in den Marktreports und ähnlichen Veröffentlichungen angegeben wird, ist von Unternehmen zu Unternehmen unterschiedlich. Laut Aussagen auf dem öffent- lichen Branchentreffen in Essen bei der Präsentation der neuen gif- Büromarkt- definitionen557 verwendet das Unternehmen Dr. Lübke die Nettogrundfläche (NGF) und Jones Lang LaSalle die Mietfläche (MF) als Bezugsgröße. Die der Verfasserin zur Verfügung gestellten Daten von Jones Lang LaSalle sind aller- dings mit der Bezugsgröße Bruttogrundfläche erfasst. Laut Aussage von Herrn Muncke, Leiter des Arbeitskreises 2 der gif, betrug der Abschlag von BGF zu MF-G (Mietfläche für den gewerblichen Raum gemäß Richtlinie der gif vom 1.November 2004) in den 70er Jahren 22% und heute liegt dieser bei 17%. Die AENGEVELT Immobilien GmbH nannte der Verfasserin für die Indikatoren „Leerstand“ und „Umsatz“ als Bezugsgröße „die durch den Mieter gemietete Fläche“ sowie ein mögliches Verhältnis von 90% der Nutzflächen (NF) an der Bruttogrundfläche (BGF).558 Die Atisreal GmbH äußerte sich ähnlich wie die AENGEVELT Immobilien GmbH: Für den „Leerstand“ und den „Umsatz“ bzw. „Vermietungsleistung“ wird die im Mietvertrag angegebene Mietfläche verwen- det. Weiterhin sind die Flächenangaben bei den projektierten Flächen, die in m² angegeben sind, vielmehr „auf dem Papier errechnete“ Größen als dass sie der Realität entsprechen. 557 vgl. Kapitel 3.4.1.3 558 Telefonat am 04.08.2005 zwischen Herrn Weber, Stellvertretender Teamleiter Research AENGEVELT, und der Verfasserin 3 Lösungsansätze und ökonomisches Modell 265 Projektierte Flächen sind geplante Büroflächen, die nach dem Kenntnisstand der Atisreal GmbH eine Realisierungswahrscheinlichkeit von mindestens 50% aufweisen. Der bei der gif verwendete Abschlag von BGF zu MF-G ist 18% und wird auch in dieser Größenordnung von Atisreal GmbH angesetzt. Bei den geplanten Flächen ist die größte Unsicherheit vorhanden, da bei diesen neben der Mietfläche aus den Mietverträgen auch BGF- Angaben hineinspielen könnten.559 Jones Lang LaSalle gibt einen Abschlag von BGF auf NGF zwi- schen 15 und 25% je nach Alter des Gebäudes an.560 In der Abbildung 3.4.1.2 - 2 sind die Ergebnisse der DEGI- Umfrage aus dem Jahr 2003 hinsichtlich des Anteils der Mietfläche an der Bruttogrundfläche dar- gestellt. 3,4% 6,1% 7,4% 28,3% 30,4% 14,0% 3,4% 6,1% 1,2% 2,3% 7,2% 14,3% 42,9% 19,1% 4,8% 7,1% 0% 10% 20% 30% 40% 50% 60% bis 65% 66 bis 70% 71 bis 75% 76 bis 80% 81 bis 85% 86 bis 90% 91 bis 95% 96 bis 100% Anzahl der Nennungen Anteil der Mietfläche an BGF Erhebung 1998 Erhebung 2003 Abb. 3.4.1.2 - 2: Der Anteil der Mietfläche an der Bruttogrundfläche561 559 Telefonat mit Herrn Schneider, Geschäftsführer der Atisreal Consult GmbH, und der Verfasserin am 04.08.2006 560 E-Mail von Herrn Scheunemann, Leiter Research Deutschland von Jones Lang LaSalle, vom 23.08.2006 an die Verfasserin 561 eigene Darstellung in Anlehnung an Beyerle 2003, Folie 17 3 Lösungsansätze und ökonomisches Modell 266 Im Jahr 1998 gaben 30,4% der Befragten an, dass das Verhältnis MF zu BGF zwischen 81 bis 85% liegt. Im Gegensatz zum Jahr 1999 waren 42,9% der Be- fragten überzeugt, dass das v.g. Verhältnis eine Größenordnung zwischen 81 und 85% hat.562 Es gibt keine gesetzlich verbindliche Definition der Mietfläche für gewerblich genutzte Objekte. So sind natürlich die Angaben in Marktberichten, die als Ba- sis „die vom Mieter genutzte Fläche“ oder allgemein „Mietfläche“ haben, mit Vorsicht zu genießen. Diese Flächen können BGF-, NF- oder auch MF-G- Flächen sein.563 Die Richtlinie MF-G definiert die Mietfläche von vermieteten oder genutzten Gebäuden und stimmt mit den Begriffen sowie ihren Wesenszügen mit der DIN 277 „Grundflächen und Rauminhalte von Bauwerken im Hochbau“, 2005 über- ein. Außerdem formuliert sie ein Regelwerk, das die Mietfläche als eine Größe auffasst, die direkt aus den Objekteigenschaften abzuleiten ist, damit nicht mehr regionalen Gepflogenheiten oder der Gebäudetypologie unterworfen ist und keine Schwankungsbreite bei einem und demselben Objekt mehr kennt.564 Die Mietfläche MF-G ist kleiner als die BGF, obwohl sie zusammen mit der MF-0 die Brutto-Grundfläche bildet. Zu der MF-0 (= keine Mietfläche) gehören: - die technischen Funktionsflächen (TF), - die Verkehrsflächen (VF) sowie - die Konstruktions- Grundflächen (KGF). Die Mietfläche MF-G ist bis auf die Fahrzeugabstellflächen (Stellplätze) gleich der Nutzfläche gemäß DIN 277, 2005.565 562 vgl. Beyerle 2003, Folie 17 563 Aus diesem Grund sind in die Regressionsberechnungen (vgl. Kapitel 3.4.3) die Eckdaten von Jones Lang LaSalle in m² BGF und die der Bautätigkeitsstatistik im m² NF eingeflossen. 564 vgl. Richtlinie zur Berechnung der Mietfläche für gewerblichen Raum (MF-G) vom 01.11.2004, S. 4 565 vgl. Richtlinie zur Berechnung der MF-G, S. 9 sowie DIN 277-2 Februar 2005 Tabelle 1 Nr. 7 S. 4 und Tabelle 2, Nr. 7.4, S. 6 3 Lösungsansätze und ökonomisches Modell 267 Aus den v.g. Ausführungen wird klar, wie wichtig eine einheitliche Bezugsgröße für die flächenbezogenen Büromarktfaktoren ist. Ein erster Schritt in die richtige Richtung ist bereits gemacht, so sind nach Aussagen auf dem öffentlichen Branchentreffen in Essen am 09.05.2005 ca. 40-60% der Mietflächen in den Mietverträgen in Frankfurt am Main nach der gif- Richtlinie zur Berechnung der Mietfläche für gewerblichen Raum (MF-G) vom 1.November 2004 erfasst. In der vorliegenden Untersuchung fließen die Parameter Leerstand, gesamter Büroflächenbestand, die Neuanfragen sowie die Daten der Bautätigkeitsstatistik mit den Baugenehmigungen, den Baufertigstellungen und dem Abgang an Flä- chen auf der Angebotsseite ein. Dabei haben alle flächenbezogenen Größen mit Ausnahme der Bautätigkeitsstatistik, die in m² Nutzfläche angegeben wer- den, die Einheit m² Bruttogrundfläche. Nachfrage und deren Preiselastizität Die am Markt wirksame, flächenbezogene Nachfrage eines Unternehmens hängt - vereinfachend beschrieben - von der geplanten Produktionsleistung, dem dafür benötigten Büropersonal, der Bürofläche pro Mitarbeiter und letztlich der Büromiete ab.566 Je höher diese Miete ist, desto niedriger sollte, abweichend vom grundsätzli- chen Bedarf, die wirksame Nachfrage nach Bürofläche sein. Umgekehrt führen niedrigere Büromieten zu einer relativen Kostenreduzierung des Faktors Büro- arbeit und damit zu Nachfrageanstieg. Die Preiselastizität der Büroflächennachfrage ist aber nach Sotelo sehr gering, weil die Quadratmeter bezogenen Mietaufwendungen im Verhältnis zu allen 566 vgl. Kapitel 3.4.1.3 3 Lösungsansätze und ökonomisches Modell 268 weiteren Kosten, die mit einer Ausweitung der Büroflächennutzung entstehen, nahezu unbedeutend seien.567 Entscheidend für kurzfristige Änderungen der Nachfrage auf dem Leistungs- markt sind also vor allem exogene Einflüsse (vgl. Kapitel 3.4.1.1). Wenn es bei einem Konjunkturanstieg zu einer Ausweitung der unternehmeri- schen Produktionspläne kommt, so steigt indirekt auch der Büro- flächenbedarf.568 Bis zu marktwirksamen Nachfragesteigerungen verstreicht durch interne Umschichtungen wie Mehrarbeit und intensivere Flächennutzung sowie durch das Abwarten des Unternehmers eine gewisse Zeit.569 Erst dann kommt es zu verstärkter Nachfrage, sinkenden Leerständen und steigenden Mietpreisen. Beim umgekehrten Fall eines unerwarteten nachfrageinduzierten Rückgangs des benötigten Büropersonals ist auch die Wirkung auf Leerstände und Miet- preise entgegengesetzt. 570 Eine Begrenzung oder Reduzierung des Personal- bestandes kann zum einen, bezogen auf die Vermietungsmärkte, im günstigs- ten Fall keine zusätzliche Anmietung von Büroraum und somit keine zusätzli- che Nachfrage bedeuten oder zum anderen im schlimmsten Fall die Aufgabe von Büros nach sich ziehen, was wiederum ein zusätzliches Angebot darstellt. Allerdings ist die Zeitverzögerung der Nachfrage aufgrund von Personalentlas- sungen groß, da arbeitsrechtliche und mietvertragliche Restriktionen eine schnelle Anpassung nach unten be- oder sogar verhindern. Die Zeit zwischen der Flächenbedarfsänderung und ihrer beobachtbaren Wirkung auf das Miet- preisniveau wird als Preismechanismus- Lag bezeichnet.571 567 vgl. Wernecke 2004, S.61; Sotelo 1996, S.1: „Da die Kosten für die zu nutzende Fläche im Verhältnis zu den anderen Kosten eines Dienstleistungsunternehmens und insbesondere im Verhältnis zu den Personalaufwendungen nur eine untergeordnete Rolle spielen, erweist sich die Nachfrage nach Büro- fläche als extrem preisunelastisch". 568 vgl. Downs 1991, S. 22 569 vgl. Hübner 2000, S. 6 570 vgl. Sueberling 1992, S. b05 571 vgl. Becker 1998, S. 32 3 Lösungsansätze und ökonomisches Modell 269 3.4.1.3 Ermittlung der Bürobeschäftigten gemäß Dobberstein und gemäß Holthaus sowie deren beeinflussbare Indikatoren Obwohl die Bürobeschäftigten unabhängig von ihrem Ermittlungsansatz keinen Erklärungsbeitrag für die Prognosefunktionen der gewichteten Durchschnitts- miete, der Spitzenmiete sowie des Flächenumsatzes haben, die im Kapitel 3.4.3 durch multiple, lineare Regressionsberechnungen der Verfasserin ermittelt werden, soll in diesem Kapitel auf den Parameter „Bürobeschäftigte“ und deren Ermittlung eingegangen werden, da diese Größe oft zur Bestimmung der Nach- frage nach Büroflächen herangezogen wird. Weiterhin war vor der Durchführung der Regressionsberechnungen nicht klar, dass die Zahl der Bürobeschäftigten nicht in die o.g. Prognosefunktionen ein- gehen würde. Da sich aber in dem den Regressionsberechnungen vorange- henden Schritt, dem der Datenrecherche und der Prüfung dieser Daten auf Va- lidität, große Unterschiede der Bürobeschäftigtenzahl in Abhängigkeit von dem gewählten Ermittlungsansatz ergaben, gemäß Holthaus und gemäß Dob- berstein, wird in diesem Kapitel die Ermittlung dieser Größe und deren Interde- pendenzen z.B. zur Flächenkennziffer aufgezeigt. Eine wichtige, die Nachfrage nach Büroflächen bestimmende Komponente ist die Zahl der Bürobeschäftigten. Dagegen ist sie keine bestimmende Größe für die Prognose des Mietniveaus, wie die Berechnungen in Kapitel 3.4.3 zeigen, wenn die Parameter „Erwerbstätige“, „SVP-Beschäftigte“ oder das „BIP“, da diese interdependent sind, wie die in den Kapiteln 3.4.1.4 sowie 3.4.3 dargelegt wird. Es gibt in Deutschland keine amtliche Statistik, die die Zahl der Bürobeschäftig- ten erfasst. Der erste qualifizierte Versuch, die Nachfrageseite durch die Ermitt- lungsmethode der Bürobeschäftigten zu quantifizieren, wurde von Dobberstein vereinfacht angestellt. 3 Lösungsansätze und ökonomisches Modell 270 Aufgrund der Dissertation von Dobberstein gibt es seit 1998 eine Methode zur Schätzung der Bürobeschäftigtenzahl, die in der Immobilienbranche zumindest als Grundlage der Bürobeschäftigtenzahlen dient und deren Ansätze von der gif als herausragend und zutreffend angesehen werden, sie ist deshalb in ihre De- finitionssammlung zum Büromarkt 572 integriert worden. Durch die Angabe von Definitionen zum Büromarkt wie auch zur Bürobeschäftigtenermittlung soll eine einheitliche „Sprache“ für die Unternehmen und die am Büromarkt Beteiligten, die u.a. auch regelmäßig Marktreports veröffentlichen, angeregt sowie Markt- transparenz geschaffen werden. Im Folgenden werden neben der Vorgehensweise gemäß Dobberstein auch die Methode zur Ermittlung der Bürobeschäftigtenzahl gemäß Holthaus sowie die Unterschiede der beiden v.g. Methoden mit den Ergebnissen der Bulwien AG aufgezeigt. Es werden auch die Einflüsse der Bevölkerungsentwicklung, der Konjunktur und der Korrelation der Bürobeschäftigten mit dem Büroflächenbe- stand sowie die (Büro-)Flächenkennziffer erläutert, da diese ebenfalls die Nach- frageseite beeinflussen (vgl. Abb. 3.4.1.4 – 1). Gemäß der gif- Definitionssammlung sind Bürobeschäftigte Beschäftigte, die Büroflächen in Anspruch nehmen.573 Bürobeschäftigte sind Nutzer von Büroflä- chen, die in Unternehmen tätig sind und in einem Arbeitsvertrag beziehungs- weise Dienstverhältnis zum Unternehmen stehen. Vollständig als Beschäftigte werden auch Erkrankte, UrlauberInnen, Saison und AushilfsarbeiterInnen, KurzarbeiterInnen und Teilzeitbeschäftigte gezählt.574 572 vgl. gif e.V. (Gesellschaft für Immobilienwirtschaftliche Forschung e.V.), Definitionssammlung zum Büromarkt, September 2004; Das Ziel dieser Sammlung ist eine Basis in Form eines nachvollziehba- ren einheitliches Zahlenwerk pro Standort zu schaffen, um den Büromarkt einheitlich zu beschreiben. Außerdem lassen sich dann die deutschen Büromärkte nach gif- Standard professionell analysieren und prognostizieren. Die Definitionssammlung kann unter www.gif-ev.de kostenlos downgeloaded wer- den. Diese ist auch durch weitere Definitionen von Immobilienunternehmen wie z. B. Jones Lang LaSal- le ergänzt im Anhang C1 Auszüge abgebildet. 573 vgl. gif 2004, S. 3 574 Aus Statistik von A bis Z auf www.destatis.de am 10.01.2005, 10:32 Uhr 3 Lösungsansätze und ökonomisches Modell 271 Bei der Definition der Bürobeschäftigten ist nicht die Schreibtischtätigkeit, son- dern die Raumbezogenheit das entscheidende Abgrenzungskriterium. Um die Bürobeschäftigte eindeutig definieren zu können, muss zunächst der Begriff der Bürofläche eindeutig definiert und abgegrenzt werden. „Als Büroflächen gelten diejenigen Flächen, auf denen typische Schreibtischtä- tigkeiten durchgeführt werden bzw. durchgeführt werden könnten und die auf dem Büroflächenmarkt gehandelt, das heißt als Bürofläche vermietet werden können. Hierzu zählen auch vom privaten oder vom öffentlichen Sektor eigen- genutzte sowie zu Büros umgewidmete Flächen, ferner selbstständig vermiet- bare Büroflächen in gemischt genutzten Anlagen, insbesondere in Gewerbe- parks.“575 In den Begriff der Bürofläche sind die Nebenflächen eingeschlossen. Damit sind nicht nur die Verkehrs- und Funktionsflächen gemeint, sondern auch Nutzflä- chen wie z.B. Konferenz- und Sozialräume sowie Archive.576 Die Bürobeschäftigten setzen sich in bestimmten Anteilen aus den Gruppen sozialversicherungspflichtig Beschäftigte, Beamte und Selbstständige und je nach Ermittlungsansatz auch aus der Gruppe der Sozialversicherungsfreien zusammen. Sie werden als Differenz aus der Summe der sozialversicherungs- pflichtig Beschäftigten, der Beamten und der Selbstständigen minus den Er- werbstätigen am Arbeitsort berechnet. 575 gif 2004, S.3; in Anlehnung an Dobberstein 1997 (b), S. 321; vgl. Anhang C1 einschl. der Kommentare der gif zu der Definition Büroflächen, in denen diese näher eingegrenzt und erklärt werden 576 vgl. Dobberstein 1997 (a), S. 92 3 Lösungsansätze und ökonomisches Modell 272 Die Methode zur Ermittlung der Bürobeschäftigtenzahl gemäß Dobberstein577 Die im Folgenden dargestellte Methode zur Ermittlung der Größe der Bürobe- schäftigten gemäß Dobberstein führt zu deutlich besseren Schätzwerten bei Büroflächenanalysen als vor 1998, sie ist unkompliziert und greift auf frei ver- fügbare Daten zurück. Für die Anwendung dieser Methode sind nur zwei Arbeitsschritte notwendig: 1. Beschaffung der Daten zur Zahl der Gesamtbeschäftigten, unterteilt in die drei Gruppen: Beamte, Selbstständige und sozialversicherungspflich- tig Beschäftigte 2. Multiplikation der Zahl der drei o. g. Gruppen mit Bürobeschäftigungs- quoten und anschließende Addition dieser drei Gruppen Die sozialversicherungspflichtig Beschäftigten Sozialversicherungspflichtig beschäftigte Arbeitnehmer(Innen), kurz SVP- Be- schäftigte, sind alle Arbeiter(Innen) und Angestellten einschließlich der zu ihrer Berufsausbildung Beschäftigten (Auszubildende u.a.), die kranken-, renten-, pflegeversicherungspflichtig und/oder beitragspflichtig sind zur Bundesanstalt für Arbeit (Arbeitslosenversicherung nach dem Arbeitsförderungsgesetz AFG) oder für die von den Arbeitgebern Beitragsanteile zu den gesetzlichen Renten- versicherungen zu entrichten sind. Wehr- oder Zivildienstleistende gelten dann als „sozialversicherungspflichtig Beschäftigte“, wenn sie ihre Dienste aus einem Beschäftigungsverhältnis her- aus angetreten haben und nur wegen des Wehr- oder Zivildienstes kein Entgelt erhalten. 577 vgl. Dobberstein 1997 (a) sowie Dobberstein 1997 (b), S. 321-329 3 Lösungsansätze und ökonomisches Modell 273 Selbstständige, mithelfende Familienangehörige und Beamte/Beamtinnen so- wie bis 1998 jene Arbeitnehmer (Innen), die aufgrund einer nur geringfügigen Beschäftigung keiner Versicherungspflicht unterliegen, sind grundsätzlich nicht erfasst.578 Ab dem 1. April werden teilweise auch geringfügig Beschäftigte be- rücksichtigt. Die regionale Zuordnung erfolgt nach dem Arbeitsort (Sitz des Betriebes) sowie zusätzlich nach dem Wohnort. In dieser Arbeit sind die SVP- Beschäftigten am Arbeitsort gemeint, wenn die Kurzform „SVP- Beschäftigte“ angewendet wird. Die sozialversicherungspflichtig Beschäftigten werden für die Ermittlung der Bürobeschäftigten nach Berufen differenziert. Eine Sonderauswertung der Sta- tistik der sozialversicherungspflichtig Beschäftigten, die die Beschäftigten nach Berufsgruppen ausweist, ist bei der Bundesanstalt für Arbeit kostenpflichtig ab- rufbar. Die Daten der sozialversicherungspflichtig Beschäftigten müssen sich auf die Berufsordnungen der alten Klassifizierung der Berufe von 1975 beziehen, da die berufsordnungsbezogenen Bürobeschäftigungsquoten für die SVP- Be- schäftigten diese als Bezugsbasis haben. Die unterschiedlichen Bürobeschäfti- gungsquoten579 werden mit den jeweiligen SVP- Beschäftigten der einzelnen Berufsordnungen multipliziert und so ergibt sich die Gesamtzahl der sozialver- sicherungspflichtig Bürobeschäftigten als eine Teilgröße der Bürobeschäftigten gemäß Dobberstein.580 578 Aus http://www.ids.nrw.de/statistik/datenangebot/daten/l/r333sba.html am 10.01.2005, 10:32 579 Die jeweiligen Bürobeschäftigungsquoten sind unter Dobberstein, 1997 (a), S. 183-185; vgl. Dob- berstein 1997 (b), S. 327 sowie in gif 2004, S.15. Alle nicht in diesen Tabellen veröffentlichten und auf- gelisteten Berufsordnungen wiesen eine Bürobeschäftigungsquote von 0% auf. 580 Im Anhang C3 und C4 sind die Ergebnisse der SVP - Bürobeschäftigte gemäß Dobberstein für Düssel- dorf und NRW aufgelistet. 3 Lösungsansätze und ökonomisches Modell 274 Die Beamten Beamte sind Personen in einem öffentlich- rechtlichen Dienstverhältnis des Bundes, der Länder, der Gemeinden und sonstiger Körperschaften des öffentli- chen Rechts einschließlich Beamtenanwärter und Beamte im Vorbereitungs- dienst, Richter, Soldaten einschließlich Wehrpflichtige.581 Die Zahl der Beamten kann der Personalstatistik des öffentlichen Dienstes ent- nommen werden und kann über die jeweiligen Statistischen Landesämter be- zogen werden. Die Personalstandsstatistik erfasst die am Ort tätigen Personen, also die Be- schäftigten. Ihre Erfassung auf regionaler Ebene ist seit 1992 für die Länder Pflicht und wird seit diesem Zeitpunkt jährlich geführt. Dabei erfolgt auch eine Differenzierung der Bediensteten nach der Art des Dienstverhältnisses,582 so dass die Zahl der Beamten der Personalstatistik des öffentlichen Dienstes ent- nommen werden kann.583 Diese Statistik ist keine Hochrechnung, sondern eine Vollerhebung und somit besitzen die Daten zur Gesamtzahl der Beamten eine hohe Genauigkeit. Zur Berechnung und Ermittlung der Bürobeschäftigungsquote für die Beamten, die 50% beträgt, wurde der Mikrozensus herangezogen.584 581 Auskunft erteilte Frau Thiele, Gruppe II D2 des Statistischen Bundesamtes per E-Mail-Anhang am 26.04.2006 der Verfasserin. 582 vgl. Gesetz über die Statistiken der öffentlichen Finanzen und des Personals im öffentlichen Dienst (FPStatG) in der Fassung vom 21. Dezember 1992, §6, Absatz 1 583 vgl. Dobberstein 1997 (a), S. 180 584 Weitere Informationen zu der Ermittlung der Bürobeschäftigungsquote für die Beamten wird auf die Dissertation von Dobberstein (Dobberstein, 1997 (a)) verwiesen. 3 Lösungsansätze und ökonomisches Modell 275 Die Selbstständigen Selbstständige sind Personen, die ein Unternehmen als Eigentümer, Miteigen- tümer, Pächter, selbstständiger Handwerker oder selbstständiger Gewerbetrei- bender leiten sowie freiberuflich Tätige, die selbstständig ein Büro oder eine Praxis unterhalten (Ärzte, Rechtsanwälte, Steuerberater etc.).585 Die Zahl der Selbstständigen ist über den Mikrozensus nur eingeschränkt auf Anpassungsschichtebene erhältlich. Der Mikrozensus liegt bei den Statistischen Landesämtern vor. Wie für die Beamten erfolgte die Ermittlung der einheitlichen Quote von 30% für die Gruppe der Selbstständigen mithilfe des Mikrozensus. Die Ungenauigkeiten der Bürobeschäftigtenermittlung bei den Beamten und den Selbstständigen aufgrund der einheitlichen Quoten entstehen dadurch, dass lediglich Gesamt- zahlen der jeweiligen Gruppen verwendet werden und dadurch stadtstrukturelle Unterschiede keine Berücksichtigung finden. Die daraus entstandenen Un- schärfen halten sich in Grenzen, da der Anteil der Beamten und der Selbststän- digen einen geringen Anteil und somit eine geringe Bedeutung für die Gesamt- zahl der Bürobeschäftigten hat.586 Der Mikrozensus ist die einzige Statistik, die die Zahl der Selbstständigen re- gelmäßig und zeitnah erhebt. Der Mikrozensus ist eine Stichprobe, bei der 1% der Haushalte und die Erwerbstätigen alle 2 Jahre erfasst werden. Seit 1991 liegen die Daten gegliedert nach Beamten, Selbstständigen und SVP- Beschäf- tigten auch auf regionaler Ebene vor. Der Mikrozensus erfasst die Zahl der in einer Stadt wohnenden, nicht der arbeitenden Selbstständigen und ist aufgrund des 2-Jahres-Intervalles eine Hochrechnung, also keine Vollerhebung. 585 Auskunft erteilte Frau Thiele, Gruppe II D2 des Statistischen Bundesamtes per E-Mail-Anhang am 26.04.2006 der Verfasserin. 586 Der Anteil der Selbstständigen an allen Erwerbstätigen in den großen Bürometropolen beträgt lediglich zwischen 6% und 11%. vgl. Dobberstein 1997 (b), S. 328 3 Lösungsansätze und ökonomisches Modell 276 Für Büromarktanalysen steht die Hochrechnung der in einer Stadt arbeitenden Personen im Fokus. Der Vergleich aus der Volks- und Arbeitsstättenzählung erfassten Selbstständigen ist für die Anwendung der Mikrozensusergebnisse hinsichtlich der Selbstständigen zielführend. Die Volkszählung ist eine Vollerhebung und erfasst die berufstätigen Einwohner (Erwerbstätige) einer Stadt.587 Die Arbeitsstättenzählung wird in den Arbeitsstätten einer Stadt durchgeführt und erfasst nicht die Erwerbstätigen, sondern die Beschäftigten,588 somit alle, die in einer Stadt arbeiten und Flächenansprüche stellen. Die Volkszählung erfasst wie der Mikrozensus die in einer Stadt wohnenden Selbstständigen, die Arbeitsstättenzählung dagegen die Zahl der dort arbeitenden Selbstständigen. Beide Zählungen fanden letztmalig 1987 zum gleichen Zeitpunkt statt und so kann aus dem Verhältnis zwischen den in einer Stadt wohnenden und arbeiten- den Selbstständigen ein Faktor gebildet werden, der bei der Hochrechnung auf Basis des Mikrozensus ermittelten Selbstständigen verwendet wird.589 Der aus der Arbeitsstätten- und Volkszählung gebildete Faktor wird mit der Zahl der Selbstständigen aus dem Mikrozensus und der Bürobeschäftigtenquote von 30% für die Selbstständigen multipliziert und bildet die Gesamtzahl der bürobe- schäftigten Selbstständigen. 587 vgl. Landesamt für Datenverarbeitung und Statistik Nordrhein- Westfalen (Hrsg.): Deutsche und aus- ländische Erwerbstätige nach Wirtschaftsabteilungen und Stellung im Beruf, Sonderreihe zur Volkszäh- lung 1987 Nordrhein- Westfalen, Band Nr. 2.9, Düsseldorf 1990, S. VIII 588 vgl. Landesamt für Datenverarbeitung und Statistik Nordrhein- Westfalen (Hrsg.): Arbeitsstätten, Son- derreihe zur Volkszählung 1987 Nordrhein- Westfalen, Band Nr. 7.1, Düsseldorf 1990, S. XI 589 vgl. Dobberstein 1997 (a) 3 Lösungsansätze und ökonomisches Modell 277 Die Methode zur Ermittlung der Bürobeschäftigtenzahl gemäß Holthaus Der Parameter Bürobeschäftigte gemäß Dobberstein, der in der Literatur590 als zentrale Bestimmungsgröße für Büroflächennachfrage herausgestellt wurde, wird von der Verfasserin in seiner Qualität geprüft591 und durch die Größe „so- zialversicherungsfreie Bürobeschäftigte“ erweitert und genauer bestimmt. Die Sozialversicherungsfreien werden aus der Differenz der SVP- Beschäftigten am Arbeitsort, der Beamten und der Selbstständigen von den Erwerbstätigen am Arbeitsort gebildet.592 Die Gruppe der Erwerbstätigen umfasst neben den SVP- Beschäftigten, anders als die „Statistik der sozialversicherungspflichtig Beschäftigten“, auch die Beam- ten (Innen) und die Selbstständigen, einschließlich der mithelfenden Familien- angehörigen, außerdem auch die „geringfügig Beschäftigten“. Erwerbstätige mit Nebentätigkeiten werden nur mit ihrer Hauptbeschäftigung berücksichtigt. Die Daten der Erwerbstätigenrechnung der Länder werden wie auch die Daten des Bundes, nach einem umfangreichen Verfahren berechnet, das vom Ar- beitskreis „Erwerbstätigenrechnung des Bundes und der Länder“ entwickelt wurde. Ausgehend von unterschiedlichen Berechnungsquellen, wie z.B. der „Statistik der sozialversicherungspflichtig Beschäftigten“ sowie einer Vielzahl von Fachstatistiken, werden die Ergebnisse sowohl mit originär eingesetzten Daten als auch mithilfe von Indikatoren ermittelt. Die Erfassung erfolgt am Arbeitsort, die wirtschaftliche Zuordnung nach dem wirtschaftlichen Schwerpunkt der Betriebe.593 590 vgl. Dobberstein 1997 (a) 591 Holthaus, U.; Schmelz, S.: Bestimmung der Anzahl der Bürobeschäftigten, Internes Thesenpapier, Universität Dortmund, Juli/ August 2005 592 Datenquelle der Erwerbstätigen und SVP- Beschäftigten am Arbeitsort: LDS NRW, erstellte Datentabel- len vom 12. und 14.4. 2005 593 Download unter http://www.lds.nrw.de/statistik/datenangebot/daten/l/erwerb/r333erwerbstätige.html am 10.01.2005, 10:35 Uhr 3 Lösungsansätze und ökonomisches Modell 278 Es wurden die Sozialversicherungsfreien mit einer Quote von 0,3 bzw. einem Anteil von 30% auf die SVP- Bürobeschäftigten, die bürobeschäftigten Beam- ten und Selbstständigen addiert (vgl. Anhang C2 und Abb. 3.4.1.3 - 1). Die Quote von 30% für die sozialversicherungsfreien Bürobeschäftigten ist in An- lehnung an die Analysen von Dobberstein und nach Rücksprache mit Experten ermittelt worden und mit der Zeitreihe der Bulwien AG verifiziert worden (vgl. Abb. 3.4.1.3 - 4). Die SVP- Bürobeschäftigten und die bürobeschäftigten Beamten wurden nach der Methode gemäß Dobberstein ermittelt. Darüber hinaus wurden die selbst- ständigen Bürobeschäftigten mit dem Faktor, der sich aus Selbstständigen der Arbeitsstätten- und Volkszählung ergibt, entgegen der im Anhang der Disserta- tion von Dobbersteins Empfehlung für die Städte Dortmund, Düsseldorf, Ham- burg, Hannover, München und Stuttgart berechnet.594 In der Abbildung 3.4.1.3 - 1 ist die Ermittlung der „Sozialversicherungsfreien Personen“595 grafisch dargestellt. Dabei ergibt sich die Anzahl der Sozialversi- cherungsfreien aus der Differenz der SVP- Beschäftigten am Arbeitsort, der Beamten und der Selbstständigen von den Erwerbstätigen am Arbeitsort. Die Berechnung der Verfasserin ist also genauer und sollte, wenn die Bürobe- schäftigten in die Rechnung einfließen in Zukunft benutzt werden. In der Praxis findet man auch andere Vorgehensweisen, die aber ungenauer und weniger datenbasiert als die Methode von Holthaus sind. 594 vgl. Dobberstein, 1997 (b), S.385: Die Analyse der beiden v. g. Zählungen in Bezug auf die Selbststän- digen zeigte, dass mit Ausnahme von Frankfurt am Main in den meisten Städten Selbstständige nur in geringem Maße Pendlerbewegungen verursachen. Es kann bei den o.g. davon ausgegangen werden, dass der Mikrozensus nicht nur die Zahl der Erwerbstätigen, sondern in etwa auch die der beschäftigten Selbstständigen erfasst. Die Verfasserin ist diesbezüglich anderer Meinung und verwendet den v. g. Faktor. 595 Die Gruppe der Sozialversicherungsfreien Personen wird in dieser Arbeit mit der Kurzform „Sozialversi- cherungsfreie“ aufgeführt. 3 Lösungsansätze und ökonomisches Modell 279 0 100.000 200.000 300.000 400.000 500.000 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 Erw erbstätige am Arbeitsort - ( SVP- Beschäftigte am Arbeitsort Beamte Selbständige) = Sozialversicherungsfreie Abb. 3.4.1.3 - 1: Die Ermittlung der Sozialversicherungsfreien In der folgenden Abbildung sind die Gruppen der Bürobeschäftigten gemäß Holthaus dargestellt. Ohne den „Aufsatz“ der sozialversicherungsfreien Büro- beschäftigten (violettfarben dargestellt) wäre der Verlauf der Bürobeschäftigten gemäß der Methode Dobberstein. 0 50.000 100.000 150.000 200.000 250.000 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 Sozialversicherungspflichtige Bürobeschäftigte Bürobeschäftigte Beamte Selbstständige Bürobeschäftigte 30 % der Sozialversicherungsfreien Abb. 3.4.1.3 - 2: Die Gruppen der Bürobeschäftigten gemäß Holthaus (Quote 0,3) 3 Lösungsansätze und ökonomisches Modell 280 Die Bürobeschäftigtenzahlen der Bulwien AG als Vergleichsgröße Die Bürobeschäftigtenzahlen für Düsseldorf wurden der Verfasserin von der Bulwien AG für die Jahre 1995 bis 2005 zur Verfügung gestellt. Die Bulwien AG unterteilt die Gesamtzahl der Bürobeschäftigten in die Gruppen: - Bürobeschäftigte: Beamte, - Bürobeschäftigte: Selbstständige, - Bürobeschäftigte: SVP- Beschäftigte sowie - Bürobeschäftigte: Sonstige. Weiterhin unterteilt sie die SVP- Bürobeschäftigten nach Branchen. Allerdings verwendet Bulwien für die bürobeschäftigten Beamten und Selbstständigen keine einheitliche, konstante Bürobeschäftigungsquote, sondern 61,4% bis 67,7% für die Beamten und 37% bis 42,3% für die Selbstständigen in dem Zeit- raum 1995 bis 2004. Der Vergleich der Ergebnisse der Bürobeschäftigtenzahlen zwischen den An- sätzen von Holthaus (Quote 0,3) und der Bulwien AG ist marginal, es ergab sich eine Differenz von absolut -2.834 bis 3.239 bzw. -1,3% bis 1,7% über den betrachteten Zeitraum. Abb. 3.4.1.3 - 3: Der Vergleich der Bürobeschäftigtenzahlen zwischen Holthaus und Bulwien 3 Lösungsansätze und ökonomisches Modell 281 In der Abbildung 3.4.1.3 - 3 ist der Vergleich der Anteile der Bürobeschäftigten- gruppen von Holthaus und Bulwien zu sehen.596 In der folgenden Abbildung 3.4.1.3 - 4 sind die Kurven für SVP-Beschäftigte am Arbeitsort, SVP-Bürobeschäftigte und Bürobeschäftigte gem. Dobberstein sowie Bürobeschäftigte gem. Holthaus in Düsseldorf im Vergleich dargestellt. Steigt bzw. sinkt die Zahl der SVP-Beschäftigten, so steigt bzw. sinkt auch die Zahl der Bürobeschäftigten bzw. SVP-Bürobeschäftigten sowohl gem. Dobberstein, als auch gem. Holthaus. Es liegt daher eine positive Korrelation vor und die Zahl der SVP-Beschäftigten ist ein wichtiger und grundlegender Faktor für die Entwicklung der Bürobeschäftigtenzahlen. 140.000 190.000 240.000 290.000 340.000 390.000 19 87 19 88 19 89 19 90 19 91 19 92 19 93 19 94 19 95 19 96 19 97 19 98 19 99 20 00 20 01 20 02 20 03 20 04 140.000 160.000 180.000 200.000 220.000 Sozialversicherungspflichtig Beschäftigte (links) Bürobeschäftigte gem. Dobberstein Bürobeschäftigte gem. Holthaus (Quote 0,3) SVP- Bürobeschäftigte gem. Dobberstein Bürobeschäftigte Bulwien Abb. 3.4.1.3 - 4: Die SVP- Beschäftigten und verschiedene Bürobeschäftigte in Düsseldorf597 596 vgl. weiterhin den Vergleich der Bürobeschäftigten im Anhang C5 597 eigene Darstellung, Datenquelle: LDS NRW, Bulwien, eigene Berechnung mit Daten des LDS NRW und der Bundesagentur für Arbeit Nürnberg sowie der berufsordnungsbezogenen Bürobeschäftigten- quoten für die sozialversicherungspflichtig Beschäftigten gem. Dobberstein. Die SVP- Beschäftigten am Arbeitsort sind aufgrund ihrer Größenordnung und somit aufgrund der besseren Darstellung auf der lin- ken Achse abgetragen. Anmerkung der Verfasserin: Das Verwenden von 2 - Ordinatenachsen (Y- Achse) wird im folgenden Verlauf dieser Arbeit aufgrund der besseren Illustration mehrfach verwendet. Es ist in der Legende in den Klammern vermerkt welche Größe sich auf welche Achse bezieht (links bzw. rechts). Selten steht auch der Begriff „2. Achse“ in Klammern. Dieser Ausdruck bezieht sich immer auf die rechte Y- Achse. 3 Lösungsansätze und ökonomisches Modell 282 Die auf die Bürobeschäftigten wirkenden Indikatoren Wichtige exogene Faktoren auf den Immobilien-, aber auch auf den Büroimmo- bilienmarkt sind die Bevölkerungsentwicklung hinsichtlich des Arbeitskräftean- gebot und die Konjunktur- bzw. Wirtschaftsentwicklung, die oft durch den Indi- kator des Bruttoinlandsproduktes veranschaulicht wird.598 Diese beiden Fakto- ren beeinflussen somit auch die Zahl der Bürobeschäftigten. Die Bevölkerungsentwicklung Die Lebenserwartung der Menschen wird länger und die Geburtenraten neh- men ab. Eine alternde und schrumpfende Bevölkerungszahl ist die Folge und kann auf längere Sicht den Wohnungsmarkt, aber auch den Büromarkt stark beeinflussen. Die Bevölkerungsentwicklung beeinflusst auch die Zahl der Erwerbsfähigen,599 und somit das Arbeitskräfteangebot sowie auch die Bürobeschäftigten als Teil- menge der Erwerbsfähigen. Aus Szenariorechnungen bis 2050 von Just wird deutlich, dass die Zahl der Erwerbsfähigen schneller als die Zahl der Einwohner insgesamt sinkt.600 Laut weiteren Szenariountersuchungen steigt die Anzahl der Bürojobs und die Nachfrage nach Bürofläche bis 2030 an und fällt danach bis 2050 bei folgen- dem Szenario „Mehr Bürojobs“: - die Arbeitslosenquote sinkt deutlich, - die Erwerbspersonenquote steigt, - die Bürobeschäftigtenquote steigt und - die Bürofläche je Bürojob bleibt konstant. 601 598 Das BIP ging z.B. auch als Größe Y in das 4- Quadranten- Modell ein. Weitere Parameter für die Vari- able Y können aber auch die Bevölkerungsentwicklung (Einwohner), die Flächenkennziffer etc. sein. 599 vgl. Just 2005, S.6 600 vgl. Just 2005, S. 7 601 vgl. Just 2005, S. 9-12 3 Lösungsansätze und ökonomisches Modell 283 Die folgende Grafik 3.4.1.3 - 5 zeigt die Wirkung der Bevölkerungsentwicklung auf das Wirtschaftswachstum, Indikator ist der Zuwachs des BIP, auf das Ar- beitsangebot wie z.B. die Erwerbsfähigen und die SVP- Beschäftigten sowie auf den Strukturwandel, der u.a. auf die Altersstruktur der Bevölkerung (Einwohner) zurückgeführt werden kann. Der Begriff Strukturwandel in dieser Grafik meint den intrasektoralen Strukturwandel, der weiterhin durch technischen Wandel wie z.B. Innovationen auf die Bürobranche hinsichtlich der Büroart und -technik wirkt, aber auch durch die Liberalisierung der Wirtschaft begründet ist. Die Zahl der Büroarbeitsplätze und damit auch die Nachfrage nach Büroraum wird vom Wirtschaftswachstum, Arbeitskräfteangebot und dem Strukturwandel beein- flusst. Zusätzlich zu dem Arbeitsangebot werden weitere exogene Faktoren, wie der Strukturwandel oder das Wirtschaftswachstum als Einflussparameter auf die Zahl der Büroarbeitsplätze als eine Komponente der Nachfrage nach Büroraum aufgezeigt (vgl. Abb. 3.4.1.3 – 5). Abb. 3.4.1.3 - 5: Die Auswirkung der Bevölkerungsentwicklung auf die Zahl der Büroarbeitsplätze602 602 eigene Darstellung in Anlehnung an Just 2005, S. 5 3 Lösungsansätze und ökonomisches Modell 284 Das gilt insgesamt für Deutschland. Nun zu Düsseldorf: In der Abbildung 3.4.1.3 - 6 ist leicht ersichtlich, dass sich die SVP-Beschäftigten in Düsseldorf genauso zyklisch entwickeln wie die Erwerbstätigen. Diese zyklische Eigen- schaft gilt auch für Deutschland und andere Standorte. 423.000 428.000 433.000 438.000 443.000 448.000 453.000 458.000 463.000 19 87 19 88 19 89 19 90 19 91 19 92 19 93 19 94 19 95 19 96 19 97 19 98 19 99 20 00 20 01 20 02 332.000 337.000 342.000 347.000 352.000 357.000 362.000 367.000 372.000 Erwerbstätige am Arbeitsort (links) SVP- Beschäftigte (rechts) Abb. 3.4.1.3 - 6 : Die Erwerbstätigen und die SVP- Beschäftigten in Düsseldorf603 Der Anteil der „SVP-Beschäftigten am Arbeitsort“ an den „Erwerbstätigen am Arbeitsort“ verändert sich allerdings im Laufe der Zeit (vgl. Abb. 3.4.1.3 - 7). 603 eigene Darstellung, Datenquelle: LDS NRW. Die Größen Erwerbstätige und SVP- Beschäftigte bezie- hen sich immer auf den Arbeitsort. 3 Lösungsansätze und ökonomisches Modell 285 73,0% 74,0% 75,0% 76,0% 77,0% 78,0% 79,0% 80,0% 81,0% 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 Anteil der SVP- Beschäftigten Abb. 3.4.1.3 - 7: Der Anteil der SVP- Beschäftigten an den Erwerbstätigen in Düsseldorf604 An den anderen vier Standorten der „Big Five“ ist eine ähnliche Entwicklung der Anteile der SVP- Beschäftigten an der Bevölkerung und der Erwerbstätigen wie in Düsseldorf erkennbar (vgl. Abb. 3.4.1.3 - 8). Abb. 3.4.1.3 - 8: Der Anteil der SVP- Beschäftigten an der Bevölkerung und an den Erwerbstätigen der „Big Five“ sowie von Deutschland605 604 eigene Darstellung, Datenquelle: LDS NRW 605 eigene Darstellung, Datenquelle: Genesis regional online, Abruf August 2006 3 Lösungsansätze und ökonomisches Modell 286 Bürobeschäftigung der „Big Five“ Die Abbildung 3.4.1.3 - 9 zeigt den Anteil der Bürobeschäftigten an den Er- werbstätigen an verschiedenen Standorten in Deutschland. Es fällt auf, dass an allen Standorten der Anteil der Bürobeschäftigen an den Erwerbstätigen zuge- nommen hat. Dies kann auf den intrasektoralen Strukturwandel der Dienstleis- tungs- und Bürobranche bzw. auf den technischen Wandel wie Innovationen zurückgeführt werden. Eigene Berechnungen der Verfasserin haben allerdings im Jahr 1995 einen Anteil von 44,6% und im Jahr 2002 von 47,7% der Bürobeschäftigten gemäß Holthaus an den Erwerbstätigen ergeben. Die entsprechenden Ergebnisse der Bürobeschäftigtenzahlen der Bulwien AG mit 57,2% (1995) und 62,1% (2002) verifizieren zum einen die Größenordnung der Ergebnisse der Verfasserin, zum anderen zeigen sie eine Abweichung der eigenen Veröffentlichung.606 Diese Erkenntnisse gehen zwar nicht in die Prognosefunktionen des Kapitels 3.4.3 ein, die das Mietniveau in Form der gewichteten Durchschnittsmiete bzw. der Spitzenmiete vorhersagen. Allerdings können diese Erkenntnisse zur Ab- schätzung der Büronachfrage zusätzlich mit einer dem jeweiligen Standort ent- sprechenden Flächenkennziffer dienen. 606 Anmerkung: Die Daten aus der Abbildung 3.4.1.3. - 8 stammen aus einer Veröffentlichung aus dem Jahr 2004. In einer weiteren Veröffentlichung der Bulwien AG (Bulwien 2004 (a), Folie 8) aus dem Jahr 2004 wurden die Bürobeschäftigtenzahlen für die Jahre 1995 und 2002 mit 218.000 und 250.000 an- gegeben, welche auch den in der Abbildung 3.4.1.3. - 8 angegebenen Prozentsätzen entspricht. Dies ist ein Indiz dafür, dass die Daten innerhalb von 2 Jahren ständig kontrolliert und bei Unschärfen auch korrigiert werden. 3 Lösungsansätze und ökonomisches Modell 287 Abb. 3.4.1.3 - 9: Der Bürobeschäftigtenanteil 1995 und 2002 an den Erwerbstätigen607 Bürobeschäftigtentrend verschiedener deutscher Städte In der nachfolgenden Abbildung 3.4.1.3 - 10 wird das Verhältnis zwischen Bü- robeschäftigten und den SVP- Beschäftigten an unterschiedlichen Standorten verdeutlicht. In westdeutschen Städten gab es eine relativ große Veränderung der Büroberu- fe, obwohl die Zahl der Beschäftigten insgesamt sich nicht stark änderte. In den ostdeutschen Städten, mit Ausnahme von Dresden, wird ein starker kausaler Zusammenhang zwischen der negativen Veränderung der Beschäftigung ins- gesamt und der negativen Veränderung der Bürobeschäftigten gesehen. Die Gesamtbeschäftigung nahm ab und somit war auch die Zahl der Bürobe- schäftigten sichtbar geringer. 607 Bulwien 2004 (b), Folie 21, Quelle: Riwis Bulwien AG, nach Bundesanstalt für Arbeit 3 Lösungsansätze und ökonomisches Modell 288 Auch hier ergeben weitere Berechnungen der Verfasserin zum Standort Düs- seldorf mit den Bürobeschäftigtenzahlen gemäß Holthaus und die der Bulwien AG starke Abweichungen, nämlich 61,7% und 62,10% anstatt 50,5% lt. DEGI. Abb. 3.4.1.3 - 10: Der Anteil (2001) und die Entwicklung (1994 bis 2001) der Büroberufe608 Obwohl die Professionalisierung der Immobilienbranche in den letzen 15 Jahren deutlich zugenommen hat, liegen zu den Büromärkten stark voneinander ab- weichende Daten und ungenaue Informationen vor. Die Schätzungen bzw. Be- rechnungen unterscheiden sich von Unternehmen zu Unternehmen erheblich und reichen von kostenintensiven Eigenerhebungen bis hin zu pauschalisierten Überschlagsrechnungen. „Ungeachtet der großen Transparenzbemühungen und der zunehmenden An- zahl der Marktpublikationen der letzten Jahre variieren die Angaben von Markt- teilnehmer zu Marktteilnehmer selbst bei Betrachtung der fünf bedeutendsten Bürozentren. „Falsch“ im Sinne des Wortes ist keine der Zahlen. 608 Beyerle 2003 , Folie 6; Der Anteil der Büroberufe bezieht sich auf die sozialversicherungspflichtig Beschäftigten. Der Stichtag der Daten war jeweils der 30. Juni und die Quellen der Daten sind IAB- Da- tenbank, Landesarbeitsamt Hessen und eigene Berechnungen der DEGI. 3 Lösungsansätze und ökonomisches Modell 289 Vielmehr verwundert, dass sich die Branche eher schwer tut, Standards einheit- lich zu definieren. Obwohl fundierte Zahlen zu den lokalen Immobilienmärkten mittlerweile aus Investoren- und Unternehmersicht als ansiedlungsfördernd gel- ten, verfügen viele Mittelstädte nur über grobe Größenklassen bzw. können hierüber keine Auskunft geben.“609 Die Gründe der unterschiedlichen Werte von Immobilienmärkten sind die auftre- tenden Schwierigkeiten bei den Teilraumabgrenzungen, der Flächendefinition, der Flächenqualität und der Fortschreibung der Daten. Es müssen einheitliche Definitionen, die Entwicklung eines methodischen Mechanismus zur Fortschrei- bung und Weiterentwicklung der Daten sowie Datentransparenz als Ziele er- reicht werden.610 Beide Grafiken, 3.4.1.3 - 9 und 3.4.1.3 - 10, veranschaulichen aber sehr gut das jeweilige Verhältnis zu den anderen Standorten, wie auch die folgende Abbil- dung 3.4.1.3 - 11. 609 DEGI 2006 S.26 610 Die ersten Schritte in die richtige Richtung sind bereits gemacht. Die gif hat wie zuvor beschrieben einen einheitlichen Definitionskatalog für die Erstellung von Büromarktberichten veröffentlicht. Weiterhin führt der Arbeitskreis 2 der gif e.V., der sich mit Markanalysen und Bedarfsprognosen beschäftigt, seit 2000 jährliche Endabgleiche der Büromarktdaten mit zahlreichen Makler und Unternehmen durch, wie der Verfasserin auf dem öffentlichen Branchentreffen in Essen am 09.06.2005 berichtet wurde. 3 Lösungsansätze und ökonomisches Modell 290 Abb. 3.4.1.3 - 11: Das Bürobeschäftigtenwachstum [% p.a.] im Standortvergleich611 Die Konjunktur Die zweite exogene Größe auf die Nachfrage nach Büroflächen und somit auf die Büroimmobilienbeschäftigten stellt die Konjunktur (vgl. Abb. 3.4.1.3 - 12 und 3.4.1.3 - 13) dar. Unter Konjunktur werden mehrjährige Schwankungen der wirtschaftlichen Akti- vität in einer Volkswirtschaft als Ganzes verstanden, die bei allen Besonderhei- ten im Einzelnen gewisse Regelmäßigkeiten aufweisen. Als Indikatoren sind die Wachstumsrate des realen Bruttoinlandsprodukts (BIP) bzw. der Auslastungs- grad des Produktpotenzials zu berechnen.612 611 Bulwien 2004 (a), Folie 7, Quelle: Bundesanstalt für Arbeit; Bulwien AG. In der Grafik ist gemäß Bul- wien die Methode gemäß Dobberstein verwendet, obwohl, wie der vorher aufgezeigte Vergleich der Bü- robeschäftigtenzahlen nach Bulwien mit denen der Methode gemäß Dobberstein große Abweichung zeigen. Eine Darstellung der Städte mit den Bürobeschäftigtenzahlen nach der Methode gemäß Holthaus wäre aussagekräftiger und genauer, wie schon zuvor angemerkt. 612 vgl. Vosgerau 1978, S. 478. 3 Lösungsansätze und ökonomisches Modell 291 Das Bruttoinlandsprodukt, kurz BIP, ist ein Maß für die wirtschaftliche Leistung einer Volkswirtschaft in einem bestimmten Zeitraum. Es misst den Wert der im Inland hergestellten Waren und Dienstleistungen (Wertschöpfung), soweit diese nicht als Vorleistungen für die Produktion anderer Waren und Dienstleistungen verwendet werden. Das BIP wird in jeweiligen Preisen und preisbereinigt (Deflation mit jährlich wechselnden Vorjahrespreisen und Verkettung) errechnet. Auf Vorjahrespreis- basis wird die „reale“ Wirtschaftsentwicklung im Zeitablauf frei von Preiseinflüs- sen dargestellt. Die Veränderungsrate des preisbereinigten BIP dient als Mess- größe für das Wirtschaftswachstum der Volkswirtschaften.613 Experten und Praktiker halten den Einfluss der Konjunktur auf den Immobilien- und Büroimmobilienmarkt für sehr bedeutend. In einer empirischen Umfrage zu dem Thema „Immobilienzyklen und ihre Bedeutung für Managemententschei- dungen“ von Rottke und Wernecke gaben 81% der Befragten von 119 Immobi- lienunternehmen die Konjunktur als die wichtigste Ursache von Immobilienzyk- len an.614 613 aus Statistik von A bis Z auf www.destatis.de am 10.01.2005, 10:32 Uhr 614 vgl. Wernecke 2002, S. 18 3 Lösungsansätze und ökonomisches Modell 292 170.000 180.000 190.000 200.000 210.000 220.000 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 21000 24200 27400 30600 33800 37000 Bürobeschäftigte gem. Holthaus (Quote 0,3) Bürobeschäftigte gem. Dobberstein BIP nach Marktpreisen (rechts) Abb. 3.4.1.3 - 12: Das BIP zu Marktpreisen in [Mill. €] sowie die Bürobeschäftigten gemäß Holthaus und Dobberstein615 Herrscht ein Konjunkturhoch, so verbessern sich auch die wirtschaftlichen Ver- hältnisse für jeden Einzelnen, indem beispielsweise das Einkommen pro Kopf steigt. Dies kann, vorausgesetzt die wirtschaftlichen Verhältnisse bleiben für eine längere Zeit konstant positiv, d.h. das BIP bleibt positiv, zu einem verän- derten Konsumverhalten im Vergleich zum vorherigen Jahr führen. Der Büroflä- chenmarkt ist mit der Konjunktur verbunden. Die Nachfrage nach Büroraum steigt vornehmlich erst im Falle eines Wirtschaftswachstums an, d.h. wenn das BIP langfristig wächst.616 Wirtschaftswachstum führt in vielen Firmen zu einer verstärkten Nachfrage nach mehr Personal und damit zu mehr Bürobeschäftigten und dies hat oft eine Erhöhung der Nachfrage nach mehr oder neuem Büroraum zur Folge.617 615 eigene Darstellung und Berechnung vgl. Fußnote zur Abbildung 3.4.1.3 - 4, Die Daten des Büroflä- chenbestandes wurden von der Verfasserin aus den von Jones Lang LaSalle zu Forschungszwecken zur Verfügung gestellten Quartalsdaten (vgl. Abschnitt 3.4.3.2) akkumuliert. 616 vgl. Ausführungen zur Beschäftigungsschwelle im Kapitel 3.4.1.4; Gemäß des Artikels in der „Welt am Sonntag“ am 27.02.2005 liegt die Beschäftigungsschwelle aktuell bei 1,5%. 617 vgl. Corluka 2006, S. 20f 3 Lösungsansätze und ökonomisches Modell 293 Hier wird der Begriff der Beschäftigungsschwelle oft benutzt.618 Der Wert der Beschäftigungsschwelle ist das Wachstum des BIP, ab dem neue Arbeitsplätze entstehen, so dass die Erwerbstätigenzahl zunimmt. Dieser Wert ist aber kein feststehender Wert und schwankt je nach Betrachtungszeitraum. Aus diesem Grund handelt es sich um den Mittelwert für diesen betrachteten Zeitraum. So betrug die Beschäftigungsschwelle in Deutschland 1,4 % im Zeitraum 1981 - 2003, im Zeitraum 1995 - 2003 aber nur 1,0 %.619 Abb. 3.4.1.3 - 13: Das BIP und die Bürobeschäftigten von 1990 bis 2008 (Veränderung [% p.a.]620 In den beiden Abbildungen 3.4.1.3 - 12 und 3.4.1.3 - 13 ist neben dem zeitli- chen Verlauf der Parameter BIP und Bürobeschäftigte deren Korrelation unter- einander ersichtlich. Das Absinken der Bürobeschäftigtenzahl in den Jahren 1993 bis 1995 ist mit einem Time Lag aufgrund des sehr geringen BIP- Zuwachses in Höhe von 0,18% im Jahr 1993 gegenüber dem Vorjahr zu erklären. 618 vgl. Kapitel 3.4.1.2 619 vgl. Pressemitteilung Nr. 30/2005, Institut der deutschen Wirtschaft Köln, Download am 12.03.06 um 12.33 Uhr unter: www.presseportal.de 620 Bulwien 2004 (d), Folie 30, Daten vom Statistischen Bundesamt; STAT- Plan Regensburg, Bulwien AG 3 Lösungsansätze und ökonomisches Modell 294 Der Zuwachs der Bürobeschäftigtenzahl betrug von 1992 bis zum Jahr 1993 minus 0,27% sowie in den beiden Folgejahren 1994 und 1995 minus 1,62% bzw. minus 2,15%. Bei einem so geringen BIP- Zuwachs wie im Jahr 1993 dauert es ca. 2 Jahre bis die Bürobeschäftigtenzahl wieder steigt. Dieser Zusammenhang ist ebenfalls in den Jahren 2002 bis 2004 aus dem der Verfasserin vorliegenden Zahlenmaterial ersichtlich. Im Jahr 2002 betrug die BIP- Zunahme gegenüber dem Vorjahr nur 0,12%. Das Wachstum der Bürobe- schäftigtenzahl besaß in den beiden Jahren danach, 2003 und 2004, nur die Höhe von minus 0,36% bzw. minus 0,55%, obwohl das BIP z.B. im Jahr 2004 gegenüber dem Vorjahr um 1,9% zunahm. In allen Regressionsberechnungen zeigt sich erstaunlicherweise, dass die Bü- robeschäftigten als Wirkungsparameter auf das Mietniveau und den Flächen- umsatz bedeutungslos bleibt. Die Bürobeschäftigten korrelieren weitgehend mit: - dem Bestand an genutzter Bürofläche (vgl. Abb. 3.4.1.3 - 14) und - dem Bruttoinlandsprodukt (vgl. Abb. 3.4.1.3 - 12 und 3.4.1.3 - 13). Es fehlt also der Parameter: Bürofläche pro Bürobeschäftigter und dessen Trend.621 621 vgl. Abschnitt 3.4.3; Vorhersagen für die Zeiträume 1.Quartal 1998 bis 4.Quartal 2002 sowie 1.Quartal 1998 bis 4.Quartal 2004 3 Lösungsansätze und ökonomisches Modell 295 180.000 190.000 200.000 210.000 220.000 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 5.400.000 5.800.000 6.200.000 6.600.000 7.000.000 7.400.000 7.800.000 8.200.000 Bürobeschäftigte gem. Holthaus (Quote 0,3) Bürobeschäftigte gem. Dobberstein Büroflächenbestand (rechts) Abb. 3.4.1.3 - 14: Der Büroflächenbestand in [Mill. €] sowie die Bürobeschäftigten gemäß Holthaus und Dobberstein in Düsseldorf622 Die Flächenkennziffer Nicht nur die Zahl der Bürobeschäftigten, sondern auch die benötigte Fläche pro Büroarbeiter, die sog. Büroflächenkennziffer, ist für die Nachfrage nach Bü- roraum relevant. Die Arbeitsorganisation und der technische Wandel beeinflus- sen die Fläche pro Büromitarbeiter. Dieser für die Nachfrage nach Büroraum relevante Faktor, die Fläche pro Büromitarbeiter, und deren Einflussparameter ist in der folgenden Grafik 3.4.1.3 - 15 zu erkennen. 622 eigene Darstellung und Berechnung mit Daten des LDS NRW und der Bundesagentur für Arbeit Nürn- berg 3 Lösungsansätze und ökonomisches Modell 296 Abb. 3.4.1. 3 - 15: Faktoren für die Büroraumnachfrage623 Büroflächennachfrageprognosen prognostizieren in der Regel zunächst die Zahl der Bürobeschäftigten und berechnen unter Verwendung der so genannten Flä- chenkennziffer die Büroflächennachfrage. Gemäß Dobberstein wird die Flächenkennziffer, die die im Durchschnitt pro Bürobeschäftigten benötigte Fläche angibt, durch eine Gegenüberstellung der derzeitigen Zahl der Bürobeschäftigten mit dem vorhandenen Büroflächenbe- stand errechnet. Die zukünftige Flächenkennziffer wird durch die Fortschrei- bung der derzeitigen Flächenkennziffer prognostiziert. Werden allerdings Büro- beschäftigte erfasst, die auf anderen als im Büroflächenbestand erfassten Flä- chen arbeiten oder werden bei der Erhebung des Büroflächenbestandes Flä- chen erfasst, auf denen keine Bürobeschäftigten arbeiten, so wird eine falsche Flächenkennziffer ermittelt und es kommt zur falschen Vorhersage der Büroflä- chennachfrage.624 623 eigene Darstellung in Anlehnung an Just 2005, S. 5 624 vgl. Dobberstein 1997 (a), S. 89 3 Lösungsansätze und ökonomisches Modell 297 Neben der Problematik der Flächenabgrenzbarkeit muss auch eine Unterteilung in genutzten und ungenutzten Büroflächenbestand erfolgen. Die Flächenkennziffer ist die Flächeninanspruchsnahme pro Bürobeschäftigten. Sie berechnet sich aus der Division des genutzten Büroflächenbestandes, der aus der Differenz des Büroflächenbestandes und des gesamten Leerstandsvo- lumens gebildet wird, durch die Anzahl der Bürobeschäftigten. Die Flächenkennzahl variiert zum einen aufgrund des unterschiedlichen Ermitt- lungsansatzes der Bürobeschäftigten (Dobberstein, Holthaus, Bulwien etc.), zum anderen ist die Entwicklung des genutzten Büroflächenbestandes bestim- mend. Die sich bedingenden Indikatoren Leerstand, Flächenumsatz sowie die Indika- toren der Bautätigkeitsstatistik, Baugenehmigungen, Baufertigstellungen und Abriss, aber auch das Mietniveau und der aktuelle Stand im Immobilienzyklus beeinflussen die Größe der genutzten Büroflächen stark. Des Weiteren müssen unterschiedliche Bürokonzepte und deren Auswirkungen auf die Büroflächenkennziffer oder allgemein auf die Nachfrage untersucht wer- den. Die Büroimmobilie der Zukunft gibt es nicht, sondern es existiert eine Viel- zahl nutzer- und standortspezifischer Bürokonzepte. Es gibt nicht nur Immobilienzyklen, sondern auch die Nutzung einzelner Büro- raumarten verläuft zyklisch (vgl. Abb. 3.4.1.3 - 16). 3 Lösungsansätze und ökonomisches Modell 298 Abb. 3.4.1.3 - 16: Die Nachfragezyklen einzelner Büroraumarten625 Die DEGI mbH hat im Juni 2003 eine Erhebung zu dem Thema der zukunftsori- entierten Bürokonzepte durch Befragung von Projektentwicklern, Bau- und Consultingunternehmen sowie Büroeinrichtern durchgeführt. Folgende Ziele wurden hierbei verfolgt: - Überblick über vorherrschende Rahmenbedingungen am Büroimmobi- lienmarkt - Quantifizierung und Qualifizierung der vor allem mit dem Thema New Work in Verbindung gebrachten Entwicklungstendenzen - Methodisch fundierte und empirisch gesicherte Erkenntnisse auf Basis bundesweiter Befragung der o. g. Gruppen - Einbeziehung und Fortschreibung der Ergebnisse der Erhebung aus dem Jahr 1998 - Ganzheitliche Betrachtung, vom Bürogebäude ausgehend bis hinunter auf die Ebene des einzelnen Arbeitsplatzes 625 vgl. Beyerle 2003, Folie 28 3 Lösungsansätze und ökonomisches Modell 299 - Besondere Berücksichtigung nutzer- und standortspezifischer Planungs- parameter unter Einbeziehung weiterer Spezialerhebungen des Bereichs DEGI Research.626 Die Entwicklung und die Zusammenhänge der Arbeitsmethoden der so genann- ten Old und New Work sind in der nachfolgenden Abbildung 3.4.1.3 - 17 darge- stellt. Es sind allerdings keine Daten vorhanden, die auswertbar sind. Sie kön- nen also nicht in die Prognosefunktionen des Kapitels 3.4.3 eingehen. Abb. 3.4.1.3 - 17: Die Zusammenhänge von Arbeitsmethoden627 Das Nachfrageverhalten in Bezug auf die Büroraumarten hat sich im Vergleich zu einer ähnlichen Erhebung der DEGI mbh im Jahr 1998 geändert (vgl. Abb. 3.4.1.3 - 18). So wurden noch im Jahr 1998 für die Zukunft die Standard- Zel- lenbüros mit 37,6 %, das Revi- Büro mit 40,6 % sowie das Kombi- Büro mit 43,1 % der Nennungen aufgeführt. 626 vgl. Beyerle 2003, Folie 1f 627 vgl. Beyerle 2003, Folie 9 3 Lösungsansätze und ökonomisches Modell 300 Die Erhebung im Jahr 2003 ergab als die am meisten nachgefragte Kategorie das Einpersonen-Zellenbüro mit 46,8% und Standard- Zellenbüro mit 57,4% sowie das Kombi-Büro mit 48,9%. Solche Daten sind geeignet, wenn der Bestand und auch der Leerstand weiter qualifiziert differenziert werden. Sie liegen aber der Verfasserin nicht vor bzw. werden zum Teil nicht erhoben. Sie gehen nicht in die Modellbildung ein. Für die Zukunft wurde ein Anstieg der Nachfrage bei den Einpersonen- Zellenbüros um 14,9% sowie bei den Standard- Zellenbüros um 23,5% ge- nannt.628 37,5% 12,7% 6,5% 43,1% 40,6% 61,7% 80,9% 21,3% 19,1% 48,9% 10,6% 6,4% 46,8% 57,4% 25,5% 8,5% 48,9% 25,5% 19,1% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% Einpersonen-Zellenbüro Standard-Zellenbüro Gruppenbüro Großraumbüro Kombi- Büro Revi-Büro Business Club/New Work Office Anzahl der Nennungen Erhebung 1998: zukünftig Erhebung 2003: aktuell Erhebung 2003: zukünftig Abb. 3.4.1.3 - 18: Das Nachfrageverhalten in Bezug auf die Büroraumarten629 628 eigene Darstellung in Anlehnung an Beyerle, 2003, Folie 24; Bei beiden Erhebungen sowohl im Jahr 1998 als auch im Jahr 2003 waren Mehrfachnennungen möglich. 629 Beyerle 2003, Folie 24; Die Kategorie Business Club / New Work Office wurde in der Erhebung von 1998 nicht abgefragt. Mehrfachnennungen waren bei den Erhebungen 1998 sowie 2003 möglich. 3 Lösungsansätze und ökonomisches Modell 301 Die spezifischen Büroraumkonzepte der unterschiedlichen Nutzer und ihre Ausprägung sind in der folgenden Abbildung 3.4.1.3 - 19 dargestellt. Abb. 3.4.1.3 - 19: Nutzerspezifische Büroraumkonzepte630 Weiterhin hat sich auch die Bedeutung der unterschiedlichen Arbeitsplatzmo- delle geändert. Die Erhebung im Jahr 2003 ergab eine Verringerung der pro- zentualen Anteile eines festen, zugeordneten Arbeitsplatzes vom damaligen, aktuellen Stand bis in die Zukunft von 85,2% auf 67,0 % der Nennungen. Die Bedeutung eines festen, von mehreren Bürobeschäftigen benutzten Arbeits- platzes hat sich vice versa von 11,2 % auf 21,9% der Nennungen erhöht.631 Die nachgefragte Büroraumkategorie sowie das vorhandene Arbeitsplatzmodell haben zwangsläufig Auswirkungen auf die Flächenkennziffer und natürlich auch auf die Nachfrage, da diese auch als Ergebnis der Multiplikation der Flächen- kennziffer mit dem Zuwachs der Bürobeschäftigtenanzahl als Erweiterung der 630 vgl. Beyerle 2003, Folie 26 631 vgl. Beyerle 2003, Folie 22 3 Lösungsansätze und ökonomisches Modell 302 Definitionen in Anhang C2 angesehen werden kann. Der Büroflächenbedarf variiert abhängig von der jeweiligen Büroraumart (vgl. Abb. 3.4.1.3 - 20). Abb. 3.4.1.3 - 20: Der Büroflächenbedarf differenziert nach Büroraumarten632 Die Flächeneffizienz ist für den Handel mit ca. 60%, für die Finanzdienstleister und Versicherungen mit ca. 80%, für Planungs- und Beratungsunternehmen mit 100%, für die Informations- und Telekommunikationsbranche mit 70% sowie für die öffentliche Verwaltung mit 80% der Nennungen der wichtigste Gestaltungs- aspekt. Bei dem verarbeitenden Gewerbe wird die Corporate Identity mit 60% und die Flexibilisierung mit 40% als die wesentlichen Gestaltungsaspekte an- gegeben. Die Aspekte Corporate Identity, Flexibilisierung und die Technisie- rung am Arbeitsplatz sind weiterhin wesentlich für die Bürogestaltung. Bemer- kenswert ist, dass die Corporate Identity bei den Finanzdienstleistern und Ver- sicherungen nur mit 40% und erwartungsgemäß beim Handel mit ca. 60% ge- nannt wurde (vgl. Abb. 3.4.1.3 - 21).633 632 vgl. Beyerle 2003, Folie 25 633 vgl. Beyerle 2003, Folie 16; Mehrfachnennungen waren möglich. 3 Lösungsansätze und ökonomisches Modell 303 Abb. 3.4.1.3 - 21: Branchenspezifische Gestaltungsaspekte634 Laut einer Umfrage bei 210 Firmen von Jones Lang LaSalle im Frühjahr 2005 zeigte sich, dass sich die Büroflächenkennziffer von Jahr zu Jahr ändert und für die fünf herausragenden Bürostandorte in Deutschland variiert. Diese Ergebnisse und eigene Berechnungsergebnisse der Büroflächenkennzif- fer der Verfasserin für Düsseldorf sind in der folgenden Abbildung illustriert. Gemäß der Jones Lang LaSalle- Umfrage liegt die Büroflächenkennziffer im Jahr 2001 bei 26,7 und im Jahr 2002 bei 32,0 m² pro Mitarbeiter im Gegensatz zu den eigenen Ergebnissen die bei 33,6 und 33,0 m² pro Bürobeschäftigter liegen. Die Abweichung kann mit der unterschiedlichen Datengrundlage erklärt werden. Bei der Umfrage ist die Bezugsgröße „Mitarbeiter“ im Gegensatz zu den „Büro- beschäftigten“ bei den eigenen Berechnungen angesetzt worden, die sich auf eigene Resultate hinsichtlich der Bürobeschäftigten und auf die von Jones Lang LaSalle zur Verfügung gestellten Büroflächen- und Leerstandszahlen stützt. 634 vgl. Beyerle 2003, Folie 16; Mehrfachnennungen waren möglich. 3 Lösungsansätze und ökonomisches Modell 304 Aus diesem Beispiel wird deutlich, dass es die „richtige“ Flächenkennziffer nicht gibt. Weiterhin ist aus der Umfrage und anhand der Abbildung 3.4.1.3 - 23 er- sichtlich, dass die Büroflächenkennziffer von 2003 bis 2005 sinkt, in Düsseldorf zum Beispiel von 35,7 m²/ Mitarbeiter im November 2003 auf 34,4 m²/ Mitarbei- ter im April 2005. Die durchschnittliche Flächenkennziffer insgesamt ist jedoch mit 31,0 m² recht hoch, obwohl die Flächenkennziffer der Unternehmen, die ihre eigene Büroflä- che als richtig bemessen einstufen, bei 28,5 angemessen zu sein scheint.635 24,0 26,0 28,0 30,0 32,0 34,0 36,0 2001 2002 2003 2005 Berlin Düsseldorf Frankfurt am Main Hamburg München Düsseldorf Abb. 3.4.1.3 - 22: Die Flächenkennziffer in [m²/ MA] der Big Five636 Des Weiteren ergab die Umfrage, dass die Büroflächenkennziffer stark von der Unternehmensgröße abhängt. Je mehr Mitarbeiter in einem Unternehmen be- schäftigt sind, desto weniger Bürofläche steht dem Einzelnen zur Verfügung, desto effizienter können diese Flächen genutzt werden und somit ist die Flä- chenkennziffer niedriger. 635 vgl. Jones Lang LaSalle 2005 (a), S. 2 und 5 636 eigene Darstellung mit Umfrageergebnissen von Jones Lang LaSalle Stand Frühjahr 2005, vgl. Jones Lang LaSalle 2005 (a), Property Management Benchmark: Büroflächenkennziffern, S. 1-5; download am 16.12.2005 10:25 Uhr unter http://www.joneslanglasalle.de 3 Lösungsansätze und ökonomisches Modell 305 Die Gründe hierfür werden mit der Nutzung von bestimmten „Platz sparenden“ Büroformen in größeren Unternehmen und mit dem geringen Pro- Kopf-Anteil an gemeinschaftlich genutzten Flächen angegeben. Größere Unternehmen mit mehr als 50 Mitarbeitern haben im Durchschnitt eine um 12,5 m² pro Person kleinere Büroflächenkennziffer, als Unternehmen mit bis zu 5 Mitarbeitern. Im Gegensatz zu den Erkenntnissen der DEGI mbh hinsichtlich der Flächeneffi- zienz liegen die Banken und Finanzdienstleister mit 32,4 m² knapp über dem Durchschnitt der unternehmensbezogenen Dienstleister, der bei weniger als 30,0 liegt. Hinsichtlich der Flächeneffizienz versus Corporate Identity (vgl. vor- herige Ausführungen der DEGI- Erhebung) versus Mietpreisniveau entscheiden sich viele Unternehmen bewusst für gute und teure Lagen in der jeweiligen Stadt, da sie Wert auf die Repräsentativität der Flächen legen. Wichtig bei die- ser Entscheidung sind neben einer guten Ausstattungsqualität der Gebäude auch eine großzügige Einrichtung der Büros und ein höherer Anteil an Allge- meinflächen. Günstigere Flächen werden von den Unternehmen effizienter ge- nutzt und benötigen mit 28,2 m² pro Mitarbeiter im Durchschnitt den wenigsten Platz.637 Aufgrund eigener Berechnungen der Verfasserin variierte die Büroflächenkenn- ziffer in Düsseldorf je nach Ansatz der Bürobeschäftigtenzahl, Holthaus und Bulwien AG, von minimal 26,9 m² im Jahr 1995 bis zu maximal 33,7 m² im Jahr 2004. Die Flächenkennziffer aufgrund des Bürobeschäftigten- Ansatz von Dob- berstein variierte von 28,8 m² im Jahr 2000 bis zu 36,3 m² pro Bürobeschäftig- ten im Jahr 2004 (vgl. Abb. 3.4.1.3 - 23). 637 vgl. Jones Lang LaSalle 2005 (a), S.3 3 Lösungsansätze und ökonomisches Modell 306 26,5 27,5 28,5 29,5 30,5 31,5 32,5 33,5 34,5 35,5 36,5 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 Flächenkennziffer mit Holthaus Flächenkennziffer mit Dobberstein Flächenkennziffer mit Bulwien Abb. 3.4.1.3 - 23: Die von Bürobeschäftigtenermittlungsansätzen abhängige Flächenkennziffer in [m²/ MA] in Düsseldorf638 Der steile Anstieg der Flächenkennziffer vom Jahr 1996 zu dem Jahr 1997 ist auf den starken Anstieg des Büroflächenbestandes um 23,9% von 5.616.200 m² (1996) auf 6.958.600 m² (1997) zurückzuführen. Im Jahr 1997 zeigte sich, dass einige der Büromarktparameter Düsseldorfs ge- genüber dem Vorjahr 1996 sprunghaft gestiegen waren wie z.B.: - das Bruttoinlandsprodukt um 4,35% - der Flächenumsatz um 81,64% von 152.500 m² auf 277.000 m² - die abgerissenen Flächen um 381,04% von 4.029 m² auf 19.381 m² - die Spitzenmiete um 10,50% von 19,43 €/ m² auf 21,47 €/ m² sowie - der Leerstand um 37,98% von 351.000 m² auf 484.300 m² (vgl. auch die Abbildungen im Kapitel 3.4.2.3). 638 eigene Darstellung und Berechnung; Als Datengrundlage dienten die jährlich akkumulierten Quartals- daten hinsichtlich Leerstand, Büroflächenbestand und daraus ermittelte Größe der genutzten Büroflä- chen von Jones Lang LaSalle, der Bürobeschäftigtenzahlen von der Bulwien AG sowie die eigenen Be- rechnungsergebnissen hinsichtlich der Bürobeschäftigten gemäß Holthaus und Dobberstein. 3 Lösungsansätze und ökonomisches Modell 307 3.4.1.4 Das Wirkungsmodell des Büromarktes Der Büroimmobilienmarkt wird von mehreren Faktoren bestimmt. Werden die Erkenntnisse der einzelnen Faktoren und deren Interdependenzen berücksich- tigt, kann eine qualitative Vorhersage über die Zukunft erstellt werden. Um Prognosen bezüglich Miete und Flächenumsatz sowie Leerstand machen zu können, ist es nötig, ein Modell für die Wirkungsmechanismen im Büroim- mobilienmarkt zur Verfügung zu haben. Ein solches Modell stellt die Zusam- menhänge und Wirkungen relevanter Variablen auf die Miete, den Flächenum- satz, den Leerstand etc. dar. Das in Abbildung 3.4.1.4 - 1 dargestellte Modell ist eine stark vereinfachte Form eines Büroimmobilienmarktmodells, in dem die elementaren Indikatoren Ver- wendung finden. Das Modell ist in einen Angebots- und Nachfragemarkt unter- teilt. Es werden zunächst Teilmodelle entwickelt,639 zu denen Hypothesen vorliegen. Dann wird auf Basis der Teilmodelle ein hypothetisches Modell auf Signifikanz etc. getestet und es werden unterschiedliche Varianten durchgespielt. Die Nachfrageseite Für den Nachfragemarkt nach Büroflächen sind drei Indikatoren von Bedeu- tung. Die nachgefragte Bürofläche ist direkt von den beiden Indikatoren Büro- beschäftigte und Flächenkennziffer abhängig. In der allgemeinen Modellvorstel- lung wird davon ausgegangen, dass eine Zunahme der Bürobeschäftigung zu einer Zunahme an nachgefragter Fläche führt. Es besteht also eine positive Korrelation zwischen beiden Indikatoren. Der dritte indirekt wirkende Indikator ist das Bruttoinlandsprodukt, der die Zahl der Bürobeschäftigten beeinflusst. 640 639 vgl. Kapitel 3.4.3 640 vgl. im Kapitel 3.4.1.3 die Ausführungen zur Flächenkennziffer sowie zum BIP 3 Lösungsansätze und ökonomisches Modell 308 Abb. 3.4.1.4 - 1: Das Wirkungsmodell641 Direkte und indirekte Größen beeinflussen die Nachfrageseite. Die Zahl der Bürobeschäftigten spielt eine wichtige Rolle für die Nachfrage. Sie kann durch die Bevölkerungsentwicklung und das BIP beeinflusst werden. Der wichtigste Indikator ist das Bruttoinlandsprodukt. Wie schon im Kapitel 3.4.1.3 beschrie- ben, wirkt sich eine Veränderung des BIP auf die gesamte Wirtschaft aus und damit auch auf die Bürobeschäftigtenanzahl, vorausgesetzt das BIP überschrei- tet längerfristig eine kritische Marke, die Beschäftigungsschwelle. Bei den Daten- und Teilmodellen ist das Bruttoinlandsprodukt (BIP) ein wichti- ger indirekter Indikator neben den Erwerbstätigen und sozialversicherungs- pflichtig Beschäftigten. In dem Modell der Verfasserin wird davon ausgegangen, dass eine Änderung des BIP direkte Auswirkungen auf die Anzahl der Bürobe- schäftigten hat (siehe Regressionen zur Vorhersage der Bürobeschäftigten). 641 eigene Darstellung in Anlehnung an Fürst 2003 S. 21 3 Lösungsansätze und ökonomisches Modell 309 „Für eine Besserung auf dem deutschen Arbeitsmarkt ist ein Wirtschaftswachs- tum von mindestens 1,3 bis 1,5 Prozent erforderlich. Jenseits dieses Wertes zieht erfahrungsgemäß die sozialversicherungspflichtige Beschäftigung an. Für einen Rückgang der Arbeitslosigkeit sei sogar ein noch höheres Wachstum er- forderlich.“ 642 Ökonomen hegen große Vorbehalte gegenüber der Beschäftigungsschwelle, die als Ausgangszahl für das Wachsen der Beschäftigung gilt. Zum einen kann sie erst im Nachhinein ermittelt werden, wenn man Wirtschafts- und Beschäfti- gungswachstum gegenüberstellt. Schätzungen über ihre gegenwärtige Höhe sind mit großer Unsicherheit behaftet. Zum anderen ist eine niedrige Schwelle nicht zwangsläufig etwas Positives, wie es die Politiker gern suggerieren. So kann eine niedrige Beschäftigungsschwelle bedeuten, dass die Produktivität nur langsam wächst, so dass schon ein kleiner Wachstumsimpuls reicht, um mehr Menschen in Arbeit zu bringen. Die Beschäftigungsschwelle ist ein von Politikern gerne verwendetes Kon- strukt.643Die so genannte Beschäftigungsschwelle hinsichtlich der Nachfrage nach regulär beschäftigten Kräften liegt bei 2 bis 3 Prozent Wachstum. Für das Jahr 2005 erwarteten die Wirtschaftsforschungsinstitute ein Wachstum zwi- schen 0,8 und 1,8 Prozent.644 Zusätzliche Arbeitsplätze werden erst entstehen, wenn das BIP über 2,4% - neuerdings über 1,5% - steigt;645 wobei mit einem Nachlaufeffekt von 1/ 2 bis 1 Jahr zu rechnen ist. 642 FAZ- Artikel „1,5 Prozent Wachstum für mehr Arbeitsplätze“ vom 17.03.2003 unter http://www.faz.net am 29.12.05 10:05 643 vgl. Kapitel 3.4.1.3 644 vgl. FAZ- Artikel „Arbeitsmarkt Mehr Menschen in Zeitarbeit“ vom 07.01.2005 unter http://www.ig- zeitarbeit.de/admindownload/07-01-05_FAZ.pdf am 29.12.05 10:05 645 vgl. o.V. 2005, Was kann man gegen die Jobmisere tun? - Neueinstellungen leichter gemacht, in Welt am Sonntag am 27.02.2005 3 Lösungsansätze und ökonomisches Modell 310 In der folgenden Abbildung sind die BIP-Prognosen der Forschungsinstitute für Deutschland mit Stand Dezember 2005 dargestellt. 1,5 1,4 1,7 1,5 1,7 1,6 DIW HWWA Ifo IfW IWH RWI Abb. 3.4.2.4 - 2: Die Veränderung des BIP für 2006 in % gegenüber dem Vorjahr646 Die konjunkturelle Expansion in Deutschland hat in der ersten Hälfte des Jah- res 2006 ein so hohes Tempo erreicht wie seit sechs Jahren nicht mehr. Im dritten Quartal 2006 dürfte allerdings der Höhepunkt des gegenwärtigen Zyklus erreicht sein. Die Universität Kiel erhöht ihre Prognose für die Zunahme des realen Bruttoin- landsprodukts im Jahr 2006 von 2,1 auf 2,4 Prozent, verringert aber die Vorher- sage für 2007 von 1,2 auf 1,0 Prozent. Die Begründung für die Dämpfung der Konjunkturvorhersage für das Jahr 2007 ist zum einen die kommende Mehr- wertsteuererhöhung, zum anderen die höheren Zinsen und eine schwächere Weltkonjunktur. Die Verlangsamung könnte geringer ausfallen, wenn die Bei- träge zur Arbeitslosenversicherung stärker gesenkt würden als bisher geplant. Die Finanzlage der Bundesagentur für Arbeit gestattet eine Senkung um einen weiteren vollen Prozentpunkt.647 646 vgl. FAZ- Artikel „Der Optimismus für 2006 breitet sich aus“ vom 21.12.2005 unter http://www.faz.net am 27.12.05 22:13; Anmerkung: Der Wert der DIW ist der Stand der DIW- Prognose von Juni 2005. Die DIW wird im Januar 2006 seine aktualisierte Prognose vorlegen. 647 vgl. „Konjunktureller Höhepunkt in Deutschland wird überschritten“ der Universität Kiel unter http://www.uni-kiel.de/ifw/forschung/prognose/2006/3_06_deu.htm am 14.09.2006, 20.11 Uhr 3 Lösungsansätze und ökonomisches Modell 311 Allerdings gibt das Ifo- Institut in seiner Pressemeldung vom 29. Juni 2006 eine Veränderung der BIP- Zuwachsrate zum jeweiligen Vorjahr für 2006 mit 1,8 Prozent und für das kommende Jahr 2007 mit 1,7 Prozent an.648 Die positive Veränderung des Bruttoinlandsprodukt würde sich auch bei der Veränderung der Bürobeschäftigung bemerkbar machen. Bei steigendem BIP nimmt die Anzahl der Bürobeschäftigten zu.649 In Folge dessen wächst bei stei- gendem BIP auch die Nachfrage nach Büroraum und umgekehrt. mit den drei beschriebenen Indikatoren BIP, Bürobeschäftigte und Flächenkennziffer sollte die Nachfrage nach Büroraum bestimmbar sein. Die Angebotsseite Auf der Angebotsseite sind der Mietpreis, der Leerstand und das Neubauvolu- men die wichtigsten Faktoren. Die Leerstandsrate hat einen großen Einfluss auf die Mietpreise. Ist der Leerstand hoch und bleibt die Nachfrage niedrig, hat das zur Folge, dass die Mietpreise sinken, aber auch, dass nicht vermietbare Flä- chen gegebenenfalls abgerissen werden. Im entgegen gesetzten Fall, falls die Nachfrage nach Büroraum sehr hoch ist und der Leerstand immer geringer wird, steigen die Mieten. Der Mietpreis ist dabei abhängig vom Leerstand. Der Inhaber einer Büroimmo- bilie wird auf steigenden Leerstand mit der Senkung seiner Mietforderung rea- gieren. Er ist nämlich daran interessiert, möglichst viel Fläche bzw. seine ge- samte Fläche zu vermieten, um maximale Erträge zu erzielen. Fällt nun ein Teil der Nachfrage aus und es entsteht daraufhin Leerstand, wird der Eigentümer den verbliebenen Nachfragern mit seiner Mietforderung soweit 648 vgl. Pressefassung des Instituts für Wirtschaftsforschung an der Universität München (ifo): „ifo Konjunk- turprognose 2006/2007: Aufschwung setzt sich fort“ vom 29.Juni 2006 unter http://www.cesifo- group.de/portal/page?_pageid=36,103115&_dad=portal&_schema=PORTAL&item_link=kprog-inhalt- 20060629.htm am 14.09.06, 20.44 Uhr 649 vgl. Kapitel 3.4.1.3, Abbildungen 3.4.1.3 - 12 bis 3.4.1.3 - 14 3 Lösungsansätze und ökonomisches Modell 312 entgegenkommen wie es für ihn betriebswirtschaftlich tragbar ist, da er durch die langfristige Investition kaum Alternativen hat. Im umgekehrten Fall, das heißt, die Immobilie ist beinahe komplett vermietet, wird der Besitzer bei entsprechender Nachfrage auch höhere Mietforderungen stellen, da er aufgrund der guten Ertrags- und Marktlage höhere Mieten durch- setzen kann. Miete und Leerstand korrelieren negativ. Bei steigendem Leer- stand geben die Mietpreise mit einer ein bis zweijährigen Verzögerung (time lag) nach.650 Bei sinkendem Leerstand steigen die Mietpreise für Büroraum. Die Höhe des Mietpreises und seine Entwicklung hat Auswirkungen auf die Höhe des Investi- tionsvolumens und die Investitionsbereitschaft von Bauherren und Investoren, da der Mietpreis ein guter Indikator für zukünftige Gewinnerwartungen ist. Je höher die zu erzielenden Mieten eines Objekts sind, desto höher ist auch des- sen Rendite und desto besser kann sich die Immobilieninvestition auf dem Ka- pitalmarkt gegenüber alternativen Anlageformen durchsetzen. Die Rendite muss mindestens über dem nominalen, risikofreien Zinssatz der Bundesanleihe plus Zuschlägen für das unternehmerische Risiko und die lang- fristige Kapitalbindung liegen, wenn, wie zurzeit, keine Wertsteigerungen zu erwarten sind. Steigende Mieten über diesen Grenzwert hinaus führen folglich zu verstärktem Kapitalzufluss und somit zu verstärktem Neubau. Der Neubau erhöht den Bestand. Aus der Differenz des Bestandes und der vermieteten bzw. absorbierten Fläche ergibt sich wiederum der Leerstand. Um eine Prognose aufstellen zu können, müssen die einzelnen Faktoren be- stimmt werden. Das Ziel ist es, eine Prognose für die Mietpreise aufzustellen, um gesichert Wirtschaftlichkeits- und Renditeberechnungen durchführen zu können. 650 vgl. Fürst 2003 S. 22 3 Lösungsansätze und ökonomisches Modell 313 3.4.2 Der Büroteilmarkt Düsseldorf Der Büroteilmarkt Düsseldorf gehört zum einen zu den „Big Five“, d.h. er ist einer der fünf größten Büromärkte in Deutschland, zum anderen ist Düsseldorf einer der bedeutenden Wirtschafts- und Investmentstandorte in Deutschland. Im Folgenden wird sowohl ein Überblick über den Standort Düsseldorf, seiner Büroteilmärkte und die zeitliche Entwicklung seiner Büromarktindikatoren mit seinen Interdependenzen gegeben, als auch der Büro- und Investmentmarkt mit seinen Charakteristika aufgezeigt und der Vergleich mit den anderen Märkten der „Big Five“ gezogen. 3.4.2.1 Der Standort Düsseldorf und seine Büroteilmärkte Der Standort Düsseldorf wird im Folgenden als einer der zentralen Wirtschafts- standorte Deutschlands mit seinen Facetten aufgezeigt, um einen Einblick des Nutzerpotentials für die Büroflächen und deren Beweggründe, diese Büroflä- chen anzumieten, zu geben. Anschließend werden die Büroteilmärkte Düssel- dorfs sowie deren unterschiedliche Abgrenzungen kurz dargestellt. Der Standort Düsseldorf Düsseldorf hat ca. 577.416 Einwohner651 und ist seit 1946 die Landeshaupt- stadt Nordrhein-Westfalens, das mit rund 18 Mio. Einwohnern bevölkerungs- reichste Bundesland. Damit ist Düsseldorf nicht nur ein Ballungspunkt für die Landespolitik und Landesverwaltung, sondern auch für Information, Kunst oder Kultur. 651 vgl. www.duesseldorf.de/statistik/themen/bevoelkerung/bev01.shtml, Download am 01.04.06, 12.10 3 Lösungsansätze und ökonomisches Modell 314 Ein wesentlicher Standortvorteil ist die Lage Düsseldorfs am Rande des Ruhr- gebietes in der dicht besiedelten Rhein-Main- Region, die 10,2 Mio. Einwohner, 3,6 Mio. Beschäftigte652 und mehr als 100.000 Unternehmen hat. In einem Ein- zugsgebiet von 50 km leben rund 9 Mio. Menschen und Düsseldorf nimmt eine starke wirtschaftliche Stellung ein, was auch die hohe Zahl von mehr als 280.000 Berufseinpendlern belegt. Die zentrale und verkehrsgünstige Lage von Düsseldorf bietet einen guten Zu- gang zu den europäischen Märkten. Vor allem die vorhandene gute Infrastruk- tur ist ein wichtiger Grund für deutsche oder auch ausländische Firmen ihre Niederlassungen in Düsseldorf zu eröffnen. Einer der herausragenden Stand- ortvorteile von Düsseldorf ist die Verkehrsinfrastruktur mit der Vernetzung ver- schiedener Verkehrsträger. Düsseldorf besitzt mit dem „Düsseldorf International“ und mit einem Passagier- aufkommen von etwa 15,51 Mio. Fluggästen im Jahr653 den drittgrößten Flugha- fen Deutschlands. Es finden dort über 200.000 Flüge im Jahr statt und es kön- nen 172 Ziele weltweit angeflogen werden. Daher ist eine schnelle Marktanbin- dung weltweit gewährleistet und der Flughafen in Düsseldorf von eminenter Bedeutung für den Wirtschaftsstandort Düsseldorf.654 Die weitere Verkehrsinfrastruktur in Düsseldorf ist ebenfalls sehr gut. Sowohl die Anzahl von 1000 Zügen pro Tag am Düsseldorfer Hauptbahnhof, als auch die sechs Autobahnanschlüsse im Stadtgebiet sowie die „Neuss Düsseldorfer Häfen“ als drittgrößter Binnenhafen Deutschlands unterstreichen dies. 652 vgl. www.duesseldorf.de/ wirtschaftsfoerderung/pdf/standortprofil.pdf, Download am 19.12.05, 19.37 653 download am 10.01.2006, http://www.duesseldorf-international.de/ 654 vgl. Corluka 2006, S. 37 3 Lösungsansätze und ökonomisches Modell 315 Düsseldorf ist Zentrum einer der bedeutendsten Wirtschaftsregionen Deutsch- lands, aber auch internationales Wirtschaftszentrum. Die Branchenstruktur der Stadt ist breit gefächert, was Düsseldorf zu einem profilierten Standort für eine Vielzahl unterschiedlicher Wirtschaftzweige macht. In der folgenden Abbildung 3.4.2.1 - 1 sind die Branchen- Highlights Düsseldorfs dargestellt: Abb. 3.4.2.1 - 1: Branchen - Highlights des Wirtschaftsstandortes Düsseldorf655 Düsseldorf ist dank eines gesunden Branchenmixes656 und eines aktiven Fi- nanzmanagements Deutschlands erste Stadt, deren Haushalt zum 7. Mal in Folge ausgeglichen ist und bis 2007 komplett entschuldet ist. Mit dieser aktiven Finanz- und Entschuldungspolitik entfallen wachstumshem- mende Kapitaldienste und dies schafft Sicherheit für Investoren sowie Spiel- raum für Investitionen.657 Die Nutzer der Büroflächen Düsseldorfs werden im folgenden Kapitel 3.4.2.2 aufgezeigt (vgl. Abb. 3.4.2.2 - 1). 655 eigene Darstellung in Anlehnung an www.duesseldorf.de/ wirtschaftsfoerderung/topbranchen, 19.12.05. 19.20 Uhr 656 Anmerkung: Die Nutzer der Büroflächen werden in Kapitel 3.4.2.2 aufgezeigt. 657 vgl. Landeshauptstadt Düsseldorf, 2006, S. 2; Vorwort des Oberbürgermeisters Düsseldorfs Erwin 3 Lösungsansätze und ökonomisches Modell 316 Die Büroteilmärkte Düsseldorfs Düsseldorf ist Deutschlands fünfgrößter Bürostandort. Der Düsseldorfer Büro- markt ist im bundesdeutschen Vergleich durch eine hohe Stabilität gekenn- zeichnet. Zurückzuführen ist dies auf die breit gefächerte Branchenstruktur des ausgesprochen heterogenen ökonomischen Umfeldes, was die Düsseldorfer Wirtschaft und damit auch den Büromarkt vergleichsweise wenig krisenanfällig macht. Gestärkt wurde der Büromarkt zusätzlich durch vermehrte Filial- und Standortzusammenlegungen in der Vergangenheit, im Rahmen derer große Firmen den Standort Düsseldorf wegen seiner zentralen und verkehrsgünstigen Lage innerhalb von Nordrhein-Westfalen bevorzugt auswählen.658 Der Düsseldorfer Büromarkt lässt sich gemäß Catella Eureal in neun Teilmärk- te gliedern (vgl. Abb. 3.4.2.1 - 2):659 - Königsallee/Bankenviertel - City und Hafen - Kennedydamm/ Golzheim - linksrheinisch/ Am Seestern - Der stadtperiphere Büromarkt wird durch die Teilmärkte: o Nord o Nordost/Grafenberg o Ost/ Flingern - Lierenfeld und o Düsseldorf-Süd. 658 vgl. HVB Expertise 2002, S.4 659 Catella Eureal, Büromarkt Deutschland - Frühjahr 2005, 2005, S. 10 3 Lösungsansätze und ökonomisches Modell 317 Abb. 3.4.2.1 - 2: Die Vermietungsleistung nach Teilmärkten660 Die räumliche Abgrenzung der Büroteilmärkte ist allerdings von Unternehmen zu Unternehmen unterschiedlich. So teilt Jones Lang LaSalle den Büromarkt Düsseldorfs in insgesamt elf Teilmärkte (vgl. Abb. 3.4.2.1 - 3 Teilmarktbeschrif- tung) und die Atisreal in die fünf Teilmärkte (1) City, (2) Bürozentren, (3) City- rand, (4) Nebenlagen sowie (5) Peripherie, die sie wiederum genauer differen- ziert (vgl. Abb. 3.4.2.1 - 4 Teilmarktbeschriftung). 660 Catella Eureal 2006, S. 6 3 Lösungsansätze und ökonomisches Modell 318 20,50 20,50 17,00 11,00 11,00 12,50 11,00 18,00 12,50 13,00 13,00 16,50 12,00 12,50 11,50 7,50 11,00 7,00 12,50 10,00 9,50 8,00 13,00 9,00 10,00 7,50 8,00 11,00 16,50 9,00 6,0 8,0 10,0 12,0 14,0 16,0 18,0 20,0 22,0 Ci ty Ba nk en vi er te l Re gi er un gs vi er te l Sü d Ne us s Ci ty - O st Ci ty - S üd Ha fe n Li nk sr he in is ch G ra fe nb er g/ O st Se es te rn Ke nn ed yd am m No rd Fl ug ha fe n Ra tin ge n minimale Miete maximale Miete Abb. 3.4.2.1 - 3: Die Mietpreisspannen der Düsseldorfer Büroflächenteilmärkte661 24.200 22.800 20.000 14.500 11.400 10.400 10.000 26.200 33.500 39.00043.900 46.00049.000 57.00057.500 64.80067.800 73.50074.50077.000 85.500 113.500 0 20.000 40.000 60.000 80.000 100.000 120.000 In ne ns ta dt (1 .2 ) Dü ss el do rf W es t / li nk sr he in is ch (4 .4 ) M ör se nb ro ic h / Z oo vi er te l ( 4. 2) Se es te rn (2 .4 ) M ed ie nh af en (2 .2 ) Ne us s Ha m m fe ld da m m (5 .2 .2 ) Ra tin ge n W es t ( 5. 1. 1) Dü ss el do rf Sü d (4 .3 ) Dü ss el do rf No rd / Fl ug ha fe n (4 .1 ) Ba nk en vi er te l ( 1. 1) Ke nn ed yd am m (2 .3 ) So ns tig e (5 .6 ) Ci ty O st (3 .2 ) De re nd or f ( 3. 3) Ra tin ge n O st (5 .1 .2 ) Er kr at h (5 .4 ) Ne us s G rim lin gh au se n (5 .2 .3 ) G ra fe nb er ge r A lle e (2 .1 ) Ne us s (5 .2 .1 ) M ee rb us ch (5 .5 ) Hi ld en (5 .3 ) Fr ie dr ic hs ta dt (3 .1 ) Leerstand Abb. 3.4.2.1 - 4: Der Leerstand nach Lagen in Düsseldorf662 661 eigene Darstellung mit Daten aus Jones Lang LaSalle 2006 (a), S.4, Stand: 2. Quartal 2006 662 eigene Darstellung mit Daten aus Atisreal 2006 (c), S.6, Stand: 30.06.2006 3 Lösungsansätze und ökonomisches Modell 319 Die unterschiedliche Verteilung der Leerstandsflächen der Teilmärkte sowie die von Mikrostandort zu Mikrostandort variierende Miete ist in den Abbildungen 3.4.2.1 - 3 und 3.4.2.1 - 4 dargestellt.663 Auch die anderen flächenbezogenen Büromarktindikatoren, die in die Regressi- onsberechnungen in Kapitel 3.4.3 einflossen, verteilen sich unterschiedlich auf die Mikrostandorte bzw. Büromarktteilmärkte Düsseldorfs. Die Teilmarktuntersuchung der Büromarktindikatoren und deren Abhängigkeiten untereinander sowie deren Prognose ist weiterhin zu untersuchen. Diese Be- rücksichtigung erfolgte für die in Kapitel 3.4.3 durchgeführten Prognosefunktio- nen nicht, da zurzeit noch keine ausreichend langen und konsistenten Zeitrei- hen vorliegen bzw. diese aus Wettbewerbsvorteilen nicht zu Forschungszwe- cken zur Verfügung gestellt werden. Daraus ergibt sich weiterer Forschungsbedarf, der auch Standort-, Qualitäts- und Ausstattungsmerkmale beinhalten sollte. 3.4.2.2 Die Anbieter, Nutzer und Investoren am Düsseldorfer Immobilienmarkt Hinsichtlich der Struktur der Büroflächenanbieter für die deutschen Bürostand- orte gibt es wenige Kenntnisse. Auch für den Standort Düsseldorf existiert hier- zu keine Untersuchung.664 Über die Berichterstattung zum Investmentmarkt lassen sich für den gesamten deutschen Immobilienmarkt die aktuellen Investi- tionstätigkeiten der einzelnen Investorengruppen erschließen. Aus den Invest- mentzahlen kann nicht die Nachfrage nach Büroimmobilien abgeleitet werden. Allerdings zeigt das Investmentvolumen die Attraktivität des Büroteilmarktes Düsseldorfs und wird aus Vollständigkeitsgründen nach Meinung der Verfasse- rin im Rahmen dieser Arbeit ebenfalls aufgezeigt. 663 vgl. auch die Abbildung 3.4.2.3 - 11a: Durchschnittliche Mietpreise für die Düsseldorfer Teilmärkte 2003/ 2004 664 vgl. Hartung 1998, S. 178 3 Lösungsansätze und ökonomisches Modell 320 Die Anteile der Investitionen auf Einzelstandorte sind nicht übertragbar, da hier Einzeltransaktionen und Marktbesonderheiten ins Gewicht fallen. Deshalb gibt es seit einigen Jahren für die bedeutendsten Büromarktstandorte in Deutsch- land hierzu entsprechende Marktreports und Veröffentlichungen. In Düsseldorf ist das Investitionsvolumen in Gewerbeimmobilien665 deutlich, d.h. um 58,8 % (von 567,1 Mio. € im Jahr 2004 auf 900,8 Mio. € im Jahr 2005) ge- stiegen. Damit liegt Düsseldorf im Trend der bedeutenden Investmentstandorte und erreicht mit einem Umsatz an der Milliardengrenze das höchste jemals re- gistrierte Transaktionsvolumen. Allerdings blieb der Düsseldorfer Markt der kleinste unter den Vergleichsstandorten. Die Verteilung des Umsatzes auf die Käufergruppen hat sich vom Jahr 2004 zum Jahr 2005 deutlich verändert: - offene Fonds: von 42,7 % auf 12,2 % - Versicherungen: von 17,8 % auf 2,3 % - geschlossene Fonds: von 16,2 % auf 11,8 % - Projektentwickler: von 3,1 % auf 32,5 % sowie - Ausländische Anleger: von 6,2 % auf 48,6 %. Auch die Struktur der Verkäufergruppen im Jahr 2005 zeigt deutliche Verschie- bungen zum Vorjahr: - Projektentwickler: von 59,3 % auf 34 % - Opportunity und Equity Funds: 21,6 %:in 2005 - Banken: 14,5 % in 2005 (anteilig einbezogenen Portfolioverkauf) - Offene Fonds: von 9,5 % auf 12,3 % sowie - Eigennutzer: von 11,8 % auf 9,1 %.666 665 Aus dem Investment Market Report Germany 2006 von Atisreal (Atisreal 2006 (b)) geht nicht der Anteil der Investments in Neu- bzw. in Altimmobilien hervor, so dass hieraus direkt keine Aussage der Büro- flächennachfrage abgeleitet werden kann. 666 Atisreal 2006 (b), S. 27 und 28 3 Lösungsansätze und ökonomisches Modell 321 Die Konzentration auf die Objektarten sieht folgendermaßen aus: - Die Büros lagen mit 76,5 % bzw. 24 Transaktionen an der Spitze. - Die Einzelhandelsimmobilien folgen mit 13,8 %. - Die übrigen Kategorien sind neben den beiden vorgenannten nur margi- nal mit 5,2 % an Gewerbe-/Industrieobjekten, 2,2 % an Entwicklungs- grundstücken, 1,3 % an Logistikimmobilien und 1 % an sonstigen ge- werblichen Immobilien vertreten. Die Verteilung der Transaktionen auf die einzelnen Stadtregionen hat sich deut- lich mit einem Anteil von 65,9 % am Investitionsvolumen auf die Düsseldorfer City konzentriert. Die Cityrandlagen belegen wie gewohnt mit 17,4 % den zwei- ten Platz und die Nebenlagen (7,8 %) sowie die Peripherie (8,9 %) teilen sich den Rest.667 Die Renditen sind durchgängig, wie auch an anderen Standorten, leicht gesun- ken und dies spiegelt sich in höheren Vervielfältigern wider, da der hohe Nach- fragedruck, vor allem das große Interesse ausländischer Investoren am deut- schen Markt, im Jahr 2005 zu einer leichten Aufwärtsbewegung bei den Kauf- preisen geführt hat. Während noch in den Jahren 1999 und 2000 eine hohe Nachfrage aus den Wachstumsbereichen New Economy, Telekommunikation und Werbung regist- riert wurde, rückten diese Unternehmen bereits ca. 2 Jahre später in den Hin- tergrund. Zu diesem Zeitpunkt wirkte sich die schwache Konjunktur positiv auf die traditionell ebenfalls stark vertretene Gruppe der unternehmensbezogenen Dienstleister aus. Vor allen Wirtschaftsprüfgesellschaften und Unternehmens- beratungen, aber auch international tätige große Anwaltsozietäten fragten ver- stärkt Flächen nach.668 667 Atisreal 2006 (b), S. 29 668 vgl. HVB Expertise 2002, S. 7 3 Lösungsansätze und ökonomisches Modell 322 Der hohe Anteil an Großvermietern mit mehr als 5.000 m² war typisch für die Jahre 2001 und 2002, der i.d.R auf die Zusammenlegung von Unternehmens- teilen aus Kostengründen und weniger auf Expansionsbestrebungen zurückzu- führen ist, und erklärte das hohe Vermietungsvolumen in Düsseldorf. Die Nach- frage nach Büroräumen mittlerer und kleinerer Größe war deutlich eingebro- chen. Der Büromarkt weist eine breit gefächerte Branchenstruktur auf. Es sind unter anderem Banken, große Anwaltskanzleien Deutschlands, ausländische Geldin- stitute, Firmen aus der Versicherungsbranche, der Unternehmensberatung und des Mobilfunksektors vertreten. Die Abbildung 3.4.2.2 - 1 verdeutlicht, dass die Unternehmen aus der Dienstleistungsbranche, dem Handel, der Banken- und Finanzdienstleistungsbranche und der Informations- und Kommunikationsbran- che die am meisten am Flächenumsatz Beteiligten sind. Informations- und Kommunikationstechnologien 15,7% Lobbyisten 8,9% Banken, Finanzdienstleister 13,0%Gesundheitswesen 3,9% Handel 7,9% Transport und Verkehr 2,0% Verwaltungen von Industrie- /Bauunternehmen 6,9% Sonstige Dienstleistungen 15,7% Medien und Werbung 4,9% Öffentliche Verwaltung 5,9% Beratungsgesellschaften 11,3% Versicherungen 3,9% Abb. 3.4.2.2 - 1: Der Flächenumsatz 2005 nach Branchen in Düsseldorf669 669 vgl. Atisreal 2006 (a), S. 21 3 Lösungsansätze und ökonomisches Modell 323 Das Branchenspektrum war 2004 und 2005 breiter als in einigen Vorjahren. Den ersten Platz belegten gemeinsam die Informations- und Kommunikations- technologien und die Gruppe der sonstigen Dienstleistungen mit einem Anteil von jeweils 15,7 % am Gesamtumsatz. An zweiter Stelle liegen die Banken/ Finanzdienstleister mit 13 %. Erheblich weniger am Ergebnis beteiligt als 2004 waren die Beratungsgesellschaften, die mit einem Anteil von 11,3 % (2004: 20 %) Rang drei einnehmen. Der im Jahr 2004 dominierende Handel kommt nur noch auf 7,9 %. Insgesamt sind die sechs führenden Branchengruppen wie Informations- und Kommunikations- technologien (15,7%), Sonstige Dienstleistungen (15,7%), Banken und Finanz- dienstleister (13,0%), Beratungsgesellschaften (11,3%), Lobbyisten (8,9%) und der Handel (7,9%) lediglich für über 72 % des Gesamtumsatzes verantwortlich, was die prinzipielle Nachfragebelebung unterstreicht.670 Die drei umsatzstärksten Branchen, Industrie, unternehmensbezogene Dienst- leistungen und Öffentliche Verwaltung, waren für ca. 56 % des Gesamtumsat- zes in den ersten beiden Quartalen 2006 verantwortlich. Bei der Industrie und der Öffentlichen Verwaltung schlugen wieder die Großanmietungen zu Bu- che.671 Eine solch breit gefächerte Branchenstruktur wie in Düsseldorf bringt Vorteile mit sich, da der Büromarkt nicht nur von bestimmten Unternehmen oder Bran- chen abhängig ist. Geht es einer Branche schlecht und wird von dieser dann kaum noch Bürofläche gemietet, so kann dieses durch die restlichen Vermie- tungen an andere Branchen zum Teil aufgefangen werden. Dabei ist der in mit- ten in Europa liegende Standort von Düsseldorf ebenfalls ein Grund für Unter- nehmer und Firmen in Düsseldorf einen Firmensitz zu eröffnen.672 670 vgl. Atisreal 2006 (a), S. 20f 671 vgl. Jones Lang LaSalle 2006 (a), S. 1 672 vgl. Corluka 2006, S.37 3 Lösungsansätze und ökonomisches Modell 324 3.4.2.3 Die Betrachtung der Büromarktindikatoren Düsseldorfs im zeitlichen Verlauf Es wurden Datenreihen für verschiedene Büromarktparameter von unterschied- lichen Maklerhäusern, Statistischen Landesämtern sowie dem Statistischen Bundesamtes, dem Amtes für Statistik und Wahlen der Stadt Düsseldorf und der Bundesagentur für Arbeit beschafft. Um über die Situation auf dem Düsseldorfer Büromarkt einen Überblick zu be- kommen, wurden Daten für das herauszuarbeitende Prognosemodell unter- schiedlicher Maklerhäuser nämlich: Aengevelt, Bulwien AG, DTZ, Jones Lang LaSalle, Atisreal GmbH ausgewertet, die Auskunft über wichtige Indikatoren, wie Leerstand, Bestand, Miete, Anzahl der Neubauten, Beschäftigtenzahlen und andere Daten lieferten. Diese Daten sollen nachfolgend besprochen wer- den. Aufgrund der geforderten, möglichst langen Quartalszeitreihen und der Fülle der der Verfasserin zur Verfügung gestellten Daten, flossen folgende Daten von Jones Lang LaSalle: - Leerstand - Minimale und maximale Spitzenrendite - Flächenumsatz lab - Neuanfrage, sowie - Büroflächenbestand in die Regressionsberechnungen (vgl. Kapitel 3.4.3) ein. Neben den aufgezählten Datenreihen standen auch Jahres- und Halbjahresda- ten hinsichtlich der Büromarktindikatoren nach der Lage in Düsseldorf von Atis- real zur Verfügung, die aber aufgrund des kurzen Zeitraumes von 5 bis 7 Jah- ren keine Relevanz für das Modell haben. 3 Lösungsansätze und ökonomisches Modell 325 Die quartalsweisen Zahlenreihen der Berufstätigkeitsstatistik, also der Bauge- nehmigungen, der Baufertigstellungen sowie des Abganges bzw. Abrisses, stammen von dem Amt für Statistik und Wahlen der Stadt Düsseldorf. Die Daten bzgl. der Erwerbstätigen, der SVP- Beschäftigten, der Einwohner und des Bruttoinlandsproduktes stammen vom Landesamt für Daten und Statistik Nordrhein-Westfalen (LDS NRW). Die Bundesagentur für Arbeit in Nürnberg stellte die Zeitreihe der Arbeitslosen- quote in Düsseldorf zur Verfügung. Im Folgenden werden die Zeitreihen der in die Regressionsrechnungen des Kapitels 3.4.3 integrierten Daten im zeitlichen Verlauf dargestellt.673 337.822 338.613 343.846 353.241 361.932 366.365 359.270 349.028 337.490 336.171 333.553 336.841 341.905 348.980 352.860 352.327 343.326 333.561 563.531 569.627 573.950 577.250 571.232 568.400 567.396 569.046 570.279 571.660 574.541 571.064 574.095 570.504 571.005 577.278 572.382 325.000 375.000 425.000 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 560.000 565.000 570.000 575.000 580.000 SVP- Beschäftigte am Arbeitsort (links) Einw ohner (rechts) Abb. 3.4.2.3 - 1: Die Entwicklung der Einwohnerzahl und der Zahl der SVP-Beschäftigten am Arbeitsplatz 673 In diesem Kapitel wird lediglich eine Darstellung der einzelnen Indikatoren in ihrem zeitlichen Verlauf aufgeführt. Die Zusammenhänge des Marktes und das Funktionieren des Wirkungsmodells sind in den Kapitel 3.4.1.1 sowie 3.4.1.4 ausführlich erläutert worden. 3 Lösungsansätze und ökonomisches Modell 326 In der Abbildung 3.4.2.3 - 1 sind die zeitlichen Entwicklungen der Einwohner und der SVP-Beschäftigten am Arbeitsplatz in Düsseldorf dargestellt. Die star- ken Ähnlichkeiten in ihrem Verlauf sind auffällig. Der Zusammenhang der Bevölkerungsentwicklung auf die Beschäftigung, hier auf die SVP- Beschäftigten, ist zu erkennen.674 Der Anteil der SVP- Beschäftigten an der Bevölkerung lag in den Jahren 1998 bis 2004 bei ca. 60% (vgl. Abb. 3.4.1.3 - 8). Die Einwohnerzahl Düsseldorfs ist seit 1999 ständig gestiegen und steigt nach Angaben der Stadt Düsseldorf kontinuierlich weiter. Sie beträgt im zweiten Quartal 2006 ca. 577.000 und davon sind 81% Dienstleistungsbeschäftigte.675 Der Anteil der Bürobeschäftigten676 an der Bevölkerung lag im Jahr 2004 bei ca. 37,5%, obwohl auch damals ein wesentlich höherer Anteil der Beschäftigten in der Dienstleistungsbranche arbeitete. In der folgenden Abbildung 3.4.2.3 - 2 ist der zeitliche Verlauf des BIP, die An- zahl der Erwerbstätigen sowie der SVP- Beschäftigten am Arbeitsort in absolu- ten Zahlen ersichtlich. Bei den beiden Kurven bzgl. der Beschäftigung wird de- ren zyklischer Verlauf sehr und bei dem BIP eher in gemäßigter Form deutlich. 674 Die Verläufe der erwerbstätigen und der SVP-Beschäftigten am Arbeitsort (vgl. Abbildung 3.4.1.3 - 6) und deren Auswirkungen auf die Bürobeschäftigten sind ausführlich im Kapitel 3.4.1.3 erörtert worden. 675 vgl. Jones Lang LaSalle 2006 (a), S. 1 676 Hier wurden die Bürobeschäftigten gem. Holthaus angesetzt. 3 Lösungsansätze und ökonomisches Modell 327 330.000 350.000 370.000 390.000 410.000 430.000 450.000 470.000 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 21.000 23.000 25.000 27.000 29.000 31.000 33.000 35.000 37.000 Erw erbstätige am Arbeitsort SVP- Beschftigte am Arbeitsort BIP [Mill. €] (2. Achse) Abb. 3.4.2.3 - 2: Der zeitliche Verlauf des BIP, der Erwerbstätigen und der SVP- Beschäftigten am Arbeitsort Das Wirken der Beschäftigungsschwelle, wie in den Kapitel 3.4.1.2 und 3.4.1.3 bereits beschrieben wurde, ist in den nachfolgenden Abbildungen 3.4.2.3 - 3 und 3.4.2.4 - 4 illustriert. Wie die Abbildungen zeigen, kann keine Faustformel abgeleitet werden, die besagt, dass die Beschäftigung um x- oder y- Prozent zunimmt, wenn das BIP um x Prozent steigt. Die starke Abnahme des Bruttoin- landproduktes zum Zeitpunkt 1992/1993 klingt z.B. noch 1993/1994 und 1994/1995 bei der Entwicklung der Beschäftigung nach, da sich in diesen Jah- ren trotz Zunahme des BIP um 3,1% und 2,8% die Beschäftigung bei den Er- werbstätigen um 2,5% und 1,5% sowie bei den SVP- Beschäftigten um 2,9% und 3,3% sinkt. 3 Lösungsansätze und ökonomisches Modell 328 0,7% 1,2% 1,6% 1,2% -1,5% -2,5% -1,5% -0,6% 3,0% 2,1% 1,6% 1,1% -0,8% -0,6% 2,4% 3,1% 4,3% 2,2% 8,6% 10,0% 2,8% 0,9% 4,1% 4,8% 1,7% 2,8% 0,2% 4,4% 0,1% 6,0% 3,1% -3,5% -2,5% -1,5% -0,5% 0,5% 1,5% 2,5% 3,5% 19 86 / 1 98 7 19 87 / 1 98 8 19 88 / 1 98 9 19 89 / 1 99 0 19 90 / 1 99 1 19 91 / 1 99 2 19 92 / 1 99 3 19 93 / 1 99 4 19 94 / 1 99 5 19 95 / 1 99 6 19 96 / 1 99 7 19 97 / 1 99 8 19 98 / 1 99 9 19 99 / 2 00 0 20 00 / 2 00 1 20 01 / 2 00 2 0,0% 2,0% 4,0% 6,0% 8,0% 10,0% Zuwachs der Erwerbstätigen am Arbeitsort Zuwachs BIP (2. Achse) Abb. 3.4.2.3 - 3: Der Zuwachs des BIP und der Erwerbstätigen am Arbeitsort 0,9% 0,2% 1,5% 2,7% 1,2% -2,9% -0,4% -0,8% 1,0% 1,5% 2,1% 1,1% -0,2% -1,9% 2,5% -3,3% 3,1% 4,3% 2,2% 8,6% 10,0% 6,0% 2,8% 0,9% 4,8% 1,7% 2,8% 4,4% 4,1% 0,1%0,2% 3,1% -3,5% -2,5% -1,5% -0,5% 0,5% 1,5% 2,5% 3,5% 19 86 / 1 98 7 19 87 / 1 98 8 19 88 / 1 98 9 19 89 / 1 99 0 19 90 / 1 99 1 19 91 / 1 99 2 19 92 / 1 99 3 19 93 / 1 99 4 19 94 / 1 99 5 19 95 / 1 99 6 19 96 / 1 99 7 19 97 / 1 99 8 19 98 / 1 99 9 19 99 / 2 00 0 20 00 / 2 00 1 20 01 / 2 00 2 0,0% 2,0% 4,0% 6,0% 8,0% 10,0% Zuw achs der SVP- Beschftigten am Arbeitsort Zuw achs BIP (2. Achse) Abb. 3.4.2.3 - 4: Der Zuwachs des BIP und der SVP- Beschäftigten am Arbeitsort 3 Lösungsansätze und ökonomisches Modell 329 Die folgende Abbildung 3.4.2.3 - 5 zeigt die absolute Arbeitslosenquote und den Zuwachs des Bruttoinlandproduktes in Düsseldorf sowie die beschäftigungsre- levante Auswirkung der BIP- Zunahme. In den Jahren 1996 bis 2001 nahm das BIP zwischen 1,7% und 4,4% zu, während die Arbeitslosenquote in dieser Zeit von 13,5% auf 9,2% sank. Die Arbeitslosenquote Düsseldorfs betrug im zweiten Quartal 2006 leider 10,6%.677 12,2% 13,5% 12,5% 11,9% 10,1% 9,2% 9,1% 13,7% 2,8% 0,9% 4,1% 0,1% 1,7% 2,8% 4,4% 4,8% 9,0% 10,0% 11,0% 12,0% 13,0% 14,0% 1995 1996 1997 1998 1999 2000 2001 2002 0,00% 2,00% 4,00% 6,00% 8,00% 10,00% 1994/ 1995 1995/ 1996 1996/ 1997 1997/ 1998 1998/ 1999 1999/ 2000 2000/ 2001 2001/ 2002 Arbeitslosenquote Zuwachs BIP [%] (2. Achse) Abb. 3.4.2.3 - 5: Die Arbeitslosenquote und der Zuwachs des BIP Die dargestellte Abbildung 3.4.2.3 - 6 gibt die Mieten, sowohl die Spitzen- als auch die Durchschnittsmiete, in der Einheit [€/ m² Monat] und die absolute Ent- wicklung des BIP in den Jahren 1998 bis 2002 wieder. Durch den Vergleich dieser Kurven wird deutlich, dass die Durchschnittsmiete im Gegensatz zur Spitzenmiete nur sehr geringe Schwankungen aufweist. 677 vgl. Jones Lang LaSalle 2006 (a), S. 1 3 Lösungsansätze und ökonomisches Modell 330 Während sich generell Spitzenmiete und Flächenumsatz stark der Angebots- und Nachfragesituation auf dem Büromarkt anpassen (vgl. Abb. 3.4.2.3 - 13) und dadurch starken Schwankungen unterliegen, ist die Durchschnittsmiete relativ konstant. Werden die Durchschnittsmiete und die Spitzenmiete mit dem Verlauf des BIP in Düsseldorf verglichen, so wird die Spitzenmiete deutlicher vom BIP beein- flusst. Die Durchschnittsmiete dagegen schwankt minimal, ohne dass ein Zu- sammenhang mit dem BIP deutlich wird. Es existiert eine positive Korrelation zwischen dem BIP und der Spitzenmiete. Steigt bzw. fällt das BIP, so steigen oder fallen die Spitzenmietpreise. Die Spit- zenmiete stabilisierte ihren Wert von 20,50 €/ m² Monat im Jahr 2005 sowie in den ersten beiden Quartalen 2006. Die Durchschnittsmiete betrug 11,77 €/ m² Monat im Jahr 2005 sowie 12,22 €/ m² Monat nach den ersten beiden Quarta- len 2006.678 21,47 22,50 25,56 21,00 20,50 13,53 13,31 13,19 12,32 12,79 33.195 34.782 35.360 36.381 36.338 11,0 13,0 15,0 17,0 19,0 21,0 23,0 25,0 27,0 1998 1999 2000 2001 2002 2003 2004 33.000 34.000 35.000 36.000 37.000 Spitzenmiete [€/ m² Monat] Durchschnittsmiete [€/ m² Monat] BIP nach Marktpreisen [Mill. €] Abb. 3.4.2.3 - 6: Die Spitzen- und Durchschnittsmieten sowie das BIP 678 vgl. Jones Lang LaSalle 2006 (a), S. 2 3 Lösungsansätze und ökonomisches Modell 331 Die folgende Abbildung 3.4.2.3 - 7 vergleicht die Zahl der SVP- Beschäftigten, die sehr stark die Anzahl der Bürobeschäftigten und somit die Nachfrage nach Büroräumen bestimmt,679 mit dem Verlauf der Spitzenmiete in Düsseldorf in dem Zeitraum 1995 bis 2004. 20,45 25,56 20,50 22,50 19,43 21,47 21,00 333.553 348.980 333.561 352.860 343.326 337.490 341.905 18,0 19,0 20,0 21,0 22,0 23,0 24,0 25,0 26,0 27,0 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 330.000 340.000 350.000 360.000 Spitzenmiete [€/ m² Monat] Sozialversicherungspflichtig Beschäftigte (rechts) Abb. 3.4.2.3 - 7: Der Vergleich der SVP- Beschäftigten am Arbeitsort mit der Spitzenmiete Die Kurve der Spitzenmiete fällt von 1995 bis 1996, steigt bis zum Jahr 2001 auf ihren Höchstwert von 25,56 €/ m² Monat an und fällt im Jahr 2004 auf 20,5 €/ m² Monat. Die Zahl der SVP- Beschäftigten sinkt von 1995 bis 1997 und steigt dann in den folgenden Jahren bis zum Erreichen ihres Spitzenwertes auf 352.860 wieder an. Sie fällt in den darauf folgenden Jahren bis auf 333.561 im Jahr 2004. Die Spitzenmiete stabilisierte ihren Wert von 20,5 €/ m² Monat im Jahr 2005 und im zweiten Quartal 2006.680 679 vgl. Kapitel 3.4.1.3 680 vgl. Jones Lang LaSalle 2006, S. 2 3 Lösungsansätze und ökonomisches Modell 332 In der Abbildung 3.4.2.3 - 8 folgt die Gegenüberstellung der minimalen und ma- ximalen Spitzenrendite mit der gegenüber der Durchschnittsmiete volatileren Spitzenmiete. Im Jahr 2005 stieg die maximale Spitzenrendite leicht um 0,25% auf 6,25% an, währenddessen blieb die minimale Spitzenrendite konstant bei 5,5%. 5,25% 5,25% 5,00% 5,25% 5,50% 5,50% 5,75% 5,75% 6,00% 5,50% 5,25% 20,45 19,43 21,47 21,47 20,50 23,00 22,50 25,56 21,00 4,75% 5,25% 5,75% 6,25% 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 19 20 21 22 23 24 25 26 Minimale Spitzenrendite Maximale Spitzenrendite Spitzenmiete in [€/ m²] Abb. 3.4.2.3 - 8: Die Spitzenrenditen sowie die Spitzenmiete von 1995 bis 2004 Die Grafik 3.4.2.3 - 9 bildet den Flächenumsatz, aufgeteilt in Eigennutzung und Vermietung, in den Jahren 1996 bis 2004 ab. Ab 1996 wurde seitens Jones Lang LaSalle die Unterteilung des Flächenumsatzes bei der Datenerfassung berücksichtigt. Der Anteil der Eigennutzung schwankt von 0 % bis 4,2% und hat einen geringen Beitrag am gesamten Flächenumsatz. Der Anteil des Flächenumsatzes am gesamten Büroflächenbestand in Düssel- dorf betrug in dem Zeitraum von 1996 bis 2004 zwischen 2,72% (im Jahr 1996) und 5,27% (im Jahr 2001) und im Jahr 2004 sank dieser Wert auf 3,42%. Der gesamte Flächenumsatz stieg von 152.500 m² im Jahr 1996 auf seinen Höchst- wert von knapp 400.000 m² im Jahr 2001 und sank auf 237.600 m² im Jahr 2003. Im darauf folgenden Jahr wuchs er auf 279.100 m² an und fiel im Jahr 3 Lösungsansätze und ökonomisches Modell 333 2005 auf 254.100 m². Es wird aber seitens Jones Lang LaSalle erwartet, dass dieser in diesem Jahr 270.000 m² erreicht, da für die zweite Jahreshälfte einige größere Abschlüsse erwartet werden.681 0 50.000 100.000 150.000 200.000 250.000 300.000 350.000 400.000 450.000 19 96 19 97 19 98 19 99 20 00 20 01 20 02 20 03 20 04 Flächenumsatz Eigennutzung [m²] Flächenumsatz Vermietung [m²] Flächenumsatz gesamt [m²] Abb. 3.4.2.3 - 9: Der Flächenumsatz in Düsseldorf Die Jahre 1996 bis 2001 waren durch eine kontinuierlich steigende Vermie- tungsleistung geprägt. Nachdem auch Düsseldorf im bundesweiten Spitzenjahr 2000 seinen Büroflächenumsatz im Vergleich zu 1997 bereits mehr als verdop- peln konnte, legte die Stadt im Jahr 2001, ungeachtet der einsetzenden Krise in der New Economy, im Bereich der Telekommunikation und der Werbung noch einmal kräftig zu und erreichte mit einem Umsatz von knapp 400 000 m² einen Spitzenwert. Diese Entwicklung wurde von einem überdurchschnittlich hohen Anteil an Vor- und Großvermietungen getragen. Im Jahr 2001 belegte die Region Düsseldorf damit bundesweit Platz vier hinter den damals bereits rückläufigen Märkten München, Frankfurt und Berlin.682 681 vgl. Jones Lang LaSalle 2006 (a), S. 2 682 vgl. HVB Expertise 2002, S. 9 3 Lösungsansätze und ökonomisches Modell 334 Die Nachfrage verteilt sich weitgehend ausgeglichen über die einzelnen Stand- orte, wenngleich auch für zentrale Lagen die meisten Anfragen vorliegen. Vor- vermietungen machen einen beachtlichen Umsatzanteil mit wachsender Ten- denz in einem zunehmend schwächeren Markt aus. Die Abbildungen 3.4.2.3 - 10 und 3.4.2.3 - 11 verdeutlichen zum einen den zeit- lichen Verlauf des Leerstandes, absolut und relativ, und der beiden flächenbe- zogenen Indikatoren Flächenumsatz und Baufertigstellungen von Büroflächen, zum anderen veranschaulichen sie deren Interdependenzen. Der Indikator Flächenumsatz korreliert mit dem Indikator Leerstand. Steigt bzw. fällt der Flächenumsatz, so fällt bzw. steigt das Leerstandsvolumen (vgl. Abb. 3.4.2.3 - 10). 232.000 398.500 279.100 237.600 277.000 152.500 651.100 279.900 922.900 351.000 427.200 484.300 1.002.900 0 150.000 300.000 450.000 1996 1997 1998 1999 2000 2001 2002 2003 2004 0 200.000 400.000 600.000 800.000 1.000.000 1.200.000 Flächenumsatz gesamt [m²] Leerstand inkl. UMF [m²] Abb. 3.4.2.3 - 10: Der Flächenumsatz und der Leerstand von 1996 bis 2004 Bedingt durch eine rege Bautätigkeit in der 1. Hälfte der 90er- Jahre bei gleich- zeitig mäßigem Flächenumsatz hat sich über die Jahre in Düsseldorf eine Leer- standsquote aufgebaut, die 1997 mit 7% ihren damaligen Höchststand erreich- te. Eine Umkehr dieses Trends, nämlich sinkende Fertigstellungszahlen bei stark steigender Nachfrage, hatte danach zu einer deutlichen Verringerung der Leerstandsquote beigetragen (vgl. Abb. 3.4.2.3 - 11). 3 Lösungsansätze und ökonomisches Modell 335 Die wiederbelebte Bautätigkeit sowie überwiegend auf Flächenoptimierung ausgerichtete Umzugsaktivitäten, die häufig mit Flächenverkleinerungen ver- bunden waren, haben jedoch im Jahr 2001 zu wieder steigenden Leerständen geführt. Besonders betroffen von hohen Leerständen - trotz anhaltend starker Nachfrage - ist die Innenstadt, da dort zahlreiche veraltete Büroflächen schwer vermittelbar sind (z. B. Berliner Allee).683 Die Bautätigkeit ist seit 1995 kontinuierlich zurückgegangen. Im Jahr 2001 wur- den wieder steigende Fertigstellungszahlen registriert. Vergleicht man den Verlauf der absoluten Baufertigstellungszahlen mit den Leerstandsdaten in der gleichen Zeitspanne (vgl. Abb. 3.4.2.3 - 11), wird vor allem die Reaktion des Marktes auf sinkende oder steigende Leerstände er- kennbar. In den Jahren 1997 bis 2003 ist ein fast kongruenter Verlauf der bei- den Kurven ersichtlich. Das bedeutet, dass der Verlauf der 80er und 90er Jahre sowie auch die Reakti- on des Marktes sich verändert hat. Damals wurde bei niedriger Leerstandsrate viel gebaut und umgekehrt. Dieser Sachverhalt ist nach wie vor in den Jahren 1995 und 1996 sowie 2004 ersichtlich. Bei steigenden Leerstandraten fällt das Baufertigstellungsvolumen. „In den ersten sechs Monaten 2006 wurden auf dem Düsseldorfer Büroimmobi- lienmarkt rund 61.000 m² Büroflächen fertig gestellt. Knapp die Hälfte dieser Flächen war zum Zeitpunkt der Fertigstellung noch nicht vermietet. Bis zum Jahresende werden weitere ca. 35.000 m² Büroflächen errichtet, von denen allerdings nur 7 % noch unvermietet sind. Aufgrund dieses geringen spekulati- ven Fertigstellungsvolumens ist davon auszugehen, dass der Leerstand bis Jahresende weiter leicht sinken wird.“684 683 vgl. HVB Expertise, 2002, S. 8 684 Jones Lang LaSalle 2006 (a), S.3 3 Lösungsansätze und ökonomisches Modell 336 Der Leerstand ist weiter im Jahr 2005 auf 1.035.100 (12,4%) und im zweiten Quartal 2006 auf 1.063.000 (12,6%) gestiegen.685 Neben der leichten Nachfragebelebung ist vor allem das rückläufige Bauvolu- men für den verlangsamten Anstieg bzw. die Stabilisierung der Leerstände aus- schlaggebend. Die rückläufige Bautätigkeit als Reaktion auf die hohen Leer- stände wird sich in den kommenden Jahren fortsetzen und auf der Angebotssei- te zu einer Entlastung des Marktes führen. Gemäß Atisreal entfallen etwa 28% des Leerstands auf die Peripherie und 72% auf das Stadtgebiet. Bemerkenswert ist, dass nur noch knapp ein Drittel aller Leerstandsflächen über eine moderne Ausstattungsqualität verfügt und damit zum am stärksten nachgefragten Flächensegment gehört.686 Aus den beiden Grafiken 3.4.2.3 - 10 und 3.4.2.3 - 11 wird die negative Korrela- tion des Flächenumsatzes mit den Baufertigstellungen ersichtlich. 212.821 127.412 183.344 50.397 79.822 149.583 4,1 8,3 12,3 3,3 7,0 0 50.000 100.000 150.000 200.000 250.000 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 0,0 2,0 4,0 6,0 8,0 10,0 12,0 14,0 Fertiggestellte Flächen [m² NF] Leerstandsrate inkl. UMF [%] Abb. 3.4.2.3 - 11: Die fertiggestellten Flächen und die Leerstandsrate von 1995 bis 2004 685 vgl. Jones Lang LaSalle 2006 (a), S. 2 686 vgl. Atisreal 2006 (a), S. 21 3 Lösungsansätze und ökonomisches Modell 337 Das Mietniveau in Düsseldorf bewegt sich mit aktuellen Spitzenpreisen von 20,50 €/ m² zusammen mit Berlin auf dem letzten Platz hinter Frankfurt, Mün- chen und Hamburg.687 Insgesamt zeichnet sich der Düsseldorfer Markt durch eine hohe Stabilität und eine vergleichsweise niedrige Volatilität aus, wie die durch eher geringe Schwankungen geprägte Mietpreisentwicklung in den 90er- Jahren verdeutlicht. Nachdem die Mieten aufgrund starker Flächenengpässe Anfang der 90er-Jahre sprunghaft angestiegen waren, entspannte sich die Lage im Zuge einer wach- senden Neubautätigkeit bis Ende der vergangenen Dekade. Der ab dem Jahr 1999 für drei Jahre anhaltende Boom ließ die Spitzenmiete im Jahr 2001 auf ihren Spitzenwert von 25,56 €/ m² ansteigen. Im Zuge der rückläufigen Nachfrage ist die Spitzenmiete Im Jahr 2002 gefallen (vgl. Abb. 3.4.2.3 - 12). Zunehmend gewinnt die Gewährung von Incentives an Bedeutung, wodurch die Mietpreise vorerst gestützt werden. Die Mietpreisniveaus haben sich in Düsseldorf im Laufe des Jahres 2005 über- wiegend stabilisiert. Vereinzelten leichten Anstiegen der Durchschnittsmiete in einigen Büromarktzonen stehen leichte Rückgänge in anderen Lagen gegen- über. Diese Schwankungen sind aber marktüblich und dokumentieren keinen Trend.688 Als Resultat des verbesserten Verhältnisses zwischen Angebot und Nachfrage haben die Spitzenmieten in den hier untersuchten Städten mittlerweile ein stabi- les Niveau erreicht. Die Spitzenmiete liegt nun im dritten Jahr seit 2004 unver- ändert bei 20,50 €/ m² und wird im Bankenviertel sowie in der City erzielt. 689 Mit Ausnahme von einzelnen Lagen und älteren, nicht mehr marktgerechten Büroflächen, bei denen die Mietpreise weiter unter Druck stehen, scheint die 687 vgl. Jones Lang LaSalle 2006 (f), S. 12 688 vgl. Atisreal 2006 (a), S. 22 689 vgl. Jones Lang LaSalle 2006 (a), S.4 3 Lösungsansätze und ökonomisches Modell 338 Mietpreiskonsolidierung in Düsseldorf abgeschlossen zu sein. Größere Spiel- räume für Mietpreissteigerungen sind aber noch nicht erkennbar.690 Da Incentives immer noch eine bedeutende Rolle bei den Mietvertragsverhand- lungen spielen, besteht weiterhin eine starke Differenz zwischen Nominal- und Effektivmieten. Gemäß Catella Eureal lag Ende des Jahres 2004 die gewichtete Durch- schnittsmiete der neun Düsseldorfer Teilmärkte mit 12,70 €/ m² ca. 2,4% über dem Ergebnis aus dem Jahre 2003 und die Spitzenmiete betrug 23 €/m².691 Gemäß Jones Lang LaSalle betrug dagegen die Spitzenmiete 20,50 €/ m² und die gewichtete Durchschnittsmiete 12,79 €/ m².692 An diesem Beispiel wird deut- lich, dass die Daten von Unternehmen zu Unternehmen stark abweichen. Die durchschnittlichen Mietpreise variierten in den Teilmärkten Düsseldorfs (vgl. Abb. 3.4.2.3 - 11a). 15,39 11,31 11,31 3,00 12,2411,00 10,09 13,9314,31 0,00 2,00 4,00 6,00 8,00 10,00 12,00 14,00 16,00 18,00 Kö ni gs al le e/ Ba nk en vi er te l C ity H af en Ke nn ed yd am m / G ol zh ei m No rd N or do st / G ra fe nb er g O st / F lie ge rn Li er en fe ld Li nk sr he in is ch / Am S ee st er n Sü d Abb. 3.4.2.3 - 11a: Die Durchschnittsmietpreise für Düsseldorfer Teilmärkte 2003/ 2004 693 690 vgl. Atisreal 2006 (a), S. 22 691 vgl. Catella Eureal 2005, S 12 692 vgl. JonesLang LaSalle 2005, S. 2 693 vgl. Catella Eureal 2005, S. 12 3 Lösungsansätze und ökonomisches Modell 339 Betrachtet man die Abbildungen 3.4.2.3 - 12 und 3.4.2.3 - 13 hinsichtlich der Korrelation der Spitzenmiete mit den Indikatoren der Spitzenmiete, Leerstand und Flächenumsatz, so wird die negative Korrelation der Spitzenmiete mit dem Leerstand sowie ihre positive Korrelation mit dem Flächenumsatz erkennbar. 279.900 350.000 427.200 484.300351.000 240.300 1.002.900 22,50 25,56 19,43 20,50 21,47 0 150.000 300.000 450.000 600.000 750.000 900.000 1.050.000 1.200.000 1996 1997 1998 1999 2000 2001 2002 2003 2004 18,0 20,0 22,0 24,0 26,0 Leerstand inkl. UMF [m²] Spitzenmiete [€/ m² Monat] Abb. 3.4.2.3 - 12: Die Spitzenmiete und der Leerstand von 1996 bis 2004 152.500 232.000 277.000 341.800 328.000 237.600 279.100 398.50022,50 19,43 21,47 21,00 20,50 25,56 0 150.000 300.000 450.000 1996 1997 1998 1999 2000 2001 2002 2003 2004 10,0 11,5 13,0 14,5 16,0 17,5 19,0 20,5 22,0 23,5 25,0 26,5 Flächenumsatz gesamt [m²] Spitzenmiete [€/ m² Monat] Abb. 3.4.2.3 - 13: Die Spitzenmiete und der Flächenumsatz von 1996 bis 2004 3 Lösungsansätze und ökonomisches Modell 340 Der Büroraummarkt zeigt die typischen Merkmale eines bauwirtschaftlichen Bestandsmarktes,694 so durchläuft er aufgrund seiner Struktur starke zyklische Schwankungen. Im Leistungsmarkt liegt eine hohe Mietnachfrage vor,695 die Durchführung geschieht in starkem Maße über spezialisierte Projektentwick- lungsfirmen und die Objekte werden an Kapitalanleger verkauft, so dass speku- lative Komponenten in der Errichtung von Bürokapazitäten enthalten sind.696 Eine starke zyklische Schwankung im Büroraummarkt wird weiterhin durch das hohe Time- Lag unterstützt. Die Merkmale Bestandsmarkt, hoher Mietanteil und hoher Time- Lag fördern die Instabilität im Investitionsverhalten.697 Bei der Analyse der beiden nachfolgenden Schaubilder, Abb. 3.4.2.3-14 und 3.4.2.3-15, in denen die Baugenehmigungen und Baufertigstellungen wiederge- geben sind, ist abzulesen, dass die beschriebene hohe Zyklizität auch tatsäch- lich vorliegt. Untersuchungen im Büroraummarkt stellen die oben genannten Variablen als Ursache des stark ausgeprägten zyklischen Verhaltens heraus.698 694 vgl. Kapitel 3.4.1.1 695 vgl. von Einem 1989, S. 3ff 696 vgl. von Einem 1989, S. 5 697 vgl. Becker 1998, S. 162-165 698 vgl. Hekmann 1985; Wheaton 1987; Barras 1983; Barras 1985, 1987 (a) und (b) 3 Lösungsansätze und ökonomisches Modell 341 0 50.000 100.000 150.000 200.000 250.000 300.000 350.000 19 79 19 80 19 81 19 82 19 83 19 84 19 85 19 86 19 87 19 88 19 89 19 90 19 91 19 92 19 93 19 94 19 95 19 96 19 97 19 98 19 99 20 00 20 01 20 02 20 03 20 04 Abriss [m² NF] Baugenehmigungen [m² NF] Fertiggestellte Flächen [m² NF] Abb. 3.4.2.3 - 14: Die Baufertigstellungen und Baugenehmigungen sowie der Abriss Die zeitlich einflussreichste Verzögerung der Time- Lags ist der Konstruktions- Lag. Eine solche Verzögerung ist in der folgenden Abb. 3.4.2.3 - 15 deutlich zu erkennen. Viele Investoren oder Projektentwickler entschließen sich gerade in Boom-Phasen, in denen die Nachfrage steigt und der Markt finanziell sehr si- cher und lukrativ erscheint, neue Projekte zu planen oder bestehende Projekte um- oder auszubauen. Ausgehend von einem Neubau, kann es Jahre von der Entwicklung der Projektidee bis hin zum fertig erbauten Projekt dauern.699 Die Spitzenmiete steigt ab 1996 an und hat ihren Höhepunkt im Jahr 2001. Der Anteil an Neubauflächen nimmt aber erst in den Jahren 2001 bis 2003 sehr stark zu, also mit einer zeitlichen Verzögerung von ein bis zwei Jahren nach Erreichen des Spitzenmiethöchstpunktes. 699 vgl. Rottke 2001, S.20ff. 3 Lösungsansätze und ökonomisches Modell 342 127.412 109.473 113.456 79.822 89.628 149.583 183.344 50.397 57.816 70.599 58.886 75.898 95.590 51.893 212.821 161.259 254.245 191.124 188.434 165.015 20,45 19,43 21,47 21,47 21,47 22,50 25,56 23,00 21,00 20,50 0 50.000 100.000 150.000 200.000 250.000 300.000 350.000 400.000 450.000 500.000 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 11,0 13,0 15,0 17,0 19,0 21,0 23,0 25,0 27,0 Fertiggestellte Flächen [m² NF] Baugenehmigungen [m² NF] Spitzenmiete [€/ m² Monat] Abb. 3.4.2.3 - 15: Die Baufertigstellungen und Baugenehmigungen sowie die Spitzenmiete Die Baugenehmigungen folgen den ansteigenden Mietpreisen, wie z.B. in den Jahren 1999 und 2000, und ziehen eine Angebotsausweitung in 2-3 Jahren nach sich.700 Dementsprechend erfolgt der Höhepunkt in den Fertigstellungen regelmäßig in den Rezessionsphasen. Dies führt dazu, dass Mieten in den Re- zessionsphasen nicht nur nachfragebedingt rückläufig sind.701 Dieser Sachver- halt ist in der Abbildung 3.4.2.3 - 15 in den Jahren 2001 bis 2004 deutlich er- kennbar. In der folgenden Abbildung 3.4.2.3 - 16 werden die drei Indikatoren Bestand, Leestand und fertig gestellte Flächen in ihren zeitlichen Verlauf gezeigt. Der Bestand ist kontinuierlich seit 1998 von 7.137.000 m² auf 8.165.000 m² gestie- gen. Neueste Veröffentlichungen von Jones Lang Lasalle revidieren die eige- nen Daten des Bürobestandes in Düsseldorf für das Jahr 2003 mit Angabe der Werte 8,12 Millionen m² und für das Jahr 2004 8,24 Millionen m². 700 vgl. Bower 1965, S. 275f 701 vgl. Becker 1998, S. 165 3 Lösungsansätze und ökonomisches Modell 343 Der Büroflächenbestand steigt weiter an, wie z.B. im Jahr 2005 auf 8,34 Millio- nen m² und für das zweite Quartal 2006 auf 8,4 Millionen m². 702 Der Büroflächenbestand in Düsseldorf steigt trotz ansteigenden Leerstands auf (vgl. Abb. 3.4.2.3 - 16 sowie Jones Lang LaSalle, 2006, S. 2). Von 1995 bis 2004 ist der Anteil der Baufertigstellungen am Bestand im Gegensatz zur Leer- standsrate von ca. 4% auf 0,62% gesunken (vgl. Abb. 3.4.2.3 - 19). 7.357.600 7.563.000 8.045.400 8.165.100 7.137.400 427.200 240.300 279.900 1.002.900 109.473 79.822 89.628 183.344 922.900 50.397 0 100.000 200.000 300.000 400.000 500.000 600.000 700.000 800.000 900.000 1.000.000 1.100.000 1998 1999 2000 2001 2002 2003 2004 7.000.000 7.200.000 7.400.000 7.600.000 7.800.000 8.000.000 8.200.000 Bestand [m²] Leerstand inkl. UMF [m²] Fertiggestellte Flächen [m² NF] Abb. 3.4.2.3 - 16: Der Büroflächenbestand, der Leerstand und die Baufertigstellungen Der Zusammenhang des Flächenumsatzes und der Neuanfragen aufgrund der Veränderung des BIP ist in der Abbildung 3.4.2.3 - 17 aufgezeigt. Die beiden Indikatoren Flächenumsatz und Neuanfragen, die beide der Angebotsseite zu- zurechnen sind, korrelieren positiv. 702 vgl. Jones Lang LaSalle 2006 (a), S. 2 3 Lösungsansätze und ökonomisches Modell 344 232.000 307.400 448.600 279.100 341.800 398.500 248.400 358.000 301.000 381.000 247.400 36.381 35.360 34.782 33.195 36.338 200.000 300.000 400.000 500.000 1998 1999 2000 2001 2002 2003 2004 31.000 32.000 33.000 34.000 35.000 36.000 37.000 Flächenumsatz gesamt [m²] Neuanfragen [m²] BIP nach Marktpreisen [Mill. €] Abb. 3.4.2.3 - 17: Die Korrelation des Flächenumsatzes mit den Neuanfragen sowie das BIP In der folgenden Abbildung 3.4.2.3 - 18 sind alle flächenbezogenen Indikatoren, die in die Regressionsberechnungen einfließen (vgl. Kapitel 3.4.3), in ihrem zeitlichen Verlauf für die Jahre 1998 bis 2004 dargestellt. 0 100.000 200.000 300.000 400.000 500.000 600.000 700.000 800.000 900.000 1.000.000 1.100.000 1998 1999 2000 2001 2002 2003 2004 7.000.000 7.200.000 7.400.000 7.600.000 7.800.000 8.000.000 8.200.000 Flächenumsatz gesamt [m²] Neuanfragen [m²] Leerstand inkl. UMF [m²] Baugenehmigungen [m² NF] Fertiggestellte Flächen [m² NF] Abriss [m² NF] Bestand [m²] Abb. 3.4.2.3 - 18: Die flächenbezogenen Indikatoren des Düsseldorfer Büromarktes 3 Lösungsansätze und ökonomisches Modell 345 Auch die Anteile der flächenbezogenen Indikatoren an dem Bestand schwan- ken in dem Zeitraum von 1998 bis 2004 unterschiedlich stark (vgl. Abb. 3.4.2.3 - 19). 1,1% 1,2% 0,3% 0,2% 0,1% 2,7% 3,3% 4,6% 5,3% 4,2% 5,3% 4,9% 5,9% 3,2% 2,3% 0,6% 4,7% 0,8% 1,0% 2,6% 3,9% 1,5% 0,6% 2,3% 0,5% 0,1%0,3% 0,3% 0,1% 3,4% 3,9% 3,0% 4,0% 3,0%3,2% 12,3% 4,9% 11,5% 3,7% 3,3% 6,2% 7,0% 4,1% 0,0% 1,0% 2,0% 3,0% 4,0% 5,0% 6,0% 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 3,0% 4,5% 6,0% 7,5% 9,0% 10,5% 12,0% Baugenehmigungen Fertiggestellte Flächen Abriss Flächenumsatz Neuanfragen Leerstand inkl. UMF (rechts) Abb. 3.4.2.3 - 19: Die Anteile der flächenbezogenen Indikatoren am Bestand Einen sehr interessanten Zusammenhang zwischen den Indikatoren Nettoab- sorption, Flächenumsatz und Leerstand zeigt die Abbildung 3.4.2.3 - 20. Die Nettoabsorption verläuft ganz anders als der Flächenumsatz und kann sogar, wie in den Jahren 2002 und 2003 in Düsseldorf geschehen, negativ werden.703 703 vgl. Anhang C1 bzgl. der Definitionen hinsichtlich Flächenumsatz und Nettoabsorption. 3 Lösungsansätze und ökonomisches Modell 346 277.000 398.500 237.600 279.100 351.000 922.900 1.002.900 484.300 240.300 279.900 69.000 165.800 1.209.100 261.100 39.700 -116.100 146.000 -44.500 328.000 152.500 -150.000 50.000 250.000 450.000 650.000 850.000 1.050.000 1.250.000 1996 1997 1998 1999 2000 2001 2002 2003 2004 Leerstand inkl. UMF 220.000 Nettoabsorption Flächenumsatz Abb. 3.4.2.3 - 20: Die Nettoabsorption im Vergleich mit dem Flächenumsatz und dem Leerstand von 1995 bis 2004 3.4.2.4 Die großen deutschen Büromarktstandorte (Berlin, Frankfurt am Main, Hamburg und München) im Vergleich zum Düsseldorfer Bürostandort Die Bevölkerungszahlen der „Big Five“ und von Deutschland sind zwar in dem Zeitraum von 1995 bis 2005 absolut gestiegen, betrachtet man allerdings die Zuwachsverläufe von Jahr zu Jahr (vgl. Abb. 3.4.2.4 - 1), so wird das allgemei- ne Bevölkerungsentwicklungsproblem in Deutschland ersichtlich. Ab dem Jahr 1999 bis 2003 gibt es bei fast allen Städten der „Big Five“ und auch bei Ge- samtdeutschland negative Zuwachszahlen. In Frankfurt wuchs bereits 2000 bis 2002 die Einwohnerzahl und fiel dann wieder ab. Der Anteil der Bevölkerung der „Big Five“ an der Bevölkerung von Deutschland blieb von 1995 bis 2004 mit Ausnahme von Berlin konstant: - Berlin: 4,3% im Jahr 1995, 4,2% von 1996 bis 1998 und ab 1999 4,1% - Düsseldorf: 0,7% - Frankfurt am Main: 0,8% - Hamburg: 2,1% und - München: 1,5%. 3 Lösungsansätze und ökonomisches Modell 347 In Berlin, Düsseldorf und Hamburg war das Bevölkerungswachstum 2004/ 2005 leicht im positiven Bereich (< 0,5%). München und Frankfurt am Main konsta- tierten Zuwachszahlen von 1,2% und 0,9%. In Gesamtdeutschland nahm die Bevölkerung allerdings von 2004 zu 2005 mit -0,10% leicht ab.704 0,6% 0,9% 0,6% 0,3% 0,1% 0,5% -0,2% 0,3% 0,1% -0,1% -0,5% -0,6% -0,4% -0,3% -0,2% 0,8% 1,3% 1,5% 0,5% -0,8% -1,5% -1,0% 0,5% -1,5% 0,1% -0,3% 0,4% 0,3% 0,1% -0,2%-0,1% -0,2% -0,3% -1,6% -1,1% -0,6% -0,1% 0,4% 0,9% 1,4% 1995/ 1996 1996/ 1997 1997/ 1998 1998/ 1999 1999/ 2000 2000/ 2001 2001/ 2002 2002/ 2003 2003/ 2004 [%] Berlin Düsseldorf Frankfurt a.M. Hamburg München Deutschland Abb. 3.4.2.4 - 1: Die Entwicklung der Bevölkerung der „Big Five“ und von Deutschland705 Auch bei der Betrachtung der SVP- Beschäftigten hinsichtlich deren Anteil an der Bevölkerung sowie an den Erwerbstätigen fiel auf, dass der Anteil der SVP- Beschäftigten der „Big Five“ und von Deutschland an den jeweiligen vorher ge- nannten Gruppen zwar unterschiedlich in der Höhe, aber relativ konstant ist (vgl. 3.4.1.3 - 8). Hinsichtlich des Vergleiches der Beschäftigung der „Big Five“ ist die unter- schiedliche Arbeitslosenquote und der prozentuale Anteil der Dienstleistungs- beschäftigten interessant.706 704 vgl. Jones Lang LaSalle 2006 (a) bis 2006 (b), S. 1 705 eigene Darstellung, Datenquelle: Genesis regional online, Abruf August 2006. 706 Der Anteil der Bürobeschäftigten an den Erwerbstätigen ist allerdings wesentlich geringer als der Anteil der Dienstleistungsbeschäftigten (vgl. hierzu z.B. Abbildung 3.4.1.3 - 9) 3 Lösungsansätze und ökonomisches Modell 348 Die Arbeitslosenquote betrug im zweiten Quartal 2006: - für Berlin 17,2% - für Düsseldorf 10,6% - für Frankfurt am Main 8.9% - für Hamburg 11,1% sowie - für München 6,3%.707 Der Anteil der Dienstleistungsbeschäftigten im Jahr 2005 belief sich auf folgen- de Werte: - für Berlin 82,7% - für Düsseldorf 81% - für Frankfurt am Main 87,1% - für Hamburg 80,70% sowie - für München 76,3%.708 Überraschend kommen positive Signale vom Arbeitsmarkt für Deutschland. Die Arbeitslosenquote sank im Juni um 0,3 %-Punkte auf 10,5 %, gleichzeitig stieg die Erwerbsquote merklich an.709 Die Entwicklung des BIP der „Big Five“ und von Deutschland nahm zwar in dem Zeitraum von 1995 bis 2003 zu, allerdings verliefen die Zuwächse von Jahr zu Jahr sehr unterschiedlich (vgl. Abb. 3.4.2.4 - 2). 707 vgl. Jones Lang LaSalle 2006 (a) bis (e), S. 1; Datenquelle: Bundesagentur für Arbeit. 708 vgl. Jones Lang LaSalle 2006 (a) bis (e), S. 1 ; Datenquelle: Bundesagentur für Arbeit, Statistisches Bundesamt, Statistisches Landesamt. 709 vgl. Daten der Bundesagentur für Arbeit in Jones Lang LaSalle 2006 (a), S. 1 3 Lösungsansätze und ökonomisches Modell 349 Der Anteil des BIP der „Big Five“ an dem BIP von Gesamtdeutschland blieb allerdings mit Ausnahme Berlins relativ konstant. - Berlin: 3.61% bis 4,30% - Düsseldorf: ca. 1,7% von 1995 bis 1998 und 2002 bis 2003, sowie ca. 1,75% 1999 und 2000 - Frankfurt am Main: ca. 2,2% mit Ausnahme im Jahr 2001 mit 2,26% - Hamburg: ca. 3,5% 1995 und 1996 sowie 1999 und 2000 bzw. ca. 3,6% in den Jahren 1997, 1998 und 2001 bis 2003 - München: ca. 3,10% mit Ausnahme von den Jahren 1995 und 1997 mit 3,04% und 3,03%. 1,5% 1,6% -0,5% -0,1% -0,4%-0,9% -4,6% -1,5% 0,9% -0,9% 1,2% -3,1% -3,9% -1,3% 0,2% -1,0% -0,4% -1,1% -4,2% -1,4% -2,9% -3,3% -7,4% -2,0% -2,8% -0,9% -3,7% -3,0% -1,4% -1,2% -2,4% -4,0% -3,1% -1,9% -1,8% -2,0% -3,0% -2,5% -1,6% -2,1% -7,40% -5,90% -4,40% -2,90% -1,40% 0,10% 1,60% 1995/ 1996 1996/ 1997 1997/ 1998 1998/ 1999 1999/ 2000 2000/ 2001 2001/ 2002 2002/ 2003 [%] Berlin Düsseldorf Frankfurt a.M. Hamburg München Deutschland Abb. 3.4.2.4 - 2: Die Entwicklung der BIP der „Big Five“ und von Deutschland710 Im Jahr 2005 wurden knapp 2,76 Mio. m² Bürofläche an den neun deutschen wichtigsten Büromärkten Berlin, Düsseldorf, Essen, Frankfurt, Hamburg, Köln, Leipzig, München und Stuttgart umgesetzt. 710 eigene Darstellung, Datenquelle: Genesis regional online, Abruf August 2006. 3 Lösungsansätze und ökonomisches Modell 350 Vergleicht man diese Zahl mit dem Wert aus dem Jahr 2004, so ist dies zum einen das beste Ergebnis seit 2001 und stellt zum anderen eine Steigerung um 10,6% dar.711 Das Bruttoinlandsprodukt wird in Deutschland 2006 mit 1,5 % bis 2,0 % deutlich stärker wachsen als im Vorjahr (0,9 %). Das Geschäftsklima bleibt wie schon im März auf einem sehr hohen Niveau. Der ifo- Index erreichte im Juni seinen höchsten Wert seit 15 Jahren. Die Betrachtung des Konsumklimas durch die Gesellschaft für Konsumfor- schung bestätigt das insgesamt gute ökonomische Bild. Demnach hat sich zum Ende des letzten Quartals das Konsumklima weiter aufgehellt und erreichte den höchsten Stand seit 25 Jahren.712 Im Folgenden werden die Kennzahlen und Charakteristika der „Big Five“, der fünf größten und wichtigsten Büromärkte in Deutschland, Berlin, Hamburg, München, Frankfurt am Main und Düsseldorf dargestellt. 2004 Berlin Hamburg München Frankfurt/M Düsseldorf Düsseldorf* Einwohner 3.388.477 1.735.000 1.247.873 643.432 572.511 574.541 Erwerbstätige 1.100.000 760.200 675.000 600.400 344.200 455.600 Bürobeschäftigte 615.000 482.000 516.000 352.000 249.000 215.280 Arbeitslosenquote 17,4% 9,2% 6,7% 7,2% 11,0% 9,6% Kaufkraftindex (D=100) 97,6 112,0 133,5 110,1 123,5 K.A. BIP-Wachstum (Bundesland) 0,4% 1,5% 2,3% 1,9% 1,3% K.A. Büroflächenbestand (in m²) 18.100.000 12.500.000 17.500 11.200.000 5.800.000 8.165.100 Leerstand 1.650.000 1.050.000 1.767.500 1.900.000 800.000 1.002.900 Leerstandsrate 9,1% 8,4% 10,1% 17,0% 13,8% 12,3% Vermietungsleistung 423.300 430.000 510.000 330.000 230.000 279.100 Abb. 3.4.2.4 - 3: Marktdaten und spezifische Standortkennzahlen der „Big Five“ 2004 713 711 vgl. Atisreal GmbH 2006 (a), S. 4 712 vgl. Jones Lang LaSalle 2006 (a), S. 1 713 vgl. Catella Eureal 2005, S. 5. Anmerkung: Die mit dem Sternchen gekennzeichneten Werte sind Da- ten, die in die Regressionsberechnungen einflossen und von den entspr. Stellen der Verfasserin zur Verfügung gestellt worden sind. 3 Lösungsansätze und ökonomisches Modell 351 Betrachtet man die fünf großen Bürostandorte in Deutschland (vgl. auch Abb. 3.4.2.4 - 3), so sind unterschiedliche Entwicklungen und Trends u.a. aufgrund der gewachsenen föderalistischen Struktur sowie der regional unterschiedlichen Büromarktzyklen festzustellen. Es wird im Folgenden untersucht, ob es trotzdem Beziehungen oder Abhängig- keiten diverser Parameter bzw. abhängiger Variablen gibt, die sich bei den Big Five gleich oder stark ähnlich verhalten. Obwohl für das Jahr 2004 insgesamt eine Stabilisierung der Vermietungsleistung zu erkennen ist, ist noch keine Er- holung der deutschen Büromärkte eingetreten. 0,43 0,29 0,48 0,45 0,22 0,23 0,42 0,43 0,51 0,33 0,23 0,27 0,00 0,10 0,20 0,30 0,40 0,50 0,60 Berlin Hamburg München Frankfurt/M Düsseldorf Düsseldorf * [Mio m²] 2003 2004 Abb. 3.4.2.4 - 4: Die Vermietungsleistungen 2003/ 2004 der „Big Five“714 Die Nachfragebelebung hat sich im Jahr 2005 stabilisiert und es gab insgesamt ein gutes Ergebnis des Flächenumsatzes im Vergleich zum Vorjahr, welches nicht nur aus der temporären Sonderentwicklung wie z.B. aus dem Stimmungs- aufschwung aufgrund des Regierungswechsels resultiert. Die positive Entwick- lung des Flächenumsatzes stellt sich innerhalb der „Big Five“ differenziert dar: 714 Catella Eureal 2005, S. 5. Anmerkung wie Fußnote zuvor 3 Lösungsansätze und ökonomisches Modell 352 230.000 516.000 90.000 196.000 358.000 280.000 510.000 604.000 180.000 230.000 150.000 333.000 590.000 986.000 485.000 464.000 312.000 353.000 395.000 225.000 185.000 244.000 530.000 923.000 409.000 292.000 537.000 586.000 295.000 0 100.000 200.000 300.000 400.000 500.000 600.000 700.000 800.000 900.000 1.000.000 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 [m²] Berlin Düsseldorf Frankfurt a.M. Hamburg München Düsseldorf (JLL) Abb. 3.4.2.4 - 5: Die Flächenumsätze bzw. Vermietungsleistungen der „Big Five“715 Vergleicht man die Gesamtflächenumsätze des ersten Halbjahres 2005 mit dem ersten Halbjahr 2006, so ist aus den nachfolgend aufgeführten Zahlen ersicht- lich, dass bei den Standorten der „Big Five“ mit Ausnahme von Düsseldorf und München kein Zuwachs des Gesamtflächenumsatzes zu verzeichnen war. Die prozentuale Differenz des Flächenumsatzes des ersten Halbjahres 2005 zum ersten Halbjahr 2006 belief sich auf: - minus 31% für Berlin - plus 9,6% für Düsseldorf - minus 42,7% für Frankfurt am Main - minus 16,1% für Hamburg sowie - plus 11,8% für München.716 715 eigene Darstellung mit Daten von Atisreal 2002, 2004 und 2006 (a). 716 vgl. Jones Lang LaSalle 2006 (a), S. 12 3 Lösungsansätze und ökonomisches Modell 353 Es bestehen gute Chancen, dass die Nachfrage 2006 noch einmal anzieht, da sich die positiven Signale einer sich etwas schneller als erwartet erholenden Gesamtwirtschaft fortsetzen. Der Aufschwung, der ab dem dritten Quartal 2005 eingesetzt hat, wird sich im laufenden Jahr weiter verfestigen, da in erster Linie die Weltkonjunktur sehr dynamisch ist sowie sich die wirtschaftliche Entwick- lung im Euroraum verbessert. Die Abwertung des Euro in den zurückliegenden Monaten und die wieder etwas niedrigeren Weltmarktpreise für Rohöl tragen ebenfalls dazu bei. Einen weite- ren Impuls für das Wirtschaftswachstum kann auch die Fußball- Weltmeisterschaft bieten. So rechnet das Institut der Deutschen Wirtschaft (IW) mit einem positiven Bei- trag zum Wirtschaftswachstum in Höhe von maximal 0,3 %. Weiterhin wirken sich die günstigen Finanzierungsbedingungen sowie die von der neuen Bun- desregierung geplante, zeitlich begrenzte Verbesserung der degressiven Ab- schreibungsmöglichkeiten für Ausrüstungsgüter deutlich positiv auf die ge- samtwirtschaftliche Entwicklung aus. Zusätzliche Wachstumsimpulse sind auch vom Investitionsprogramm der Regierungskoalition im Hinblick auf die geplan- ten Infrastrukturinvestitionen sowie die Förderung des Umbaus zu energieeffi- zienteren Gebäuden zu erwarten. Die Deutsche Gesellschaft für Immobilienfonds GmbH (DEGI) rechnet aufgrund dieser Umstände mit einem Zuwachs des realen Bruttoinlandsprodukts in Höhe von 1,7 % für das Jahr 2006.717 Aufgrund der deutlich besseren Stimmung am Markt und der guten Nachfrage werden voraussichtlich an einigen Standorten im Laufe des Jahres 2006 wieder erste neue Projekte gestartet werden. 717 vgl. DEGI 2006, S. 8 3 Lösungsansätze und ökonomisches Modell 354 16.701.299 17.048.387 13.194.805 18.493.976 8.666.667 4.777.778 7.213.483 4.480.519 12.525.180 14.690.789 11.870.968 11.535.714 11.880.000 12.971.429 14.250.000 23.230.769 16.893.20417.083.333 4.000.000 6.000.000 8.000.000 10.000.000 12.000.000 14.000.000 16.000.000 18.000.000 1999 2000 2001 2002 2003 2004 2005 [m²] 4.000.000 9.000.000 14.000.000 19.000.000 24.000.000 29.000.000 Berlin Düsseldorf Frankfurt a.M. Hamburg Düsseldorf (JLL) München (rechts) Abb. 3.4.2.4 - 6: Die Büroflächenbestände der „Big Five“718 Das Gesamtangebot an Büroflächen hat sich in den neun wichtigsten deut- schen Bürostandorten gegenüber dem Jahr 2004 kaum verändert (-0,3%) und liegt zum Jahreswechsel 2005/2006 bei knapp 10 Mio. m².719 An den einzelnen Standorten stellt sich die Angebotsentwicklung allerdings sehr unterschiedlich dar, da sich die beiden Angebotskomponenten, Leerstand (vgl. Abb. 3.4.2.4 - 7 und 3.4.2.4 - 8) und verfügbare Flächen im Bau, verschieden entwickelt haben. 718 eigene Darstellung, errechnet mit Leerstandsdaten von Atisreal GmbH, Office Market Reports 2002, 2004 und 2006 (a) 719 vgl. Atisreal 2006 (a), S. 7 3 Lösungsansätze und ökonomisches Modell 355 1,42 0,86 1,20 1,01 0,78 0,92 1,65 1,05 1,77 1,90 0,80 1,00 0,00 0,20 0,40 0,60 0,80 1,00 1,20 1,40 1,60 1,80 2,00 Berlin Hamburg München Frankfurt/M Düsseldorf Düsseldorf * [Mio m²] 2003 2004 Abb. 3.4.2.4 - 7: Die Leerstände 2003/ 2004 der „Big Five“720 Die Leerstände haben sich im Jahr 2004 an allen fünf Standorten aufgrund der Fertigstellungen von spekulativen Neubauprojekten und der Umzüge von Fir- men aus Bestandsgebäuden in Projektentwicklungen weiter erhöht. Der Leerstand der Big Five hat sich gegenüber dem Vorjahr 2004 und im Ver- gleich zu den Standorten Düsseldorf und Frankfurt am Main verringert. Zum einen wurden 2005 Projekte fertig gestellt, deren unvermietete Flächen dem Markt zur Verfügung stehen, zum anderen sind bei vielen Flächen, die in den letzten Jahren untervermietet wurden, die Mietverträge ausgelaufen, so dass diese jetzt in den Leerstand fallen. Allerdings hat sich der Leerstandsanstieg im letzen Quartal 2005 deutlich ver- langsamt (vgl. Abb. 3.4.2.4 - 8). 720 vgl. Catella Eureal 2005, S. 6. Die mit dem Sternchen gekennzeichneten Säulen für Düsseldorf basie- ren auf den jeweiligen Jahresvermietungszahlen von Jones Lang LaSalle. 3 Lösungsansätze und ökonomisches Modell 356 Atisreal konstatiert, dass in Verbindung mit der deutlich geringeren Bautätigkeit, die dazu führen wird, dass zunehmend weniger Büroflächen fertig gestellt wer- den, und bei einer gleichzeitig weiterhin regen Nachfrage der Höchstwert des Leerstandes an fast allen Standorten im ersten Halbjahr 2006 überschritten sein wird.721 0 200.000 400.000 600.000 800.000 1.000.000 1.200.000 1.400.000 1.600.000 1.800.000 2.000.000 2.200.000 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 [m²] 0 1.000.000 2.000.000 3.000.000 4.000.000 5.000.000 6.000.000 7.000.000 8.000.000 Berlin Düsseldorf Frankfurt a.M. Hamburg München Düsseldorf (JLL) Gesamtleerstand der Big Five (rechts) Abb. 3.4.2.4 - 8: Die Leerstände der „Big Five“722 721 vgl. Atisreal 2006 (a), S. 8 722 eigene Darstellung mit Daten von Atisreal 2002, 2004 und 2006 (a) 3 Lösungsansätze und ökonomisches Modell 357 7,7 5,9 6,2 7,5 8,5 9,6 8,3 8,9 10,7 11,3 12 5,1 3,1 3,2 7,7 13,9 13,4 15,2 5,6 3,5 5 5,8 6,6 7,1 7 1,2 2,1 3,9 5,7 7,7 5,4 7,5 10,3 0,4 0 2 4 6 8 10 12 14 16 1999 2000 2001 2002 2003 2004 2005 [%] Berlin Düsseldorf Frankfurt a.M. Hamburg München Abb. 3.4.2.4 - 9: Die Leerstandsraten der „Big Five“723 Anhand der Grafiken 3.4.2.4 - 8 und 3.4.2.4 - 9 ist der gleiche oder ähnliche Verlauf der Immobilienzyklen zu erkennen. Die Zusammensetzung der Leer- standsflächen hinsichtlich deren Qualität ist jedoch sehr unterschiedlich (vgl. Abb. 3.4.2.4 - 10). Abb. 3.4.2.4 10: Die Höchstmiete, der Flächenumsatz und Leerstand der Big Five 2005 724 723 eigene Darstellung mit Daten von Atisreal 2002, 2004 und 2006 (a) 724 Auszug aus Atisreal 2006 (a), S. 11. Der Höchstmietpreis umfasst nur ein Marktsegment von jeweils 3- 5 %. Stand der Daten: Jahreswechsel 2005/2006 3 Lösungsansätze und ökonomisches Modell 358 Abb. 3.4.2.4 - 11: Die Flächen im Bau und das Flächenangebot der Big Five 2005 725 Der Vergleich der Leerstandszuwachsraten der ersten Halbjahre 2005 mit 2006 ergibt bei den „Big Five“ mit Ausnahme von München (-10,2%) und Frankfurt (+16,6%) Werte von ca. 5%. Die Problematik der Leerstandszahlen hinsichtlich der Untermietflächen ist von Standort zu Standort der „Big Five“ sehr unter- schiedlich.726 Der prozentuale Anteil der Flächen im Bau im Jahr 2005 ist an den Standorten der „Big Five“ sehr verschieden (vgl. Abb. 3.4.2.4 - 11). Genauso wie die Fertig- stellungen und der prozentuale Anteil an dem Bestand (vgl. Abb. 3.4.2.4 - 12). 725 Auszug aus Atisreal 2006 (a), S. 11. Stand der Daten: Jahreswechsel 2005/2006 726 vgl. Jones Lang LaSalle 2006 (f), S. 12 3 Lösungsansätze und ökonomisches Modell 359 Abb. 3.4.2.4 - 12: Die im Bau befindlichen Flächen des Jahres 2005 der Big Five727 An den beiden folgenden Abbildungen 3.4.2.4 - 13 und 3.4.1.4 - 14 sind die unterschiedlichen Verläufe der Baugenehmigungen und Baufertigstellungen von Nichtwohngebäuden der „Big Five“ erkennbar. Die Standorte Düsseldorf, Frank- furt am Main, Hamburg und München haben ähnliche Verläufe hinsichtlich der Baugenehmigungen und der Baufertigstellungen von Nichtwohngebäuden. (vgl. Abb. 3.4.2.4 - 13 und 3.4.2.4. 14). 727 in Anlehnung an Beyerle 2005, Folie 20 3 Lösungsansätze und ökonomisches Modell 360 0 200.000 400.000 600.000 800.000 1.000.000 1.200.000 1.400.000 1.600.000 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 [m² NF] Berlin Düsseldorf Frankfurt a.M. Hamburg München Abb. 3.4.2.4 - 13: Die Baugenehmigungen von Nichtwohngebäuden der „Big Five“ und von Deutschland728 0 200.000 400.000 600.000 800.000 1.000.000 1.200.000 1.400.000 1.600.000 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 [m² NF] Berlin Düsseldorf Frankfurt a.M. Hamburg München Abb. 3.4.2.4 - 14: Die Baufertigstellungen von Nichtwohngebäuden der „Big Five“ und von Deutschland729 728 eigene Darstellung, Datenquelle: Genesis regional online, Abruf August 2006. 729 eigene Darstellung, Datenquelle: Genesis regional online, Abruf August 2006. 3 Lösungsansätze und ökonomisches Modell 361 Die sehr unterschiedliche Entwicklung der Fertigstellungen bis 2004 und der sich in der Pipeline befindenden Flächen bis 2007 ist in der Abbildung 3.4.2.4 - 15 dargestellt. Abb. 3.4.2.4 - 15: Die Fertigstellungen bis 2004 und Pipeline- Flächen bis 2007730 Der Vergleich der Fertigstellungen der ersten Halbjahre 2005 und 2006 für die „Big Five“ ist ebenfalls sehr unterschiedlich und hat folgende Zuwachsergebnis- se: - für Berlin -59.5% - für Düsseldorf -6,6% - für Frankfurt am Main -31,6% - für Hamburg -55,4% sowie - für München -97,9%.731 730 Beyerle 2005, Folie 21; Bei den Flächen, die sich noch in der Pipeline befinden (= Pipeline- Flächen), handelt es sich um Neubau- und Sanierungsflächen und es wurden nur größere Projekte erfasst. Die Daten der Jahre 2005 und 2006- 2007 sind von DEGI geschätzte bzw. prognostizierte Werte. 731 vgl. Jones Lang LaSalle 2006 (f), S.12 3 Lösungsansätze und ökonomisches Modell 362 Somit sind die Fertigstellungszahlen an allen Standorten der „Big Five“ bis auf Düsseldorf stark zurückgegangen. Allerdings hat sich die zweite Komponente des Angebotes, das Volumen der noch verfügbaren Flächen am Bau, deutlich verringert. Auch die im Bau befind- lichen Flächen sind stark gefallen (um 38,4%).732 Die Kurvenverläufe der Nettoabsorption im Vergleich mit den Flächenumsatz und dem Leerstand der „Big Five“, dargestellt in der Abbildung 3.4.2.4 - 16, äh- nelt sehr stark den Verläufen der Nettoabsorption, des Flächenumsatzes und des Leerstandes in Düsseldorf in der Abbildung 3.4.2.3 - 20. Abb. 3.4.2.4 - 16: Die Entwicklung des Umsatzes, des Leerstandes und der Nettoabsorption der Big Five733 732 vgl. Atisreal 2006 (a), S. 9; Der Abfall der im Bau befindlichen Flächen von 2,1 Mio. m² (Ende 2004) auf 1,29 Mio. m² zum Jahreswechsel 2005/ 2006 bezieht sich auf die neun wichtigsten Bürostandorte Deutschlands, Berlin, Düsseldorf, Essen, Frankfurt, Hamburg, Köln, Leipzig, München und Stuttgart. 733 Jones Lang LaSalle 2006, Seite 11; Die Daten der Big Five sind akkumuliert dargestellt. Die Leer- standsflächen beinhalten Untermietflächen. Die Daten des Jahres sind Prognosewerte von Jones Lang LaSalle mit Stand Juni 2006. 3 Lösungsansätze und ökonomisches Modell 363 Die Mietpreise haben sich bei fast allen Standorten im Jahr 2005 stabilisiert (vgl. Abb. 3.4.2.4 - 17). Lediglich in Hamburg hat die Top- Miete mit 23,00 €/ m² (6,2%) bereits wieder angezogen. 43,50 33,20 28,10 26,00 35,30 30,70 40,90 42,00 38,00 28,10 23,00 35,80 35,80 19,43 30,70 27,60 20,50 23,0023,00 39,40 53,70 34,00 23,00 20,00 25,10 21,50 25,60 25,60 28,5028,0028,10 25,56 20,5 22,5 21,47 18,00 22,00 26,00 30,00 34,00 38,00 42,00 46,00 50,00 54,00 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 [€/ m²] Berlin Düsseldorf Frankfurt a.M. Hamburg München Düsseldorf (JLL) Abb. 3.4.2.4 - 17: Die Entwicklung der Spitzenmiete der „Big Five“734 Auch die Durchschnittsmieten haben sich in der zweiten Jahreshälfte 2005 weitgehend stabilisiert. Gemäß Atisreal spiegeln Schwankungen in einzelnen Büromarktzonen, sowohl nach oben als auch nach unten, objekt- und standort- bezogene Entwicklungen wider und stellen keinen Trend mehr dar. Dies ist ein Anzeichen dafür, dass eine zunehmende Ausdifferenzierung der Mietpreisentwicklung, insbesondere zwischen älteren, schlecht ausgestatteten und modernen Büroflächen, eingesetzt hat.735 734 eigene Darstellung mit Daten von Atisreal 2002, 2004 und 2006 (a) sowie mit den von Jones Lang LaSalle zur Verfügung gestellten Daten 735 vgl. Atisreal 2006 (a), S. 10 3 Lösungsansätze und ökonomisches Modell 364 Die Durchschnittsmieten sind in den Bürozentren im Jahr 2005 noch einmal gesunken. Nur in wenigen Ausnahmefällen, wie z. B. in Hamburg und München, ist das Durchschnittsniveau moderat gestiegen; in Frankfurt am Main hat es sich stabilisiert. Je nach Standort liegen die durchschnittlichen Mieten zwischen 6,5 €/ m² (Dresden) und 15 €/ m² (Frankfurt am Main).736 Obwohl der Zyklustiefststand erreicht ist, werden Incentives, das klassische Merkmal eines Mietermarktes, weiterhin von großer Bedeutung bei Mietver- tragsverhandlungen sein. Neben einer stabilen Entwicklung der meisten Durch- schnittsmieten werden die Spitzenmieten für attraktive Objekte in Top-Lagen aufgrund der Kausalität des Immobilienzyklus nicht nur bei den „Big Five“ - Städten voraussichtlich leicht steigen. Für das Jahr 2006 ist aufgrund des nach wie vor bestehenden Missverhältnis- ses zwischen Angebot und Nachfrage von keinem deutlichen Mietpreisanstieg auszugehen. Allerdings rechnet DEGI ab 2007 bei einer kontinuierlich fortlau- fenden Markterholung mit steigenden Spitzenmieten in allen Bürozentren.737 Die Spitzenmietpreise der ersten Jahreshälfte 2006 haben im Vergleich zum Vorjahr nur an den Standorten Frankfurt um 3,1%, Hamburg um 7,7% und München um 1,8% zugenommen.738 Die unterschiedlichen Renditespannen sind in der Abbildung 3.4.2.4 - 18 abge- bildet, sie stellen sich auch sehr unterschiedlich dar. 736 vgl. DEGI 2006 (a), S. 14 737 vgl. DEGI, 2006 S. 14 738 vgl. Jones Lang LaSalle 2006 (f), S. 12 3 Lösungsansätze und ökonomisches Modell 365 Abb. 3.4.2.4 - 18: Die Renditespannen der Bürozentren 739 Aufgrund der konjunkturellen Entwicklung wird zunehmend mehr Fläche nach- gefragt, das Flächenangebot wird überall abnehmen, wenn auch langsamer als in früheren Zyklen und das Mietpreisniveau stabilisiert sich. Wenngleich die Entwicklungsparameter regional in unterschiedlichen Ausprägungen auftreten, wird es insgesamt zu einer Trendumkehr kommen. Zu berücksichtigen ist aber auch, dass an vielen Standorten mittlerweile ein erheblicher Sockel-Leerstand an alten, nicht mehr marktgängigen Büroflächen existiert, der mit modernen Objekten nur noch sehr bedingt konkurrieren kann. Sollten sich die positiven Anzeichen für einen etwas beschleunigten gesamt- wirtschaftlichen Aufschwung verfestigen, ist sogar ein leicht höherer Flächen- umsatz möglich. 739 vgl. DEGI 2006, S. 15; Dargestellt sind die Nettoanfangsrenditen des jeweiligen Büroimmobilienmark- tes in sehr guten bis peripheren Lagen. 3 Lösungsansätze und ökonomisches Modell 366 Die Perspektiven für 2006 lassen sich gemäß Atisreal wie folgt zusammenfas- sen: - Stabiler oder leicht steigender Flächenumsatz gegenüber 2005 - Überwiegend stabile Mietpreisniveaus, aber gleichzeitig an einigen Standorten leicht steigende Spitzenmieten - Langsam steigende Absorptionsraten - Im Laufe des Jahres langsam rückläufiges Flächenangebot an nahezu allen Standorten Vergleicht man zudem die Transaktionen auf den Investmentmärkten der „Big Five“ mit denen in Düsseldorf, so kann zusammenfassend konstatiert werden, dass in Düsseldorf in die gleichen Sparten wie in Gesamtdeutschland investiert wurde und trotz der geringeren Investitionssumme die Bruttovervielfältiger Düs- seldorfs mit denen der anderen Standorte der „Big Five“ durchaus konkurrieren können. Es können aber, wie schon im Kapitel 3.4.2.2 ausgeführt wurde, auf- grund der Marktbesonderheiten und Einzeltransaktionen an den einzelnen Standorten die dortigen Investitionstätigkeiten nicht unmittelbar auf andere Im- mobilieinvestmentmärkte übertragen werden und auch keine Rückschlüsse auf das Angebot bzw. die Nachfrage an bzw. nach Büroflächen gezogen werden. Der Vergleich der Büromarktindikatoren sowie der Bevölkerungs- und Beschäf- tigungszahlen der „Big Five“ mit Düsseldorf dieses Kapitels ergibt somit starke Ähnlichkeiten hinsichtlich der Verläufe der Immobilienzyklen. Die Abhängigkei- ten der Büromarktindikatoren sind relativ gleich. Allerdings gibt es auch Unter- schiede wie zuvor beschrieben. Die Ergebnisse in Kapitel 3.4.3 durchgeführten Regressionsberechnungen wer- den nach Berechnungen mit konsistenten Zahlenreihen der Standorte der „Big Five“ auch auf diese übertragbar sein, dabei müssen die Eigenheiten des jewei- ligen Bürostandortes berücksichtigt werden. 3 Lösungsansätze und ökonomisches Modell 367 Es besteht somit Forschungsbedarf bei der Ermittlung der genauen Koeffizien- ten der Regressionsgleichungen des Kapitels 3.4.3. Die aufgezeigten Daten und deren Verläufe der „Big Five“ lassen vermuten, dass das gleiche Vorgehen wie bei der Datenrecherche, bei den Regressions- rechnungen und bei der Modellkonstruktion für den Standort Düsseldorf hin- sichtlich der Prognose der gewichteten Durchschnittsmiete und der Spitzenmie- te für die anderen Standorte der „Big Five“ genauso gewinnbringend wie für Düsseldorf sein wird. 3 Lösungsansätze und ökonomisches Modell 368 3.4.3 Ermittlung der Prognosefunktion mittels multipler Regression Prognosemodelle, die aus multiplen Regressionsrechnungen abgeleitet werden sollen, fordern entsprechende Parameter für eine Zeitreihe von mindestens 25 Perioden. Wird die Periode auf ein Jahr festgelegt, so sind alle Parameter für die Jahre ab 1980 erforderlich. Für diesen Zeitraum sind sowohl Nachfrageda- ten (Bürobeschäftigte, Flächendaten) als auch Angebotsdaten ( Neubau, Miet- preis, Leerstand) nicht verfügbar. Das soll im Abschnitt 3.4.3.2 genauer be- schrieben werden. 3.4.3.1 Die multiple Regression Die Prognosefunktion kann durch multiple lineare Regression gebildet wer- den.740 Das Modell der linearen Regression stellt die Abhängigkeit einer Variab- len y (in dieser Arbeit gewichtete Durchschnittsmiete und Spitzenmiete) von einer oder k weiteren Variablen x1, ...,xk linear dar. Die Gleichung der Prognose- funktion kann durch die folgende Funktionsgleichung dargestellt werden: y = 0 + 1x1 + ... + kxk + u , E(u) = 0 Gleichung 3.4.3.1 - 1 mit den unbekannten Parametern j , j=1,...k so wie u. Das folgende Modell wird aufgestellt: y = X + u Gleichung 3.4.3.1 - 2 Dabei gilt folgende Gleichung (Gleichung 3.4.3.1 - 3):            N 1 y y y  ,            NkN1 1k11 xx1 xx1 X   ,            k 0  sowie            N 1 u u u  . 740 vgl. Blecken 2004 (b), S.18; Holthaus 2004 (c), S.18 3 Lösungsansätze und ökonomisches Modell 369 Durch die Verfahren der linearen Regression wird der unbekannte Vektor durch ein geeignetes  ˆ so geschätzt, dass  ˆxyˆ T das wahre y bestmöglich approximiert.741 Die so ermittelte Prognosefunktion wird an historischen Daten getestet (ex post), durch die Standardabweichung kann die Qualität und das Risiko abge- schätzt werden. Mithilfe der nachfolgenden linearen Regression sollen in erster Linie die beiden Ertragsgrößen gewichtete Durchschnittsmiete und Spitzenmiete für Düsseldorf prognostiziert werden, um diese später in Kapitel 3.4.3.8 in die DCF- Methode integrieren zu können. Dazu werden die Regressoren: - x1 = Sozialversicherungspflichtig Beschäftigte - x2 = Erwerbstätige am Arbeitsort - x3 = Arbeitslosenquote - x4 = Einwohner - x5 = Baugenehmigung - x6 = Fertiggestellte Flächen - x7 = Abgang bzw. Abriss von Flächen - x8 = Leerstand - x9 = Bruttoinlandsprodukt - x10 = minimale Spitzenrendite - x11 = maximale Spitzenrendite - x12 = Flächenumsatz - x13 = Büroflächenbestand sowie - x14 = Bürobeschäftigte - x15 = Spitzen- oder gewichtete Durchschnittsmiete (je nach y) unterschiedlicher Zeiträume herangezogen (vgl. Abschnitt 3.4.3.2). 741 vgl. Meinen 2004, S. 29 3 Lösungsansätze und ökonomisches Modell 370 3.4.3.2 Die quartalsmäßigen Eingangsgrößen in die Regressionsanalyse Die Quartalsdaten, die bei den in diesem Kapitel beschriebenen Regressions- rechnungen verwendet wurden, stammen von Jones Lang La Salle und liegen vom vierten Quartal 1995 bis einschließlich dem zweiten Quartal 2005 vor. Die Zeitreihen zur gewichteten Durchschnittsmiete sowie die der Neuanfragen bil- den eine Ausnahme und beginnen erst ab dem ersten Quartal 1998. Bei der öffentlichen Datenlage ist die Arbeitslosenquote für die Stadt Düsseldorf erst ab dem vierten Quartal 1995 bei der Bundesagentur für Arbeit erhältlich und abrufbar. Probleme hinsichtlich der sich während dieser langen Zeit än- dernden Art der Statistik und der Erhebung der Daten trugen zu dieser unbe- friedigenden Lage bei. Die Datenreihen der Erwerbstätigen am Arbeitsort und die der Einwohner wei- sen, betrachtet man den Zeitraum von 1980 bis zum 2. Quartal 2005, Lücken in den Jahren 1981 bis 1984 und 1986 auf. Das Bruttoinlandsprodukt und die Bruttowertschöpfung liegen von 1980 bis einschließlich 2002 vor. Um den Anforderungen der multiplen Regressionsrechnung gerecht zu werden und ggf. auch nur „aktuelle“ Trends zu berücksichtigen, wird von quartalsweisen (vierteljährlich) erhobenen Datensätzen vom 4. Quartal 1995 bis zum 2. Quartal 2005 ausgegangen. Je nach Einschluss der Variablen ergeben sich Vorhersa- geintervalle der Prognose. Diese Intervalle sind: - 1. Quartal 1998 bis 4. Quartal 2002 - 1. Quartal 1998 bis 4. Quartal 2004 - 4. Quartal 1995 bis 4. Quartal 2002 - 4. Quartal 1995 bis 4. Quartal 2002 - 4. Quartal 1995 bis 4. Quartal 2004 - 1. Quartal 1998 bis 2. Quartal 2005 3 Lösungsansätze und ökonomisches Modell 371 Die makroökonomischen Daten Es wird mit dem BIP (=Bruttoinlandsprodukt) gerechnet. Die Variable BWS (=Bruttowertschöpfung) wird in den Regressionsberechnungen nicht integriert, da sie fast vollständig linear abhängig vom BIP (=Bruttoinlandsprodukt) ist. BWS nach Herstellungspreisen 40000300002000010000 BIP nach Marktpreisen 40000 30000 20000 10000 Abb. 3.4.3.2 - 1: Die Linearität von BIP und BWS Leider sind die Daten der Zeitreihe „BIP zu Marktpreisen“ für den Zeitraum 1981 bis 1990 nicht vorhanden, sie können aber durch den Zusammenhang mit der Größe BWS (=Bruttowertschöpfung), die ein Bestandteil des BIP ist, hergeleitet werden. Die Zeitreihen für die Bruttowertschöpfung liegen in den Zeitreihen „BWS zu Marktpreisen“ für den Zeitraum von 1980 bis 1990 und „BWS zu Her- stellungspreisen“ für die Zeit von 1991 bis 2002 und für das Jahr 1981 vor. Aufgrund der Vollständigkeit der Daten im Jahr 1980 ist der Zusammenhang zwischen dem „BIP zu Marktpreisen“, „BWS zu Herstellungspreisen“ und „BWS zu Marktpreisen“ offenkundig und ableitbar. 3 Lösungsansätze und ökonomisches Modell 372 Es wurde allerdings für die folgenden Regressionsberechnungen die Zeitreihe „BIP zu Marktpreisen“ mit der Einheit Millionen € verwendet, da zum einen, wie zuvor erläutert wurde, die Beschäftigungsschwelle sich auf die Zuwachsrate des BIP bezieht und zum anderen das BIP, das von den führenden, deutschen Wirtschaftsforschungsinstituten mehrmals im Jahr prognostiziert wird, bei den Szenarioberechnungen im Kapitel 3.4.3.8 eine wesentliche Größe darstellt. Da das BIP verständlicherweise nur für das gesamte Jahr vorliegt, wurde die Variable BIP durch 4 geteilt und dieser so ermittelte Wert für jedes Quartal des Jahres angesetzt. Diese Rechenoperation ist notwendig, damit die Regression durchgeführt werden kann. Natürlich ist das Bruttoinlandsprodukt saisonalen Schwankungen unterlegen, was aber vernachlässigt wurde. Wie im Folgenden ersichtlich ist, ist das BIP in seiner quartalsmäßigen Darstellung („BIP/4“) ein bedeutender Einflussfaktor bei den dreidimensionalen Prognose- Regressionsgeraden Die Einwohner und die beschäftigungsbezogenen Zahlen Es liegen nur Jahreswerte der beschäftigungsbezogene Daten und die Zahl der Einwohner in Düsseldorf vor. Diese Jahreswerte werden jeweils gleichmäßig für jedes Quartal des Jahres angenommen. Die Bevölkerungsanzahl, dargestellt in Form der Einwohner Düsseldorfs, wechselt also nur am 1.1. des Jahres. Diese Vorgehensweise, der Verlängerung der Zeitreihe, ist aus verfahrenstechni- schen und Genauigkeitsgründen tolerierbar. So wurde bei allen einbezogenen Daten vorgegangen, die nur als Jahreswerte und nicht als Quartalsdaten vorlagen. Es betrifft sowohl die Zeitreihen „Erwerbs- tätige am Arbeitsort“, „SVP“ (=Sozialversicherungspflichtige Beschäftigte) als auch die „Bürobeschäftigte“.742 742 Dies gilt sowohl für die Bürobeschäftigten gemäß Dobberstein bzw. gemäß Holthaus. 3 Lösungsansätze und ökonomisches Modell 373 Die Daten zur Bevölkerung Düsseldorfs in Form der Einwohnerzahlen liegen in Jahreswerten für die Jahre 1980, 1985 sowie von 1987 bis einschließlich 2004 vor und sind vom Amt für Statistik und Wahlen Düsseldorf abgerufen worden. Der Wert des Jahres 1987 ist das Resultat der Volkszählung. Die übrigen Ein- wohnerzahlen wurden vom Amt für Statistik und Wahlen aus anderen Quellen ermittelt. Die Werte für die sozialversicherungspflichtig Beschäftigten liegen für den Zeit- raum von 1978 bis 2004 durchgängig vor und die Zahlen für die Erwerbstätigen am Arbeitsort liegen für den gleichen Zeitraum wie für die Einwohner vor, näm- lich für die Jahre 1980 und 1985 sowie von 1987 bis einschließlich 2004. Das Datenmaterial der sozialversicherungspflichtig Beschäftigten und der Erwerbs- tätigen am Arbeitsort wurde vom Landesamt für Datenverarbeitung und Statistik NRW Düsseldorf zusammengestellt. Das Datenmaterial der Arbeitslosenquote liegt quartalsmäßig und durchgängig vom 1. Quartal 1987 bis zum 2. Quartal 2005 vor. Diese Zeitreihe wurde der Verfasserin von der Arbeitsagentur Düsseldorf zur Verfügung gestellt. Die Bürobeschäftigtenzahlen, unabhängig vom gewählten Ansatz der Ermitt- lung, fließen für die Jahre 1987 bis inkl. 2004 in die Regressionsrechnungen ein.743 Die Ertrags- und Rentabilitätsdaten Die im Folgenden erwähnten Ertrags- und Rentabilitätsdaten wurden als Quar- talsjahresdaten von Jones Lang La Salle bereit gestellt. Die gewichtete Durchschnittsmiete und die Spitzenmiete gehen als Ertragsda- ten in die Regressionsberechnungen zur Vorhersage des Flächenumsatzes, der 743 Die Datenreihen der Bürobeschäftigten nach Dobberstein sowie nach Holthaus mit den unterschiedli- chen Quoten der Sozialversicherungsfreien Bürobeschäftigten und deren Annahmen und Ermittlungen werden im Kapitel 3.4.2 erläutert. 3 Lösungsansätze und ökonomisches Modell 374 Durchschnittsmiete und der Spitzenmiete ein. Die Daten zur Spitzenmiete lie- gen vom vierten Quartal 1995 und die der gewichteten Durchschnittsmiete vom ersten Quartal 1998 bis einschließlich dem zweiten Quartal 2005 vor. Die minimale und maximale Spitzenrendite fließen als Rentabilitätsdaten in die Berechnungen ein und erstrecken sich über den Zeitraum viertes Quartal 1995 bis einschließlich zweites Quartal 2005.744 Die immobilienwirtschaftlichen Einflussgrößen Folgende Dateninhalte liegen für den Zeitraum 4. Quartal 1995 bis 2. Quartal 2005 vor und wurden von dem Unternehmen Jones Lang La Salle zur Verfü- gung gestellt : a) Bestand der Büroflächen in Düsseldorf b) Leerstandsrate sowie -volumina c) Büroflächenleerstand d) Untermietfläche e) Umsatz , differenziert nach Vermietungen und Eigennutzung f) Neuanfragen Die Punkte a) bis c) sind darüber hinaus hinsichtlich inkl. und exkl. der Unter- mietflächen differenziert. Außerdem liegen der Verfasserin Daten wie z.B. von gif, DTZ, Atisreal GmbH, Aengevelt vor. Aus diesen Quellen sind allerdings keine Daten in die Regressi- onen eingeflossen, da sie zum Teil nicht mit den verwendeten übereinstimmten und nicht in zusammenhängenden, langen Zeitreihen vorliegen. Es erfolgte eine Prüfung, ob zu den Zeitpunkten, zu denen in den Datenreihen der letztgenannten Maklerhäuser Daten vorlagen, diese auch mit denen der 744 vgl. die Begriffsbestimmungen zu den makroökonomischen, Einwohner- und Beschäftigungsbezüg- lichen Daten sowie den Ertrags- und Rentabilitätsdaten im Kapitel 3.4.2 3 Lösungsansätze und ökonomisches Modell 375 durchgängigen Zeitreihen von Jones Lang La Salle übereinstimmten. Dies war leider nicht der Fall, deswegen wurden sie für die Regressionsanalysen nicht verwendet. Der Grund für die Abweichung der Daten der verschiedenen Maklerhäuser be- steht in der Datenerhebungsgrundlage. Die Einflussgrößen aus der öffentlichen Baustatistik Daten der fertig gestellten und genehmigten Büro- und Verwaltungsgebäude sowie deren Abgang, jeweils nach Neubau und Bestand und bezogen auf die Nutzfläche, sind vom 1. Quartal 1979 bis zum 2.Quartal 2005 integriert worden, sie stammen vom Amt für Statistik und Wahlen der Landeshauptstadt Düssel- dorf. 3 Lösungsansätze und ökonomisches Modell 376 3.4.3.3 Die Regression zur Vorhersage der Bürobeschäftigten Die Bürobeschäftigten sollen Einfluss auf den Flächenumsatz und die Miethöhe haben.745 Es soll die Frage beantwortet werden, welche Größen wie z.B. die Erwerbstätigen am Arbeitsort oder die Arbeitslosenzahl die Bürobeschäftigten beeinflussen und auch mittels einer Prognosegleichung erklären können. Des- halb soll die Abhängigkeit der beeinflussenden Parameter in vier Schritten durch vier Regressionsrechnungen ermittelt werden: 1. Regression zur Vorhersage der Erwerbstätigen 2. Regression zur Vorhersage der Arbeitslosenquote 3. Regression zur Vorhersage der SozialversicherungspflichtigBeschäftigten 4. Regression zur Vorhersage der Bürobeschäftigten. In der vierten Regressionsberechnung werden die Bürobeschäftigten gemäß Dobberstein und die Bürobeschäftigten gemäß Holthaus mit dem unterschiedli- chen Anteil der Sozialversicherungsfreien Bürobeschäftigten (Quote 0,3; 0,5 und 1,0) vorhergesagt, um Sensitivitätsparameter abzuleiten. Die Regression zur Vorhersage der Erwerbstätigen In die lineare Regressionsrechnung zur Vorhersage der Erwerbstätigen als Pa- rameter der Bürobeschäftigten, werden die Zeitreihen Einwohner und BIP/4 eingegeben. Um zu untersuchen, ob die plausible Annahme stimmt, dass die Einwohner und das BIP die Zahl der Erwerbstätigen in starkem Maß beein- flusst, wird das Regressionsverfahren „Einschluss“ angewendet. Das Verfahren „Einschluss“ ist eins von mehreren Methoden zur Auswahl der in die Regressi- onsschätzung einzubeziehenden erklärenden Variablen. Im Rahmen dieser Arbeit werden zum größten Teil die beiden Methoden „Einschluss“ und „Rück- wärts“ benutzt. 745 vgl. Kapitel 3.4.1.3 und 3.4.1.4 3 Lösungsansätze und ökonomisches Modell 377 „Einschluss“ Bei der Methode „Einschluss“ werden alle Variablen, die zur Untersuchung an- gegeben werden, auch in die Regressionsrechnung aufgenommen. Bei der Regression zur Vorhersage der Erwerbstätigen werden deshalb die beiden Va- riablen Einwohner und BIP aufgenommen. „Rückwärts“ Bei dem Verfahren „Rückwärts“ werden die angegebenen Variablen nachein- ander von dem Programm SPSS darauf geprüft, ob sie in der Regressionsglei- chung verbleiben sollen. In einem ersten Schritt wird diejenige Variable, die mit der geringsten Wahrscheinlichkeit einen Erklärungsbeitrag für die abhängige Variable (in diesem Fall die Erwerbstätigen) liefert, aus dem Regressionsmodell entfernt. Anschließend wird erneut geprüft, welche der verbliebenen Variablen den geringsten Erklärungsbeitrag leistet, um diese Variable dann ebenfalls zu entfernen. Diese Prüfung wird mehrmals mit der Randbedingung durchlaufen, dass eine Variable nur dann ausgeschlossen wird, wenn die Wahrscheinlichkeit dafür, dass diese Variable einen Erklärungsbeitrag leistet, eine vorgegebene Untergrenze unterschreitet. Wird diese Grenze im ersten Rechengang von je- der Variablen überschritten, so bleiben alle unabhängigen Variablen im Modell enthalten.746 Zur Prüfung, ob und evtl. welche Variable ausgeschlossen werden soll, wird für jede Variable der F-Wert bzw. der zugehörige Signifikanzwert betrachtet. Der F-Test überprüft, ob einer oder mehrere der verwendeten Parameter auch tatsächlich einen Einfluss haben. Die Signifikanz muss kleiner oder gleich der oben genannten Grenze sein, damit dies gewährleistet ist. In dieser Arbeit wird ein Signifikanzniveau von 0,05 angesetzt, um die Aussagequalität zu sichern. 746 vgl. Brosius 2004 S. 593 3 Lösungsansätze und ökonomisches Modell 378 Dagegen verwendet das Programm SPSS per Voreinstellung den Wert von 0,1 und reduziert damit die beeinflussenden Parameter. Im Folgenden werden am Beispiel der Vorhersage der Erwerbstätigen die Er- gebnisse der Regressionsberechnungen einer Auswahl der SPSS- Protokolle erläutert. Bei den komplexeren Sachverhalten, bei der Vorhersage der Durch- schnitts- und Spitzenmiete sowie bei dem Flächenumsatz werden anhand von zusammenfassenden Tabellen und Grafiken, auch in Form von ex post- Be- trachtung, im Anhang die Regressionsergebnisse aufgezeigt. Modell Aufgenomme- ne Variablen Entfernte Variablen Methode 1 Einwohner Düsseldorf, BIP/4 nach Marktpreisen in Millionen Eu- ro(a) . Eingeben a Alle gewünschten Variablen wurden aufgenommen. b Abhängige Variable: Erwerbstätige am Arbeitsort Abb. 3.4.3.3 - 1: Aufgenommene bzw. entfernte Variablen - Vorhersage der Erwerbstätigen Modell R R-Quadrat Korrigiertes R- Quadrat Standard-fehler des Schätzers 1 ,747(a) ,559 ,546 8423,466 a Einflußvariablen : (Konstante), Einwohner Düsseldorf,BIP/4 nach Marktpreisen in Millionen Euro b Abhängige Variable: Erwerbstätige am Arbeitsort Abb. 3.4.3.3 - 2: Die Modellzusammenfassung - Vorhersage der Erwerbstätigen Je größer das korrigierte R-Quadrat, umso besser ist die Regression gelungen. Der Maximalwert ist „1“. Das Ergebnis „0,546“ bedeutet, dass mittels der Reg- ression 54,6% der Varianz der y-Werte (hier: Erwerbstätige in Düsseldorf) er- klärt werden. 3 Lösungsansätze und ökonomisches Modell 379 Modell Quadratsumme df Mittel der Quad- rate F Signifikanz 1 Regression 6195758059,144 2 3097879029,572 43,660 ,000(a) Residuen 4895879718,633 69 70954778,531 Gesamt 11091637777,778 71 a Einflußvariablen : (Konstante), Einwohner Düsseldorf, BIP/4 nach Marktpreisen in Millionen Euro b Abhängige Variable: Erwerbstätige am Arbeitsort Abb. 3.4.3.3 - 3: ANOVA der Regression zur Vorhersage der Erwerbstätigen ANOVA ist die Abkürzung für Analysis of Variance. Sie bildet das Ergebnis des Signifikanztestes, bei dem überprüft wurde, ob ein linearer Zusammenhang zwischen den Variablen vorliegt, sowie den F-Wert ab, der die Wahrscheinlich- keit der Nullhypothese angibt. Der F-Test überprüft wie oben schon erwähnt, ob einer oder mehrere der ver- wendeten Einflussfaktoren auch tatsächlich einen Einfluss haben. Damit dies gewährleistet ist muss die Signifikanz kleiner gleich 0,05 sein. Hier ist sie sogar weit unter 0,05, der F-Test hat also signifikante Einflussfaktoren entdeckt. Modell Nicht standardisierte Koeffi- zienten Standar- disierte Koeffi- zienten T Signi- fikanz 95%- Konfidenzintervall für B B Standard- fehler Beta Unter- grenze Ober- grenze 1 (Konstante) -49889,900 106191,287 -,470 ,640 - 261735, 722 161955, 922 BIP/4 nach Marktpreisen in Millionen Euro 6,611 ,712 ,793 9,286 ,000 5,191 8,032 Einwohner Düsseldorf ,773 ,182 ,362 4,237 ,000 ,409 1,136 a Abhängige Variable: Erwerbstätige am Arbeitsort Abb. 3.4.3.3 - 4: Die Koeffizienten bei der Regression zur Vorhersage der Erwerbstätigen Ist ein Einflussfaktor signifikant, so betrachtet man anschließend B, um die Art des Einflusses zu ermitteln. Ist B > 0, so liegt ein positiver Einfluss der Art vor: Je mehr, desto mehr. Bei negativem B lautet die Interpretation entsprechend: Je mehr, desto weniger bzw. je weniger, desto mehr. 3 Lösungsansätze und ökonomisches Modell 380 Für den Faktor „Einwohner von Düsseldorf“ gilt also: Je mehr Einwohner Düs- seldorf hat, desto mehr Personen sind Erwerbstätige (siehe blauer Kreis). Ist ein Einflussfaktor signifikant (roter Kreis), so betrachtet man zum Schluss auch die Konfidenzgrenzen von B. Die Interpretation lautet für „Einwohner von Düsseldorf“: Der Regressionskoeffi- zient B liegt mit einer Wahrscheinlichkeit von 95% zwischen 0,409 und 1,136 (siehe grüne Kreise). Entsprechend ist die Interpretation für „BIP/ 4“: Der Reg- ressionskoeffizient B liegt mit der Wahrscheinlichkeit von 95% zwischen 5,193 und 8,032. Diese Ergebnisse beruhen auf den vorliegenden Daten. Die dreidi- mensionale Geradengleichung zur Vorhersage der Erwerbstätigen am Arbeits- ort in Düsseldorf lautet: Erwerbstätige am Arbeitsort in Düsseldorf = - 49889,9 + 6,611 BIP/4 nach Marktpreisen + 0,773 Einwohner Düsseldorfs In der folgenden Abbildung sind folgende Angaben enthalten: - Die Vorhersage der Erwerbstätigen (rote Linie) - Die Datenreihe der Erwerbstätigen am Arbeitsort (Quelle: LDS NRW, blaue Linie) - Die untere Konfidenzintervallgrenze (Lower Confidenz Intervall, L CI mean) für den gleitenden Mittelwert (moving average) der Erwerbstäti- gen. Dies ist die Untergrenze für das Vorhersageintervall für den mittle- ren vorhergesagten Wert (hellviolette Linie). - Die obere Konfidenzintervallgrenze (Upper Confidenz Intervall U CI mean) für den gleitenden Mittelwert der Erwerbstätigen. Dies ist die O- bergrenze für das Vorhersageintervall für den mittleren vorhergesagten Wert (hellgrüne Linie) 3 Lösungsansätze und ökonomisches Modell 381 Die untere bzw. obere Konfidenzintervallgrenze der tatsächlichen Werte der Erwerbstätigen ist in der weinroten und grünen Linie dargestellt (LCI und UCI individual). Diese sind die Unter- bzw. Obergrenze für das Vorhersageintervall der abhängigen Variablen für den individuellen Fall, hier die Vorhersage der Erwerbstätigen. 400.000 410.000 420.000 430.000 440.000 450.000 460.000 470.000 1987 1989 1991 1993 1995 1997 1999 2001 Vorhersage Erwerbst ät ige - PRE_1 95% L CI f or Erwerbst ät ige - PRE_1 [ €/ m² Monat ] mean 95% U CI f or Erwerbst ät ige - PRE_1 [ €/ m² Monat ] mean 95% L CI f or Erwerbst ät ige - PRE_1 [ €/ m² Monat ] individual 95% U CI f or Erwerbst ät ige - PRE_1 [ €/ m² Monat ] individual Erwerbst ät ige_am_Arbeit sort Abb. 3.4.3.3 - 5: Die Ergebnisse der Regression zur Vorhersage der Erwerbstätigen Alle Konfidenzintervalle sind mit Niveau 95% gerechnet, d.h., dass der wahre Wert nur in 5% der Fälle außerhalb dieses Intervalls liegt wird. Der wahre Wert ist bekannt, denn die Zahl der Erwerbstätigen liegt vor. Anhand der Abbildung 3.4.3.3 - 6 wird deutlich, dass man die potentielle Ein- flussgröße Erwerbstätige am Arbeitsort, die später in die für den Ertrag maß- gebenden Regressionen der gewichteten Durchschnittsmiete und der Spitzen- miete eingeht, nicht so gut durch die Variablen Einwohner und BIP darstellen kann, da diese standortspezifisch sind. Auf der anderen Seite variiert sie nur minimal bzw. ändert sich über die Zeit nicht, so dass der einmal gefundene Wert für die jeweilige Stadt lange genutzt werden kann, wie z.B. bei der Vorhersage der Bürobeschäftigten in der Metho- de von Dobberstein. 3 Lösungsansätze und ökonomisches Modell 382 420.000 430.000 440.000 450.000 460.000 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 Vorhersage Erwerbstätige - PRE_1 Erwerbstätige_am_Arbeitsort Abb. 3.4.3.3 - 6: Die ex post Betrachtung der Vorhersage der Erwerbstätigen Die Regression zur Vorhersage der Arbeitslosenquote Die Regression zur Vorhersage der Arbeitslosenquote ist ein Teilmodell zur Erklärung der Bürobeschäftigten. Bei der Vorhersage der Arbeitslosenquote als spätere Einflussgröße bei der Regression der Bürobeschäftigten werden die unabhängigen Variablen Einwohner und BIP/4 nach Marktpreisen im „Ein- schluss“- Verfahren eingegeben. Das ausführliche Ergebnisprotokoll der Reg- ressionsrechnung befindet sich im Anhang D1. Das korrigierte R² beträgt 0,861, die Signifikanz ist 0 und die Geradengleichung zur Vorhersage der Arbeitslosenquote lautet: Arbeitslosenquote = 355,179 - 0,003 BIP/4 nach Marktpreisen - 0,001 Einwohner Düsseldorfs 3 Lösungsansätze und ökonomisches Modell 383 In der folgenden Abbildung ist die ex post Betrachtung der Regression zur Vor- hersage der Arbeitslosenquote dargestellt. 8 9 9 10 10 11 11 12 12 13 13 14 14 4Q.1995 4Q.1996 4Q.1997 4Q.1998 4Q.1999 4Q.2000 4Q.2001 4Q.2002 Vorhersage Arbeitslosenquote - PRE_2 Arbeitslosenquote Abb. 3.4.3.3 - 7: Die ex post Betrachtung der Vorhersage der Arbeitslosenquote Die Regression zur Vorhersage der SozialversicherungspflichtigBeschäftigten Zur Vorhersage der SVP-Beschäftigten, einer der bestimmenden Parameter der Bürobeschäftigten, werden vier Regressionsberechnungen durchgeführt (PRE - 1 bis PRE - 4). In dem Zeitraum 1987 bis 2004 variiert der Anteil der SVP-Beschäftigten an den Bürobeschäftigten gemäß Dobberstein zwischen 50,8% und 59,2% sowie an den Bürobeschäftigten gemäß Holthaus mit einer Quote von 0,3 an Sozialversicherungsfreien zwischen 53,5% und 64,5%. Der Anteil der SVP-Beschäftigten, die anhand der Untersuchungen von Dobberstein mittels bestimmter Quoten für spezielle Berufsgruppen ermittelt werden747, be- zogen auf die SVP-Beschäftigten Düsseldorfs beträgt zwischen 44% und 52%. 747 vgl. Kapitel 3.4.1.3 und den Anhang der Büromarktdefinition der gif sowie Dobberstein 1997(a), S. 167- 176, Dobberstein 1997 (b), S. 327 3 Lösungsansätze und ökonomisches Modell 384 Die SVP-Bürobeschäftigten stellen zwischen 86,6% und 88,4% den größten Anteil der Bürobeschäftigten gemäß Dobberstein sowie zwischen 80,6% und 83,4% auch den größten Anteil der Bürobeschäftigten gemäß Holthaus mit ei- ner Quote von 0,3 an Sozialversicherungsfreien dar. In die Regressionsrechnung PRE - 1 zur Vorhersage der Sozialversicherungs- pflichtigBeschäftigten werden die Variablen Erwerbstätige und Einwohner Düs- seldorfs im Verfahren „schrittweise“ integriert. „Schrittweise“ Die Variablen (hier: Erwerbstätige und Einwohner Düsseldorfs) werden bei je- dem Schritt auf Ausschluss (gemäß der F- Wahrscheinlichkeit für den Aus- schluss) oder Aufnahme (gemäß der F- Wahrscheinlichkeit für die Aufnahme) geprüft. Der Prozess der Prüfung wird so lange fortgesetzt bis die Möglichkeit des Ausschlusses oder der Aufnahme für keine Variable mehr besteht. Im Folgenden wird ausführlich auf die Tabellen der Regressionsprotokolle ein- gegangen, da diese Art bei dem Verfahren „Rückwärts“, welches bei den späte- ren Regressionen zum Flächenumsatz und der Ertragsgrößen oft angewendet wird, auch benutzt wird. Modell R R-Quadrat Korrigiertes R- Quadrat Standard- fehler des Schätzers 1 ,632(a) ,400 ,392 7756,831 2 ,701(b) ,492 ,478 7186,377 a Einflußvariablen : (Konstante), Erwerbstätige am Arbeitsort b Einflußvariablen : (Konstante), Erwerbstätige am Arbeitsort, Einwohner Düsseldorf c Abhängige Variable: Sozialversicherungspflichtige Beschäftigte Abb. 3.4.3.3 - 8: Die Modellzusammenfassung - Vorhersage der SVP- Beschäftigten Das beste Modell der Regressionsberechnung PRE - 1 zur Vorhersage der SVP- Beschäftigten greift auf die Einflussgrößen Erwerbstätige am Arbeitsort und die Einwohner Düsseldorfs zurück. 3 Lösungsansätze und ökonomisches Modell 385 Das erste Modell, das nur die Größe der Erwerbstätigen am Arbeitsort als Ein- flussvariable nutzt, ist nicht so gut in der Aussagegenauigkeit wie das zweite Modell, in das die Erwerbstätigen und die Einwohner eingehen, oder anders formuliert ist das korrigierte R² als Qualitätsmaß kleiner. Allerdings kann auch mit dem ersten Modell eine sehr gute Vorhersage der SVP- Beschäftigten er- reicht werden, wenn nur die Erwerbstätigen bekannt sind und die Einwohner- zahlen noch nicht vorliegen. Modell Quadratsumme df Mittel der Quadra- te F Signifikanz 1 Regression 3129278814,387 1 3129278814,387 52,009 ,000(a) Residuen 4693137067,813 78 60168423,946 Gesamt 7822415882,200 79 2 Regression 3845826223,341 2 1922913111,671 37,234 ,000(b) Residuen 3976589658,859 77 51644021,544 Gesamt 7822415882,200 79 a Einflußvariablen : (Konstante), Erwerbstätige am Arbeitsort b Einflußvariablen : (Konstante), Erwerbstätige am Arbeitsort, Einwohner Düsseldorf c Abhängige Variable: Sozialversicherungspflichtige Beschäftigte Abb. 3.4.3.3 - 9: ANOVA der Regression zur Vorhersage der SVP- Beschäftigten In der obigen ANOVA- Abbildung der Regression zur Vorhersage der SVP- Be- schäftigten ist ersichtlich, dass beide Modelle eine Signifikanz von null haben. Maßgebend für die Auswertung ist der untere Wert (siehe roter Kreis). 3 Lösungsansätze und ökonomisches Modell 386 Die folgende Koeffiziententabelle der schrittweisen Regression zeigt die Para- meter der Geradengleichung für beide Modelle zur Vorhersage der SVP- Be- schäftigten. Modell Nicht standardisierte Koef- fizienten Standardi- sierte Koef- fizienten 95%-Konfidenzintervall für B B Standard- fehler Beta T Signifi- kanz Untergrenze Obergrenze 1 (Konstante) 129855,256 29839,527 4,352 ,000 70449,320 189261,191 Erwerbstätige am Arbeitsort ,488 ,068 ,632 7,212 ,000 ,354 ,623 2 (Konstante) -170515,244 85246,05 1 -2,000 ,049 - 340261,818 -768,670 Erwerbstätige am Arbeitsort ,465 ,063 ,603 7,382 ,000 ,340 ,591 Einwohner Düsseldorf ,543 ,146 ,304 3,725 ,000 ,253 ,833 a Abhängige Variable: Sozialversicherungspflichtige Beschäftigte Abb. 3.4.3.3 - 10: Die Regressionskoeffizienten - Vorhersage der SVP- Beschäftigten Die Geradengleichungen der beiden Modelle lauten: Modell 1: SVP- Beschäftigte = 129.855,256+ 0,488 Erwerbstätige Modell 2: SVP- Beschäftigte = -170.515,244 + 0,465 Erwerbstätige + 0,543 Einwohner Bei den Regressionsrechnungen der Ertragsgrößen und des Flächenumsatzes, werden jeweils nur die Angaben berücksichtigt, die zum besten Modell gehören. Das beste Modell ist dabei jeweils das unten dargestellte, auch wenn das korri- gierte R- Quadrat dann nicht mehr das größte von allen sein sollte.748 748 vgl. Protokolle im Anhang D 3 Lösungsansätze und ökonomisches Modell 387 Allerdings ist es aber das sparsamste Modell, da weniger Variablen zur Vorher- sage erforderlich sind. Ihm wird deshalb der Vorzug gegeben. Die beiden statistischen Werte der Vorhersagefunktion PRE - 1, korrigiertes R² und Standardfehler des Schätzers, sind nur mittelmäßig (0,478 und 7.186,377). Der Signifikanzwert von 0,000 dagegen ist sehr gut. Die beiden grafischen Tests, Histogramm und Q-Q-Plot, sind ebenso wie die grafische Gegenüberstel- lung der Vorhersage PRE - 1 mit den realen Zahlen der SVP-Beschäftigten gut. Allerdings sind bei der ex post Betrachtung von PRE - 1 (vgl. Anhang D2, 1. Grafik) Abweichungen der Vorhersagefunktion PRE - 1 von den Istwerten der SVP-Beschäftigten ersichtlich. In einer weiteren Analyse, PRE - 2, werden zusätzlich zu den Parametern „Er- werbstätige am Arbeitsort“ und „Einwohner“ die Parameter „Arbeitslosenquote“ und „BIP/4“ mit einbezogen. Das gleiche Verfahren wie bei PRE - 1 wird auch bei PRE - 2 angewendet („schrittweise“). Obwohl durch die computergestützte Regressionsanalyse die neu integrierten Parameter aus statistischen Gründen des „schrittweisen“ Verfahrens ausge- schlossen wurden und somit erneut nur die beiden Parameter „Erwerbstätige“ und „Einwohner“ einen Erklärungsbeitrag zur Prognose der SVP-Beschäftigten liefern, ergibt sich eine andere Geradengleichung und ein wesentlich besseres Resultat der statistischen Werte (korrigiertes R² = 0,996; Standardfehler des Schätzers = 503,540; Signifikanz bleibt gleich null). Die beiden grafischen Tests, Histogramm und Q-Q-Plot, sind schlechter als bei PRE - 1. Beobachtet man allerdings ex post die beiden Kurvenverläufe, von der Vorhersagefunktion PRE - 2 und des realisierten Verlaufs der SVP- Beschäftigten, so stellt man geringere Abweichungen der Kurven zueinander als bei PRE - 1 fest. 3 Lösungsansätze und ökonomisches Modell 388 Wendet man anstelle des „schrittweisen“- Verfahrens das „Rückwärts“- Verfah- ren an (PRE - 4), so erhält man exakt die gleichen Ergebnisse wie bei der Reg- ressionsanalyse PRE - 2. Der Zeitraum des Vorhersageintervalls der Funktionen PRE - 1, PRE - 2 und PRE - 4 erstreckt sich von 1987 bis 2004. Allerdings sind die Prognosen in den Jahren 2003 und 2004 stark abweichend und weisen auch in die gegenläufige Richtung verglichen mit dem Verlauf der SVP-Beschäftigten-Istwerte. Im letzten Schritt (PRE - 3) wurden alle vier Parameter: - Erwerbstätige - Arbeitslosenquote - Einwohner und - BIP/4 in die Regressionsberechnung integriert, da natürlich die wirtschaftliche Situati- on und auch die Arbeitsmarktlage (hier durch Arbeitslosenquote repräsentiert) die Zahl der SVP-Beschäftigten beeinflusst. Bei der Berechnung PRE - 3 wurde das „Einschluss“- Verfahren angewendet, da davon ausgegangen wird, dass alle vier oben genannten Parameter die SVP-Beschäftigten erklären können. Aufgrund der Zeitreihe des BIP mit seinem Ende im 4. Quartal 2004 kann die Vorhersage PRE - 3 nur mit den Zahlenrei- hen bis zu diesem Zeitpunkt grafisch dargestellt werden. Sowohl die drei statistischen Werte (0,995; 521,349; 0,000) als auch die Ergeb- nisse der ex post Betrachtung der Vorhersagefunktion PRE - 3 sind sehr gut. In der nachfolgenden Abbildung sind die hervorragenden Ergebnisse der Vorher- sagegleichung PRE - 3 aufgeführt. 3 Lösungsansätze und ökonomisches Modell 389 Regression der SVP- Beschäftigten 320.000 325.000 330.000 335.000 340.000 345.000 350.000 355.000 360.000 365.000 370.000 1995 1996 1997 1998 1999 2000 2001 2002 Vorhersage SVP- Beschäf t igt e - PRE_3 SVP- Beschäf t igt e Abb. 3.4.3.3 - 11: Die ex post Betrachtung von PRE - 3 bzgl. der SVP-Beschäftigten Die Standardabweichung der nicht standardisierten Residuen der Vorhersage PRE - 3 beträgt 482,666. Die Vorhersagefunktion PRE - 3 wird als Vorhersagefunktion zur Erklärung der SVP-Beschäftigten in Düsseldorf favorisiert. Diese kann sehr gut als Unterstüt- zung dienen, wenn man die genaueren Zahlen der SVP-Beschäftigten nicht kurzfristig erhält. Die Regression zur Vorhersage der Bürobeschäftigten Bei der Ermittlung der Bürobeschäftigten-Vorhersagefunktion ist zuerst zu klä- ren, welcher Ermittlungsansatz in die Regressionsberechnungen über die Art der Bürobeschäftigten einbezogen werden soll. Die beiden unterschiedlichen Ansätze zur Ermittlung der Bürobeschäftigten, Bürobeschäftigte gemäß Dobberstein sowie Bürobeschäftigte gemäß Holthaus, wurden im Kapitel 3.4.1.3 ausführlich erläutert. 3 Lösungsansätze und ökonomisches Modell 390 Da die Höhe der Bürobeschäftigten von den Immobilienmaklern unterschiedlich angegeben wird, obwohl einige angeblich nach die Methode von Dobberstein ihre Daten der Bürobeschäftigten ermitteln, also in den Ergebnisse bei Anwen- dung dieser Methode erheblich abweichen, bestehen in der Branche Uneinig- keiten bzw. erhebliche Unterschiede über die „richtige“ Zahl der Bürobeschäftig- ten. Obwohl beide Ermittlungsansätze auf die Gruppen: - SVP- Beschäftigte - Beamte und - Selbstständige mit entsprechenden Quoten zurückgreifen und zusätzlich bei der Methode ge- mäß Holthaus die Erwerbstätigen am Arbeitsort für die Ermittlung der Sozial- versicherungsfreien angesetzt werden, wird an dieser Stelle der Überlegung nachgegangen, ob die Bürobeschäftigten sich durch die Parameter: - SVP-Beschäftigte, - Erwerbstätige, - Arbeitslosenquote sowie - BIP/4 erklären lassen. Regression zur Vorhersage der Bürobeschäftigten nach der Methode gemäß Dobberstein Die vier besten Vorhersagen zur Erklärung der Bürobeschäftigten gemäß Dob- berstein sind im Anhang D3 mit ihren statistischen Werten, grafischen Tests und Geradengleichungen aufgeführt. Sowohl PRE - 4 als auch PRE - 5 sind bestens geeignet die Bürobeschäftigten gemäß Dobberstein zu erklären. Selbst ihre maximalen Abweichungen liegen im Promille-Bereich. 3 Lösungsansätze und ökonomisches Modell 391 Aufgrund der Integration des Parameters „Arbeitslosenquote“, der in jedem Quartal anders als im Vorgänger- oder Folgequartal ist, sind die grafischen Vergleiche der Vorhersagefunktion mit den tatsächlichen Werten der Bürobe- schäftigten gemäß Dobberstein nicht als Jahres- sondern als Quartalswerte illustriert. Die minimal bessere Vorhersagefunktion, bei der die meisten minimalen Abwei- chungen auftreten, ist PRE - 4. Diese integriert zunächst im „Rückwärts“- Ver- fahren alle vier oben genannten Parameter und schließt aufgrund des F-Wertes den Parameter „SVP-Beschäftigte“ aus statistischen Gründen aus. Sowohl die statistischen Werte (korrigiertes R² = 0,994; Standardfehler des Schätzers = 659,760; Signifikanz = 0,000) als auch alle drei grafischen Tests ergeben her- vorragende Resultate für die Prognose der Bürobeschäftigten gemäß Dob- berstein. Auf den ersten Blick scheint es vielleicht erstaunlich, dass die SVP- Beschäftigten ausgeschlossen werden, obwohl sie den größten Anteil an den Bürobeschäftigten ausmachen, aber aufgrund der Korrelation zwischen dem BIP und den SVP-Beschäftigten ist dies keineswegs verwundernswert749. Die Standardabweichung von PRE - 4 beträgt 623,413. 749 Dieser Zusammenhang wurde schon bei der Regression PRE - 3 zur Vorhersage der SVP- Beschäftigten sichtbar. 3 Lösungsansätze und ökonomisches Modell 392 Regression der Bürobeschäftigten gem. Dobberstein 180.000 185.000 190.000 195.000 200.000 205.000 210.000 4Q.1995 4Q.1996 4Q.1997 4Q.1998 4Q.1999 4Q.2000 4Q.2001 4Q.2002 Vorhersage Bürobeschäf t igt e Dobberst ein - PRE_4 Bürobeschäf t igt e gem. Dobberst ein Abb. 3.4.3.3 - 12: Die ex post Betrachtung von PRE - 4 Die Regressionsanalyse PRE - 5 schließt aufgrund der Verfahrensauswahl („Einschluss“) alle vier Parameter zur Bestimmung, auch den Parameter „SVP- Beschäftigte“, mit ein. Des Weiteren zeigt sie auch sehr gute Ergebnisse, aber sie ist nicht das sparsamste und beste Modell zur Vorhersage der Bürobeschäf- tigten gemäß Dobberstein. Dies ist nämlich PRE - 4. Generell wurden bei der Suche der geeigneten Vorhersagefunktion sowohl bei der Anwendung der Verfahrensart als auch bei der Zusammensetzung der ein- gehenden Parameter Varianten untersucht. Zwei weitere durchaus geeignete Vorhersagen bieten die Ergebnisse PRE - 6 und PRE - 10,750 deren zahlenmäßige Abweichungen maximal bei 2% liegen. PRE - 6 wird durch die beiden Parameter „SVP- Beschäftigte“ und „BIP/4“ und PRE - 10 zusätzlich durch den Parameter „Einwohner“ erklärt. 750 Deren Ergebnisse und grafischen Abbildungen sind im Anhang D3 dargestellt 3 Lösungsansätze und ökonomisches Modell 393 Das korrigierte R² ist mit 0,942 bzw. 0,984 gegenüber dem erhöhten Standard- fehler des Schätzers mit einer Höhe von 2276,971 bzw. 1112,3 sehr gut. Sowohl die Geradengleichungen und die Ergebnisse der statistischen Tests als auch die grafischen Darstellungen sind im Anhang D3 aufgeführt. Sie sollen an dieser Stelle nicht weiter erläutert werden, weil PRE - 4 und PRE - 5, wie zuvor erläutert, die besseren Prognosefunktionen sind. 3 Lösungsansätze und ökonomisches Modell 394 Die Regression zur Vorhersage der Bürobeschäftigten nach der Methode gemäß Holthaus Bei den Regressionsberechnungen zur Vorhersage der Bürobeschäftigten nach der Methode gemäß Holthaus mit einer Quote von 0,3 für die Sozialversiche- rungsfreien, wurde genauso wie bei der Ermittlung der Prognosevorhersage- funktion für die Bürobeschäftigten gemäß Dobberstein vorgegangen. Bei den Regressionsanalysen wurden die vier Parameter: - SVP-Beschäftigte - Arbeitslosenquote - Einwohner sowie - BIP/4 integriert und zunächst bei der Verfahrenswahl („Einschluss“ und „Rückwärts“) sowie später auch bei der Parameterzusammensetzung variiert (vgl. PRE - 13 Anhang D4). Die beiden besten Funktionen zur Prognose der Bürobeschäftigten gemäß Holthaus mit einer Quote 0,3 sind PRE - 11 und PRE - 12. PRE - 12 ist von allen oben genannten Parametern abhängig. Dagegen fließt der Parameter „Einwohner“ nicht in die Vorhersagefunktion PRE - 11 ein. Die maximalen Abweichungen liegen im Promille-Bereich. Die Standardabwei- chungen belaufen sich auf 792,835 bei PRE - 11 und auf 779,333 bei PRE - 12. Einzelheiten hinsichtlich der statistischen Werte, der Geradengleichung, aber auch die Abbildungen der drei grafischen Tests sind im Anhang D4 aufgelistet. 3 Lösungsansätze und ökonomisches Modell 395 Auch die Bürobeschäftigten gemäß Holthaus mit einer Quote von 0,5 sowie von 1,0 für die Sozialversicherungsfreien wurden hinsichtlich einer Prognose mit den vier Parametern: - SVP-Beschäftigte - Arbeitslosenquote - Einwohner sowie - BIP/4 in unterschiedlichen Regressionsverläufen und Kombinationen der oben ge- nannten vier Parameter untersucht. Da nach Meinung der Verfasserin die Werte der Bürobeschäftigten nach „Holthaus“ mit einer Quote von 0,3 am realistischsten sind, werden die Ergeb- nisse der Vorhersagefunktionen zur Bestimmung der Bürobeschäftigten gemäß Holthaus mit einer Quote von 0,5 und 1,0 wegen der Vollständigkeit nur kurz diskutiert.751 Die beste Vorhersagefunktion zur Erklärung der Bürobeschäftigten gemäß Holthaus mit einer Quote von 0,5 stellt PRE - 18 dar. Darin werden alle vier o- ben genannten Parameter integriert und ihre maximale Abweichung von den Bürobeschäftigen liegt bis auf einen Ausreißer im 1. Quartal 1998 (1% Abwei- chung vom Istwert) im Promille-Bereich. Zur Vorhersage der Bürobeschäftigten gemäß Holthaus mit einer Quote von 1,0 sind die Vorhersagefunktionen PRE - 23 und PRE - 28 (vgl. Anhang D5) geeig- net. Die Vorhersagefunktion PRE - 23 gebraucht die vier zuvor genannten Pa- rameter zur Erklärung der Bürobeschäftigten gemäß Holthaus mit der Quote von 1,0 für die Sozialversicherungsfreien im Vergleich zu PRE - 28, die die SVP-Beschäftigten aus den vier Parametern ausschließt. 751 Die Ergebnisse der Regressionsuntersuchungen sind im D5 tabellarisch und grafisch dargestellt. 3 Lösungsansätze und ökonomisches Modell 396 Sie ist die bessere von beiden, da ihre maximalen Abweichungen bis auf zwei Ausreißer im 1. und 2. Quartal 1998 (max. 1,3 % und 1,0% Abweichung) im Promille-Bereich liegen. Die maximalen Abweichungen der Prognosefunktion PRE - 28 von den errech- neten Werten der Bürobeschäftigten gemäß Holthaus mit einer Quote von 1,0 betragen im Mittel ca. 1,5%. Zusammengefasst ist die Vorhersagefunktion PRE - 4 mit ihrer Geradenglei- chung: = - 536,122 - 613,200 x Arbeitslosenquote +1,077 x Einwohner Bürobeschäftigte Dobberstein + 14,501 x BIP/4 zur Erklärung der Bürobeschäftigten gemäß Dobberstein sowie die Prognose- funktion PRE - 11 und PRE - 12 mit ihren folgenden Geradengleichungen: Bürobeschäftigte Holthaus Quote 0,3 = 10.604,300 - 692,309 x Arbeitslosenquote + 10,761 x BIP/4 Bürobeschäftigte Holthaus Quote 0,3 = - 109.855,900 + 0,360 x SVP-Beschäftigte - 582,244 x Arbeitslosenquote + 0,176 x Einwohner + 11,493 x BIP/4 zur Vorhersage der Bürobeschäftigten gemäß Holthaus (Quote 0,3) sehr gut geeignet. 3 Lösungsansätze und ökonomisches Modell 397 3.4.3.4 Die Regression zur Vorhersage der Spitzenmiete Es wurden zahlreiche Regressionsrechnungen zur Vorhersage der Spitzenmie- te durchgeführt, um durch Tausch der Parameter die optimale Modellgleichung zu finden. Die Ergebnisse dieser Rechnungen sind im Anhang der Tabellen namens „Zusammenfassung: Regression der Spitzenmiete - A“ und „Zusam- menfassung der Spitzenmiete - B“ dargestellt. In einer weiteren Tabelle des Anhangs sind diese beiden Tabellen weiter zusammengefasst und nach Vor- hersageintervallen sortiert. Dabei werden die Vorhersagen, abgekürzt mit PRE - lfd. Nr., der Tabelle „Zusammenfassung: Regression der Spitzenmiete - A“ mit dem Buchstaben „A“ versehen, um Missverständnisse und Verwechslungen mit den Ergebnissen der Tabelle „Zusammenfassung der Spitzenmiete - B“ zu ver- meiden. Diese Tabelle752 umfasst alle zur Vorhersage der Spitzenmiete durchgeführten Regressionen und wird zusätzlich nach der ex post Betrachtung in zwei Grup- pen aufgeteilt: a) Gruppe 1 - Gruppe der nicht in Frage kommenden Vorhersagen sowie die b) Gruppe 2 - Gruppe der in Frage kommenden Vorhersagen zur Abbildung der Spitzenmiete. Die Einteilung der Gruppen erfolgte nach der schrittweisen Betrachtung der Kriterien zur Gütebeurteilung einer Regression: 1) Kontrolle des R² bzw. des korrigierten R² 2) Betrachtung des Standardfehlers des Schätzers 3) Berücksichtigung der Größe der Signifikanz 4) Prüfung der Residuen anh. des Histogramms und des Q-Q-Plots 5) Abbildung der Regressionsergebnisse sowie der Vergleich der Vorhersage mit den tatsächlichen Werten der Spitzenmiete (ex post Betrachtung/ backtesting) 752 Die Bezeichnung der zusammenfassenden Tabelle lautet „Zusammenfassung: Regression der Spit- zenmiete -A + B (nach Vorhersageintervallen sortiert)t“. 3 Lösungsansätze und ökonomisches Modell 398 Bestimmtheitsmaß und korrigiertes R² Als Maß dafür, wie eng die Regressionsgerade an den einzelnen Punkten der Punktwolke liegt oder wie gut der durch die Regressionsgerade formulierte Zu- sammenhang zwischen den erklärenden und der abhängigen Variablen die tat- sächliche Situation beschreibt, wird oft das Verhältnis zwischen dem erklärten Teil der Streuung und der gesamten Streuung in Form von Abweichungen vom Mittelwert betrachtet. Dazu wird für jede Beobachtung der dazu quadrierte Wert der nicht erklärten Streuung, also das Residuums, berechnet und die Summe dieser quadrierten Residuen wird als Residual Sum of Squares (RSS) bezeichnet. Weiterhin wer- den die quadrierten Werte der erklärten Abweichungen berechnet und aufsum- miert, sie werden als Explained Sum of Squares (ESS) bezeichnet. Daraus er- rechnet sich die gesamte Streuung als Total Sum of Squares (TSS), sie ist die Summe der ESS und der RSS. Die Relation zwischen der Quadratsumme der erklärten Streuung und der Quadratsumme der gesamten Streuung wird im Allgemeinen mit R² bezeich- net.753 Die Gleichung zur Berechnung des R² lautet: R² = ESS/ TSS R² wird als Bestimmtheitsmaß oder als Fit (Passwert) der Regressionsgleichung bezeichnet und misst den Anteil der erklärten Streuung an der gesamten Streu- ung. Je kleiner R² ist, desto schlechter ist auch die Anpassung der Regressionsge- raden an die beobachteten Werte. R² stellt lediglich ein Maß für den linearen Zusammenhang zwischen den Variablen dar. 753 vgl. Brosius 2004 S. 559 3 Lösungsansätze und ökonomisches Modell 399 Wenn ein nicht linearer Zusammenhang zwischen der abhängigen und der er- klärenden Variablen besteht, kann das R² auch einen niedrigen Wert anneh- men.754 Bei multiplen Regressionen wird das korrigierte R² als Maß herangezogen. Da- bei wird bei dessen Berechnung zusätzlich zu der des R² die Anzahl der bei der Schätzung verwendeten Variablen berücksichtigt. Ein vergleichsweise geringes R² bzw. korrigiertes R² signalisiert bereits, dass noch einiger Raum für die Wirk- samkeit weiterer erklärender Variablen vorhanden ist, die in diesem Modell noch nicht berücksichtigt wurden. Standardfehler des Schätzers Der Standardfehler des Schätzers dient als Maß dafür, wie nah die durch die Regressionsgleichung prognostizierten Werte an den wahren Werten liegen. Er hat damit ähnliche Bedeutung wie das Bestimmtheitsmaß R² bzw. das korrigier- te R². Die Standardabweichung der Residuen ist der Standardfehler der Resi- duen und sollte möglichst gering ausfallen. Signifikanz Oft ist es in erster Linie interessant, ob ein signifikanter Zusammenhang zwi- schen den betrachten Variablen vorliegt und ob aus den Stichprobenbeobach- tungen geschlossen werden kann, dass in der Grundgesamtheit ein solcher linearer Zusammenhang besteht. Der Signifikanzwert ist die Wahrscheinlichkeit, mit der sich in einer Stichprobe des vorliegenden Umfangs auch dann ein Kor- relationskoeffizient der beobachteten Größenordnung ergeben kann, wenn in der Grundgesamtheit tatsächlich überhaupt kein linearer Zusammenhang zwi- schen den Variablen vorliegt. 754 vgl. Brosius 2004, S. 560 3 Lösungsansätze und ökonomisches Modell 400 Diese Wahrscheinlichkeit kann nur dann richtig ermittelt werden, wenn die Vari- ablen in der Grundgesamtheit zumindest annähernd gemeinsam (zweidimensi- onal) normalverteilt sind. Ist diese Voraussetzung erfüllt, lässt sich mithilfe der t- Statistik die Nullhypothese testen. Daraus folgt, dass in der Grundgesamtheit kein Zusammenhang zwischen den Variablen vorliegt, so dass der Korrelationskoeffizient 0 beträgt.755 Prüfung der Residuen anhand des Histogramms und des Q-Q-Plots Bei den Residuen handelt es sich um die Differenzen zwischen den tatsächlich beobachteten und den durch die Regressionsgleichung geschätzten Werten der abhängigen Variablen. Das zu einem Wert gehörende Residuum ist das Aus- maß, um das die Regressionsschätzung den tatsächlichen Wert verfehlt hat. Eine zentrale Forderung der Regression ist es, dass die Residuen, also der Fehler der Schätzung, zufällig auftreten müssen und keinem systematischen Muster folgen dürfen. Treten die Residuen nicht zufällig auf, sondern folgen einem Muster, lässt das darauf schließen, dass das geschätzte Modell falsch ist und nicht alle relevanten Aspekte zur Erklärung der abhängigen Variablen be- rücksichtigt worden sind. Die Residuen sollen zufällig auftreten und der Normal- verteilung folgen. Es wird anhand grafischer Verfahren überprüft, ob die Residuen der Normalver- teilung folgen. Zwei grafische Verfahren stehen zur Verfügung, das Histogramm und der Normalverteilungsplot, der auch Q-Q-Diagramm oder Q-Q- Plot ge- nannt wird. 755 vgl. Brosius 2004, S. 526 3 Lösungsansätze und ökonomisches Modell 401 Im Histogramm geben die Säulen die empirischen Häufigkeiten der Residuen- gruppen wieder, während die glockenförmige Linie die entsprechenden Häufig- keiten der Normalverteilung wiedergibt, die sich aufgrund von und  errech- net. Der Betrachter kann so leicht die Abweichungen erkennen. In dem Normalverteilungsplot wird die Häufigkeit der standardisierten Residuen, in Form von Punkten, die kumulierten Normalverteilung in Form von Normalver- teilungsgeraden gegenübergestellt. Wenn die Residuen normalverteilt wären, müssten die Punkte in der Grafik exakt auf der Geraden liegen. Beide Grafiken stellen somit die Häufigkeitsverteilung der Residuen einer Nor- malverteilung gegenüber und erlauben der auswertenden Person die Abwei- chungen zu beurteilen. Hierzu wird die Häufigkeitsverteilung der Residuen einer Normalverteilung transformiert, so dass sie einen Mittelwert von 0 und eine Standardabweichung von 1 aufweisen, somit wird die Standardnormalverteilung als Referenzgröße herangezogen.756 Die zu den einzelnen Regressionen erstellten Grafiken finden sich in den Tabel- len im Anhang wieder. Abbildung der Regressionsergebnisse und ex post Betrachtung Die Abbildung der Vorhersage (rote Linie) wird den tatsächlichen Werten (blaue Linie) gegenübergestellt. Die Vorhersage sollte so eng wie möglich an den rea- len Werten liegen. Außerdem soll sich die Vorhersage zwischen den Linien UCI mean, LCI mean, UCI individual sowie LCI individual befinden. Die obere und untere Konfidenzintervallgrenze (Upper Confidenz Intervall U CI mean und Lower Confidenz Intervall L CI mean) gelten für den gleitenden Mit- telwert der Regressionsvorhersage. 756 siehe Brosius 2004, S. 580-581 3 Lösungsansätze und ökonomisches Modell 402 Sie sind die Ober- und Untergrenze für das Vorhersageintervall des mittleren vorhergesagten Wertes (hellgrüne und hellviolette Linie). Die untere bzw. obere Konfidenzintervallgrenze der tatsächlichen Werte der Erwerbstätigen ist weinrot für die Untergrenze und grün für die Obergrenze dar- gestellt (LCI und UCI individual). Sie sind die Grenzen für das Vorhersageinter- vall der abhängigen Variablen des individuellen Falls, hier die Vorhersage der jeweiligen abhängigen Variablen. Übliche Werte für Konfidenzniveaus für die Vorhersageintervalle sind 90, 95 und 99, in dieser Arbeit wurde generell ein Konfidenzniveau von 95 gewählt. Regressionsanalyse zur Vorhersage der Spitzenmiete Für die Regressionsanalysen werden die Parameter: - SVP- Beschäftigte - Erwerbstätige - Arbeitslosenquote - Einwohner - Baugenehmigung - Fertiggestellte Flächen - Abgang bzw. - Abriss - Leerstand (absolut) - BIP/4 - Durchschnittsmiete - Minimale und maximale Spitzenrendite - Flächenumsatz - Neuanfragen - Büroflächenbestand - Bürobeschäftigte gemäß Dobberstein und - Bürobeschäftigte gemäß Holthaus (Quote 0,3) bereitgestellt. 3 Lösungsansätze und ökonomisches Modell 403 In 39 Regressionsrechnungen werden auf unterschiedlichen Wegen die Bedeu- tung der Parameter und die sich ergebenden Regressionsfunktionsgleichungen untersucht. Es werden die Ergebnisse der weiter zusammenfassenden Tabelle „Zusammenfassung: Regression der Spitzenmiete - A + B (nach Vorhersagein- tervallen sortiert)“ analysiert und diskutiert. Diese Tabelle wird in zwei Gruppen gegliedert, wie schon am Anfang dieses Kapitels 3.4.3.4 ausgeführt wurde. Gruppe 1 - Nicht in Frage kommende Vorhersagen bzgl. der Spitzenmiete Die durchgeführten Regressionsanalysen haben bis auf die Vorhersagen PRE - 17 bis PRE - 20 ein sehr hohes, korrigiertes Bestimmtheitsmaß (R²), das als erstes Indiz für eine gelungene Regressionsschätzung gilt. a) Vorhersagen für den Zeitraum 4.Quartal 1995 bis 4.Quartal 2005 Die Vorhersagen PRE - 1, PRE - 3, PRE - 5 und PRE - 9a wurden mit dem „Rückwärts“- Verfahren berechnet. Dabei wurde bei allen die Variable BIP/4 ausgeschlossen, die Variable Abgang bzw. Abriss von Büroflächen sowie die Variable Bürobeschäftigte, sowohl die nach der Methode von Dobberstein als auch die nach der erweiterten Methode von Holthaus, nahmen den Wert 0,000 als Koeffizient an. Dies bedeutet, dass die drei vorgenannten Variablen keinen oder den geringsten Erklärungsbeitrag im Vergleich der anderen in die Regres- sion eingehende Größen für die Vorhersage der Spitzenmiete haben. Die Vor- hersagen liefern nach den vorgenannten Analyseschritten zwar ein hohes korri- giertes R² (0,743 bis 0,921) und einen Signifikanzwert von 0,000. Allerdings liefern die grafischen Tests und die ex post Analyse sehr schlechte Ergebnisse. Die Länge des Vorhersagezeitraumes ergibt sich aus der Datenlage der in die Regression eingehenden Variablen. Der Beginn des Vorhersageintervalls, 4. Quartal 1995, zeigt, dass die Variablen Durchschnittsmiete und Neuanfragen nicht in die Regressionsschätzungen mit eingehen, da diese erst ab dem ersten Quartal 1998 vorliegen. 3 Lösungsansätze und ökonomisches Modell 404 Das Ende des Vorhersageintervalls, 4. Quartal 2004, zeigt, dass das BIP und die Daten zu den SVP- Beschäftigten, den Erwerbstätigen sowie den Einwoh- nern aufgrund deren Zeitreihenlänge nicht als erklärende Variablen dienen. Die Ergebnisse der Vorhersagen entsprechen auch nicht der Hypothese, dass die Büroflächen von den Beschäftigten, dem Wachstum und der bestehenden Bürofläche beeinflusst werden. Die Ergebnisse werden deshalb verworfen. b) Vorhersagen für den Zeitraum 4.Quartal 1995 bis 4.Quartal 2002 Bei den Berechnungen PRE - 6 bis PRE - 8 wurde angenommen, dass nur die folgenden Variablen: - SVP- Beschäftigte - Daten der Baustatistik wie Baugenehmigung, Fertiggestellte und Abgang von Flächen - Leerstand - BIP/4 - minimale bzw. maximale Spitzenrendite die Spitzenmiete vorhersagen. Die Vorhersagen weisen ein relatives hohes, korrigiertes R² (0,735 - 0,767), einen guten Signifikanzwert von 0,000, aber auch einen hohen Standardfehler des Schätzers (0,833-0,887) im Vergleich zu der realisierten Spitzenmiete von 20,5 €/ m² Monat des zweiten Quartals 2005. Die drei grafischen Tests schnitten sehr schlecht ab. Aus der Länge sowie am Beginn und Ende des Vorhersageintervalls ist neben den dargestellten Ergeb- nissen in der Tabelle (s. Anhang C) ersichtlich, dass das BIP einen Erklärungs- beitrag im Gegensatz zu den Variablen Durchschnittsmiete und Neuanfragen liefert, wenn auch marginal. 3 Lösungsansätze und ökonomisches Modell 405 Neben den statistischen Bedenken sprechen auch sachliche Gründe gegen die Hypothese. So wurden beispielsweise die Neuanfragen bei diesen Prognosebe- rechnungen der Spitzenmiete außer Acht gelassen. Dies kann nicht sein, da die Nachfrage nach Bürofläche offensichtlich Einfluss auf die Miete und somit auch auf die Spitzenmiete hat. Die Ergebnisse werden verworfen. c) Vorhersagen für den Zeitraum 1.Quartal 1998 bis 2.Quartal 2005 Bei den Regressionsberechnungen PRE - 17 bis PRE - 20 wurde im Vergleich zu den vorgenannten Berechnungen ein sehr niedriges korrigiertes R² erzielt. Auch die ergänzenden Indizien zur Güteeigenschaft einer Regression wie Standardfehler des Schätzers (1,269 - 1,394!) und die grafischen Test fielen extrem schlecht aus. Bei diesen Berechnungen wurde untersucht, ob es mög- lich ist die Spitzenmiete ohne makroökonomische, beschäftigungs- und bevöl- kerungsspezifische, und bis auf die Baugenehmigungen, auch ohne baustatisti- sche Variable zu erklären. Dies schlug leider aus v.g. Gründen fehl. Den größ- ten Erklärungsanteil unter diesen Bedingungen hatten der Leerstand und die Rentabilitätsgrößen minimale bzw. maximale Spitzenrendite. Anhand des Q-Q- Plots ist ein leicht quadratischer Zusammenhang zu erkennen. Die Hypothese wird deshalb verworfen. d) Vorhersagen für die Zeiträume 1.Quartal 1998 bis 4.Quartal 2002 sowie 1.Quartal 1998 bis 4.Quartal 2004 Die aus der Tabelle „Zusammenfassung: Regression der Spitzenmiete - A+ B (nach Vorhersageintervallen sortiert)“ aufgelisteten Regressionen haben relativ hohe Bestimmtheitsmaße (0,699-0,942), einen guten Signifikanzwert, jedoch liefern sie ein sehr schlechtes Ergebnis in der ex post Betrachtung, obwohl die ersten beiden grafischen Tests, Histogramm und Normalverteilungsplot, im Großen und Ganzen zufrieden stellend waren. 3 Lösungsansätze und ökonomisches Modell 406 Bei den Regressionsrechnungen PRE - 10a und PRE - 11a sollten fast alle zur Verfügung stehenden Variablen (Bürobeschäftigte Quote 0,3) durch die Wahl des Verfahrens, „Einschluss“ - oder „Rückwärts“ - Verfahren, berücksichtigt werden und einfließen. Die Ergebnisse sind ebenfalls sehr schlecht. Bei beiden wird das BIP ausgeschlossen und, wie zuvor, haben die Spitzenrendite und der Leerstand, den größten Erklärungsbeitrag. Beim Leerstand liegt, wie bei allen zuvor beschriebenen und durchgeführten Rechnungen, eine negative Korrelati- on zur Spitzenmiete (je mehr Spitzenmiete, desto weniger Leerstand) vor und hinsichtlich der Spitzenrendite besteht ein positiver Zusammenhang (je mehr Spitzenmiete, desto mehr Rendite). Diese Teilergebnisse sind offensichtlich richtig. Daneben ist festzuhalten, dass bei allen, wenn auch hauptsächlich aufgrund der sehr schlechten Ergebnisse der wichtigen ex post Betrachtung ausgeschiede- nen Regressionen, die Bürobeschäftigten, unabhängig von der Wahl der Me- thode zur Bestimmung derer, keine oder nur einen sehr geringen Anteil an der Regressionsgeradengleichung besitzen. In allen Berechnungen zeigt sich nun erstaunlicherweise, dass die Bürobe- schäftigten als Wirkungsparameter bedeutungslos bleiben. Die Bürobeschäftigten korrelieren weitgehend mit: - dem Bestand an genutzter Bürofläche und - dem Bruttoinlandsprodukt. Es fehlt also der Parameter: Bürofläche pro Bürobeschäftigten und dessen Trend.757 Die v.g. Korrelationen werden zum einen anhand der folgenden Abbildung des Kurvenverlaufs der Bürobeschäftigten und des BIP und zum anderen durch eine Korrelationsanalyse mit SPSS deutlich. 757 vgl. Kapitel 3.4.2.1 Datengrundlagen 3 Lösungsansätze und ökonomisches Modell 407 Bei der Korrelationsanalyse wurde der „Pearson“ Korrelationskoeffizient und, wenn nichtparametrische Korrelationen vorliegen, auch die Korrelationskoeffi- zienten „Kendall Tau-b“ und „Spearmans“ ermittelt. Liegen diese zwischen 0,6 bis 0,8 liegt eine starke und bei 0,8 bis unter 1 eine sehr starke Korrelation vor. Abb. 3.4.3.4 - 1: Das BIP und die Bürobeschäftigten gem. Holthaus von 1995 bis 2002 BIP nach Marktpreisen genutzter Bestand Korrelation nach Pearson 1 ,939(**) Signifikanz (2-seitig) ,001 BIP nach Marktpreisen N 23 8 Korrelation nach Pearson ,939(**) 1 Signifikanz (2-seitig) ,001 genutzter Bestand N 8 8 ** Die Korrelation ist auf dem Niveau von 0,01 (2-seitig) signifikant. Abb. 3.4.3.4 - 2: Der Pearson Korrelationskoeffizient 3 Lösungsansätze und ökonomisches Modell 408 Der Pearson Korrelationskoeffizienten bei dem Zusammenhang zwischen BIP und den Bürobeschäftigten gemäß Holthaus für den Zeitraum von 1995 bis 2002 beträgt 0,9 („Kendall Tau-b“= 0,750 und „Spearmans = 0,865), zwischen BIP und den Bürobeschäftigten gemäß Dobberstein 0,868 („Kendall Tau-b“= 0,700 und „Spearmans = 0,818) und zwischen den Bürobeschäftigten gemäß Holthaus oder Dobberstein und dem genutzten Büroflächenbestand 0,870 („Kendall Tau-b“= 0,929 und „Spearmans = 0,976). Die Korrelation zwischen den Größen BIP, Bürobeschäftigte gemäß Holthaus oder Dobberstein und der genutzten Bürofläche ist stark und zum Teil sogar sehr stark. Eine perfekte Korrelation (1) liegt nicht vor. Gruppe 2 - In Frage kommende Vorhersagen bzgl. der Spitzenmiete Die Gruppe 2 beinhaltet die Regressionsrechnungen, welche nach der Betrach- tung des korrigierten R², der Signifikanzgröße (kleiner gleich 0) sowie der Un- tersuchung der Histogramme und des Q-Q-Plots positive Ergebnisse lieferten und für eine ex post Betrachtung in Frage kommen. Eine Ausnahme bildete die Vorhersage PRE - 8a, da sie bei den beiden grafischen Tests durchgefallen ist. Sie kristallisierte sich aber neben der Vorhersage PRE - 14 und PRE - 21a als eine der Vorhersagen bei der ex post Betrachtung heraus, die den Verlauf der Spitzenmiete gut beschreiben kann. Generell fiel bei der ex post Betrachtung auf, also bei dem Vergleich der Vor- hersage mit den tatsächlich realisierten Werten der Spitzenmiete, dass diese den gleichen Verlauf wie die Vorhersage PRE - 21a hat. Bei der weiteren Un- tersuchung der einzelnen Werte der beiden Vorhersagen wurde festgestellt, dass diese nahezu identisch sind, erst hinter der dreizehnten Stelle nach dem Komma ergaben sich marginale Unterschiede. Auch die Gruppe der in Frage kommenden Regression zur Vorhersage der Spitzenmiete wird nach den Vorhersageintervallen diskutiert. Alle Regressionen 3 Lösungsansätze und ökonomisches Modell 409 dieser Gruppe werden mit dem Verfahren „Einschluss“ bearbeitet. Zuerst wurde bei den Regressionsrechnungen zur Vorhersage der Spitzenmiete das „Rück- wärts“ - Verfahren angewendet, um herauszufiltern, welche Variablen einen großen Erklärungsbeitrag liefern und welche Variablen nur begrenzt zur Erklä- rung beitragen. a) Vorhersagen für den Zeitraum 1.Quartal 1998 bis 4.Quartal 2002 Aufgrund des Vorhersageintervalls kann neben der Tabelle „Zusammenfas- sung: Regression der Spitzenmiete - A + B (nach Vorhersageintervallen sor- tiert)“ auf einen Teil der eingehenden bzw. nicht in die Regressionsschätzungen eingehenden Variablen geschlossen werden. Die Variable BIP/4 fließt in alle Regressionsgleichungen ein und hat bis auf die Vorhersage PRE - 14, welche eine positive Korrelation zur Spitzenmiete auf- weist, eine negative Korrelation. Das bedeutet, je höher die Spitzenmiete ist, desto niedriger ist das Bruttoinlandsprodukt und umgekehrt. Diese Aussage ist offensichtlich falsch, denn das BIP ist der zentrale Konjunkturindikator und wirkt konsequent auf die Spitzenmiete. Zumindest eine der drei Größen SVP-Beschäftigte, Erwerbstätige oder Einwoh- ner müssen in die Regressionen eingehen, da die Vorhersagen im vierten Quartal neben den Datenreihen der drei vorgenannten Größen ebenfalls enden. Die Grafiken der Vorhersagen PRE - 2, PRE - 4, PRE - 9 und PRE - 12 vergli- chen mit der realisierten Spitzenmiete sind vom Verlauf denen aus den Vorher- sagen PRE - 8a, PRE - 14 und PRE - 21a sehr ähnlich. Die Ursache liegt darin begründet, dass die Variablen SVP-Beschäftigte und Erwerbstätige nicht berücksichtigt werden. Dieser Sachverhalt trifft auch auf die Vorhersage PRE - 23 zu, aber der Verlauf der Vorhersage ist unterschiedlich zu den Vorhersagen PRE - 2, PRE - 4, PRE - 9, PRE - 8a, PRE - 14 und PRE - 21a. 3 Lösungsansätze und ökonomisches Modell 410 Die einzige Vorhersage, die die Spitzenmiete für den Zeitraum 1.Quartal 1998 bis 4. Quartal 2002 sehr gut und mit der geringsten Anzahl an Variablen vorher- sagt, ist die Vorhersage PRE - 14. Die Geradengleichung der Vorhersage PRE - 14 lautet: Spitzenmiete = - 246,512 - 0,532 Arbeitslosenquote + 0,001 Einwohner + 2,746 x 10-6 Baugenehmigung - 1,294 x 10-5 Fertiggestellte Flächen - 9,846 x 10-6 Leerstand + 0,003 BIP + 1,908 minimale Spitzenrendite + 6,998 maximale Spitzenrendite Es ist ersichtlich, dass diese acht Variablen die Spitzenmiete erklären. Betrachtet man den Verlauf der Vorhersage PRE - 14 und vergleicht sie mit der tatsächlich realisierten Spitzenmiete, so erkennt man die gute Qualität der Vor- hersage. In dem Zeitraum 1. Quartal 1998 bis 3. Quartal 2000 weicht die Vor- hersage leicht nach oben bzw. unten ab. Da die Spitzenmiete in dem Zeitraum vom 1. Quartal 1998 bis 3. Quartal 2000 mit 21,47 €/ m² Monat über lange Zeit konstant geblieben ist und auch in den späteren Zeiträumen mindestens über drei Quartale konstant bleibt, ist es gene- rell schwierig, eine Vorhersagefunktion aus Variablen mit sehr differierenden, oszillierenden Datenreihen abzubilden. 3 Lösungsansätze und ökonomisches Modell 411 Regression der Spitzenmiete 21 22 23 24 25 26 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 [€/ m² M on at ] Vorhersage Spitzenmiete_neu_PRE_14 Spitzenmiete Abb. 3.4.3.4 - 3: Die Ergebnisse der Vorhersage PRE - 14 - Spitzenmiete Das Modell PRE - 16a kommt mit der geringsten Zahl an Variablen aus. Es ver- zichtet auf die Variable Einwohner, was logischer erscheint als bei der PRE - 14, da die Zahl der Einwohner nur bedingt auf die Spitzenmiete wirken kann. Allerdings ist die Kongruenz der Vorhersage PRE - 16a nicht so nahe bei der Linie der tatsächlichen Werte wie das Vorhersagemodell PRE - 14. Die Vorhersage mit den geringsten Abweichungen nach oben und unten zu den realen Werten ist also die Vorhersage PRE - 21a, die die gleichen Variablen wie eine der besten Vorhersagen, PRE - 1 Durchschnittsmiete, bei der Auswertung der Regressionen zur Vorhersage der gewichteten Durchschnittsmiete hat. 3 Lösungsansätze und ökonomisches Modell 412 Regression der Spitzenmiete 21 22 23 24 25 26 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 [€/ m² M on at ] Vorhersage Spitzenmiete - PRE_21a Spitzenmiete Abb. 3.4.3.4 - 4: Die Ergebnisse der Vorhersage PRE - 21a - Spitzenmiete Allerdings wird die Spitzenmiete durch Einbezug von 13 Variablen erklärt. Es gehen dort fast alle zur Verfügung stehenden Variablen bis auf die SVP- Be- schäftigten, der Abgang von Büroflächen und die Bürobeschäftigten ein. Die Geradengleichung der Vorhersage PRE - 21a lautet: Spitzenmiete = 122,536 - 0,001 Erwerbstätige - 0,887 Arbeitslosenquote + 1,540 x 10-6 Einwohner - 4,539 x 10-6 Baugenehmigung - 7,229 x 10-5 Fertiggestellte Flächen - 9,484 x 10-6 Leerstand + 0,010 BIP + 0,161 gew. Durchschnittsmiete + 1,347 minimale Spitzenrendite + 8,069 maximale Spitzenrendite - 3,213 x 10-6 Flächenumsatz - 1,240 x 10-5 Neuanfragen - 8,437 x 10-6 Büroflächenbestand 3 Lösungsansätze und ökonomisches Modell 413 b) Vorhersagen für den Zeitraum 1.Quartal 1998 bis 4.Quartal 2004 Bei den Ermittlungen der Regressionsschätzungen mit dem Vorhersageintervall für den Zeitraum 1.Quartal 1998 bis 4.Quartal 2004 wurden unterschiedliche Varianten der Variableneinflussnahme ausprobiert. Die Grafiken der Vorhersa- gen ähneln sich stark und zeigen auch eine gute Qualität der Vorhersagen. Die beste Vorhersage mit dem Vorhersageintervall für den Zeitraum 1.Quartal 1998 bis 4.Quartal 2004 ist die Vorhersage 12a. Allerdings ist das korrigierte (0,736) R² kleiner und der Standardfehler des Schätzers (0,77495) höher als bei den favorisierten Vorhersagen PRE - 14 (0,898 und 0,511177) und PRE - 21a (0,880 und 0,55462). Zusammenfassend ist festzuhalten, dass die Vorhersage PRE - 14 und die Vorhersage PRE - 21a die Spitzenmiete am besten erklären. Der wichtigste Unterschied neben der Höhe des korrigierten R² und des Standardfehlers sowie der grafische Verlauf der beiden ist die Anzahl der in sie eingegangenen Vari- ablen. Bei der Vorhersage zur gewichteten Durchschnittsmiete und des Flächenum- satzes wird auf die Vorhersagen PRE - 14 und PRE - 21a und deren in sie ein- fließenden Variablen zurückgegriffen. Es wird untersucht und auch konstatiert, dass die gleichen Variablen am besten die Spitzenmiete, die gewichtete Durch- schnittsmiete und den Flächenumsatz abbilden. Die Werte des UCI und LCI der beiden Vorhersagen geben Aufschluss darüber, welche Streuung vorliegt. Sie wird im Kapitel 3.4.3.8, bei der Value at Risk- Be- rechnung auf der Ertragsseite aufgrund der Prognosefunktion berücksichtigt. Dies wird in der folgenden Tabelle verdeutlicht: 3 Lösungsansätze und ökonomisches Modell 414 Abb. 3.4.3.4 - 5: Der Regressionsvergleich zwischen PRE - 21a und PRE - 14 - Spitzenmiete Die Streuung für die VaR- Berechnung kann aus dem Ausgabeprotokoll in Form der Streuung der nichtstandardisierten Residuen abgelesen werden. Im Fol- genden wird die Standardabweichung für die im Kapitel 3.4.3.8 durchzuführen- de Risikoberechnung anhand der beiden Auszüge der Regressionsausgabepro- tokolle visualisiert. Abb. 3.4.3.4 - 6: Die Residuenstatistik der Vorhersage PRE - 14 - Spitzenmiete Quartal + Jahr PRE_21a RES_21a LMCI_21a UMCI_21a LICI_21a UICI_21a PRE_14 RES_14 LMCI_14 UMCI_14 LICI_14 UICI_14 Sp itz en m ie te g em äß JL L Vo rh er sa ge Sp itz en m ie te - PR E_ 21 a Fe hl er V o rh er sa ge Sp itz en m ie te - PR E_ 21 a 95 % L C I f or Sp itz en m ie te - PR E_ 21 a [€/ m ² M on at ] m ea n 95 % U C I f or Sp itz en m ie te - PR E_ 21 a [€/ m ² M on at ] m ea n 95 % L C I f or Sp itz en m ie te - PR E_ 21 a [€/ m ² M on at ] in div idu al 95 % U C I f or Sp itz en m ie te - PR E_ 21 a [€/ m ² M on at ] in div idu al Vo rh er sa ge Sp itz en m ie te - PR E_ 14 Fe hl er V o rh er sa ge Sp itz en m ie te - PR E_ 14 95 % L C I f or Sp itz en m ie te - PR E_ 14 [€/ m ² M on at ] m ea n 95 % U C I f or Sp itz en m ie te - PR E_ 14 [€/ m ² M on at ] m ea n 95 % L C I f or Sp itz en m ie te - PR E_ 14 [€/ m ² M on at ] in div idu al 95 % U C I f or Sp itz en m ie te - PR E_ 14 [€/ m ² M on at ] in div idu al 1Q.1998 21,47 21,13 0,34 19,67 22,59 19,01 23,25 21,10 0,37 20,16 22,03 19,59 22,60 2Q.1998 21,47 21,53 -0,06 20,00 23,05 19,36 23,70 21,41 0,06 20,51 22,30 19,93 22,88 3Q.1998 21,47 21,80 -0,33 20,71 22,90 19,91 23,69 21,70 -0,23 20,93 22,48 20,29 23,12 4Q.1998 21,47 21,42 0,05 20,22 22,62 19,47 23,37 21,72 -0,25 21,02 22,43 20,35 23,10 1Q.1999 21,47 21,02 0,45 19,75 22,29 19,03 23,01 21,10 0,37 20,27 21,93 19,66 22,54 2Q.1999 21,47 21,38 0,09 19,97 22,78 19,29 23,46 21,37 0,10 20,75 21,99 20,03 22,70 3Q.1999 21,47 22,05 -0,58 20,83 23,26 20,09 24,01 22,16 -0,69 21,43 22,89 20,78 23,55 4Q.1999 21,47 21,44 0,03 20,04 22,83 19,36 23,51 21,24 0,23 20,28 22,21 19,72 22,77 1Q.2000 21,47 21,78 -0,31 20,31 23,24 19,65 23,90 21,86 -0,39 20,75 22,97 20,24 23,48 2Q.2000 21,47 21,50 -0,03 20,08 22,92 19,40 23,60 21,07 0,40 20,19 21,96 19,60 22,55 3Q.2000 21,47 21,25 0,22 20,02 22,47 19,28 23,22 21,20 0,27 20,37 22,03 19,76 22,64 4Q.2000 22,5 22,39 0,11 20,96 23,81 20,29 24,48 22,62 -0,12 21,63 23,61 21,08 24,16 1Q.2001 22,5 22,49 0,01 20,99 23,99 20,34 24,64 22,75 -0,25 21,79 23,70 21,23 24,26 2Q.2001 22,5 22,82 -0,32 21,44 24,19 20,75 24,88 22,80 -0,30 21,88 23,73 21,30 24,30 3Q.2001 25,56 25,25 0,31 23,79 26,72 23,13 27,38 25,13 0,43 24,02 26,24 23,51 26,75 4Q.2001 25,56 25,56 0,00 24,02 27,10 23,38 27,74 25,74 -0,18 24,68 26,81 24,15 27,33 1Q.2002 25,5 25,27 0,23 24,02 26,51 23,28 27,25 25,02 0,48 24,17 25,87 23,56 26,47 2Q.2002 25,5 25,67 -0,17 24,53 26,80 23,75 27,58 25,39 0,11 24,68 26,10 24,02 26,77 3Q.2002 23 22,94 0,06 21,41 24,47 20,77 25,11 23,36 -0,36 22,36 24,36 21,82 24,91 4Q.2002 23 23,13 -0,13 21,61 24,65 20,96 25,29 23,05 -0,05 21,90 24,19 21,41 24,69 3 Lösungsansätze und ökonomisches Modell 415 Es gibt zwei Ablesemöglichkeiten in den Protokollen, zum einen anhand der Residuenstatistiktabelle (vgl. Abb. 3.4.3.4 - 6) und zum anderen anhand der Histogramme (vgl. Abb. 3.4.3.4 - 7). Abb. 3.4.3.4 - 7: Das Histogramm der Vorhersage PRE - 21a - Spitzenmiete 3 Lösungsansätze und ökonomisches Modell 416 3.4.3.5 Die Regression zur Vorhersage der gewichteten Durchschnittsmiete Es wurden, wie auch bei der Regression zur Vorhersage der Spitzenmiete (vgl. Kapitel 3.4.3.4), viele Regressionsrechnungen zur Vorhersage der gewichteten Durchschnittsmiete durchgeführt, um durch die Variation der Parameter und des Verfahrens die am besten geeignete Geradengleichung zur Prognose der Durchschnittsmiete zu bestimmen. Die Vorgehensweise zur Gütebeurteilung der Regressionen ist gleich denen der in Abschnitt 3.4.3.4 dargestellten fünf Schritte, nämlich: 6) Kontrolle des R² bzw. des korrigierten R² 7) Betrachtung des Standardfehlers des Schätzers 8) Berücksichtigung der Größe der Signifikanz 9) Prüfung der Residuen anhand des Histogramms und des Q-Q- Plots 10) Abbildung der Regressionsergebnisse sowie der Vergleich der Vorhersage mit den tatsächlichen Werten der Spitzenmiete (ex post Betrachtung/ backtesting). Des Weiteren werden die gleichen Parameter wie im vorherigen Abschnitt und anstelle der gewichteten Durchschnittsmiete zusätzlich die Zahlenreihe der Spitzenmiete vom 4. Quartal 1995 bis einschließlich des 2. Quartals 2005 für die Regressionsanalysen zur gewichteten Durchschnittsmiete herangezogen. Im Vergleich zum vorherigen Abschnitt sollen hier nicht alle durchgeführten Regressionsrechnungen, deren Ergebnisse und die Überlegungen der Einzel- schritte dargestellt werden, sondern nur die, die nach der Gütebeurteilung nach den oben fünf aufgeführten Schritten, sinnvolle Ergebnisse liefern. Die Regres- sionsergebnisse werden in zwei Gruppen nach den Vorhersageintervallen sor- tiert: 1) Vorhersage für 1.Quartal 1998 bis einschließlich 4. Quartal 2004 2) Vorhersage für 1.Quartal 1998 bis einschließlich 4. Quartal 2002 3 Lösungsansätze und ökonomisches Modell 417 Im Anhang E5 „Schlusszusammenfassung: Regression der gewichteten Durch- schnittsmiete mit Grafiken“ sind die Regressionsergebnisse tabellarisch zu- sammen mit den Histogrammen und den Q-Q-Plots sowie der ex-post Betrach- tung dargestellt.758 Vorhersage für 1.Quartal 1998 bis einschließlich 4. Quartal 2004 Es wurden zu Beginn der Untersuchung alle der Verfasserin zur Verfügung ste- henden quartalsmäßigen Zeitreihen der Parameter mit dem Verfahren „Ein- schluss“ einbezogen (vgl. PRE - 1 im Anhang E5). Es wurden die Bürobeschäftigten gemäß der Methode nach Dobberstein in die Analyse integriert, die aber aufgrund des nicht akzeptablen Signifikanzwertes ausgeschlossen wurden. Ein Grund hierfür war das sehr positive Ergebnis der Vorhersage PRE - 21a der Spitzenmiete, bei dem ebenfalls alle Parameter mit „Einschluss“- Verfahren berücksichtigt wurden. Aufgrund des Vorhersagehorizontes der Vorhersage PRE - 1 zur gewichteten Durchschnittsmiete, 1.Quartal 1998 bis einschließlich 4. Quartal 2004, wird die- ses Ergebnis im folgenden Abschnitt „Vorhersage für 1.Quartal 1998 bis ein- schließlich 4. Quartal 2004“ detailliert beschrieben. Neben der Berücksichtigung aller Parameter durch das „Einschluss“- Verfahren wurden ebenfalls diese mit dem Verfahren „Rückwärts“, wie im vorherigen Ab- schnitt beschrieben wurde, untersucht, da bei diesem Verfahren schrittweise die Wahrscheinlichkeit für den Erklärungsbeitrag eines Faktors für die abhängige Variable, hier die gewichtete Durchschnittsmiete, geprüft und bei einer zu ge- ringen Wahrscheinlichkeit dieser Parameter aus dem Regressionsmodell ent- fernt wird. 758 Die Reihenfolge der Vorhersagen im Anhang E5 wurde absteigend nach der besten Güte der Vorher- sage sortiert. Das bedeutet, da die Schlusszusammenfassung in E 5 mit PRE - 12 und PRE - 1 beginnt, dass diese die besten Modellgleichungen zur Vorhersage der gewichteten Durchschnittsmiete nach Auffassung der Verfasserin sind. 3 Lösungsansätze und ökonomisches Modell 418 Das Ergebnis dieser Überlegung bildet die Vorhersage PRE - 2. Bei der Be- trachtung der Zusammenstellung der Regressionsberechnungen zur Vorhersa- ge der gewichteten Durchschnittsmiete im Anhang E5 fällt auf, dass die Vorher- sagen PRE - 2 und PRE - 6 die gleiche Geradengleichung und somit auch die gleichen Werte wie korrigiertes R², Standardfehler des Schätzers und Signifi- kanz liefern. Im Gegensatz zu PRE - 2 wurde bei PRE - 6 der Zuwachs des Büroflächenbe- standes in Prozent anstelle des absoluten Büroflächenbestandes berücksichtigt. Die tabellarisch dargestellten, statistischen Ergebnisse von PRE - 2 bzw. PRE - 6 sind die besten aller zur Vorhersage der gewichteten Durchschnittsmie- te durchgeführten Regressionsanalysen. Das korrigierte R² ist mit dem Wert 0,304 am höchsten und die Werte der Signi- fikanz mit 0,089 sowie der Standardfehler des Schätzers mit 0,46745 am nied- rigsten. Zum Anderen liefern diese Vorhersagen bei den grafischen Tests, der Betrachtung des Histogramms und des Q-Q-Plots, schlechte Resultate. Bei dem Vergleich der realisierten Durchschnittsmiete mit der Vorhersage ist zu konstatieren, dass ab dem 3. Quartal 1998 bis einschließlich dem 4. Quartal 2002 die Vorhersage sich gut dem Verlauf der realisierten Durchschnittsmiete annähert. Die Tendenz des Vorhersageverlaufes ist in dem Zeitraum 1.Quartal 1998 bis 3. Quartal 1998 gleich der realisierten Durchschnittsmiete. Allerdings sind die Wertabweichungen mit minus 0,86 und plus 0,88 €/ m² Monat sehr hoch. Ab dem 4. Quartal 2002 weicht die Vorhersage sehr stark von der Reali- tät ab (von minus 1,95 bis 5,13 €/ m² Monat). Es kann nicht aufgrund fehlender Werte in den Zeitreihen eines Parameters erklärt werden, dass die Vorhersagegleichung von PRE - 2 und somit auch von PRE - 6 trotz der guten statistischen Werte nicht für eine Prognose verwendet werden kann. 3 Lösungsansätze und ökonomisches Modell 419 In die Geradengleichung, die aus den Regressionsrechnungen PRE - 2 sowie PRE - 6 resultieren fließen die folgenden Parameter mit den jeweiligen Koeffi- zienten:759 - Arbeitslosenquote (-0,560), - Baugenehmigung (9,607 x 10-6), - Minimale Spitzenrendite (-3,705), - Maximale Spitzenrendite (5,898), - Neuanfragen (1,675 x 10-5) und eine Konstante in Höhe von 85,212 ein. Wie bei den Ausführungen des Wirkungsmodells erläutert worden ist, sind nur die oben aufgeführten Parameter der Vorhersage PRE - 2 und in dieser Zu- sammensetzung nicht geeignet, um eine Prognose der gewichteten Durch- schnittsmiete zu erstellen. Es wurden neben der Berechnung von PRE - 2 verschiedene Regressionsun- tersuchungen durchgeführt, bei denen die Wahl des Bürobeschäftigtenansatzes variiert, aber auch nur eine der Beschäftigungsgrößen aus SVP-Beschäftigten, Erwerbstätigen oder Bürobeschäftigten integriert wurde. Diese führten leider zu keinem verwertbaren Resultat. Bei der Betrachtung der einzelnen Modelle der Regressionsrechnung PRE - 2 zur Vorhersage der gewichteten Durchschnittsmiete anhand der Modellzusam- menfassung (vgl. Abb. 3.4.3.5 - 1) stechen die relativ hohen Werte des korri- gierten R² zwischen 0,542 bis 0,589 bei den Modellen 4 bis 6 ins Auge, so dass die weiteren Vorhersageberechnungen mithilfe des Regressionsverfahrens „Einschluss“ mit den Parameterkonstituierungen der Modelle 4 bis 6 detaillierter analysiert werden. 759 Die Koeffizienten werden in Klammern hinter dem entsprechenden Parameter abgebildet. 3 Lösungsansätze und ökonomisches Modell 420 Die Vorhersage PRE - 3 entspricht dem Modell 4, die Vorhersage PRE - 4 dem Modell 5 und die Vorhersage PRE - 5 dem Modell 6 der Vorhersage PRE - 2.760 Bei der Regressionsberechnung PRE - 3 wurden folgende Parameter einge- setzt: - SVP- Beschäftigte, - Erwerbstätige, - Arbeitslosenquote, - Einwohner, - Baugenehmigung, - Fertiggestellte Flächen, - Abgang/ Abriss, - Leerstand, - Spitzenmiete, - Minimale und maximale Spitzenrendite sowie - Neuanfragen. Bei der Vorhersageberechnung PRE - 4 wurde der Parameter „Fertiggestellte Flächen“ im Vergleich zu PRE - 3 sowie bei PRE - 5 zusätzlich zu PRE - 4 der Parameter „Spitzenmiete“ entfernt. 760 vgl. Fußnote zur Abbildung 3.4.3.5 - 1: Anmerkungen der Buchstaben d-f 3 Lösungsansätze und ökonomisches Modell 421 Modell R R-Quadrat Korrigiertes R- Quadrat Standard- fehler des Schätzers 1 ,913(a) ,834 ,213 ,49720 2 ,913(b) ,834 ,370 ,44477 3 ,912(c) ,832 ,467 ,40904 4 ,912(d) ,831 ,542 ,37936 5 ,909(e) ,827 ,589 ,35947 6 ,892(f) ,796 ,570 ,36735 7 ,858(g) ,736 ,499 ,39681 8 ,817(h) ,667 ,426 ,42475 9 ,773(i) ,598 ,364 ,44704 10 ,724(j) ,524 ,304 ,46745 Abb. 3.4.3.5 - 1: Die Modellzusammenfassung761 der Regressionsrechnung PRE- 2 Die tabellarischen Ergebnisse und die beiden grafischen Tests der Vorhersagen PRE - 3 bis PRE - 5 sowie die ex post Betrachtungen dieser Vorhersagen sind im Anhang E5 abgebildet. Die statistischen Werte (korrigiertes R², Standardfeh- ler des Schätzers, Signifikanz) und die Schlussfolgerungen aus den Histogrammen sowie der Q-Q-Plots sind nicht befriedigend. 761 Die folgenden Abkürzungen stehen für die eingehenden Parameter der Modellzusammenfassung: d Einflußvariablen : (Konstante), Spitzenrendite (max) in %, Fertiggestellte Flächen absolut, Spitzen- rendite (min) in %, Baugenehmigung, Abriss in qm, Büroflächenleerstand inkl. UMF in qm, Neuanfra- gen in qm, Einwohner Düsseldorf, Arbeitslosenquote im Stadtgebiet Düsseldorf, Spitzenmiete in EUR/qm/Monat, Erwerbstätige am Arbeitsort, Sozialversicherungspflichtige Beschäftigte e Einflußvariablen : (Konstante), Spitzenrendite (max) in %, Spitzenrendite (min) in %, Baugenehmi- gung, Abriss in qm, Büroflächenleerstand inkl. UMF in qm, Neuanfragen in qm, Einwohner Düssel- dorf, Arbeitslosenquote im Stadtgebiet Düsseldorf, Spitzenmiete in EUR/qm/Monat, Erwerbstätige am Arbeitsort, Sozialversicherungspflichtige Beschäftigte f Einflußvariablen : (Konstante), Spitzenrendite (max) in %, Spitzenrendite (min) in %, Baugenehmi- gung, Abriss in qm, Büroflächenleerstand inkl. UMF in qm, Neuanfragen in qm, Einwohner Düssel- dorf, Arbeitslosenquote im Stadtgebiet Düsseldorf, Erwerbstätige am Arbeitsort, Sozialversicherungs- pflichtige Beschäftigte j Einflußvariablen : (Konstante), Spitzenrendite (max) in %, Spitzenrendite (min) in %, Baugenehmi- gung, Neuanfragen in qm, Arbeitslosenquote im Stadtgebiet Düsseldorf, Sozialversicherungspflichti- ge Beschäftigte k Abhängige Variable: Gew. Durchschnittsmiete in EUR/qm/Monat = y2 3 Lösungsansätze und ökonomisches Modell 422 Die Vorhersageverläufe der ex post Betrachtung von den Vorhersagen PRE - 3 bis PRE - 5 ähneln sich stark und unterscheiden sich nur minimal in der Stärke der Abweichung zu der realisierten, gewichteten Durchschnittsmiete. Ein ähnli- cher Kurvenverlauf der Vorhersagen PRE - 3 bis PRE - 5 und der Verlauf der realisierten, gewichteten Durchschnittsmiete ist zu erkennen. Allerdings ist zu den Zeitpunkten 3. Quartal 1999, 1. Quartal 2001, 2. Quartal 2003 und 1. Quar- tal 2004 eine zu den realisierten Werten der Durchschnittsmiete gegenläufige Bewegung zu erkennen. Werden aber die Zusammensetzungen der in die Regressionsberechnungen eingehenden Parameter kritisch hinterfragt, fällt auf, dass bei allen drei Vorher- sagefunktionen das BIP nicht eingeht. Dieser Umstand ist aber eher unwahr- scheinlich, wie im vorherigen Abschnitt anhand der Wirkungsmodelle erläutert wurde. Dagegen haben sowohl die minimale als auch die maximale Spitzen- rendite die höchsten Koeffizientenbeträge der Modellgleichungen. Die Vorhersage PRE - 41 ist fast gleich mit der Vorhersage PRE - 5. Die Diffe- renz der Vorhersagewerte beträgt in der Regel bis auf das 1. Quartal 1998 und 3. Quartal 2003 (Abweichung 0,03 €/ m²Monat) ein oder zwei Cent pro Quad- ratmeter. Dies ist auch nicht weiter erstaunlich, da in beide Vorhersagen die gleichen Parameter mit dem einzigen Unterscheid der Einheit der Leerstandsra- te (bei PRE - 41 [%] und bei PRE - 5 [m²]) einfließen. Vorhersage für 1.Quartal 1998 bis einschließlich 4. Quartal 2002 Ausgehend von den Ergebnissen der Vorhersage und der Suche nach einem sparsameren Modell wurde die Wahl der eingehenden Parameter für PRE - 7 bestimmt. Es wurden die Parameter Erwerbstätige und Einwohner im Vergleich zur Vorhersage PRE - 5 herausgelassen, da sie kausal keinen Einfluss auf die gewichtete Durchschnittsmiete bzw. indirekt über die SVP-Beschäftigten einge- hen. Dagegen wurde aber der Parameter des BIP integriert. 3 Lösungsansätze und ökonomisches Modell 423 Die Integration des BIP und seiner Zeitreihenlänge bewirkt die Vorhersagelänge von PRE - 7 bis 4. Quartal 2002. In die Vorhersage PRE - 7 fließen nur 10 Parameter ein und diese ist, vergli- chen mit den beiden anderen Vorhersagen dieses Vorhersageintervalls (PRE - 1 und PRE - 12), das sparsamste Modell. Die statistischen Werte wie das korrigierte R² mit einer Höhe von 0,299, der Standardfehler des Schätzers mit 0,46914 und die Signifikanz mit 0,193 sind bei PRE - 7 die besten aller Reg- ressionsrechnungen zur Vorhersage der gewichteten Durchschnittsmiete. Bei der ex post Betrachtung762 der Vorhersagefunktion PRE - 7 sind die Abwei- chungen im 1. und 4. Quartal 2001 mit Werten von 0,63 und 0,39 sowie zu Be- ginn des Vorhersagezeitraums, 1. und 2. Quartal 1998 mit 0,61 und 0,67 hoch. Der anfängliche Verlauf der Vorhersage PRE - 7 ist kongruent zur realisierten Durchschnittsmiete. Dagegen bilden die zuerst genannten Abweichungen Aus- reißer. Regression der gewichteten Durchschnittsmiete 11,5 12 12,5 13 13,5 14 14,5 15 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 Vorhersage gew. Durchschnit t smiet e - PRE_7 gewicht et e Durchschnit t smiet e Abb. 3.4.3.5 - 2: Die ex post Betrachtung der Vorhersage PRE - 7 - Durchschnittsmiete 762 vgl. Anhang E5 3 Lösungsansätze und ökonomisches Modell 424 Die Vorhersagefunktion für PRE - 7 lautet: Gew. Durchschnittsmiete = 147,183 - 0,001 SVP- Beschäftigte - 0,725 Arbeitslosenquote + 1,818 10-5 Baugenehmigung - 6,129 10-6 Fertigstellung + 7,463 10-6 Abgang /Abriss - 8,3079 10-7 Leerstand + 0,004 BIP/4 - 0,594 minimale Spitzenrendite + 7,625 maximale Spitzenrendite + 1,535 10-5 Neuanfragen. In der Vorhersagefunktion anhand der Vorzeichen sind die Korrelationen zu der Durchschnittsmiete ersichtlich, zum Beispiel die offensichtlich positive Korrelati- on zwischen Durchschnittsmiete und BIP. Die beiden grafischen Tests, Histogramm und Q-Q-Plot sind gut, wie aus An- hang E5 ersichtlich ist. Die Standardabweichung der nicht standardisierten Re- siduen, die in Kapitel 3.4.3.8 verwendet wird, beträgt 0,32289. 3 Lösungsansätze und ökonomisches Modell 425 -0,75000 -0,50000 -0,25000 0,00000 0,25000 0,50000 0,75000 Unstandardized Residual 0 2 4 6 8 Hä uf ig ke it Mean = -8,1818233E- 15 Std. Dev. = 0,32288561 N = 20 Abb. 3.4.3.5 - 3: Das Histogramm der Vorhersage PRE - 7 - Durchschnittsmiete Eine weitere geeignete Vorhersage ist die PRE - 12. Ihr Verlauf ist sehr ähnlich der Vorhersage PRE - 7. Sie hat an den gleichen Stellen ihre maximalen Ab- weichungen und Ausreißer. Die zahlenmäßigen Abweichungen sind aber gerin- ger als bei PRE - 7. Die statistischen Werte sind schlechter (das korrigierte R² = 0,213, der Standardfehler des Schätzers = 0,497 und die Signifikanz = 0,299). Die Vorhersage PRE - 14 benötigt zusätzlich zu den Parametern von PRE - 7 den Parameter „Einwohner“ und ist somit nicht das sparsamere Modell zur Vor- hersage der Spitzenmiete. Die Standardabweichung von PRE - 12 beträgt 0,32250 (vgl. Abb. 3.4.3.5 - 4). 3 Lösungsansätze und ökonomisches Modell 426 Minimum Maximum Mittelwert Standardab- weichung N Nicht standardisierter vor- hergesagter Wert 12,4872 14,1785 13,2170 ,45831 20 Standardisierter vorherge- sagter Wert -1,592 2,098 ,000 1,000 20 Standardfehler des Vorher- sagewerts ,261 ,481 ,380 ,062 20 Korrigierter Vorhersagewert 10,9720 14,3922 13,1899 ,83686 20 Nicht standardisierte Residuen -,62752 ,66153 ,00000 ,32250 20 Standardisierte Residuen -1,263 1,331 ,000 ,649 20 Studentisierte Residuen -2,079 2,041 ,025 1,087 20 Gelöschtes Residuum -1,70075 2,21795 ,02706 ,96726 20 Studentisierte ausge- schlossene Residuen -2,867 2,758 ,084 1,360 20 Mahalanobis-Abstand 4,294 16,858 10,450 3,600 20 Cook-Distanz ,000 1,355 ,206 ,340 20 Zentrierter Hebelwert ,226 ,887 ,550 ,189 20 Abb. 3.4.3.5 - 4: Die Residuenstatistik der Vorhersage PRE - 12 - Durchschnittsmiete In die Vorhersage PRE - 12 gehen die gleichen Parameter ein wie beiden Vor- hersagen PRE - 14 (Spitzenmiete) und PRE - 19 (Flächenumsatz). Es werden bei allen drei die Parameter: - Spitzenmiete, - Gewichtete Durchschnittsmiete, - Flächenumsatz, - Erwerbstätige sowie - Bürobeschäftigte unabhängig vom Berechnungsansatz herausgelassen. Die beste Vorhersagefunktion zur Bestimmung der gewichteten Durchschnitts- miete nach ihrem Vergleich mit der realisierten Miete bildet PRE - 1. 3 Lösungsansätze und ökonomisches Modell 427 Obwohl die statistischen Werte nicht befriedigend sind, sind die beiden grafi- schen Test, Histogramm und Q-Q-Plot, gut. Der Verlauf der Vorhersagefunktion PRE - 1 ist dem Verlauf der realisierten Durchschnittsmiete am nächsten. Dies ergab ein Vergleich der Fehler in den einzelnen Quartalen. Aufgrund dieser Testergebnisse und der ex post Betrach- tung stellt die PRE - 1 die beste Vorhersagefunktion dar. Regression der gewichteten Durchschnittsmiete 11,5 12 12,5 13 13,5 14 14,5 15 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 [€/ m ² M on at ] Vorhersage gew. Durchschnittsmiete - PRE_1 gewichtete Durchschnittsmiete Abb. 3.4.3.5 - 5: Die ex post Betrachtung der Vorhersage PRE - 1 - Durchschnittsmiete Die maximalen Abweichungen treten in folgenden Quartalen auf und liegen mit Ausnahme des 1. Quartals 1998 (0,50 €/ m² Monat) bei ca. 0,30 €/ m² Monat: - 3. Quartal 1998, - 1. Quartal 1999, - 2. Quartal 2000, - 1. und 2. Quartal 2001. 3 Lösungsansätze und ökonomisches Modell 428 Diese Wertabweichungen sind zwar recht hoch, aber im Vergleich zu den ande- ren, zuvor besprochenen Ergebnissen der Regressionsuntersuchungen durch- aus akzeptabel. Obwohl in die Vorhersagefunktion PRE - 1 alle bis auf die Grö- ße der Bürobeschäftigten einen Erklärungsbeitrag zur Voraussage der gewich- teten Durchschnittsmiete liefern, bildet diese Funktion die Realität nicht sehr gut ab. Die Standardabweichung der Vorhersagefunktion PRE - 1 mit der Höhe von ca. 0,22813 ist der folgenden Abbildung zu entnehmen: -0,60000 -0,40000 -0,20000 0,00000 0,20000 0,40000 Unstandardized Residual 0 1 2 3 4 5 H äu fig ke it Mean = -4,2285619E- 14 Std. Dev. = 0,22812955 N = 20 Abb. 3.4.3.5 - 6: Das Histogramm der Vorhersage PRE - 1 - Durchschnittsmiete Die statistischen Werte wie das korrigierte R² mit 0,213 und der Signifikanzwert von 0,424 sind schlecht. Das korrigierte R² von 0,213 bedeutet, dass zu 21,6% die Durchschnittsmiete mit der Vorhersagefunktion PRE - 1 statistisch erklärt werden kann. Die Signifikanz wurde mit einem Wert von 0,424 ermittelt und scheint im Widerspruch zu dem zuvor festgelegten Signifikanzniveau von 0,05 zu stehen. Ob diese Irrtumswahrscheinlichkeit von 42,4% als hinreichend ge- ring angesehen wird, um die Nullhypothese zurückzuweisen, liegt im Ermessen des Analytikers. 3 Lösungsansätze und ökonomisches Modell 429 Unter der Anwendung der häufig herangezogenen Grenze von 5% als gerade noch akzeptable Irrtumswahrscheinlichkeit würde man in diesem Fall die Null- hypothese eindeutig zurückweisen und käme damit zu dem Schluss, dass die Vorhersage PRE - 1 die gewichtete Durchschnittsmiete nicht ausreichend dar- stellen kann. Lehnt man die Nullhypothese, demzufolge in der Grundgesamtheit kein linearer Zusammenhang zwischen den in die Vorhersagefunktion einge- henden Parameter besteht, ab, so begeht man mit einer Wahrscheinlichkeit von 0,424 bzw. 42,4% einen Irrtum. Der Signifikanzwert wird deshalb auch als Irr- tumswahrscheinlichkeit bezeichnet. Der Signifikanzwert ist die Wahrscheinlichkeit, mit der sich in einer Stichprobe des vorliegenden Umfanges auch dann ein Korrelationskoeffizient ergeben kann, wenn in der Grundgesamtheit tatsächlich kein linearer Zusammenhang zwischen den Variablen existiert. Mit einer geringen Irrtumswahrscheinlichkeit kann die Nullhypothese zurückgewiesen werden. Man kann dann annehmen, dass auch in der Grundgesamtheit ein Zusammenhang zwischen den Variablen vorliegt. Bei einer derart hohen Irrtumswahrscheinlichkeit ist die Entscheidung des Ana- lytikers, ob die Nullhypothese zurückgewiesen werden kann, von großer Bedeu- tung. Mit dem Signifikanztest wurde nur untersucht, ob ein linearer Zusammen- hang zwischen den Variablen besteht. Das Ergebnis lässt sich aber nicht ohne weiteres auf die Stärke des Zusammenhangs übertragen. Insbesondere wäre es unzulässig, aus der Irrtumswahrscheinlichkeit zu schließen, dass in der Grundgesamtheit ein Korrelationskoeffizient in der beobachteten Höhe vorliegt. Ebenso wäre es falsch, aus der Höhe der Irrtumswahrscheinlichkeit direkt auf die Stärke des Zusammenhangs zwischen den Variablen zu schließen.763 763 vgl. Brosius 2004, S.527 3 Lösungsansätze und ökonomisches Modell 430 Zusammenfassend ist zu konstatieren, dass alle drei Vorhersagefunktionen (PRE - 7. PRE - 12 und PRE - 1) ein niedriges, korrigiertes R² besitzen und die Irrtumswahrscheinlichkeit von 0,193 bis 0,424 erhöht ist. Aufgrund der niedrige- ren Irrtumswahrscheinlichkeit von 19,3% und der knapp 30%igen Wahrschein- lichkeit, die gewichtete Durchschnittsmiete zu erklären und weil es das spar- samste Modell ist, wird die Vorhersagefunktion PRE - 7 favorisiert. 3.4.3.6 Die Regression zur Vorhersage des Flächenumsatzes Alle zur Vorhersage des Flächenumsatzes durchgeführten Regressionen sind im Anhang F1 namens „Zusammenfassung: Regressionen des Flächenumsat- zes (nach Vorhersageintervallen sortiert)“ aufgeführt. Die durchgeführten Reg- ressionen wurden in vier Blöcke, aufgrund ihres Vorhersageintervalls, sortiert: a) 1. Quartal 1998 bis 4. Quartal 2004 mit den Vorhersagefunktionen PRE- 1- 4,18,28 b) 1. Quartal 1998 bis 4. Quartal 2002 mit den Vorhersagefunktionen PRE- 5- 11, 16, 19- 24, 29- 31 c) 4. Quartal 1995 bis 2. Quartal 2005 mit den Vorhersagefunktionen PRE - 12, 14, 15, 17, 25- 27 d) 4. Quartal 1995 bis 2. Quartal 2005 mit der Vorhersagefunktion PRE - 13 Anhand der Nummer, die nach der Abkürzung „PRE“ steht,764 kann man die Reihenfolge der durchgeführten Regressionsrechnungen erkennen. Es ist auf- steigend sortiert, d. h. dass PRE - 1 als erstes und PRE - 31 als letztes gerech- net wurde. 764 PRE ist die Abkürzung für prediction (engl.) und bedeutet übersetzt Vorhersage. 3 Lösungsansätze und ökonomisches Modell 431 Aus dem Ende des Vorhersageintervalls ist ersichtlich, ob das BIP einen Erklä- rungsbeitrag zur Vorhersagefunktion liefert. Wie schon in den vorangegange- nen Kapiteln erwähnt wurde, ist die Zeitreihe des BIP vom 1. Quartal 1980 bis einschließlich 4. Quartal 2002 vollständig. Somit fließt das BIP in den Vorhersa- gefunktionen PRE - 5 - 11, 16, 19- 24, 29- 31 und PRE - 13 nicht als Erklä- rungsparameter ein. Es werden im Folgenden die Resultate der vier vorher genannten Blöcke kurz aufgezeigt und anschließend werden die Vorhersagefunktionen PRE - 1 und PRE - 2 sowie PRE - 19 und PRE - 20 detaillierter diskutiert. Vorhersageintervall 1. Quartal 1998 bis 4. Quartal 2004 Bei den Vorhersagen PRE - 1 bis PRE - 4 wurden alle 16 Parameter einbezo- gen. PRE - 1 und PRE - 2 integriert die Bürobeschäftigten nach der Methode gemäß Dobberstein und unterscheidet sich nur in der Wahl des Verfahrens („rückwärts“ bei PRE - 1 und „Einschluss“ bei PRE - 2). Bei PRE - 3 und PRE - 4 wird bei dem Parameter „Bürobeschäftigte“ anstelle der Methode gemäß Dobberstein die Methode gemäß Holthaus mit der Quote 0,3 für die Sozialversicherungsfreien angesetzt. Auch diese beiden Vorhersagefunktionen unterscheiden sich nur in dem ange- wendeten Regressionsverfahren („rückwärts“ bei PRE - 3 und „Einschluss“ bei PRE - 4). Bei allen vier zuvor genannten Regressionen wird der Parameter „BIP“ aus Signifikanzgründen ausgeschlossen. Bei der durch das „Rückwärts“- Verfahren ermittelten Vorhersagefunktionen PRE - 1 und PRE - 3 sind die statistischen Werte wie das korrigierte R² ( 2 1PRER =0.670 und 2 2PRER =0,605), der Standardfehler des Schätzers (15.061,419 für PRE - 1 und 16.483,179 für PRE - 3) und die Signifikanz (0.008 für PRE - 1 und 0,011 für PRE - 3) sehr gut und besser als bei den mit dem „Einschluss“- Verfahren berechneten Regressionsanalysen PRE -2 und PRE -4. 3 Lösungsansätze und ökonomisches Modell 432 Bei PRE - 2 und PRE - 4 ist das korrigierte R² nur 0,294 und der höhere Stan- dardfehler des Schätzers beträgt 22.036,918, sowie der hohe Signifikanzwert 0,367. Hierbei werden zusätzlich zu dem Parameter BIP die Parameter: - Erwerbstätige, - Arbeitslosenquote, - Spitzen- und gewichtete Durchschnittsmiete, - maximale Spitzenrendite und - Büroflächenbestand ausgeschlossen. Bei der Vorhersagefunktion PRE - 18 wurde im Vergleich zu PRE - 2 der Para- meter „Erwerbstätige“ nicht angesetzt, sie liefert aber fast die gleichen Ergeb- nisse wie PRE - 3. Die Ergebnisse von PRE - 18 und PRE - 3 unterscheiden sich nur bei dem Ansatz der Bürobeschäftigten. Da die Koeffizienten beider Funktionen gleich sind, sind bis auf den Anteil, der aus den Bürobeschäftigten resultiert, beide Vorhersageverläufe nahezu gleich. Bei den Vorhersagen PRE - 1 bis PRE - 4 sowie PRE - 18 schneiden die beiden grafischen Tests, Histogramm und Q-Q-Plot eher schlecht ab. Bei der ex post Betrachtung dieser Vorhersagefunktionen ab dem 4.Quartal 2002 scheinen die- se „verrückt zu spielen“. Die Verläufe der bisher angesprochenen fünf Vorher- sagefunktionen ähneln sich stark. Allerdings bilden die Funktionen PRE - 1 und PRE - 2 die Realität (=realisierter Flächenumsatz) bis zum 4.Quartal 2002 ein- schließlich am besten ab. Nicht nur aufgrund ihrer zuvor beschriebenen Ergebnisse, sondern auch wegen der Gleichheit des Verfahrens zu PRE - 1 und PRE - 2 der gewichteten Durch- schnittsmiete und zu PRE - 8a bzw. PRE - 21a und PRE - 9a der Spitzenmiete werden die Vorhersagefunktionen PRE - 1 und PRE - 2 bezüglich der Vorher- sage des Flächenumsatzes in die Schlussbetrachtung der Vorhersagefunktio- nen hinsichtlich der Prognose des Flächenumsatzes aufgenommen. 3 Lösungsansätze und ökonomisches Modell 433 Die letzte in diesem Block (1.Quartal 1998 bis 4.Quartal 2004) zu diskutierende Funktion ist die Vorhersage PRE - 28. Mit dem „Einschluss“- Verfahren werden die folgenden Parameter integriert: - Arbeitslosenquote - Einwohner - Baugenehmigung - Fertiggestellte Flächen - Abgang bzw. Abriss von Flächen - Leerstand - Spitzenmiete - Minimale Spitzenrendite - Neuanfragen und - Büroflächenbestand. Ihre statistischen Werte sind eher schlecht, dafür liefern die beiden grafischen Tests sehr gute Ergebnisse. Der Verlauf der Vorhersagefunktion PRE - 28 kann den realisierten Flächenumsatz aufgrund der sehr großen Abweichungen nicht gut abbilden. Vorhersageintervall 1. Quartal 1998 bis 4.Quartal 2002 In einem zweiten Schritt wurden alle Parameter bis auf die Erwerbstätigen und Einwohner sowie die Arbeitslosenquote in die weiteren Regressionsberechnun- gen integriert. Es wurde hierbei hinsichtlich des Ansatzes zur Ermittlung der Bürobeschäftigten, aber auch durch Nichtintegration des Parameters „Bürobe- schäftigte“, sowie die Wahl des Regressionsverfahren („Einschluss“ oder „rück- wärts“) variiert. Die besten statistischen Werte wie das korrigierte R², der Standardfehler des Schätzers sowie die Signifikanz treten bei den Vorhersagefunktionen PRE - 6, PRE - 9 und PRE - 21, sowie bei PRE - 5, PRE - 7 und PRE - 19 auf. Die Ver- läufe aller sechs vorher genannten Vorhersagefunktionen ähneln sich stark. 3 Lösungsansätze und ökonomisches Modell 434 Obwohl die Regressionsrechnung PRE - 20 keine guten statistischen Werte (korrigiertes R² 0,294, Standardfehler des Schätzers 22.036,918, Signifikanz von 0,367) hervorbringt, sind der Verlauf der Vorhersage, der fast gleich mit den Verläufen der Vorhersagefunktionen PRE - 5 bis PRE - 7, PRE - 19, PRE - 21 sowie PRE - 9 ist, und die Resultate der beiden grafischen Tests überzeugend gut. Aufgrund der auf den ersten Blick sehr starken Übereinstimmungen im grafi- schen Verlauf wurden die Residuen der sieben zuvor genannten Funktionen miteinander verglichen. Die Kurvenverläufe der Vorhersagefunktionen unterscheiden sich zunächst in dem Zeitraum 4.Quartal 2001 bis 2. Quartal 2002 und lassen sich in zwei Grup- pen unterteilen. Die erste Gruppe wird durch die Vorhersagefunktionen PRE - 5, PRE - 21 sowie PRE - 19 gebildet und hat im 1. Quartal einen leichten positiven Anstieg. Die zweite Gruppe beinhaltet die Vorhersagefunktionen PRE - 6, PRE - 7, PRE - 9 sowie PRE - 20, und bei diesen ist der Verlauf vom 4.Quartal 2001 bis 2. Quar- tal 2002 konstant. Nach dem Vergleich der Residuen, also den minimalen und maximalen Abwei- chungen der Vorhersagen von dem realisierten Flächenumsatz, kristallisierte sich die Vorhersagefunktion PRE - 19 von der ersten Gruppe und PRE - 20 der zweiten Gruppe aufgrund ihrer minimalen Abweichungen als geeignete Progno- sefunktionen heraus. Diese beiden Funktionen werden bei der Schlussbetrach- tung des Kapitels detaillierter diskutiert. 3 Lösungsansätze und ökonomisches Modell 435 Bei den Vorhersagen PRE - 8, PRE - 10 und PRE - 11 wurden unabhängig vom Ermittlungsansatz die Bürobeschäftigten nicht einbezogen. Diese Vorhersagen scheiden aufgrund der wesentlich schlechteren, statistischen Werte und auf- grund ihrer Verläufe aus, bei denen zu hohe Abweichungen zu dem realen Flä- chenumsatz auftreten. In die Vorhersageberechnungen PRE 22 und PRE - 23 flossen die Parameter: - SVP-Beschäftigte - Erwerbstätige - Arbeitslosenquote und - Einwohner nicht ein. Die daraus resultierenden Vorhersagefunktionen besitzen sehr schlechte statis- tische Werte, obwohl die beiden grafischen Tests durchaus sehr zufrieden stel- lende Ergebnisse lieferten. Letztendlich scheiden diese Vorhersagen aufgrund der ex post Betrachtungen aus, bei denen sich ebenfalls sehr hohe Abweichun- gen zum realisierten Flächenumsatz finden. Bei den Regressionsanalysen PRE - 29 und PRE - 30 werden die gleichen Pa- rameter wie bei PRE - 5 und PRE - 6 mit dem „Einschluss“- Verfahren einge- fügt. Allerdings sind sowohl die statistischen Werte, als auch die Kurvenverläufe der Vorhersagen wesentlich schlechter als bei PRE - 5 und PRE - 6. Zusätzlich zu der Vorhersage PRE - 30 wird bei der Regressionsrechnung PRE - 31 der Parameter „Bürobeschäftigte“ nicht angesetzt, woraus noch schlechtere Ergeb- nisse resultieren. Da bei den Vorhersagen PRE - 22 und PRE - 23 zusätzlich zu den Vorhersagen PRE - 29 und PRE - 30 der Parameter „SVP-Beschäftigte“ trotz der Implemen- tierung des Parameters „Bürobeschäftigte“ ausgeschlossen wird und sich die Werte und die Ergebnisse der grafischen Tests so schlecht sind, kann konsta- 3 Lösungsansätze und ökonomisches Modell 436 tiert werden, dass die Implementierung des Parameters „Bürobeschäftigte“, der sich zum größten Teil aus einer bestimmten Auswahl der SVP-Beschäftigten, den so genannten SVP-Bürobeschäftigten, zusammensetzt, einen wesentlichen Erklärungsbeitrag zur Vorhersage des Flächenumsatzes bildet. Für die Schlussbetrachtung dieses Kapitels werden die Regressionsberech- nungen PRE - 19 und PRE - 20 berücksichtigt und später näher erläutert. Diese Entscheidung basiert auf den Resultaten der ex post Betrachtungen die- ser Vorhersagefunktionen und aufgrund der gleichen Parameterzusammenset- zung und Verfahrensart der Prognosefunktionen PRE - 19 und PRE - 20 wie bei den Regressionsuntersuchungen der Spitzenmiete PRE - 21a und PRE - 14 sowie der gewichteten Durchschnittsmiete PRE - 1 und PRE - 12. Vorhersageintervall 4.Quartal 1995 bis 2.Quartal 2005 Die Regressionsberechnungen der Vorhersagefunktionen PRE - 12, PRE - 14 und PRE - 15 sowie PRE - 25 bis PRE - 27, die mit dem „Rückwärts“- Verfahren berechnet wurden, liefern das gleiche Ergebnis, obwohl bei der Zusammenset- zung die eingehenden Parameter variiert wurden. Das korrigierte R² ist mit 0,300 niedrig und der Standardfehler des Schätzers mit 21.793,831 sehr hoch. Die Varianten der oben genannten Vorhersagen und die Parameterzusammen- setzung ist der Tabelle der Parameter im Anhang F1 zu entnehmen. Bemerkenswert ist dabei, dass diese Vorhersagen nur mit den Parameter „Bau- genehmigung“ und „Leerstand“ den Flächenumsatz zu erklären versuchen. Dies schlägt aber fehl, was letztlich durch die ex post Betrachtung deutlich wurde. Die Verläufe der Vorhersagefunktionen PRE 2,14 und 15 sowie PRE - 25 bis PRE - 27 bilden in keiner Art und Weise den Verlauf des Flächenumsatzes ab. 3 Lösungsansätze und ökonomisches Modell 437 Auch die Vorhersagefunktion PRE - 17, die mit fast allen zur Verfügung stehen- den Parametern, mit Ausnahme des BIP und dem „Rückwärts“- Verfahren er- mittelt wurde, liefert ein marginales korrigiertes R² von 0,087 sowie einen sehr hohen Standardfehler des Schätzers mit einer Größe von 24.953,099 und nä- hert sich ebenfalls in keiner Weise dem realisierten Flächenumsatz an. Der Grund für diese schlechten Resultate liegt darin begründet, dass PRE - 17 den Flächenumsatz nur über den Parameter „Leerstand“ bestimmt. Dies ist of- fensichtlich falsch und kann natürlich zu keinem zufrieden stellenden Ergebnis führen. Zum Schluss ist festzuhalten, dass keine der Vorhersagefunktionen des Vor- hersageintervalls „4.Quartal 1995 bis 2.Quartal 2005“ den Flächenumsatz der Büroflächen in Düsseldorf erklären kann. Vorhersageintervall 4.Quartal 1995 bis 4.Quartal 2004 Die einzige Funktion dieses Vorhersageintervalls ist die Prognosefunktion PRE - 13. Sie wird unter Berücksichtigung der Parameter: - Baugenehmigung - Leerstand - BIP/4 - Spitzen- und gewichtete Durchschnittsmiete - Minimale und maximale Spitzenrendite - Neuanfragen - Büroflächenbestand sowie - Bürobeschäftigte gemäß Dobberstein mit dem „Rückwärts“- Verfahren ermittelt. Sie versucht den Flächenumsatz von Büroflächen Düsseldorfs nach Ausschluss vieler Parameter aufgrund von statis- tischen Gründen nur mit dem Parameter „BIP“ und „maximale Spitzenrendite“ aufzuzeigen. 3 Lösungsansätze und ökonomisches Modell 438 Das korrigierte R² (0,233) ist sehr niedrig und der Standardfehler des Schätzers (22.963,598) sehr hoch. Die beiden grafischen Tests, Histogramm und Q-Q- Plot, weisen gute Ergebnisse auf. Allerdings zeigt die ex post Betrachtung star- ke Schwächen bei der Abbildung der realen Flächenumsatzfunktion durch die Vorhersage PRE - 13. Auch diese Prognosefunktion kommt nicht in die engere Auswahl der Prognose- funktionen, die den realisierten Flächenumsatz der Büroflächen in Düsseldorf erklären können bzw. könnten. Die Schlussbetrachtung der Regressionsuntersuchungen zur Vorhersage des Flächenumsatzes Wie zuvor beschrieben wurde, bleiben nur vier Vorhersagefunktionen, nämlich PRE - 1 und PRE - 2 sowie PRE - 19 und PRE - 20, für die Schlussbetrachtung der Regressionsuntersuchungen zur Vorhersage des Flächenumsatzes übrig. Diese sollen nun genauer betrachtet werden. Bei den Vorhersagefunktionen PRE - 1 und PRE - 2 werden alle zur Verfügung stehenden 16 Parameter in die Regressionsanalysen integriert. Es wird das „Rückwärts“- Verfahren (PRE - 1) sowie das „Einschluss“- Verfahren (PRE - 2) angewendet. Dabei wurden die Bürobeschäftigten gemäß Dobberstein einge- setzt. Es zeigt sich, dass bei PRE - 1 die statistischen Werte (korrigiertes R² 0,670, Standardfehler des Schätzers 15.061,419, Signifikanz 0,008) wesentlich besser als bei PRE - 2 (korrigiertes R² 0,294, Standardfehler des Schätzers 22.036,918, Signifikanz 0,367) sind, obwohl diese aus dem „Rückwärts“- Ver- fahren und somit aufgrund des Ausschlusses einiger Parameter, aus Signifi- kanzgründen resultierend, das sparsamere Modell von beiden betrachteten Funktionen ist (9 anstelle von 15 Parametern). Bei beiden Vorhersagefunktio- nen, PRE - 1 und PRE - 2, sind die Ergebnisse der grafischen Tests, Histogramm und Q-Q-Plot, nicht zufrieden stellend. 3 Lösungsansätze und ökonomisches Modell 439 Auch die ex post Betrachtung beider Vorhersagen zeigt ab dem 4. Quartal 2002 keinerlei sinnvolle Ergebnisse. Allerdings bilden beide bis zu diesem Zeitpunkt, also vom 1. Quartal 1998 bis zum 4. Quartal 2002, den Verlauf des tatsächlich aufgetretenen Flächenumsatzes gut ab. Bei dem Anblick des realisierten Flächenumsatzverlaufs und der ex post Be- trachtungen der durchgeführten Regressionsanalysen zur Vorhersage des Flä- chenumsatzes stechen die extremen Hochpunkte im 2. Quartal 1999 sowie im 4. Quartal 2000 mit den Werten von ca. 120.000 m² und ca. 140.000 m² Flä- chenumsatz ins Auge. Der erste Hochpunkt konnte durch keine durchgeführte Regressionsanalyse abgebildet und annähernd bestimmt werden. Da bei beiden Vorhersagen die Verläufe ab dem 4. Quartal 2002 „verrückt spie- len“ und die Zeitreihe „BIP“ bis einschließlich diesem Quartal vollständig vor- liegt, kommt der Verdacht auf, dass der Parameter „BIP“, obwohl er bei beiden Regressionen aus Signifikanzgründen ausgeschlossen wurde, einen wesentli- chen Einfluss auf die Prognose des Flächenumsatzes hat. Um die bessere von beiden Vorhersagen bis zum 4. Quartal 2002 bestimmen zu können, und da dies mit bloßem Auge bei der ex post Betrachtung nicht möglich war, wurde ein Vergleich der Residuen durchgeführt. Dabei wurde fest- gestellt, dass beide Vorhersagefunktionen, PRE - 1 und PRE - 2, gleich gut sind und die Höhe der Abweichungen größtenteils nahezu gleich sind. Aufgrund der Kurvenverläufe ab dem 4. Quartal 2002 kommen beide Vorhersa- gefunktionen, PRE - 1 und PRE - 2, nicht in Frage, den Flächenumsatz durch ihre Geradengleichungen prognostizieren zu können. Die ex post Betrachtung aller vier Vorhersagen PRE - 1 und PRE - 2 sowie PRE - 19 und PRE - 20 sind im Anhang F2 aufgeführt. 3 Lösungsansätze und ökonomisches Modell 440 Die Vorhersagefunktionen PRE - 19 und PRE - 20 haben bis auf das 1. Quartal 2002 auf den ersten Blick die gleichen Kurvenverläufe. Ein Vergleich ihrer abso- luten Werte und der Residuen ergab, dass die Vorhersagefunktion PRE - 20 den Flächenumsatz am besten abbildet, da bei ihr die meisten minimalen Ab- weichungen auftreten. Regression des Flächenumsatzes 0 20000 40000 60000 80000 100000 120000 140000 160000 180000 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 Vorhersage Flächenumsatz - PRE_20 Flächenumsatz_gesamt Abb. 3.4.3.6 - 1: Die ex post Betrachtung der Vorhersage PRE - 20 - Flächenumsatz Allerdings ist die Vorhersagefunktion PRE - 19 auch gut geeignet den Flächen- umsatz abzubilden. Die statistischen Werte der Vorhersagefunktion PRE - 19 sind im Vergleich zu PRE - 20 besser (korrigiertes R² 0,592 zu 0,294, Standard- fehler des Schätzers 16.753,57 zu 22.036,918 und Signifikanz 0,043 zu 0,367). Die Auswertung des Histogramms und des Q-Q-Plots liefern gute bzw. zufrie- den stellende Resultate. Aufgrund der geringen Abweichungen zum realisierten Flächenumsatz ist die Prognose PRE - 20 die beste Vorhersage des Flächenumsatzes in Düsseldorf. Festzuhalten ist, dass beide Funktionen, PRE - 19 und PRE - 20, durch das „BIP“ beeinflusst werden. Zur Erklärung des Flächenumsatzes mit der Vorher- sagefunktion PRE - 19 sind elf, mit PRE - 20 fünfzehn Parameter erforderlich. 3 Lösungsansätze und ökonomisches Modell 441 Bei der Funktion PRE - 19 sind die Parameter: - Erwerbstätige - Spitzen- und gewichtete Durchschnittsmiete sowie - Büroflächenbestand im Vergleich zu PRE - 20 zusätzlich nicht erforderlich. Die Vorhersagefunktion PRE - 20 verzichtet auf den Parameter „Bürobeschäf- tigte“, unabhängig von der Wahl des Ermittlungsansatzes. Die folgenden Abbildungen zeigen die Standardabweichungen der Vorhersage- funktionen PRE - 19 und PRE - 20. -20000,00000 -10000,00000 0,00000 10000,00000 20000,00000 30000,00000 40000,00000 Unstandardized Residual 0 2 4 6 8 10 H äu fig ke it Mean = -2,0287629E-9 Std. Dev. = 10871,41107065 N = 20 Abb. 3.4.3.6 - 2: Das Histogramm der Vorhersage PRE - 19 - Flächenumsatz 3 Lösungsansätze und ökonomisches Modell 442 -20000,00000 -10000,00000 0,00000 10000,00000 20000,00000 30000,00000 Unstandardized Residual 0 1 2 3 4 5 6 H äu fig ke it Mean = -1,9458817E-9 Std. Dev. = 10111,23137853 N = 20 Abb. 3.4.3.6 - 3: Das Histogramm der Vorhersage PRE - 20 - Flächenumsatz Die Geradengleichung der Vorhersagefunktionen PRE - 19 und PRE - 20 sowie ihre ex post Betrachtungen können dem Anhang F2 entnommen werden. Diese fließen nicht in den Hauptteil dieser Arbeit ein, da sie für das weitere Vorgehen in Abschnitt 3.4.3.8 nicht erforderlich werden. Dort gehen nur Ertragsgrößen wie die Spitzenmiete und die gewichtete Durchschnittsmiete ein. 3 Lösungsansätze und ökonomisches Modell 443 3.4.3.7 Die Zusammenfassung der Regressionen In den vorangegangenen Kapiteln (3.4.3.3 bis 3.4.3.6) wurden unterschiedliche Regressionsberechnungen analysiert. Zunächst wurde konstatiert, dass der Parameter „Erwerbstätige“ sich zwar durch die Parameter „Einwohner“ und „BIP/4“ darstellen lässt, aber doch sehr große Abweichungen zwischen prog- nostizierten und realen Werten der Erwerbstätigen am Arbeitsort existieren. Der gleiche Sachverhalt gilt für die Vorhersage der Arbeitslosenquote. Einer der bestimmenden Einflussgrößen ist der Parameter „SVP-Beschäftigte“. Dieser lässt sich sehr gut durch die Vorhersagefunktion PRE - 3, die durch die vier Parameter: - Erwerbstätige - Arbeitslosenquote - Einwohner und - BIP/4, einschließt, erklären. Sparsamere Modelle wie PRE - 1 liefern dagegen weniger gute Ergebnisse, können aber auch zur Substitution von Parametern hinzuge- zogen werden. Wie im Abschnitt 3.4.2.2 aufgezeigt wurde, besteht ein sehr großer Anteil der Bürobeschäftigten, unabhängig von seinem Ermittlungsansatz, aus den SVP- Beschäftigten bzw. SVP-Bürobeschäftigten. Zur Prognose der Bürobeschäftigten gemäß Dobberstein ist die Vorhersage- funktion PRE - 4 die beste, nämlich aufgrund ihrer minimalen Abweichungen zum Istzustand. Diese erklärt die Bürobeschäftigten gemäß Dobberstein nur mit den drei Einflussgrößen: - Erwerbstätige - Arbeitslosenquote und - BIP/4. 3 Lösungsansätze und ökonomisches Modell 444 So könnte bei der Prognose z.B. der Spitzenmiete der Parameter „Bürobeschäf- tigte gemäß Dobberstein“ durch die Geradengleichung ersetzt werden. Die Bürobeschäftigten gemäß Holthaus mit einer Quote von 0,3 an Sozialversi- cherungsfreien können mit den Vorhersagefunktionen PRE - 11, die unabhän- gig von den Parametern „Arbeitslosenquote“ und „BIP/4“ ist, sowie PRE - 12, die von den vier Parametern „SVP-Beschäftigte“, „Arbeitslosenquote“, „Einwoh- ner“ und „BIP/4“ gebildet wird, gut vorhergesagt werden. Allerdings benötigen die Vorhersagen der Spitzenmiete, der gewichteten Durchschnittsmiete sowie des Flächenumsatzes Düsseldorfs den Parameter „Bürobeschäftigte“ nicht, unabhängig von der Wahl des Ermittlungsansatzes. Der Parameter „SVP-Beschäftigte“ könnte in die besten Vorhersagen der ein- zelnen Parameter eingesetzt werden. Im Folgenden sind die Eingabemasken der besten Vorhersagen: - der Spitzenmiete - der gewichteten Durchschnittsmiete und - des Flächenumsatzes Düsseldorfs anhand des 4. Quartals 1999 bzw. des 4. Quartals 2002 dargestellt. In den gelb unterlegten Feldern werden die zu erwartenden Werte eingegeben. Mittels der entsprechenden Geradengleichung (z.B. PRE - 1 für die gewichtete Durchschnittsmiete) und einer Verknüpfung, kann die gesuchte Größe, z.B. die gewichtete Durchschnittmiete prognostiziert werden. 3 Lösungsansätze und ökonomisches Modell 445 I III = I * II 4.Q ' 99 Einflussfaktoren Eingabe- parameter integriert Ergebnis (gerundet) Multiplikation und Summe KONSTANTE (Regr.ergebnis) 1 -329,896 -329,90 SVP 341.905 x -0,001 -501,95 Erwerbstätige 447.000 x 0,001 341,27 Arbeitslosenquote 11,90 x -1,020 -12,13 Einwohner 567.396 x 0,001 482,20 Baugenehmigung 23.909 x 2,665E-05 0,64 Fertiggestellte Flächen 71.470 x -3,347E-06 -0,24 Abgang/ Abriss 0 x -8,432E-05 0,00 Leerstand 350.000 x 4,219E-06 1,48 BIP/4 8.696 x 0,002 19,18 Spitzenmiete 21,47 x 0,129 2,77 gew. Durchschnittsmiete Spitzenrendite min 5,25 x -5,551 -29,14 Spitzenrendite max 5,50 x 8,794 48,37 Flächenumsatz gesamt 77.000 x -3,780E-07 -0,03 Neuanfragen 62.000 x 1,900E-05 1,18 Büroflächenbestand 7.206.200 x -1,475E-06 -10,63 Bürobeschäftigte Dobberstein x (a) Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 13,07 korrigiertes R² 0,213 Standardfehler des Schätzers 0,49720 Signifikanz 0,424 Histogramm ok Q-Q-Plot gut Verfahren Istwert (gew. Durchschnittsmiete) 13,02 0,22812955Sigma PRE-1 PRE - 1 Einschluss Vorhersage der gew. Durchschnittsmiete Abb. 3.4.3.7 - 1: Die Eingabemaske zur Prognose der Durchschnittsmiete Abb. 3.4.3.7 - 2: Die Eingabemaske zur Prognose der Spitzenmiete I III = I * II 4.Q ' 99 Einflussfaktoren Eingabe- parameter integriert Ergebnis (gerundet) Multiplikation und Summe KONSTANTE (Regr.ergebnis) 1 122,536 122,54 SVP 341.905 x 0,000 129,37 Erwerbstätige 447.000 x -0,001 -294,51 Arbeitslosenquote 11,90 x -0,887 -10,56 Einwohner 567.396 x 1,540 E-06 0,87 Baugenehmigung 23.909 x -4,539E-06 -0,11 Fertiggestellte Flächen 71.470 x -7,229E-06 -0,52 Abgang/ Abriss x Leerstand 350.000 x -9,484E-06 -3,32 BIP/4 8.696 x 0,010 85,45 Spitzenmiete gew. Durchschnittsmiete 13,02 x 0,161 2,09 Spitzenrendite min 5,25 x 1,347 7,07 Spitzenrendite max 5,50 x 8,069 44,38 Flächenumsatz gesamt 77.000 x 3,213E-06 0,25 Neuanfragen 62.000 x -1,240E-05 -0,77 Büroflächenbestand 7.206.200 x -8,437E-06 -60,80 Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 21,44 korrigiertes R² 0,880 Standardfehler des Schätzers 0,55462 Signifikanz 0,018 Histogramm gut Q-Q-Plot gut Verfahren Istwert (Spitzenmiete) 21,47 0,25447791Sigma PRE-21a II PRE - 21a Einschluss Vorhersage der Spitzenmiete 3 Lösungsansätze und ökonomisches Modell 446 Abb. 3.4.3.7 - 3: Die Eingabemaske zur Prognose des Flächenumsatzes Der so ermittelte Wert kann zusammen mit seiner Standardabweichung (orange hinterlegter Sigma- Wert) in eine Wirtschaftlichkeitsberechnung z.B. in die DCF- Methode übernommen und verknüpft werden. Die Angabe der Standardabwei- chung ist für die Ermittlung des Ertragsrisikos über den VAR-Ansatz erforder- lich. I III = I * II 4.Q ' 02 Einflussfaktoren Eingabe- parameter integriert Ergebnis (gerundet) Multiplikation und Summe KONSTANTE (Regr.ergebnis) 1 -11.000.000 -10.916.031,62 SVP 352.327 x -33,844 -11.924.100,04 Erwerbstätige 455.600 x 10,494 4.781.140,65 Arbeitslosenquote 9,10 x 15.015,36 136.639,38 Einwohner 571.005 x 27,372 15.629.743,23 Baugenehmigung 75.535 x 0,872 65.890,06 Fertiggestellte Flächen 117.173 x -0,559 -65.420,57 Abgang/ Abriss 17.440 x 1,504 26.229,06 Leerstand 651.100 x -0,166 -108.159,14 BIP/4 9.095 x 274,787 2.499.254,59 Spitzenmiete 23,00 x 5.073,192 116.683,41 gew. Durchschnittsmiete 13,28 x -742,237 -9.856,91 Spitzenrendite min 5,25 x -204.313,5 -1.072.645,84 Spitzenrendite max 5,75 x -112.641,5 -647.688,62 Flächenumsatz gesamt Neuanfragen 35.900 x -0,544 -19.532,69 Büroflächenbestand 7.818.100 x 0,206 1.608.433,38 Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 100.578 korrigiertes R² 0,294 Standardfehler des Schätzers 22.036,918 Signifikanz 0,367 Histogramm ok Q-Q-Plot ok Verfahren Istwert (Flächenumsatz) 100.900 10.111,231Sigma PRE-20 PRE - 20 Einschluss Vorhersage des Flächenumsatzes 3 Lösungsansätze und ökonomisches Modell 447 3.4.3.8 Das ökonomische Modell mit Risiko- und Prognoseimplementierung Im vorherigen Kapitel 3.4.3.7 wurden u. a. die Prognosefunktion der gewichte- ten Durchschnittsmiete (PRE - 1) und die der Spitzenmiete (PRE - 21a) anhand des vierten Quartals 1999 ex post verifiziert. Des Weiteren wurden die jeweiligen Standardabweichungen sowie die Koeffi- zienten der Prognosefunktionen angegeben (vgl. Abb. 3.4.3.7 - 1 sowie 3.4.3.7 - 2). Die entwickelten Prognosefunktionen sollen nun genutzt werden. Es werden nun für jede Mietart, also für die gewichtete Durchschnittsmiete und für die Spitzenmiete, vier Szenarien für das vierte Quartal 2006 entwickelt und zwar anhand von Literaturangaben sowie eigenen Berechnungen, um die jewei- lige Mietenhöhe zu ermitteln. Dabei werden die angesetzten Indikatorenwerte mit den entsprechenden Koeffizienten multipliziert und die Konstante der jewei- ligen Prognosefunktion addiert. Alle vier Szenarien mit ihren Wertansätzen zur Vorhersage der gewichteten Durchschnittsmiete sind in der Abbildung 3.4.3.8 - 1 sowie der Spitzenmiete in der Abbildung 3.4.3.8 - 2 zusammengefasst und dargestellt. Die ermittelten Prognosefunktionen können je nach Bedürfnis und Projektent- wicklungsabsicht des Projektentwicklers, je nachdem ob dieser Service- Deve- loper, Trader- Developer oder Investor- Developer ist, für unterschiedlich lange Prognosezeiträume genutzt werden. 3 Lösungsansätze und ökonomisches Modell 448 Abb. 3.4.3.8 - 1: Szenarien zur Prognose der gewichteten Durchschnittsmiete Abb. 3.4.3.8 - 2: Szenarien zur Prognose der Spitzenmiete 3 Lösungsansätze und ökonomisches Modell 449 Im Folgenden werden die Szenarien zur Prognose des vierten Quartals 2006 der gewichteten Durchschnittsmiete und der Spitzenmiete beschrieben. Szenario 1 Die Zahl der Erwerbstätigen ist von 2002 bis 2003 von 455.600 auf 454.800 um 800 gesunken.765 Da für die Jahre ab 2004 noch keine Zahlen der Erwerbstäti- gen vorliegen, wird angenommen, dass die Erwerbstätigenzahl weiterhin um 800 Personen sinken wird. Somit wird die Zahl für die Prognose zum Jahresen- de 2006 bei 452.400 Erwerbstätigen liegen. Für die Zahl der SVP- Beschäftigten wird der Mittelwert des prozentualen An- teils der SVP- Beschäftigten an den Erwerbstätigen für den Zeitraum 1987 bis 2004 gebildet. Dieser beträgt 78,22%.766 Die Zahl von 353.867 entspricht die- sem durchschnittlichen Anteil. Die Arbeitslosenquote in Düsseldorf beträgt am 31.07.2006 13,7%767 und wird für dieses Szenario in dieser Höhe einfließen. Die Einwohnerzahl in Düsseldorf beträgt 577.416768 und wird für das Szenario 1 unverändert eingesetzt. Die Summe der fertiggestellten Flächen lag im Jahr 2005 bei 105.000 m². Im Jahr 2006 sollen gemäß Jones Lang LaSalle spekulativ 35.000 m², die sich im Dezember 2005 in der „Pipeline“ befanden, auf den Markt kommen.769 Wenn auch vorvermietete und eigengenutzte Flächen für die Prognose 2006 berück- sichtigt werden, so beträgt die geschätzte Höhe der fertiggestellten Flächen voraussichtlich ebenfalls 105.000 m².770 765 Download unter http://www.duesseldorf.de/statistik/themen/arbeitsmarkt/arbmarkt1.shtml am 05.04.2006, 20.11 Uhr 766 eigene Berechnung mit den Daten des LDS NRW 767 Download unter http://www.duesseldorf.de/statistik/d_ueberblick/gesamt.html am 30.08.2006, 18.32 Uhr 768 Download unter http://www.duesseldorf.de/sttistik/themen/bevoelkerung/bev01.shtml am 01.04.2006, 12.10 Uhr 769 vgl. Jones Lang LaSalle 2006 (g), S. 3 770 vgl. Jones Lang LaSalle 2006 (h), Folie 5; Der Quartalswert fürs vierte Quartal 2006 beträgt somit 26.500 m². 3 Lösungsansätze und ökonomisches Modell 450 Der Leerstand soll 2006 auf 10,6% sinken.771 Am Ende des Jahres 2005 betrug die Leerstandsrate 12,4% und somit waren 1.035.100 m² Leerstandsflächen.772 Es wird für 2005 von einer Gesamtfläche des Büroflächenbestandes von 8.347.580 m² ausgegangen. Werden die 105.000 m² fertiggestellte Flächen zum Gesamtbestand addiert, so ergibt sich der Büroflächenbestand von 8.452.580 m² und auch 895.973 m² für den Leerstand im Jahr 2006.773 Gemäß Jones Lang LaSalle ist im Laufe 2006 ein erster Anstieg der Spitzen- miete von 20,50 €/m² auf 21 €/m² wieder möglich.774 Der Wert in Höhe von 21 € wird für die Prognoseberechnung angesetzt. Die minimale und maximale Spitzenrendite war sowohl in den ersten beiden Quartalen 2005 der von Jones Lang LaSalle der Verfasserin zur Verfügung ge- stellten Daten, als auch für das Jahr 2005 gesamt gleich und lag bei 5,5% bzw. 6,25%.775 Es wird angenommen, dass sich die Werte zumindest bis Ende 2006 nicht ändern. Ebenfalls soll laut Jones Lang LaSalle der Flächenumsatz auf ca. 270.000 m² für das laufende Jahr 2006 ansteigen.776 Der Quartalswert von 67.500 m² fließt in die Prognoseberechnung ein. Die Baugenehmigungen fließen mit einem Wert von 12.500 m² ein. Dieser Wert wurde von den Zyklustiefständen von ca. 50.000 m² der Jahre 1997 und 1998 abgeleitet. 771 vgl. Jones Lang LaSalle 2006 (g), S. 3 772 vgl. Jones Lang LaSalle 2005 (b), S. 2 773 Die Szenarioberechnungen erfolgen für den Prognosezeitpunkt des vierten Quartals 2006. 774 vgl. Jones Lang LaSalle 2006 (g), S. 3; Jones Lang LaSalle 2006 (h), Folie 9 775 vgl. Jones Lang LaSalle 2006 (i), S. 2 776 vgl. Jones Lang LaSalle 2006 (g), S.3 3 Lösungsansätze und ökonomisches Modell 451 Für den Indikator Abgang bzw. Abriss von Büroflächen wurde der Mittelwert der Jahre 1995 bis 2004 des Anteils an dem Gesamtbüroflächenbestand mit 0,19% ermittelt und für die Vorhersage integriert. Die Neuanfragen beliefen sich im Jahr 2005 auf eine Höhe von 271.600 m².777 Dieser Wert wird auf das vierte Quartal 2006 umgerechnet und mit einer Höhe von 67.900 m² für dieses Szenario integriert. Das Bruttoinlandsprodukt Deutschlands ist im Jahr 2005 im Vergleich zum Vor- jahr um 1,53% angestiegen.778 Ein Zuwachs von 1,5% wird auch für dieses Jahr 2006 für Düsseldorf und dieses Szenario angesetzt, da zum einen der Anteil des BIP Düsseldorfs an dem BIP Deutschlands nahezu konstant bei 1,7% in den Jahren 1995 bis 2003 beträgt und zum anderen die Schätzungen hinsicht- lich des Zuwachses von Wirtschaftsinstituten und Verbänden für Deutschland zwischen 1,5 und 1,7 Prozent lagen.779 Der Jahreswert Deutschlands für das Jahr 2006 beläuft sich auf ca. 38.668,5 Millionen Euro. Dieser Wert muss ebenfalls auf das vierte Quartal 2006 umge- rechnet werden. Die Werte der Indikatoren Baugenehmigung, fertiggestellte Flächen, Abgang bzw. Abriss, Leerstand, Spitzenmiete, der Büroflächenbestand sowie die mini- male und maximale Spitzenrendite bleiben für alle vier Szenarien konstant. 777 vgl. Jones Lang LaSalle 2006 (i), S.2 778 eigene Berechnung mit Daten des Bundesstatistikamtes, Download am 30.08.2006, 19.10 Uhr unter http://www.destatis.de/download/d/vgr/biplangereihe.xls 779 vgl. Abbildung 3.4.2.4 - 2 sowie Internetartikel bzgl. Konjunkturprognose: Deutschland droht 2007 neue Flaute, Download unter http://www2.onwirtschaft.t-online.de/dyu/c/65/68/77/6568778.html am 24.02.2006, 15.03 Uhr 3 Lösungsansätze und ökonomisches Modell 452 Szenario 2a und 2b Diese beiden Szenarien sollen zwei unterschiedliche negative Entwicklungen der Wirtschaft, somit der Beschäftigung und des Büromarktes aufgrund der Veränderung des rückläufigen Flächenumsatzes und der Neuanfragen abbil- den. Es wird angenommen, dass sich die aktuelle Arbeitslosenquote von 13,7% im Laufe des Jahres um einen Prozentpunkt auf 14,7% erhöhen wird. Dies hat Auswirkungen auf die Zahl der Erwerbstätigen und auch der SVP- Be- schäftigten, so dass für die Erwerbstätigen die Zahl 449.709 und für die SVP- Beschäftigten 351.762 angesetzt wird. Die Erwerbstätigenzahl wurde ebenfalls um die 1% Zunahme der Arbeitslosenquote entsprechend umgerechnet. Der Ansatz von 78,22% der SVP- Beschäftigten an den Erwerbstätigen dieser bei- den Szenarien ist gleich dem Ansatz aus Szenario 1. Die Zahl der Einwohner sinkt bei diesen Szenarien von 577.416 auf 574.541 Personen. Die Differenz der Szenarien 2a und 2b zum Szenario 1 entspricht der Zunahme der Bevölkerung vom Jahr 2004 (574.541) zum Ende des Jahres 2005 (577.416), nur in umgekehrter Richtung. Eigene Berechnungen der Verfasserin ergeben, dass der Anteil des Flächen- umsatzes am Gesamtbüroflächenbestand im Zeitraum von 1995 bis 2004 mi- nimal 2,72% und maximal 5,27% ausmacht. Der minimale Wert von 2,72% wird für die Szenarien 2a und 2b, der maximale Wert für das Szenario 3 festgesetzt. Weitere Berechnungen der Verfasserin hinsichtlich des Anteils der Neuanfragen am Gesamtflächenbestand belaufen sich auf minimal 3,04% und maximal 5,93% für den Zeitraum von 1995 bis 2004. Der Minimalwert wird für diese bei- den Szenarien und der Maximalwert für das Szenario 3 eingesetzt. 3 Lösungsansätze und ökonomisches Modell 453 Bei dem Ansatz des BIP für das Szenario 2a wird davon ausgegangen, dass dieses um nur 0,9% im Vergleich zum Vorjahr (2005) steigt. Das BIP des Sze- narios 2b wächst nur um 1,2% an. Szenario 3 Das Szenario 3 stellt eine positive Entwicklung der Wirtschaft, der Beschäfti- gung und des Büromarktes (vgl. Ausführungen der Szenarien 2a und 2b hin- sichtlich des Flächenumsatzes und der Neuanfragen) dar. Die Arbeitslosenquo- te sinkt um 1% auf 12,70% und daraus resultierend, wie auch schon bei den Szenarien 2a und 2b, ändert sich die Zahl der Erwerbstätigen sowie die der SVP- Beschäftigten. Das BIP steigt um 1,7% im Vergleich zum Vorjahr (2005). Die Annahmen der vier Szenarien zur Vorhersage der Spitzenmiete entspre- chen denen zur Vorhersage der gewichteten Durchschnittsmiete. Bei dem Ansatz der gewichteten Durchschnittsmiete für die vier Szenarien der Spitzenmiete wurde von der Miete aus dem Jahr 2005 in Höhe von 11,77 €/ m² Monat ausgegangen.780 Diese wird ebenfalls für das Szenario 1 zur Vorhersage der Spitzenmiete eingesetzt. Eigene Berechnungen der Verfasserin ergaben einen Mittelwert hinsichtlich des Zuwachses der gewichteten Durchschnittsmiete von minus 0,86% für den Zeit- raum 1995 bis 2004. Dieser Wert wurde ausgehend von 11,77 €/m² für die Szenarien 2a und 2b verwendet, so dass eine gewichtete Durchschnittsmiete von 11,67 €/m² integriert wurde. Bei Szenario 3 wurde die gewichtete Durchschnittsmiete in Höhe von 12,22 €/m² des zweiten Quartals 2006 eingesetzt. 780 vgl. Jones Lang LaSalle 2006 (a), S. 2 3 Lösungsansätze und ökonomisches Modell 454 Mithilfe der jeweiligen Standardabweichung und unter Vorgabe des Konfidenz- niveaus werden die unterschiedlichen VaR- Werte berechnet. Die Ergebnisse dieser Berechnungen sind in der folgenden Abbildung 3.4.3.8 - 3 dargestellt. Abb. 3.4.3.8 - 3: Value at Risk- Werte diverser Prognosefunktionen bei unterschiedlichen Konfi- denzniveaus Die Abbildung 3.4.3.8 - 4 sowie 3.4.3.8 - 5 zeigen den VaR95 der gewichteten Durchschnittsmiete des Szenarios 1 sowie den VaR95 der Spitzenmiete des Szenarios 2a. Mit einer Wahrscheinlichkeit von 95% wird die gewichtete Durchschnittsmiete unter den Bedingungen des Szenarios 1 eine Miethöhe von 14,07 €/ m² nicht übersteigen. Weiterhin wird die Miete mit einer Wahrscheinlichkeit von 5% den Wert 13,32 €/ m² unterschreiten. Das bedeutet umgekehrt, dass die Miethöhe von 13,32 €/ m² zu 95% der Wahrscheinlichkeit überschritten wird. Abb. 3.4.3.8 - 4: Die Durchschnittsmiete des Szenarios 1 und deren Value at Risk 3 Lösungsansätze und ökonomisches Modell 455 Abb. 3.4.3.8 - 5: Die Spitzenmiete des Szenarios 2a und deren Value at Risk Die aus den vier Szenarien ermittelten Mieten, deren Standardabweichung und daraus resultierend der Value at Risk bei einem Konfidenzbereich von 90 wer- den in DCF- Berechnungen, die sich über einen Zeitraum von zehn Jahren er- strecken, für das Bürogebäude des Kapitels 3.2 einbezogen. Abb. 3.4.3.8 - 6: Vereinfachte DCF- Berechnung mit der Durchschnittsmiete des Szenarios 3 und einem VaR90 3 Lösungsansätze und ökonomisches Modell 456 Abb. 3.4.3.8 - 7: Vereinfachte DCF- Berechnung mit der Spitzenmiete des Szenarios 2a und einem VaR90 Die Investitionssumme von 27.179.000 €, ein Diskontierungszinssatz von 6% , der aus dem Liegenschaftszinssatz aus Kapitel 3.2 resultiert, und ein Restwert bei linearer Abschreibung im zehnten Jahr werden integriert. Bei den DCF- Berechnungen mit den Ergebnissen der gewichteten Durch- schnittsmiete ist der NPV- Wert stets negativ (vgl. Abb. 3.4.3.8 - 6). Allerdings ergibt die Integration der niedrigsten aus den Szenarien ermittelten Spitzenmie- te von 21,38 €/m², die ermittelte Spitzenmiete des Szenarios 2a, einen positiven NPV- Wert. Das bedeutet, dass sich die Investition unter dieser Bedingung lohnt und mehr als die Verzinsung von 6% in Höhe des Liegenschaftszinses für die Gesamtinvestition des Investors bzw. Projektentwicklers erreicht wird (vgl. Abb. 3.4.3.8 - 7).781 Aus den beiden obigen Abbildungen, 3.4.3.8 - 6 und 3.4.3.8 - 7, ist ersichtlich dass der VaR90 mit einer Höhe von 8,28 €/ m² BGF sowie 9,23 €/ m² BGF sehr gering ist. 781 Die Gesamtkapitalrentabilität ist somit größer 6%. Die genaue Höhe der Gesamtkapitalrentabilität von 8,72% kann mithilfe der Internal Rate of Return bestimmt werden. Interessanter für den Investor bzw. Projektentwickler ist aber die Eigenkapitalrentabilität. Sie ergibt sich aus der Gesamtkapitalrentabilität, addiert mit dem Verschuldungsgrad, welcher mit der Differenz aus der Gesamtkapitalrentabiltät und Fremdkapitalzins multipliziert wird. Die Eigenkapitalrendite beträgt bei einem Verschuldungsgsrad von 4 und einem Fremdkapitalzins von 5% aufgrund des Leverage- Effektes 23,6%. 3 Lösungsansätze und ökonomisches Modell 457 Das bedeutet auch, dass durch die Berücksichtigung des VaR- Ansatzes nur ein geringer Teil an Ausgaben für die Sicherung des Mietänderungsrisikos, im Vergleich zu den gesamten Beträgen der Ausgaben und Einnahmen, aufge- bracht werden muss. Betrachtet man die Entwicklung des VaR- Wertes über verschiedene Zeiträume (vgl. Abb. 3.4.3.8 - 8), so ist ersichtlich, dass die VaR- Werte über einen langen Zeitraum von 75 Jahren nur 11,13 €/ m² BGF für die Spitzenmiete sowie 9,98 €/ m² BGF für die gewichtete Durchschnittsmiete betragen. Dies liegt zum einen an der mit der Zeit abfallenden Höhe des Diskontierungsfaktors und zum ande- ren an dem geringen Anteil der Mietschwankung. Abb. 3.4.3.8 - 8: Die Entwicklung des VaR90 der gewichteten Durchschnittsmiete sowie der Spitzenmiete Bei der Anwendung des VaR- Ansatzes ist zu beachten, dass die diskontierten VaR- Werte nicht wie die Ausgaben und Einnahmen einfach addiert werden dürfen, sondern gefaltet werden müssen. Weiterhin sollten nicht nur die Risiken über einen einfachen VaR- Ansatz, wie in den Abb. 3.4.3.8 - 7 und 3.4.3.8 - 8 dargestellt wurde, bei den Wirtschaftlichkeitsberechnungen integriert werden, sondern auch die Korrelationen der Risiken untereinander über Korrelationsko- effizientenmatrizen (KKM)782 berücksichtigt werden. 782 vgl. Kapitel 2.2.2.2 3 Lösungsansätze und ökonomisches Modell 458 Die Implementierung des VaR- Ansatzes muss sowohl auf der Aufwands- als auch auf der Ertragsseite erfolgen. In dem Aufsatz „Vergabeentscheidung und Wirtschaftlichkeitsberechnung von PPP-/ PFI- Projekten in der Bauwirtschaft“ von Blecken/ Meinen/ Holthaus wird u.a. der VaR- Ansatz mit der Anwendung von Korrelationsmatrizen der Kosten- seite anschaulich dargestellt.783 In diesem Kapitel soll gezeigt werden, wie die Integration der Prognosefunktio- nen, die aus den Regressionsberechnungen der Verfasserin der Kapitel 3.4.3.1 bis 3.4.3.7 resultiert, zusätzlich mit einem VaR- Ansatz in eine Wirtschaftlich- keitsmethode, der DCF- Methode, auf der Ertragsseite eingebettet werden kann und welche Größenordnung die Absicherung des Mietänderungsrisikos besitzt. Die von der Verfasserin ermittelten Prognosefunktionen können darüber hinaus für kurz-, mittel- und langfristige Prognosen, um ein Beispiel der praktischen Nutzung zu bieten, verwendet werden und bieten im Vergleich zu anderen Prognosen oder Modellen, die in der Immobilienwirtschaft eingesetzt werden, erhebliche Vorteile, da die in dieser Arbeit aufgezeigte Vorgehensweise sich auf Zeitreihen der Büromarkt-, Wirtschafts- sowie Beschäftigungsindikatoren stützt. Die Qualität der Ergebnisse von Wirtschaftlichkeits- sowie Investitionsrechnun- gen wird durch die Integration der in dieser Arbeit erarbeiteten Prognosefunkti- onen,784 aber auch durch die Implementierung des Value at Risk- Ansatzes, der sowohl auf der Einnahmen- und Ausgabenseite erfolgen sollte, erheblich ver- bessert und macht die Prognoseaussage sicherer. Es liegt somit ein ökonomisches Modell mit Risikobetrachtung für die Projekt- entwicklung vor, das datenbasiert ist. Mittelfristig könnte es helfen, die Exper- tenmeinung quantitativ zu unterstützen und zu verbessern. 783 vgl. auch Blecken 2004 (a); Holthaus 2004 (b); Blecken 2004 (b); Holthaus 2004 (c); Möller 2005 784 vgl. Kapitel 3.4.3.7 4 Zusammenfassung und Ausblick 459 4. Zusammenfassung und Ausblick Aufgrund von negativen Erfahrungen und Entwicklungen in Form von Insolven- zen bei Projektentwicklern, Fehlallokationen sowie der Misswirtschaft in der Flächenproduktion, aber auch durch die Änderung der Steuergesetzgebung und der Subventionen sind nun die Ertragsimmobilien im Fokus der Projektentwick- ler. Der professionelle Umgang mit den Chancen und Risiken sowie die opti- mierte Ermittlung der Wirtschaftlichkeit einer Immobilie wird die Projektentwick- lung von Gewerbeimmobilien wieder interessant machen. Das Wissen über die Kosten, den Kostenverlauf und die Kostenrisiken wie auch über den Ertrag, den Ertragsverlauf und deren Risiken ist Aufgabe des Projekt- entwicklers. In der heutigen Baumarktsituation lassen sich die Kosten bzw. der Aufwand inkl. der Grundstückskosten relativ gut berechnen, entsprechende Instrumente der Kostenplanung und unterschiedliche Formen der Vertragsbildung etc. ste- hen zur Kostenbeherrschung uneingeschränkt zur Verfügung. Ebenso liegen Erfahrungswerte zu Kostenrisiken vor, die allerdings noch nicht befriedigend sind. Die Ertragsseite und deren Prognose bei einer zunehmenden, langfristigen Be- trachtung hingegen ist schwieriger zu beherrschen sowie ungenauer und risiko- reicher, da die Erträge über die lange Lebensdauer der Immobilie anfallen. Mo- dellansätze zur Bestimmung der Ertragsseite sind nur rudimentär verfügbar. Die Immobilienbranche arbeitet in Abhängigkeit der Immobilienart mit Expertenein- schätzungen und Mietenmultiplikator sowie umsatzbezogener Ertragsermitt- lung. Daraus ergab sich die Forderung nach einer Modellentwickelung, das die Ertragsplanung einerseits vereinfacht, andererseits genauer und sicherer macht. Weiterhin sollte das Modell um Elemente zur Risikobegrenzung ergänzt werden. 4 Zusammenfassung und Ausblick 460 Die auf Marktdaten basierenden Ertragseinflüsse wurden umfassend untersucht und modelliert. Dazu zählen die Aufklärung von Korrelationen zwischen den Erträgen und den dargestellten Einflussparametern sowie die regionalen Ein- flüsse und Größen des Immobilienmarktes. Die Aufarbeitung der theoretischen Modellansätze hinsichtlich des Wirkungs- modells eines Immobilienmarktes, wie z.B. anhand des 4- Quadranten- Modells oder des Codweb- Modells, zeigte, dass diese im Oberflächlichen verblieben. Der Versuch ein Modell durch Daten zu verifizieren war an keiner Stelle der theoretischen Modellansätze unterschiedlicher Autoren zu erkennen. Es wurden zwar Gleichungen oder Funktionsabhängigkeiten angegeben wie z.B. die der Flächennachfrage, aber diese sind sehr oberflächlich und geradezu unver- schämt einfach. Zusammengefasst sind viele Daten vorhanden, mit denen das 4- Quadranten- Modell implementiert werden konnte, und trotzdem bleiben die Ausführungen der Autoren theoretisch sowie nicht datenbasiert. Dies sollte aber in Forschungsarbeiten erfolgen, wie in dieser Arbeit geschehen (vgl. z.B. Kapi- tel 3.3 und 3.4.3). Ein Prognosemodell für die Ertragsplanung wurde durch die Anwendung der historischen Simulation, aber auch durch multiple lineare Regression entwi- ckelt, das als Eingabeparameter Echtdaten und nicht empirische Daten ver- wendet. Die Miethöhe als bedeutende Ertragsgröße wird beeinflusst durch den Standort und den Zyklus der Miete, also von Einflüssen, die wiederum von im- mobilienwirtschaftlichen sowie makroökonomischen Verhältnissen und Faktoren abhängen. Es wurde aufgezeigt, dass der richtige und sichere Ansatz der Miete wichtig für die Ertragsplanung ist. 4 Zusammenfassung und Ausblick 461 Die Eingangsgrößen und deren Einfluss auf die Nachfrage und damit auch auf den Ertrag wurden untersucht. Daten unterschiedlicher Unternehmen, die sich mit Immobilienresearch beschäftigen und regelmäßig Marktreports veröffentli- chen, sowie von Maklerhäusern, auch die des Rings Deutscher Makler wurden auf ihre Qualität und ihre Konsistenz hingeprüft. Weiterhin wurden das LDS NRW bezüglich des BIP, der Einwohner- und Be- schäftigungszahlen sowie der Mikrozensus-, Arbeitsstätten- und Volkszäh- lungsdaten kontaktiert; die Bundesagentur für Arbeit wurde hinsichtlich der Ar- beitslosenquote und der SVP- Beschäftigtenzahlen angefragt, die sich auf die Berufsordnungen der alten Klassifizierung der Berufe von 1975 beziehen und für die Ermittlung der Bürobeschäftigten erforderlich sind. Die Wirtschaftsförde- rung Düsseldorf und das Amt für Statistik und Wahlen in Düsseldorf lieferten die Büromarktdaten sowie die Bautätigkeitszahlen. Diese Daten flossen in die Reg- ressionsberechnungen zur Vorhersage der gewichteten Durchschnittsmiete und der Spitzenmiete sowie des Flächenumsatzes ein. Es wurde ebenfalls erläutert, wie wichtig eine einheitliche „Sprache“ für die Un- ternehmen und die am Büromarkt Beteiligten hinsichtlich klarer, einheitlicher Definitionen zum Büromarkt sowie die Bürobeschäftigtenermittlung nach der Methode gemäß Holthaus ist. Weiterhin ist es für weitere qualifizierte Progno- sen erforderlich, dass die Daten einheitlich und über lange Zeiträume mit mehr als 25 Datenpunkten erhoben werden, und dass der Markt transparenter wird. Die Teilmarktuntersuchung der Büromarktindikatoren und deren Abhängigkeiten untereinander sowie deren Prognose ist weiterhin zu untersuchen. Daraus er- gibt sich weiterer Forschungsbedarf, der auch Standort-, Qualitäts- und Ausstat- tungsmerkmale beinhalten sollte. 4 Zusammenfassung und Ausblick 462 Bei Büroimmobilien ist es offensichtlich, dass die Anzahl der Bürobeschäftigten eine wichtige Einflussgröße auf die Nachfrage darstellt, aber dies gilt nicht zur Vorhersage der Ertragsgrößen. Der Ansatz zur Ermittlung der Bürobeschäftig- ten nach der Methode Dobberstein wurde auf Richtigkeit kritisch untersucht sowie reflektiert. Dabei stellte sich heraus, dass dieser Schwächen beinhaltet und diese wurden von der Verfasserin durch eine Erweiterung der Methode beseitigt. Die Bürobeschäftigten haben aber, wie die Berechnungen zeigen, keinen Ein- fluss auf die Ertragsgrößen der gewichteten Durchschnittsmiete und der Spit- zenmiete sowie auf den Flächenumsatz. Außerdem wurde der Begriff der Realoptionen für die Projektentwicklung her- ausgearbeitet und es wurden Optionsmöglichkeiten unter Verwendung des auf den Bernoulliprozess beruhenden Binomialmodells die Veränderung des Kapi- talwertes, dem sog. erweiterten Kapitalwert, dargelegt. Denn nicht nur das „Altbewährte“ in Form von einer statischen oder dynami- schen Investitions- und Wirtschaftlichkeitsrechnung, sondern gerade die ver- schiedenen Möglichkeiten, Optionen, und deren Bewertung mit dem Realopti- onsansatz sind bei der Projektentwicklung eines Neubaus oder auch von Be- standsimmobilien zu beachten. Es wurde nämlich gezeigt, dass die Integration des Realoptionsansatzes zu einer genaueren Investitionsbewertung führt und somit für die Projektentwick- lung hinsichtlich der ökonomischen Analyse die Investitionsentscheidung, also „ob er oder ob er nicht investiert“ sowie „ob er jetzt oder später investiert“ , we- sentlich besser als bei den klassischen Investitionsbewertungsverfahren ge- stützt wird. Anhand der historischen Simulation des Kapitels 3.3 wurde untersucht, ob die- ses Verfahren für die Mietpreisprognose von z.B. Wohnimmobilien angewendet werden sollte und als Unterstützungsinstrument der Projektentwicklung hinsicht- lich des gesicherten Mietpreises dienen kann. 4 Zusammenfassung und Ausblick 463 Nachdem sich zeigte, dass das Verfahren der historischen Simulation nur für den kurzfristigen Zeitraum geeignet ist, wurde aufgrund der vielen auf die Nach- frage, aber auch auf das Mietniveau einwirkenden Indikatoren des Büroteil- marktes Düsseldorf das Verfahren der multiplen linearen Regression gewählt. Den durchgeführten Regressionen liegt ein Wirkungsmodell zugrunde, welches im Kapitel 3.4.1.4 umfassend erläutert wurde. Die Interdependenzen der verschiedenen auf den Büromarkt wirkenden Ein- flüsse wurden, nach einer umfassenden Datenrecherche aufgezeigt und erklärt. Es wurden umfangreiche multiple lineare Regressionsrechnungen zur Vorher- sage des Flächenumsatzes, der gewichteten Durchschnittsmiete sowie der Spitzenmiete am Teilmarkt Düsseldorf durchgeführt, ex post verifiziert und ihre Übertragbarkeit auf andere Teilmärkte geprüft. Die Ergebnisse der in Kapitel 3.4.3 durchgeführten Regressionsberechnungen werden nach Berechnungen mit konsistenten Zahlenreihen der Standorte der „Big Five“ auch auf diese übertragbar sein, dabei müssen die Eigenheiten des jeweiligen Bürostandortes berücksichtigt werden. Die aufgezeigten Daten und deren Verläufe der „Big Five“ haben gezeigt, dass das gleiche Vorgehen wie bei der Datenrecherche, bei den Regressionsrech- nungen und bei der Modellkonstruktion für den Standort Düsseldorf hinsichtlich der Prognose der gewichteten Durchschnittsmiete und der Spitzenmiete für die anderen Standorte der „Big Five“ genauso gewinnbringend wie für Düsseldorf sein wird. Es besteht somit Forschungsbedarf bei der Ermittlung der genauen Koeffizien- ten der Regressionsgleichungen für die anderen Standorten. Eine Wirtschaftlichkeitsbetrachtung, die zum einen die Ertragsseite objektiv durch Marktdaten darstellt und zum anderen die korrelierenden Risiken auf der Kostenseite einbezieht, war bislang in Deutschland nicht vorhanden. Im letzten Kapitel dieser Arbeit 3.4.3.8 wurden die Prognosefunktionen der gewichteten 4 Zusammenfassung und Ausblick 464 Durchschnittsmiete sowie der Spitzenmiete zusammen mit der Risikobewertung über einen VaR- Ansatz in eine Form der Wirtschaftlichkeits- und Investitions- berechnung, in die DCF- Methode, integriert. Es wurde gezeigt, wie die in den Regressionsberechnungen ermittelten Prog- nosefunktionen zusätzlich mit einem VaR- Ansatz in eine Wirtschaftlichkeitsme- thode eingebettet werden können und welche Größenordnung die Absicherung des Mietänderungsrisikos hat. Die Qualität der Ergebnisse von Wirtschaftlich- keits- sowie Investitionsrechnungen werden durch die Integration der zu erar- beitenden Prognosefunktionen, aber auch durch die Implementierung des Value at Risk- Ansatzes auf der Einnahmen- und auf der Ausgabenseite erheblich verbessert, so dass die Prognoseaussagen sicherer werden. Am Schluss dieser Arbeit liegt ein ökonomisches Modell für die Projektentwick- lung vor, das datenbasiert ist und für kurz-, mittel- und langfristige Prognosen verwendet werden kann. Mittelfristig wird dieses aufgezeigte ökonomische Mo- dell helfen, die Expertenmeinung quantitativ zu unterstützen und zu verbes- sern. Abbildungsverzeichnis a Abbildungsverzeichnis Abb. 2.1.1.1 - 1: Der Lebenszyklus von Immobilien.................................................................... 21 Abb. 2.1.1.3 - 1: Typologisierung nach Immobilienarten............................................................. 23 Abb. 2.1.2.2 - 1: Typologische Betrachtung nach den Immobiliennutzern ................................. 35 Abb. 2.1.2.3 - 1: Akteure der Projektentwicklung........................................................................ 37 Abb. 2.1.2.4 - 1: Ausgangssituationen der Projektentwicklung................................................... 43 Abb. 2.1.2.5 - 1: Der prozessuale Immobilien-Lebenszyklus...................................................... 45 Abb. 2.1.2.6 - 1: Das Phasenmodell des Projektentwicklungsprozesses nach Fischer ............. 49 Abb. 2.1.2.7 - 1: Einflussmöglichkeiten auf die Gesamtkosten in den Projektphasen................ 52 Abb. 2.1.2.7 - 2: Risikocheckliste Umweltrisiko .......................................................................... 56 Abb. 2.1.2.7 - 3: Die wichtigsten Standortanforderungen ausgewählter Nutzungen .................. 58 Abb. 2.1.2.7 - 4: Risikocheckliste Grundstücksrisiko .................................................................. 59 Abb. 2.1.2.7 - 5: Risikocheckliste Genehmigungsrisiko .............................................................. 60 Abb. 2.2.1.3 - 1: Sicherheit und Risiko........................................................................................ 67 Abb. 2.2.1.4 - 1: Risikodefinition mit Ziel- und Zielabweichungsverteilung................................. 70 Abb. 2.2.2 - 1: Die Prozessphasen des Risikomanagements..................................................... 78 Abb. 2.2.2.2 - 1: Stationäre und nichtstationäre Zeitreihen......................................................... 86 Abb. 2.2.2.2 - 2: Kumulierte Dichte- und Summenfunktion mit VaR(95%) ................................. 89 Abb. 2.2.2.2 - 3: Verfahren zur Value at Risk- Berechnung........................................................ 90 Abb. 2.2.2.2 - 4: Schema einer Risk- Map für ein Bauprojekt..................................................... 94 Abb. 2.2.2.2 - 5: Schema einer Korrelationskoeffizientenmatrix (KKM)...................................... 95 Abb. 2.2.2.3 - 1: Handlungsalternativen der Risikogestaltung.................................................... 98 Abb. 2.2.2.3 - 2: Kostenfunktion aus Schadens- und Sorgfaltskosten........................................ 99 Abb. 2.2.2.3 - 3: Risikomaßnahmen und Verteilung ................................................................. 100 Abb. 2.2.2.3 - 4: Verminderung von Risiken ............................................................................. 102 Abb. 2.2.2.3 - 5: Schema des Selbsttragens und der Überwälzung von Risiken ..................... 104 Abb. 2.2.2.3 - 6: Der Prozess der Risikoüberwälzung .............................................................. 105 Abbildungsverzeichnis b Abb. 2.3.2.1 - 1: Die Entwicklung der Büroarbeit ...................................................................... 123 Abb. 2.3.3.2 - 1: Bewirtschaftungskosten und DIN 18960 ........................................................ 137 Abb. 2.3.3.2 - 2: „Betriebskosten" nach DIN 18960 und nach II. BV ........................................ 137 Abb. 2.3.3.3 - 1: Die Einflussfaktoren der Wohnungsmärkte.................................................... 139 Abb. 3.1.2.1 - 1: Das Vermietungsszenario 1a - Restfläche zu 13,50 €/m² vermietet.............. 151 Abb. 3.1.2.1 - 2: Die Eigenkapitalrendite für das Vermietungsszenario 1a .............................. 151 Abb. 3.1.2.2 - 1: Das Vermietungsszenario 1 - Restfläche bleibt unvermietet ......................... 152 Abb. 3.1.2.2 - 2: Die Eigenkapitalrendite für das Vermietungsszenario 1 ................................ 152 Abb. 3.1.2.3 - 1: Das Vermietungsszenario 2 ........................................................................... 155 Abb. 3.1.2.3 - 2: Die Eigenkapitalrendite für das Vermietungsszenario 2 ................................ 155 Abb. 3.1.2.3 - 3: Das Vermietungsszenario 3 ........................................................................... 156 Abb. 3.1.2.3 - 4: Die Eigenkapitalrendite für das Vermietungsszenario 3 ................................ 156 Abb. 3.1.2.3 - 5: Das Vermietungsszenario 4 ........................................................................... 157 Abb. 3.1.2.3 - 6: Die Eigenkapitalrendite für das Vermietungsszenario 4 ................................ 157 Abb. 3.1.2.3 - 7: Das Vermietungsszenario 5 ........................................................................... 158 Abb. 3.1.2.3 - 8: Die Eigenkapitalrendite für das Vermietungsszenario 5 ................................ 158 Abb. 3.1.2.3 - 9: Das Vermietungsszenario 6 ........................................................................... 159 Abb. 3.1.2.3 - 10: Das Vermietungsszenario 7 ........................................................................ 159 Abb. 3.1.2.3 - 11: Die Eigenkapitalrendite für das Vermietungsszenario 6 .............................. 160 Abb. 3.1.2.3 - 12: Die Eigenkapitalrendite für das Vermietungsszenario 7 .............................. 160 Abb. 3.1.2.4 - 1: Das Szenario 8 ............................................................................................... 161 Abb. 3.1.2.4 - 2: Die Eigenkapitalrendite für das Vermietungsszenario 8 ................................ 162 Abb. 3.1.2.4 - 3: Das Szenario 9 ............................................................................................... 163 Abb. 3.1.2.4 - 4: Die Eigenkapitalrendite für das Vermietungsszenario 9 ................................ 163 Abb. 3.1.2.5 - 1: Das Szenario 10 ............................................................................................. 164 Abb. 3.1.2.5 - 2: Die Eigenkapitalrendite für das Vermietungsszenario 10 .............................. 165 Abb. 3.1.2.5 - 3: Das Szenario 11 ............................................................................................. 165 Abb. 3.1.2.5 - 4: Die Eigenkapitalrendite für das Vermietungsszenario 11 .............................. 166 Abbildungsverzeichnis c Abb. 3.1.3 - 1: Die Eigenkapitalrendite aller Szenarien beim 16,5-fachen Faktor .................... 167 Abb. 3.2.1.4 - 1: Einzelschritte der Bewertung mit dem Realoptionsansatz ............................ 175 Abb. 3.2.1.4 - 2: Charakterisierung typischer Realoptionsrechte ............................................. 177 Abb. 3.2.1.4 - 3: Optionsparameter von Finanz- und Realoptionen ......................................... 180 Abb. 3.2.1.4 - 4 : Der Bernoulliprozess ..................................................................................... 184 Abb. 3.2.1.4 - 5 : Die Wertentwicklung einer Immobilie ............................................................ 185 Abb. 3.2.1.4 - 6 : Die Wertentwicklung eines Portfolios aus Aktien und Kredit ........................ 186 Abb. 3.2.1.4 - 7: Die Projektwertentwicklung bei Umstellungs- bzw. Wechseloption .............. 188 Abb. 3.2.1.5 - 1: Die Ertragswertermittlung der Büroimmobilie................................................. 190 Abb. 3.2.1.6 - 1: Die Ausbaukosten der Ausgangsvariante Büronutzung durch einen Nutzer . 193 Abb. 3.2.1.6 - 2: Die Basiskosten auf der Grundlage von Kennwerten .................................... 193 Abb. 3.2.2.1 - 1: Die Aufschlüsselung der Modernisierungskosten - TGA................................ 195 Abb. 3.2.2.1 - 2: Die Aufschlüsselung der Modernisierungskosten - Ausbau........................... 196 Abb. 3.2.2.1 - 3: Die Projekt- und Optionswertermittlung für die Option 1 - Modernisierung.... 197 Abb. 3.2.2.2 - 1: Option 2 - Die Aufschlüsselung der Umbaukosten - TGA.............................. 200 Abb. 3.2.2.2 - 2: Option 2 - Die Rückbaukosten der Ausgangsnutzung im 1. bis 3. OG.......... 201 Abb. 3.2.2.2 - 3: Option 2 - Die Kosten für den Ausbau im 1. bis 3. OG .................................. 202 Abb. 3.2.2.2 - 4: Die Projekt- und Optionsbewertung für die Option 2 - Revitalisierung........... 203 Abb. 3.2.2.3 - 1: Option 3 - Die Rückbaukosten des EG und der Geschosse 4. bis 6.OG....... 206 Abb. 3.2.2.3 - 2: Option 3 - Die Ausbaukosten der Wohnungen im 4. bis 6.OG ...................... 207 Abb. 3.2.2.3 - 3: Option 3 - Technischer Ausbau - Die Kosten der Wohnungen im 4. bis 6.OG ................................................................................................................................................... 207 Abb. 3.2.2.3 - 4: Option 3 - Die Ausbaukosten für die gewerbliche Nutzung im EG ............... 208 Abb. 3.2.2.3 - 5: Option 3 - Technischer Ausbau - Die Kosten der gewerblichen Nutzung im EG ................................................................................................................................................... 208 Abb. 3.2.2.3 - 6: Die Projekt- und Optionsbewertung für die Option 3 - Redevelopment ......... 209 Abb. 3.3.1.1 - 1: Die amtlichen Datenquellen ........................................................................... 214 Abb. 3.3.1.1 - 2: Die nicht amtlichen Datenquellen................................................................... 215 Abb. 3.3.1.2 - 1: Der Preisspiegel des RDM für 3-Zimmer Wohnungen mit 70,0 m2................ 217 Abbildungsverzeichnis d Abb. 3.3.2.1 - 1: Übersicht der Ansätze der historischen Simulation........................................ 221 Abb. 3.3.2.1 - 2: Die Berechnungsschritte der historischen Simulation – Portfolioansatz........ 223 Abb. 3.3.2.1 - 3: Die Berechnungsschritte - Faktoransatz mit Differenzensimulation .............. 224 Abb. 3.3.2.1 - 4: Die Berechnungsschritte - Faktoransatz mit Ratensimulation ....................... 225 Abb. 3.3.2.3 - 1: Der Portfolioansatz mit der Differenzen- und Ratensimulation ...................... 230 Abb. 3.3.2.3 - 2: Die Häufigkeitsberechnung für den Portfolioansatz - Einfaches Portfolios.... 231 Abb. 3.3.2.3 - 3: Die zukünftige Wertänderung der RDM-Mieten ............................................. 231 Abb. 3.3.2.3 - 4: Die Verteilungsfunktion der zukünftigen Wertänderung................................. 233 Abb. 3.3.2.3 - 5: Die geordneten Wertänderungen ................................................................... 235 Abb. 3.4.1 - 1: Die Beeinflussung des Büroimmobilienmarktes durch übergeordnete Faktoren ................................................................................................................................................... 239 Abb. 3.4.1 - 2: Der Immobilienzyklus ........................................................................................ 241 Abb. 3.4.1- 3: Die Gliederung und Abgrenzung des Immobilienmarktes bzgl. seiner Teilmärkte ................................................................................................................................................... 245 Abb. 3.4.1.1 - 1: Das Vier-Quadranten- Modell des Immobilienmarktes .................................. 248 Abb. 3.4.1.1 - 2: Zusammenhänge zwischen den Teilmärkten ................................................ 253 Abb. 3.4.1.1 - 3: Die Zyklische Anpassung im Codweb- Modell ............................................... 255 Abb. 3.4.1.2 - 1: Das kurzfristige Flächenangebot.................................................................... 261 Abb. 3.4.1.2 - 2: Der Anteil der Mietfläche an der Bruttogrundfläche ....................................... 265 Abb. 3.4.1.3 - 1: Die Ermittlung der Sozialversicherungsfreien ................................................ 279 Abb. 3.4.1.3 - 2: Die Gruppen der Bürobeschäftigten gemäß Holthaus (Quote 0,3)................ 279 Abb. 3.4.1.3 - 3: Der Vergleich der Bürobeschäftigtenzahlen zwischen Holthaus und Bulwien280 Abb. 3.4.1.3 - 4: Die SVP- Beschäftigten und verschiedene Bürobeschäftigte in Düsseldorf .. 281 Abb. 3.4.1.3 - 5: Die Auswirkung der Bevölkerungsentwicklung auf die Zahl der Büroarbeitsplätze ...................................................................................................................... 283 Abb. 3.4.1.3 - 6 : Die Erwerbstätigen und die SVP- Beschäftigten in Düsseldorf..................... 284 Abb. 3.4.1.3 - 7: Der Anteil der SVP- Beschäftigten an den Erwerbstätigen in Düsseldorf...... 285 Abb. 3.4.1.3 - 8: Der Anteil der SVP- Beschäftigten an der Bevölkerung und an den Erwerbstätigen der „Big Five“ sowie von Deutschland ............................................................. 285 Abbildungsverzeichnis e Abb. 3.4.1.3 - 9: Der Bürobeschäftigtenanteil 1995 und 2002 an den Erwerbstätigen............. 287 Abb. 3.4.1.3 - 10: Der Anteil (2001) und die Entwicklung (1994 bis 2001) der Büroberufe...... 288 Abb. 3.4.1.3 - 11: Das Bürobeschäftigtenwachstum [% p.a.] im Standortvergleich ................. 290 Abb. 3.4.1.3 - 12: Das BIP zu Marktpreisen in [Mill. €] sowie die Bürobeschäftigten gemäß Holthaus und Dobberstein......................................................................................................... 292 Abb. 3.4.1.3 - 13: Das BIP und die Bürobeschäftigten von 1990 bis 2008 (Veränderung [% p.a.] ................................................................................................................................................... 293 Abb. 3.4.1.3 - 14: Der Büroflächenbestand in [Mill. €] sowie die Bürobeschäftigten gemäß Holthaus und Dobberstein in Düsseldorf................................................................................... 295 Abb. 3.4.1. 3 - 15: Faktoren für die Büroraumnachfrage .......................................................... 296 Abb. 3.4.1.3 - 16: Die Nachfragezyklen einzelner Büroraumarten ........................................... 298 Abb. 3.4.1.3 - 17: Die Zusammenhänge von Arbeitsmethoden................................................ 299 Abb. 3.4.1.3 - 18: Das Nachfrageverhalten in Bezug auf die Büroraumarten........................... 300 Abb. 3.4.1.3 - 19: Nutzerspezifische Büroraumkonzepte.......................................................... 301 Abb. 3.4.1.3 - 20: Der Büroflächenbedarf differenziert nach Büroraumarten ........................... 302 Abb. 3.4.1.3 - 21: Branchenspezifische Gestaltungsaspekte ................................................... 303 Abb. 3.4.1.3 - 22: Die Flächenkennziffer in [m²/ MA] der Big Five............................................ 304 Abb. 3.4.1.3 - 23: Die von Bürobeschäftigtenermittlungsansätzen abhängige Flächenkennziffer in [m²/ MA] in Düsseldorf........................................................................................................... 306 Abb. 3.4.1.4 - 1: Das Wirkungsmodell....................................................................................... 308 Abb. 3.4.2.4 - 2: Die Veränderung des BIP für 2006 in % gegenüber dem Vorjahr ................. 310 Abb. 3.4.2.1 - 1: Branchen - Highlights des Wirtschaftsstandortes Düsseldorf ........................ 315 Abb. 3.4.2.1 - 2: Die Vermietungsleistung nach Teilmärkten.................................................... 317 Abb. 3.4.2.1 - 3: Die Mietpreisspannen der Düsseldorfer Büroflächenteilmärkte..................... 318 Abb. 3.4.2.1 - 4: Der Leerstand nach Lagen in Düsseldorf....................................................... 318 Abb. 3.4.2.2 - 1: Der Flächenumsatz 2005 nach Branchen in Düsseldorf............................... 322 Abb. 3.4.2.3 - 1: Die Entwicklung der Einwohnerzahl und der Zahl der SVP-Beschäftigten am Arbeitsplatz................................................................................................................................ 325 Abb. 3.4.2.3 - 2: Der zeitliche Verlauf des BIP, der Erwerbstätigen und der SVP- Beschäftigten am Arbeitsort ............................................................................................................................ 327 Abbildungsverzeichnis f Abb. 3.4.2.3 - 3: Der Zuwachs des BIP und der Erwerbstätigen am Arbeitsort........................ 328 Abb. 3.4.2.3 - 4: Der Zuwachs des BIP und der SVP- Beschäftigten am Arbeitsort ................ 328 Abb. 3.4.2.3 - 5: Die Arbeitslosenquote und der Zuwachs des BIP.......................................... 329 Abb. 3.4.2.3 - 6: Die Spitzen- und Durchschnittsmieten sowie das BIP ................................... 330 Abb. 3.4.2.3 - 7: Der Vergleich der SVP- Beschäftigten am Arbeitsort mit der Spitzenmiete... 331 Abb. 3.4.2.3 - 8: Die Spitzenrenditen sowie die Spitzenmiete von 1995 bis 2004 ................... 332 Abb. 3.4.2.3 - 9: Der Flächenumsatz in Düsseldorf .................................................................. 333 Abb. 3.4.2.3 - 10: Der Flächenumsatz und der Leerstand von 1996 bis 2004 ......................... 334 Abb. 3.4.2.3 - 11: Die fertiggestellten Flächen und die Leerstandsrate von 1995 bis 2004 ..... 336 Abb. 3.4.2.3 - 11a: Die Durchschnittsmietpreise für Düsseldorfer Teilmärkte 2003/ 2004 ...... 338 Abb. 3.4.2.3 - 12: Die Spitzenmiete und der Leerstand von 1996 bis 2004 ............................. 339 Abb. 3.4.2.3 - 13: Die Spitzenmiete und der Flächenumsatz von 1996 bis 2004..................... 339 Abb. 3.4.2.3 - 14: Die Baufertigstellungen und Baugenehmigungen sowie der Abriss ............ 341 Abb. 3.4.2.3 - 15: Die Baufertigstellungen und Baugenehmigungen sowie die Spitzenmiete.. 342 Abb. 3.4.2.3 - 16: Der Büroflächenbestand, der Leerstand und die Baufertigstellungen ......... 343 Abb. 3.4.2.3 - 17: Die Korrelation des Flächenumsatzes mit den Neuanfragen sowie das BIP344 Abb. 3.4.2.3 - 18: Die flächenbezogenen Indikatoren des Düsseldorfer Büromarktes............. 344 Abb. 3.4.2.3 - 19: Die Anteile der flächenbezogenen Indikatoren am Bestand ........................ 345 Abb. 3.4.2.3 - 20: Die Nettoabsorption im Vergleich mit dem Flächenumsatz und dem Leerstand von 1995 bis 2004..................................................................................................................... 346 Abb. 3.4.2.4 - 1: Die Entwicklung der Bevölkerung der „Big Five“ und von Deutschland......... 347 Abb. 3.4.2.4 - 2: Die Entwicklung der BIP der „Big Five“ und von Deutschland ....................... 349 Abb. 3.4.2.4 - 3: Marktdaten und spezifische Standortkennzahlen der „Big Five“ 2004 .......... 350 Abb. 3.4.2.4 - 4: Die Vermietungsleistungen 2003/ 2004 der „Big Five“................................... 351 Abb. 3.4.2.4 - 5: Die Flächenumsätze bzw. Vermietungsleistungen der „Big Five“.................. 352 Abb. 3.4.2.4 - 6: Die Büroflächenbestände der „Big Five“ ........................................................ 354 Abb. 3.4.2.4 - 7: Die Leerstände 2003/ 2004 der „Big Five“ ..................................................... 355 Abb. 3.4.2.4 - 8: Die Leerstände der „Big Five“ ........................................................................ 356 Abbildungsverzeichnis g Abb. 3.4.2.4 - 9: Die Leerstandsraten der „Big Five“ ................................................................ 357 Abb. 3.4.2.4 10: Die Höchstmiete, der Flächenumsatz und Leerstand der Big Five 2005 ...... 357 Abb. 3.4.2.4 - 11: Die Flächen im Bau und das Flächenangebot der Big Five 2005 ............... 358 Abb. 3.4.2.4 - 12: Die im Bau befindlichen Flächen des Jahres 2005 der Big Five.................. 359 Abb. 3.4.2.4 - 13: Die Baugenehmigungen von Nichtwohngebäuden der „Big Five“ und von Deutschland .............................................................................................................................. 360 Abb. 3.4.2.4 - 14: Die Baufertigstellungen von Nichtwohngebäuden der „Big Five“ und von Deutschland .............................................................................................................................. 360 Abb. 3.4.2.4 - 15: Die Fertigstellungen bis 2004 und Pipeline- Flächen bis 2007 ................... 361 Abb. 3.4.2.4 - 16: Die Entwicklung des Umsatzes, des Leerstandes und der Nettoabsorption der Big Five ..................................................................................................................................... 362 Abb. 3.4.2.4 - 17: Die Entwicklung der Spitzenmiete der „Big Five“ ......................................... 363 Abb. 3.4.2.4 - 18: Die Renditespannen der Bürozentren ......................................................... 365 Abb. 3.4.3.2 - 1: Die Linearität von BIP und BWS .................................................................... 371 Abb. 3.4.3.3 - 1: Aufgenommene bzw. entfernte Variablen - Vorhersage der Erwerbstätigen. 378 Abb. 3.4.3.3 - 2: Die Modellzusammenfassung - Vorhersage der Erwerbstätigen................... 378 Abb. 3.4.3.3 - 3: ANOVA der Regression zur Vorhersage der Erwerbstätigen ........................ 379 Abb. 3.4.3.3 - 4: Die Koeffizienten bei der Regression zur Vorhersage der Erwerbstätigen.... 379 Abb. 3.4.3.3 - 5: Die Ergebnisse der Regression zur Vorhersage der Erwerbstätigen ............ 381 Abb. 3.4.3.3 - 6: Die ex post Betrachtung der Vorhersage der Erwerbstätigen........................ 382 Abb. 3.4.3.3 - 7: Die ex post Betrachtung der Vorhersage der Arbeitslosenquote................... 383 Abb. 3.4.3.3 - 8: Die Modellzusammenfassung - Vorhersage der SVP- Beschäftigten............ 384 Abb. 3.4.3.3 - 9: ANOVA der Regression zur Vorhersage der SVP- Beschäftigten ................. 385 Abb. 3.4.3.3 - 10: Die Regressionskoeffizienten - Vorhersage der SVP- Beschäftigten .......... 386 Abb. 3.4.3.3 - 11: Die ex post Betrachtung von PRE - 3 bzgl. der SVP-Beschäftigten ............ 389 Abb. 3.4.3.3 - 12: Die ex post Betrachtung von PRE - 4........................................................... 392 Abb. 3.4.3.4 - 1: Das BIP und die Bürobeschäftigten gem. Holthaus von 1995 bis 2002 ........ 407 Abb. 3.4.3.4 - 2: Der Pearson Korrelationskoeffizient............................................................... 407 Abb. 3.4.3.4 - 3: Die Ergebnisse der Vorhersage PRE - 14 - Spitzenmiete ............................. 411 Abbildungsverzeichnis h Abb. 3.4.3.4 - 4: Die Ergebnisse der Vorhersage PRE - 21a - Spitzenmiete ........................... 412 Abb. 3.4.3.4 - 5: Der Regressionsvergleich zwischen PRE - 21a und PRE - 14 - Spitzenmiete ................................................................................................................................................... 414 Abb. 3.4.3.4 - 6: Die Residuenstatistik der Vorhersage PRE - 14 - Spitzenmiete .................... 414 Abb. 3.4.3.4 - 7: Das Histogramm der Vorhersage PRE - 21a - Spitzenmiete........................ 415 Abb. 3.4.3.5 - 1: Die Modellzusammenfassung der Regressionsrechnung PRE- 2 ................. 421 Abb. 3.4.3.5 - 2: Die ex post Betrachtung der Vorhersage PRE - 7 - Durchschnittsmiete ....... 423 Abb. 3.4.3.5 - 3: Das Histogramm der Vorhersage PRE - 7 - Durchschnittsmiete ................... 425 Abb. 3.4.3.5 - 4: Die Residuenstatistik der Vorhersage PRE - 12 - Durchschnittsmiete .......... 426 Abb. 3.4.3.5 - 5: Die ex post Betrachtung der Vorhersage PRE - 1 - Durchschnittsmiete ....... 427 Abb. 3.4.3.5 - 6: Das Histogramm der Vorhersage PRE - 1 - Durchschnittsmiete ................... 428 Abb. 3.4.3.6 - 1: Die ex post Betrachtung der Vorhersage PRE - 20 - Flächenumsatz............ 440 Abb. 3.4.3.6 - 2: Das Histogramm der Vorhersage PRE - 19 - Flächenumsatz ....................... 441 Abb. 3.4.3.6 - 3: Das Histogramm der Vorhersage PRE - 20 - Flächenumsatz ....................... 442 Abb. 3.4.3.7 - 1: Die Eingabemaske zur Prognose der Durchschnittsmiete............................. 445 Abb. 3.4.3.7 - 2: Die Eingabemaske zur Prognose der Spitzenmiete....................................... 445 Abb. 3.4.3.7 - 3: Die Eingabemaske zur Prognose des Flächenumsatzes............................... 446 Abb. 3.4.3.8 - 1: Szenarien zur Prognose der gewichteten Durchschnittsmiete ...................... 448 Abb. 3.4.3.8 - 2: Szenarien zur Prognose der Spitzenmiete..................................................... 448 Abb. 3.4.3.8 - 3: Value at Risk- Werte diverser Prognosefunktionen bei unterschiedlichen Konfidenzniveaus ...................................................................................................................... 454 Abb. 3.4.3.8 - 4: Die Durchschnittsmiete des Szenarios 1 und deren Value at Risk................ 454 Abb. 3.4.3.8 - 5: Die Spitzenmiete des Szenarios 2a und deren Value at Risk........................ 455 Abb. 3.4.3.8 - 6: Vereinfachte DCF- Berechnung mit der Durchschnittsmiete des Szenarios 3 und einem VaR90 ....................................................................................................................... 455 Abb. 3.4.3.8 - 7: Vereinfachte DCF- Berechnung mit der Spitzenmiete des Szenarios 2a und einem VaR90 .............................................................................................................................. 456 Abb. 3.4.3.8 - 8: Die Entwicklung des VaR90 der gewichteten Durchschnittsmiete sowie der Spitzenmiete.............................................................................................................................. 457 Literaturverzeichnis i Literaturverzeichnis Achuthan 2004 Achuthan, L.; Banerji, A.: Beating the busi- ness Cycle - How to predict and profit from turning points in the economy, Currency Doubleday a division of Random House Inc., 2004 Alda 2005 Alda, W.; Hirschner, J.: Projektentwicklung in der Immobilienwirtschaft - Grundlagen für die Praxis, Teubner Verlag, Wiesbaden, 2005. Altrogge 1996 Altrogge, G.: Investition, 4. Auflage, Olden- bourg Verlag, München, 1996. Archer 1997 Archer, W.; Ling, D.C.: The three dimensions of real estate markets: Linking space, capital and property markets, in: Real Estate Fi- nance, Vol. 14, 1997, Nr. 3, S. 7-14 Atisreal 2002 Atisreal GmbH, Office Market Report - Ger- many 2002, 2002 Atisreal 2004 Atisreal GmbH, Office Market Report - Ger- many 2004, 2004 Atisreal 2006 (a) Atisreal GmbH, Office Market Report - Ger- many 2006, 2006 Atisreal 2006 (b) Atisreal GmbH, Investment Market Report - Germany 2006, Januar 2006 Literaturverzeichnis ii Atisreal 2006 (c) Atisreal GmbH, City Report - Düsseldorf 2006, 30.06. 2006 Atisreal 2006 (d) Atisreal GmbH, Investmentdaten für Gewer- beimmobilien im Vergleich, Stand: Jahres- wechsel 2005/2006, 2006 Axler 1994 Axler, M. M.: Valuing Development Projects, in: The Real Estate Finance Journal, 9. Jg., Heft 3, 1994, S. 17-22. Baecker 2003 Baecker, P. N.; Hommel, U.; Lehmann, H.: Marktorientierte Investitionsrechnung bei Un- sicherheit, Flexibilität und Irreversibilität - Ei- ne Systematik der Bewertungsverfahren, in: Hommel, U.; Scholich, M.; Baecker, P. (Hrsg.): Reale Optionen - Konzepte, Praxis und Perspektiven strategischer Unterneh- mensfinanzierung, Springer Verlag, Berlin Heidelberg, 2003, S. 15-35. Baetge 1998 Baetge, J.; C. Uthoff: Entwicklung eines Bo- nitätsindexes auf der Basis von Wirtschafts- auskünften der Vereine Creditreform mit Künstlichen Neuronalen Netzen, in: Data Mi- ning, hrsg. von Gholamreza Nakhaeizadeh, Heidelberg, 1998, S. 289 - 308 Ball 2001 Ball, M.; Lizieri, C.; MacGregor, B.D.: The economics of commercial property markets, reprinted Edition, New York, 2001 Literaturverzeichnis iii Barras 1983 Barras, R.: A simple theoretical model of the office-developement cycle, Environment and Planning A, Vol. 15, 1983 Barras 1985 Barras, R., Ferguson, D.: A spectral analysis of building cycles in Britain, Environment and Planning A, Vol. 17 Barras 1987 (a) Barras, R., Ferguson, D.: Dynamic modelling of the building cycle: 1. Theoretical frame- work, Environment and Planning A, Vol. 19, 1987 Barras 1987 (b) Barras, R., Ferguson, D.: Dynamic modelling of the building cycle: 2. Empirical results, En- vironment and Planning A, Vol. 19, 1987 Bartholmai 2003 Bartholmai, B.; Veser, J.: Zukunftsstudie Baugewerbe Nordrhein- Westfalen, Arbeits- paket 1: Rahmenbedingungen und Szenarien der künftigen Baunachfrage in Deutschland und Nordrhein- Westfalen, Berlin, 2003. Bartram 1999 Bartram, S. M.: Corporate Risk Management - Eine empirische Analyse der finanz- wirtschaftlichen Exposures deutscher Indust- rie- und Handelsunternehmen, in: Rudolph, B. (Hrsg.): Risikomanagement und Finanz- controlling, Band 3, Uhlenbruch Verlag, Bad Soden, 1999. Literaturverzeichnis iv Bauch 1994 Bauch, U.: Beitrag zur Risikobewertung von Bauprozessen, Dissertation, Technische U- niversität Dresden, Fakultät Bau-, Wasser- und Forstwesen, Dresden, 1994 Bauer 2004 Bauer, Manfred; Blindow, Karl: Einsatz von Risikomanagement als strategisches Steue- rungsinstrument - Umsetzung des RM an Fallbeispielen im Tunnelbau, in: Risikomana- gement in der Bauwirtschaft, Hrsg.: Techni- sche Universität Graz, Institut für Baubetrieb und Bauwirtschaft, Verlag der Technischen Universität Graz, Graz, 2004, S. 36-47 Baumeister 2004 Baumeister, A.: Risikomanagement bei Im- mobilieninvestments - Entscheidungshilfen für institutionelle Anleger, Deutscher Univer- sitätsverlag, Wiesbaden, 2004. Becker 1998 Becker, K.: Analyse des konjunkturellen Mus- ters von wohnungswirtschaftlichen und ge- werblich-industriellen Bauinvestitionen, Dis- sertation, WiB Kolleg Verlag, Berlin 1998 Beckmann 2002 Beckmann, D.; Jäde, D.: Operatives Risiko- management in der Immobilienprojektent- wicklung, in: Baumarkt + Bauwirtschaft, Bau- verlag, Heft 4, 2002, S. 34-37. Literaturverzeichnis v Berliner Mietfibel 2003 Berliner Mietfibel, Senatsverwaltung für Stadtentwicklung Berlin, Berlin 2003 www.stadtentwicklung.berlin.de Betge 1998 Betge, P.: Investitionsplanung - Methoden, Modelle, Anwendungen, 3. Auflage, Gabler Verlag, Wiesbaden, 1998. Beyerle 2003 Beyerle, T.: Zukunftsorientierte Bürokonzepte - Bewegte Büros in bewegten Zeiten, DEGI Deutsche Gesellschaft für Immobilienfonds mbH, Frankfurt am Main / Mün- chen,06.10.2003 (Vortrag) Beyerle 2005 Beyerle, T.: Der erste Schritt zur Erkenntnis: Marktdiagnose 2005 - Herausforderungen der Branche zwischen Leerstand und Ni- schenprodukten, DEGI Deutsche Gesell- schaft für Immobilienfonds mbH, Frankfurt am Main, 24.02,2005 (Vortrag) Bieg 2000 Bieg, Hartmut; Kußmann, Heinz Vahlens Handbücher der Wirtschafts- und Sozialwis- senschaften Investitions- und Finanzie- rungsmanagement Band 1: Investitionen Ver- lag Vahlen, 2000 Literaturverzeichnis vi Bitz 2000 Bitz, H.: Risikomanagement nach KonTraG - Einrichtung von Frühwarnsystemen zur Effi- zienzsteigerung und zur Vermeidung persön- licher Haftung, Schäffer-Poeschel Verlag, Stuttgart, 2000. BKI 2002 Baukosten 2002 - Kennwerte für Gebäude, (Hrsg.) BKI Baukosteninformationszentrum, R. Müller Köln, 2002 Blecken 2000 Blecken, U.; Schriek, T.: Konzepte für neue Wettbewerbs- und Vertragsformen in der Bauwirtschaft, in: Bautechnik, Ernst & Sohn Verlag, Heft 2, 2000, S. 119-130. Blecken 2001 Blecken, U.; Boenert, M.; Sundermeier, M.: Baukostensenkung durch Anwendung inno- vativer Wettbewerbsmodelle, in: For- schungsbericht unter Förderung des BMVBW, Az II 13 - 80 01 99 - 6, Dortmund, 2001. Blecken 2003 Blecken, U.; Boenert, L.; Meinen, H.: Risiko- management im Bauplanungsprozess, in: Bautechnik, Ernst & Sohn Verlag, Heft 7, 2003, S. 468-477. Literaturverzeichnis vii Blecken 2004 (a) Blecken, U.; Meinen, H.; Holthaus, U.: Ver- gabeentscheidung und Wirtschaftlichkeitsbe- rechnung von PPP / PFI - Projekten in der Bauwirtschaft, in: Bautechnik, Ernst & Sohn Verlag, Heft 8, 2004, S. 648-657. Blecken 2004 (b) Blecken, U.; Holthaus, U.: Marktdatenbasier- tes Ertragsprognosemodell für die Projekt- entwicklung, Festschrift Professor Stadler, TU Graz, Dezember 2004 Bleuel 2000 Bleuel, H.-H.; Schmitting, W.: Konzeptionen eines Risikomanagements im Rahmen der internationalen Geschäftstätigkeit, in: Berens, W.; Born, A.; Hoffjan, A. (Hrsg.): Controlling international tätiger Unternehmen, Schäffer- Poeschel Verlag, Stuttgart, 2000, S. 65-122. Blew 1989 Blew, J. M.: Casebook in real estate finance and development, Foresman Verlag, Glen- view, 1989. Bleymüller 2004 Bleymüller, J.; Gehlert, G.; Gülicher, H.: Sta- tistik für Wirtschaftswissenschaftler, 14. Auf- lage, Vahlen Verlag, München, 2004. Blohm 1995 Blohm, H.; Lüder, K.: Investition, 8. Auflage, Vahlen Verlag, München, 1995. Literaturverzeichnis viii BMVBW 2003 (b) Bundesministerium für Verkehr, Bau- und Wohnungswesen Beratergruppe „PPP im öf- fentlichen Hochbau“ Band 1: Leitfaden 01.08.2003 BMVBW 2003 (d/4) Bundesministerium für Verkehr, Bau- und Wohnungswesen Beratergruppe „PPP im öf- fentlichen Hochbau“ Band 3: Wirtschaftlich- keitsuntersuchung, Teil 2, Arbeitspapier 5: Risikomanagement 01.08.2003 Bonduelle 2003 Bonduelle, Y.; Schmoldt, I.; Scholich, M.: Anwendungsmöglichkeiten der Realoptions- bewertung, in: Hommel, U.; Scholich, M.; Baecker, P. (Hrsg.): Reale Optionen - Kon- zepte, Praxis und Perspektiven strategischer Unternehmensfinanzierung, Springer Verlag, Berlin Heidelberg, 2003, S. 3-13. Bone-Winkel 1994 Bone-Winkel, S.: Das strategische Manage- ment von offenen Immobilienfonds - unter Berücksichtigung der Projektentwicklung von Gewerbeimmobilien, Rudolf Müller Verlag, Köln, 1994. Bone-Winkel 1995 Bone-Winkel, S; Sotelo, R.: Warum werden Büroflächen (nicht) vermietet?, in: Grund- stücksmarkt und Grundstückswert, H. 4, Neuwied, 1995, S. 199-205 Literaturverzeichnis ix Bone-Winkel 2005 (a) Bone-Winkel, S.; Schulte, K.-W.; Focke, C.: Begriff und Besonderheiten der Immobilie als Wirtschaftsgut, in: Schulte, K.-W. (Hrsg.): Immobilienökonomie - Betriebswirtschaftliche Grundlagen, 3. Auflage, Oldenbourg Wissen- schaftsverlag, München, 2005, S. 3-25. Bone-Winkel 2005 (b) Bone-Winkel, S.; Isenhöfer, B.; Hofmann, P.: Projektentwicklung, in: Schulte, K.-W. (Hrsg.): Immobilienökonomie - Betriebswirt- schaftliche Grundlagen, 3. Auflage, Olden- bourg Wissenschaftsverlag, München, 2005, S. 231-299. Bower 1965 Bower, J. L.: Investment in commercial con- struction, The Review of Economic and Sta- tistic, 1965 Brauer 2001 Brauer, K.-U. : Grundlagen der Immobilien- wirtschaft, Recht - Steuern - Marketing - Fi- nanzierung - Bestandsmanagement - Pro- jektentwicklung, 3. Auflage, Betriebswirt- schaftlicher Verlag, Wiesbaden, 2001. Braun 1984 Braun, H.: Risikomanagement - Eine spezifi- sche Controllingaufgabe, in: Horváth, P. (Hrsg.): Controlling-Praxis, CP 7, Universität Stuttgart, S. Toeche-Mittler Verlag, Darm- stadt, 1984. Literaturverzeichnis x Brebeck 1997 Brebeck, F.; Herrmann, D.: Zur Forderung des KonTraG-Entwurfs nach einem Früh- warnsystem und zu den Konsequenzen für die Jahres- und Konzernabschlussprüfung, in: WPg, 50. Jg., Heft 2, S. 381-391. Brosius 2004 Brosius, F.: SPSS 12, mitp- Verlag, Bonn, 2004 Brüssel 2002 Brüssel, W.: Baubetrieb von A bis Z, 4. Auf- lage, Werner Verlag GmbH & Co. KG, Düs- seldorf, 2002 Bücker 1996 Bücker, R.: Mathematik für Wirtschaftswis- senschafter, 4. Auflage, München, 1996 Bulwien 2002 Bulwien, H.: Entwicklung des Immobilien- marktes in Deutschland - Marktteilnehmer, Regionen, Volumina, Preise und Mieten, Wohnungswesen und Büroimmobilien, Auf- baukurs "Unternehmensführung für Bauinge- nieure und Architekten" an der Fachhoch- schule Biberach, 18.04 2002 (Vortrag) Bulwien 2004 (a) Bulwien, H.: Prognose der 7 wichtigsten Bü- romärkte in Deutschland, Frühjahrsgutachten der Immobilien-Zeitung, Präsentation im Rahmen der CIMMIT 2004, Wiesbaden, 20.01.2004 (Vortrag) Literaturverzeichnis xi Bulwien 2004 (b) Bulwien, H.: Entwicklung der Büronachfrage in Deutschland und Europa, Unterlagen zum Vortrag QUO VADIS 2004/ 2005 der Bernd Heuer Dialog GmbH, Berlin, 05.02.2004 (Vortrag) Bulwien 2004 (c) Bulwien, H.: Die Bedeutung der Immobilien- wirtschaft und die besondere Situation der Büromärkte, Präsentation der IHK München "Dienstleistungen - ein Markt mit Zukunft", München, 24.03.2004 (Vortrag) Bulwien 2004 (d) Bulwien, H.: Chancen von Mittelständen als Büroimmobilienstandorte, Wirtschaftsförde- rung Osnabrück GmbH, 15.11.2004 (Vortrag) Busch 2004 Busch, Thorsten A.: Systematisches Pro- jektmanagement in der Angebotsphase, in: Risikomanagement in der Bauwirtschaft, Hrsg.: Technische Universität Graz, Institut für Baubetrieb und Bauwirtschaft, Verlag der Technischen Universität Graz, Graz, 2004, S. 40-62 Case 1995 Case, K. E.; Shiller, R. J.; Weiss, A. N.: Mortgage Default Risk and Real Estate Prices: The Use of Index-Based Futures and Options in Real Estate, April 1995, http://cowles.econ.yale.edu/P/au/d_case.htm Literaturverzeichnis xii Catella Eureal 2005 Catella Eureal: Büromarkt Deutschland - Frühjahr 2005, Redaktionsschluss 11.03.2005 Catella Eureal 2006 Catella Eureal: Der Düsseldorfer Büromarkt im 1. Quartal 2006, 16.04.2006 Celik 2003 Celik, O.: Kostenplanung im Turm- und Mastbau, Diplomarbeit, Universität Dort- mund, Fakultät Bauwesen, Lehrstuhl für Baubetrieb, 2003. Copeland 2002 Copeland, T.; Antikarow, V.: Realoptionen - Das Handbuch für Finanz-Praktiker, WILEY- VCH Verlag, Weinheim, 2002. Corluka 2006 Corluka, K.: Immobilienzyklen in Deutsch- land, Diplomarbeit, Universität Dortmund, Fakultät Bauwesen, Lehrstuhl für Baubetrieb und Bauprozessmanagement, 2006 Crasselt 1997 Crasselt, N.; Tomaszewski, C.: Realoptionen. Eine neue Theorie der Investitionsrechnung, Arbeitspapier am Lehrstuhl für internationale Unternehmensrechnung, Ruhr-Universität Bochum, Oktober 1997, ftp://ftp.iur.ruhr-uni- bochum.de/pub/dp/dp97-1.pdf Literaturverzeichnis xiii Dangl 2003 Dangl, T.; Kopel, M. O.: Die Bedeutung voll- ständiger Märkte für die Anwendung des Re- aloptionsansatzes, in: Hommel, U.; Scholich, M.; Baecker, P. (Hrsg.): Reale Optionen - Konzepte, Praxis und Perspektiven strategi- scher Unternehmensfinanzierung, Springer Verlag, Berlin Heidelberg, 2003, S. 38-62. Däumler 2003 Däumler, K.- D.: Grundlagen der Investitions- und Wirtschaftlichkeitsberechnung, 11. Auf- lage, Verlag Neue Wirtschafts-Briefe, Herne Berlin, 2003 DEGI 2001 DEGI: Neue Perspektiven: Marktreport 2001 - Deutschland in Zahlen, Herausgegeben durch GIM Grundwert Immobilien Manage- ment GmbH, Frankfurt 2001, www.degi.de/immobilienanlage/produkte/mar ktreport2001.pdf DEGI 2006 DEGI: Neue Perspektiven - Marktreport Deutschland 2006, Frankfurt am Main, 2006 Derks 1996 Derks, K.: Risikomanagement, in: Diederichs, C. J. (Hrsg.): Handbuch der strategischen und taktischen Bauunternehmensführung, Bauverlag, Wiesbaden, 1996, S. 235-285. Diederichs 1994 (a) Diederichs, C. J.: Grundlagen der Projekt- entwicklung / Teil 1, in: Bauwirtschaft, 48. Jg., Heft 11, S. 43-49. Literaturverzeichnis xiv Diederichs 1994 (b) Diederichs, C. J.: Grundlagen der Projekt- entwicklung / Teil 2, in: Bauwirtschaft, 48. Jg., Heft 12, S. 55-58. Diederichs 1996 Diederichs, C. J.: Grundlagen der Projekt- entwicklung, in: Diederichs, C. J. (Hrsg.): Handbuch der strategischen und taktischen Bauunternehmensführung, Bauverlag, Wies- baden, 1996, S. 347-382. Diederichs 2004 Diederichs, M.: Risikomanagement und Risi- kocontrolling, Dissertation, Vahlen Verlag, München, 2004. Diederichs 2005 Diederichs, C. J.: Führungswissen für Bau- und Immobilienfachleute 1 - Grundlagen, 2. Auflage, Springer Verlag, Berlin Heidelberg, 2005. DIN 276 (1993) DIN 276 – Kosten im Hochbau, DIN Deut- sches Institut für Normung e.V., Juni 1993 DIN 277 (2005) DIN 277 – Grundflächen und Rauminhalte von Bauwerken im Hochbau, Teil 1 bis 3, DIN Deutsches Institut für Normung e.V., Februar 2005 DIN 18 960 (1999) DIN 18 960 - Nutzungskosten im Hochbau; DIN Deutsches Institut für Normung e.V., August 1999 Literaturverzeichnis xv DiPasquale 1992 DiPasquale, D.; Wheaton, W.C.: The markets for real estate assets and space: A concep- tual framework, AREUEA, Vol. 20, 1992, S. 181-187 Dixit 1994 Dixit, A. K.; Pindyck, R. S.: Investment under uncertainty, Princeton University Press, Princeton New Jersey, 1994. Dobberstein 1997 (a) Dobberstein, M.: Bürobeschäftigte - Entwick- lung einer Methode zur Schätzung der Büro- beschäftigten im Rahmen von Büroflächen- nachfrageprognosen, Dissertation, Universi- tät Dortmund, Fakultät Raumplanung, 1997 Dobberstein 1997 (b) Dobberstein, M.: Bürobeschäftigte - Empiri- sche Ermittlung von Bürobeschäftigungsquo- ten für Büroflächenanalysen, Grundstücks- markt und Grundstückswert (GuG) Zeit- schrift, S. 321-329, 1997 Dobberstein 2000 Dobberstein, M.: Das prozyklische Verhalten der Büromarktakteure, Arbeitspapier Nr.2, Universität Dortmund, Fakultät Raumpla- nung, Fachgebiet Gewerbeplanung, Dort- mund, 2000. Dowd 1998 Dowd, K.: Beyond Value at Risk - The New Science of Risk Management, Wiley Verlag, West Sussex, 1998. Literaturverzeichnis xvi Downs 1991 Downs, A.: Principles of Real Estate Man- agement, 13th Edition, Illinois 1991 DUDEN 1982 DUDEN - Fremdwörterbuch, 4. Auflage, Du- den Verlag, Mannheim, 1982. Duden 2003 Duden - Deutsches Universalwörterbuch A-Z, 5. Auflage, Dudenverlage, Mannheim Leipzig Wien Zürich 2003 Düsseldorf 2006 Landeshauptstadt Düsseldorf (Hrsg.): Die Wirtschaftsförderung informiert, Ausgabe Nr. 80 Juni 2006, 2006 Dziomba 2005 Dziomba, M.: Standortfaktoren und Büro- märkte, B: Marktanalyse und Büromärkte, Vorlesung "Arbeitsstättenplanung/ Gewerbe- planung" an der Technischen Universität Hamburg-Harburg, 3.Mai.2005 Eckert 2004 Eckert, S.; Lamparter, G.; Möller, K.: Konzept und Umsetzung eines Risikomanagement- systems bei der DÜRR AG, in: ZfCM, Gabler Verlag, 48. Jg.; Sonderheft 3, 2004, S. 26-36. Falk 1997 Falk, B. (Hrsg.): Das große Handbuch Immo- bilien - Management, Verlag Moderne Indust- rie, Landsberg/ Lech, 1997 Literaturverzeichnis xvii Falk 2004 Falk, B. (Hrsg.); Haber, G.; Spitzkopf, H.A.; Winden, S.; de Witt, S.: Fachlexikon Immobi- lienwirtschaft, 3. Auflage, Rudolf Müller Ver- lag, Köln, 2004 Farny 1989 Farny, D.: Versicherungsbetriebslehre, Karls- ruhe, 1989 Fasse 1995 Fasse, F.-W.: Risk-Management im strategi- schen internationalen Marketing, in: Duisbur- ger betriebswirtschaftliche Schriften, Band 10, Steuer- und Wirtschaftsverlag, Hamburg, 1995. Ferreau 2003 Ferreau, P.: Risiken bei der Ertragsplanung von Immobilieninvestments - Schaffung und Bewertung zukünftiger Handlungsflexibilitä- ten, Diplomarbeit, Universität Dortmund, Fa- kultät Bauwesen, Lehrstuhl für Baubetrieb, 2003. Finnerty 1996 Finnerty, J. D.: Project financing - asset- based financial engineering, Wiley Verlag, New York, 1996. Fischer 2005 Fischer, C.; Bischoff, T.: Bau- Projektmanagement, in: Schulte, K.-W. (Hrsg.): Immobilienökonomie - Betriebswirt- schaftliche Grundlagen, 3. Auflage, Olden- bourg Wissenschaftsverlag, München, 2005, S. 301-342. Literaturverzeichnis xviii Flüshöh 2004 Flüshöh, C.; Stottrop, D.: Arbeitspapier zur Gewerbeplanung, Fachgebiet Gewerbe- planung - Fakultät Raumplanung - Universität Dortmund von Prof. Dr. Gerd Hennings, Ar- beitspapier No. 8 : Zwischenergebnis Büro- flächenvollerhebung Düsseldorf - Hinter- grund, Methodik, Vorläufige Ergebnisse, Dortmund, 2004 Frank 2002 Frank, H.-J.: Deutsche Bank Research, Mainhatten und Rhein-Main im Überblick - aktuelle Daten und Prognosen zum Standort, 5. Mainhatten Immobilientreff, 10.04.2002, Folie 4 (Vortrag) Frensch 2004 Frensch, S.; Waldburg, H.: Risikomanage- ment bei Immobilieninvestitionen, in: Real Estate Trends, Ernst & Young Verlag, Son- derausgabe zur Expo Real, 2004,S. 3-4. Fürst 2003 Fürst, F.; Ebert, L.; Neues Arbeiten in der Stadt: Bürostandort Berlin. Ein Projekt des Instituts für Stadt- und Regionalplanung, Technische Universität Berlin. WS 2002/03, März 2003 Gabler 1993 Gabler Wirtschaftslexikon, 13.Auflage, Be- triebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden 1993 Literaturverzeichnis xix Gabler 1997 GABLER WIRTSCHAFTSLEXIKON, 14., vollständig überarbeitete und erweiterte Auf- lag, Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH Wiesbaden, 1997 Gabler 2005 GABLER WIRTSCHAFTSLEXIKON, 16., vollständig überarbeitete und erweiterte Auf- lage, Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH Wiesbaden, 2005 Gärtner 1996 Gärtner, S.: Beurteilung und Bewertung al- ternativer Planungsentscheidungen im Im- mobilienbereich mit Hilfe eines Kennzahlen- systems, VWF Verlag für Wissenschaft und Forschung GmbH, Berlin, 1. Auflage 1996 gif 2004 Gesellschaft für Immobilienwirtschaftliche Forschung e.V. (gif): Definitionssammlung zum Büromarkt, Stand: September 2004; www.gif-ev.de, 2004 Göcke 2004 Göcke, Bettina: Risikomanagement in Bau- unternehmen - Umsetzung bei der E. Heit- kamp GmbH, in: Risikomanagement in der Bauwirtschaft, Hrsg.: Technische Universität Graz, Institut für Baubetrieb und Bauwirt- schaft, Verlag der Technischen Universität Graz, Graz, 2004, S. 82-88 Literaturverzeichnis xx Goodchild 1985 Goodchild, R. N.; Munton, R.: Development and the Landowner - An Analysis of the Brit- ish Experience, Allen & Unwin Verlag, Lon- don, 1985. Gore 1991 Gore, T.; Nicholson, D.: Models of the Land- Development Process - A Critical Review, in: Environment and Planning, 23. Jg., 1991, S. 705-730. Götze 2001 Götze, U.; Mikus, B.: Entscheidungsmodelle als Instrumente des Risikomanagements - Möglichkeiten und Grenzen, in: Götze, U.; Henselmann, K.; Mikus, B. (Hrsg.): Risiko- management, Physica Verlag, Heidelberg, 2001, S. 3-28. Götze 2004 Götze, U.; Bloech, J.: Investitionsrechnung - Modelle und Analysen zur Beurteilung von Investitionsvorhaben, 4. Auflage, Springer Verlag, Berlin Heidelberg, 2004. Graaskamp 1991 Graaskamp, J. A.: Fundamentals of real estate development, in: Jarchow, S. P. (Hrsg.): Graaskamp on real estate, Washing- ton D. C., 1991, S. 228-265. Graf 1997 Graf, K. H.: Projektdevelopment, in: Mändle, E.; Galonska, J. (Hrsg.): Wohnungs- und Immobilienlexikon, Hammonia Verlag, Ham- burg, 1997, S. 660-662. Literaturverzeichnis xxi Grau 1999 Grau, W.: Begutachtung eines Value-at-Risk- Modells, in: Leitfadenreihe zum Marktrisiko, Band 3, Österreichische Nationalbank Ver- lag, Wien, 1999. Greer 1992 Greer, G. E.; Farrelll, M. D.: Investment Analysis for Real Estate Decisions, 3. Aufla- ge, Chicago, 1992. Grob 1989 Grob, H. L.: Investitionsrechnung mit voll- ständigen Finanzplänen, Vahlen Verlag, München, 1989. Grob 1999 Grob, H. L.: Einführung in die Investitions- rechnung, 3. Auflage, Vahlen Verlag, Mün- chen, 1999. Gutmannsthal-Krizanits 1994 Gutmannsthal-Krizanits, H.: Risikomanage- ment von Anlageprojekten - Analyse, Gestal- tung und Controlling aus Contractor- Sicht, Gabler Verlag, Wiesbaden, 1994. Hager 2004 Hager, P.: Corporate Risk Management - Cash Flow at Risk und Value at Risk, in: Wiedemann, A. (Hrsg.): Competence Center Finanz- und Bankmanagement, Bankaka- demie Verlag, 2004. Literaturverzeichnis xxii Haller 1986 Haller, M.: Risiko-Management - Eckpunkte eines integrierten Konzeptes, in: Jacob, H. (Hrsg.): Risiko-Management - Schriften zur Unternehmensführung, Band 33, Gabler Ver- lag, Wiesbaden, 1986, S. 7-43. Hartung 1998 Hartung, F.: Der Büroflächenmarkt der Lan- deshauptstadt Düsseldorf unter besonderer Berücksichtigung der Leerstandsproblematik, Dissertation, Universität Dortmund, Fakultät Raumplanung, 1998 Hasselmann 1997 Hasselmann, W.: Praktische Baukosten- planung und -kontrolle mit Handlungs- anweisung für Planer und Investoren, Köln, 1997 Hax 1993 Hax, H.: Investitionstheorie, 5. Auflage, Phy- sica Verlag, Würzburg Wien, 1993. Hekmann 1985 Hekmann, J.: Rental price adjustment and investment in the office market, AREUEA Journal, Vol 13, No. 1, 1985 Hellerforth 2001 Hellerforth, M.: Der Weg zu erfolgreichen Immobilienprojekten durch Risikobegrenzung und Risikomanagement, RKW-Verlag, Esch- born, 2001. Literaturverzeichnis xxiii Heß Heß, J.-U.: Ein Prognosesystem zur Budget- planung von ungeplanten Instandhaltungs- maßnahmen in deutschen Wohnungsunter- nehmen, Dissertation, Universität Dortmund, in Bearbeitung. Heuer 2001 Heuer, H.B., Nordalm, V. Die Wohnungs- märkte im gesamtwirtschaftlichen Gefüge in Jenkis, H.W.Kompendium der Wohnungs- wirtschaft; 4. Auflage; Oldenbourg Wissen- schaftsverlag GmbH; München, Wien 23.06.1905 Hildenbrand 1988 Hildenbrand, K.: Systemorientierte Risiko- analyse in der Investitionsplanung, Duncker & Humblot Verlag, Berlin, 1988. Hoffmann 1985 Hoffmann, K.: Risk Management - neue We- ge der betrieblichen Risikopolitik, Versiche- rungswirtschaft Verlag, Karlsruhe, 1985. Hölscher 2002 Hölscher, R.: Von der Versicherung zur inte- grativen Risikobewältigung - Die Konzeption eines modernen Risikomanagements, in: Hölscher, R.; Elogen, R. (Hrsg.): Herausfor- derung Risikomanagement - Identifikation, Bewertung und Steuerung industrieller Risi- ken, Gabler Verlag, Wiesbaden, 2002, S. 3- 31. Literaturverzeichnis xxiv Holthaus 2004 (a) Blecken, U.; Meinen, H.; Holthaus, U.: Ver- gabeentscheidung und Wirtschaftlichkeitsbe- rechnung von PPP / PFI - Projekten in der Bauwirtschaft, in: Bautechnik, Ernst & Sohn Verlag, Heft 8, 2004, S. 648-657. Holthaus 2004 (b) Holthaus, U.: Senkung der Baukosten und Reduzierung der Preisunsicherheit mit Hilfe der Risikoabwicklung über die Optionspreis- theorie mit Realoptionen, in: Baubetriebs- und Bauwirtschaftssymposium - Risikoma- nagement in der Bauwirtschaft, Verlag der Technischen Universität Graz, April 2004, S. 103-114. Holthaus 2004 (c) Blecken, U.; Holthaus, U.: Marktdatenbasier- tes Ertragsprognosemodell für die Projekt- entwicklung, Festschrift Professor Stadler, TU Graz, Dezember 2004 Holthaus 2005 Holthaus, U.; Schmelz, S.: Bestimmung der Anzahl der Bürobeschäftigten, internes The- senpapier, Universität Dortmund, Juli/ August 2005 Hommel 1999 (a) Hommel, U.; Pritsch, G.: Marktorientierte Investitionsbewertung mit dem Realoptions- ansatz in: Finanzmarkt und Portfoliomana- gement, Vol. 13, S. 115-144, 1999,http://www.realoptions.de/HommelPrits ch.pdf Literaturverzeichnis xxv Hommel 1999 (b) Hommel, U.; Pritsch, G.: Investitionsbewer- tung und Unternehmensführung mit dem Re- aloptionsansatz in: Achleitner, A.-K.; Thoma, G. F. (Hrsg.): Handbuch Corporate Finance. 4. Ergänzungslieferung, S. 1-67, Verlag Deutscher Wirtschaftsdienst, Köln, 1999, http://www.realoptions.de/handbuch.pdf Hommel 1999 (c) Hommel, U.; Müller, J.: Realoptionsbasierte Investitionsbewertung, in: Finanzbetrieb, 1. Jg., Heft 8, 1999, S. 177-188. Hommel 2001 Hommel, U.; Lehmann, H.: Die Bewertung von Investitionsprojekten mit dem Realopti- onsansatz. Ein Methodenüberblick in: Hommel, U.; Scholich, M.; Vollrath, R. (Hrsg.):Realoptionen in der Unternehmens- praxis. Wert schaffen durch Flexibilität, Springer Verlag, Berlin [u.a.], 2001 Hornung 1999 Hornung, K.; Reichmann, T.; Diederichs, M.: Risikomanagement - Teil I: Ansätze zur pragmatischen Realisierung gesetzlicher An- forderungen, in: ZfCM, 11. Jg., Heft 7, 1999, S. 317-325. Hornung 2000 Hornung, K.; Reichmann, T.; Form, S.: Risi- komanagement - Teil II: Wertorientierung und KonTraG als Determinanten des Risikoma- nagements der Metallgesellschaft AG, in: Controlling, 12. Jg., Heft 3, 2000, S. 153-161. Literaturverzeichnis xxvi Horváth 2003 Horváth, P.: Controlling, 9. Auflage, Vahlen Verlag, München, 2003. Huch 2001 Huch, B.; Tecklenburg, T.: Risikomanage- ment in der Bauwirtschaft, in: Götze, U.; Henselmann, K.; Mikus, B. (Hrsg.): Risiko- management, Physica Verlag, Heidelberg, 2001, S. 299-325. Hübner 2000 Hübner, R.; Kurzhals, A.: Zur Prognose regi- onaler Immobilienmärkte - eine empirische Analyse des Zusammenhanges zur Konjunk- turentwicklung, Potsdam, 2000 Huschens 1997 Huschens, S.: Anmerkungen zur Value-at- Risk-Definition, Value-at-Risk-Schlaglichter, Dresden 18. Februar 1997 Huschens 1999 Huschens, S.: Anmerkungen zur Value-at- Risk-Definition, Dresdner Beiträge zu Quanti- tativen Verfahren, Technische Universität Dresden, Fakultät Wirtschaftswissenschaf- ten, Heft 28, 1999. Huschens 2000 Huschens, S.: Value-at-Risk-Berechnung durch historische Simulation, Dresdner Bei- träge zu Quantitativen Verfahren, Technische Universität Dresden, Fakultät Wirtschaftswis- senschaften, Heft 30, 2000. Literaturverzeichnis xxvii HVB Expertise 2002 HVB Expertise GmbH: Marktanalyse und -prognose - Büro - Düsseldorf, Oktober 2002 Iding 2003 Iding, A.: Entscheidungsmodell der Baupro- jektentwicklung, Dissertation, Deutscher Ver- band der Projektmanager, Wuppertal, 2003, S. 61. Imboden 1983 Imboden, C.: Risikohandhabung - ein ent- scheidbezogenes Verfahren, Haupt Verlag, Bern, 1983. Isenhöfer 1999 Isenhöfer, B.: Strategisches Management von Projektentwicklungsunternehmen, in: Schriften zur Immobilienökonomie, Band 8, Immobilien Informationsverlag, Köln, 1999. Isenhöfer 2000 Isenhöfer, B.; Väth, A.: Projektentwicklung, in: Schulte, K.-W. (Hrsg.): Immobilienökono- mie, 2. Auflage, Oldenbourg Wissenschafts- verlag, München, 2000, S. 149-228. Isenhöfer 2005 Isenhöfer, B.; Väth, A.; Hofmann, P.: Immobi- lienanalyse, in: Schulte, K.-W. (Hrsg.): Im- mobilienökonomie - Betriebswirtschaftliche Grundlagen, 3. Auflage, Oldenbourg Wissen- schaftsverlag, München, 2005, S. 391-451. Literaturverzeichnis xxviii Jacob 2003 Jacob, D. / Winter, Ch. / Stuhr C.: PPP bei Schulbauten-Parameter für einen Public Sec- tor Comparator; Freiberger Forschungshefte Technische Universität Bergakademie Frei- berg, Juli 2003 Jarass 1984 Jarass, H. D.: Wirtschaftsverwaltungsrecht und Wirtschaftsverfassungsrecht, 2. Auflage, Metzner Verlag, Frankfurt am Main, 1984. Jasper 2001 Jasper, D.: Kompakthandbuch Immobilien; Schäffer Poeschel Verlag für Wirtschaft Steuern Recht GmbH & Co. KG, 2001 Jasper 2001 Jasper, D. (Hrsg.); Kompakthandbuch Immo- bilien. Schäffer- Poeschel Verlag für Wirt- schaft- Steuern- Recht GmbH & Co. KG , 2001 Joachim 1996 Joachim, W. E.: Kommunikationskünstler mit Konzept - Die Anforderungen an Projektent- wickler und -manager steigen, in: Immobilien Zeitung, Heft 25, 1996, S. 11. Jockusch 2002 Jockusch, Arne Value-at-Risk-Modelle für Aktienportfolios auf der Basis der Varianz- Kovarianz-Methode; Dissertation; Peter Lang GmbbH, Frankfurt am Main 2002 Literaturverzeichnis xxix Johanning 1998 Johanning, L.: Value-at-Risk zur Marktrisiko- steuerung und Eigenkapitalallokation, in: Ru- dolph, B. (Hrsg.): Risikomanagement und Fi- nanzcontrolling, Band 1, Uhlenbruch Verlag, Bad Soden, 1998. Quellen von Jones Lang LaSalle unter http://www.joneslanglasalle.de: Jones Lang LaSalle 2005 (a) Jones Lang LaSalle, City Profile Düsseldorf - Update Q1 05, 2005 Jones Lang LaSalle 2005 (b) Jones Lang LaSalle, Immobilienuhr 4. Quar- tal 2005 - Büros, 2005 Jones Lang LaSalle 2006 (a) Jones Lang LaSalle, City Profile Düsseldorf - Update Q2 06, 2006 Jones Lang LaSalle 2006 (b) Jones Lang LaSalle, City Profile Berlin - Up- date Q2 06, 2006 Jones Lang LaSalle 2006 (c) Jones Lang LaSalle, City Profile Frankfurt - Update Q2 06, 2006 Jones Lang LaSalle 2006 (d) Jones Lang LaSalle, City Profile Hamburg - Update Q2 06, 2006 Jones Lang LaSalle 2006 (e) Jones Lang LaSalle, City Profile München - Update Q2 06, 2006 Jones Lang LaSalle 2006 (f) Jones Lang LaSalle, Das Finale steht noch aus - Kurzkommentar 1. Halbjahr 2006, Presseinformation, April 2006 Literaturverzeichnis xxx Jones Lang LaSalle 2006 (g) Jones Lang LaSalle, Presseinformation Bü- romarkt Düsseldorf, Rück- und Ausblick, Stand: Ende Dezember 2005, 2006 Jones Lang LaSalle 2006 (h) Jones Lang LaSalle, Der Düsseldorfer Büro- vermietungsmarkt 2005 (Vortrag für Presse- konferenz), 19. Januar 2006 Jones Lang LaSalle 2006 (i) Jones Lang LaSalle, City Profile Düsseldorf - Update Q1 06, 2006 Just 2005 Just, T.: Demografische Auswirkungen auf die Büromärkte – ein Udate, Vortrag auf dem 4. gif – Forum am 15.02.2005, Berlin, 2005 Kalusche 2002 Kalusche, W.: Projektmanagement für Bau- herren und Planer, Oldenbourg Verlag, Mün- chen, 2002. Kapellmann 2000 Kapellmann, K. D.; Schiffers, K.-H.: Vergü- tung, Nachträge und Behinderungsfolgen beim Bauvertrag, Band 1: Einheitspreisver- trag, 4. Auflage, Werner Verlag, Düsseldorf, 2000. Keitsch 2004 Keitsch, D.: Risikomanagement, 2. Auflage, Schäfer-Poeschel Verlag, Stuttgart, 2004. Literaturverzeichnis xxxi Kemper 1991 Kemper, G.K.: Handelsimmobilien - Ge- schäftsfläche versus Bürofläche - Einzel- standorte entwickeln sich zum Renner, im Handelsblatt, Nr. 249, 30.12.1991, S. 12 Kinkel 2000 Kinkel, J.: Die Beteiligten eines Bauprojektes - Projektorganisationsformen in der deut- schen Bauwirtschaft, Studienarbeit, Techni- sche Universität Darmstadt, Fakultät Bauwe- sen, Lehrstuhl für Baubetrieb, Darmstadt, 2000. Kluge 1999 Kluge Etymologisches Wörterbuch der deut- schen Sprache 23., erweiterte Auflage Walter de Gruyter Verlag, 1999 KontraG 1998 Gesetz zur Kontrolle und Transparenz im Unternehmensbereich (KonTraG), vom Deutschen Bundestag in 2./3. Lesung am 5. März 1998 in der Fassung der Beschluss- empfehlung des Rechtsausschusses vom 4. März 1998 (Bundestagsdrucksache 13/10038) verabschiedet Kottler 1995 Kottler, P.; Bliemel, F.: Marketing - Manage- ment, 8. Auflage, Schaeffer- Poeschel Ver- lag, Stuttgart, 1995 Literaturverzeichnis xxxii Kraus 1986 Kraus, D.: Sind Gewerbeimmobilien noch attraktiv?, in: Tagungsunterlagen der 14. In- ternationalen Shopping Center Tagung, München, 1986 Krelle 1957 Krelle, W.: Unsicherheit und Risiko in der Preisbildung, in: ZgS, Mohr Verlag, Heft 4, 1957, S. 632-677. Kromschröder 1998 Kromschröder, B.; Lück, W.: Grundsätze risi- koorientierter Unternehmensüberwachung, in: DB, 51. Jg., Heft 32, 1998, S. 1573-1576. Krupsch 1973 Krupsch, P.: Das Risiko im Entschei- dungsprozeß, Gabler Verlag, Wiesbaden, 1973. Kruschwitz 1984 Kruschwitz, L.; Schöbel, R.: Eine Einführung in die Optionspreistheorie, in: WISU, 13. Jg., 1984, S. 68-74. Kruschwitz 1995 Kruschwitz, L.: Finanzierung und Investition; de Gruyter Berlin; New York, 1995 Kruschwitz 2002 Kruschwitz, L.: Finanzierung und Investition; 3. Auflage, Oldenbourg Verlag, München [u.a.], 2002 Kruschwitz 2005 Kruschwitz, L.: Investitionsrechnung, 10. Auf- lage, Oldenbourg Wissenschaftsverlag, Mün- chen, 2005. Literaturverzeichnis xxxiii Kühl 1998 Kühl, J.-H.: Unternehmensplanung mit Real- optionsmodellen, Diplomarbeit Universität Konstanz, 1998, http://www.ub.uni-konstanz. de /v13/volltexte/1999/135/pdf/135_1.pdf Kuhle 1986 Kuhle, J. L.; Walther, C. H.: The Feasibility of Pro-posed Development Projects, in: The Journal of Real Estate Development, 2. Jg.; 1986, Heft 2, S. 15. Kühn 2000 Kühn, R.; Fuhrer, U.; Jenner, T.: Reale Opti- onen, in: Die Unternehmung, Versus Verlag, 54. Jg., Heft 1, 2000, S. 43-56. Kühne-Büning 2005 Kühne-Büning, L.; Steveling, L.; Mietensys- teme in ihrer ordnungspolitischen Funktion; in Kühne-Büning, L.; Nordalm, V.; Steveling, L. ; Grundlagen der Wohnung- und Immobi- lienwirtschaft; 4.Auflage; Fritz Knapp Verlag GmbH; Frankfurt/M. 2005 Kyrein 2002 Kyrein, R.: Immobilien - Projektmanagement, Projektentwicklung und -steuerung, 2. Aufla- ge, Müller Verlag, Köln, 2002. Lachman 2003 Lachmann, L. M.: America`s real estate megatrends, Institute for Fiduciary Education, Sacramento, März 2003. Literaturverzeichnis xxxiv Leimböck 2005 Leimböck, E.; Iding, A.: Bauwirtschaft - Grundlagen und Methoden, 2. Auflage, Teubner Verlag, Stuttgart, 2005. Leykam 2000 Leykam, M.: Dem Zyklus auf der Spur, in: Immobilien-Zeitung, Nr.10, 5.5.2000, S. 1-2 Liebchen 2002 Liebchen, J. H.: Die Umsetzung marktspezi- fischer Zielanforderungen mit einer differen- zierten Kostenplanung für die Projektentwick- lung von Immobilien, Dissertation, Universität Berlin, Fakultät Bauwesen, Berlin, 2002. Link 1999 Link, D.: Risikobewertung von Bauprozes- sen, Modell ROAD, Risk and Opportunity Analysis Device, Dissertation, Institut für Baubetrieb und Bauwirtschaft, Wien,1999. Lüke 2002 Lüke, Stefan Risikomanagement im Hoch- bau, Entwicklung einer Risikomatrix Diplom- arbeit am Lehrstuhl für Baubetrieb der Uni- versität Dortmund, 2002 Madauss 1990 Madauss, B. J.: Handbuch Projektmanage- ment - mit Handlungsanleitungen für Indust- riebetriebe, Unternehmensberater und Be- hörden, 3. Auflage, Poeschel Verlag, 1990. Literaturverzeichnis xxxv Maier 1999 Maier, K. M.: Risikomanagement im Immobi- lienwesen - Leitfaden für Theorie und Praxis, Knapp Verlag, Frankfurt, 1999. Maier 2004 Maier, K. M.; Graf, H.; Steinbrenner, H.-P.: Risikomanagement im Immobilien- und Fi- nanzwesen, Knapp Verlag, Frankfurt, 2004. Malizia 1995 Malizia, E. E.; Howarth, R. A.: Clarifying the Structure and Advancing the Practice of Real Estate Market Analysis, in: The Appraisal Journal, 63 Jg., Heft 1, 1995, S. 60-68. Mann 1986 Mann, G. J.: Selecting an Architect, in: The Journal of Real Estate Development, 1. Jg., Heft 4, 1986, S. 11-14. Markowitz 1952 Markowitz, H.: Portfolio Selection, in: JF, 7. Jg., Heft 1, 1952, S. 77-91. Meinen 2004 Meinen, H.: Quantitatives Risikomanagement in der Bauwirtschaft, Dissertation, Universität Dortmund, Fakultät Bauwesen, Lehrstuhl für Baubetrieb, Dortmund, 2004. Meinen 2005 Meinen, H.: Quantitatives Risikomanagement im Bauunternehmen, Fortschritt- Berichte VDI Reihe 4 Nr. 203, VDI Verlag, Düsseldorf, 2005. Literaturverzeichnis xxxvi Mikus 2001 Mikus, B.: Risiken und Risikomanagement - ein Überblick, in: Götze, U.; Henselmann, K.; Mikus, B. (Hrsg.): Risikomanagement, Physi- ca Verlag, Heidelberg, 2001, S. 3-28. Miles 1991 Miles, M. E.; Malizia, E. E.; Weiss, M. A.; Berens, G. L.; Travis, G.: Real estate devel- opment - Principles and process, Washington D. C., 1991. Möller 2005 Möller, A.: Wirtschaftlichkeitsuntersuchungen von PPP-Projekten unter Risikobetrachtung, Diplomarbeit, Universität Dortmund, Lehr- stuhl Baubetrieb, 2005 Muncke 2002 Muncke, G.; Dziomba, M.; Walther, M.: Standort- und Marktanalysen in der Immobi- lienwirtschaft - Ziele, Gegenstand, methodi- sche Grundlagen und Informationsbeschaf- fung, in: Schulte, K.-W.; Bone-Winkel, S. (Hrsg.): Handbuch Immobilien- Projektentwicklung, 2. Auflage, Immobilien Informationsverlag, Köln; 2002, S. 129-200. Naumann 1994 Naumann, M.: Plädoyer für mehr Transpa- renz auf dem deutschen Immobilienmarkt und einem besseren Dienst am Kunden, in: Immobilien-Zeitung, 14.07.1994, S. 11-16 Nicholson 1997 Nicholson, W.E.: Microeconomics, Dryden Press, Forth Worth, 1997 Literaturverzeichnis xxxvii Niemann 2001 Niemann, R.: Neutrale Steuersysteme unter Unsicherheit. Besteuerung und Realoptionen Dissertation, Verlag E. Schmidt, Bielefeld, 2001. Nister 2005 Nister, O.: Die baubetrieblichen und bauöko- nomischen Aspekte des Vertragswesens der Projektentwicklung aus der Sicht "Unvoll- ständiger Verträge", Dissertation, Universität Dortmund, Fakultät Bauwesen, Lehrstuhl für Baubetrieb, Dortmund, 2005 Oehler 2001 Oehler, A.; Unser, M.: Finanzwirtschaftliches Risikomanagement, Springer Verlag, Berlin Heidelberg, 2001. Olfert 2003 Olfert, K.: Investition, 9. Auflage, Kiel Verlag, Ludwigshafen, 2003. Partisch 1999 Partisch, C.: Immobilien kommen in Bewe- gung - zur längerfristigen Entwicklung des Europäischen Immobilienmarktes, in: Bran- chen und Märkte, Dresdner Bank Research, Frankfurt, 1999. Pedell 2004 Pedell, B.: Risikointerdependenzen als An- satzpunkt für Aufgaben und Instrumente des Risikocontrolling, in: ZfCM, Gabler Verlag, 48. Jg.; Sonderheft 3, 2004, S. 4-11. Literaturverzeichnis xxxviii Peiser 1992 Peiser, R. B.; Schwanke, D.: Professional Real Estate Development - The ULI Guide to the Business, Washington D. C., 1992. Perlmann 2002 Perlmann, S.: Virtuelle Immobilienbörsen im gewerblichen Sektor, Selbstverlag Lehrstuhl Regionalentwicklung und Raumordnung, Uni- versität Kaiserslautern, 2002 Peter 2002 Peter, C. F.: Unternehmerisches Risikoma- nagement - Konsequenzen einer integrierten Risikobewältigung für die Versicherung, Dis- sertation, Institut für Versicherungswirtschaft, Universität St. Gallen, IVW-Schriftenreihe, Band 40, 2002. Pfnür 2001 (a) Pfnür, A.; Armonat, S.: Immobilienkapitalan- lage institutioneller Investoren - Risikomana- gement und Portfolioplanung, Arbeitsbereich öffentliche Wirtschaft am Fachbereich Wirt- schaftswissenschaften der Universität Ham- burg, Arbeitspapier Nr. 26, April 2001. Pfnür 2001 (b) Pfnür, A.; Schäfer, Ch.: Realoptionen als Instrument des Investitionscontrollings, in: WiSt, Vahlen Verlag, 30. Jg.; Heft 5, 2001, S. 248-252. Pfnür 2004 Pfnür, A. : Modernes Immobilienmanagement - Facility Management, 2. Auflage, Springer Verlag, Berlin Heidelberg, 2004. Literaturverzeichnis xxxix Pierschke 2005 Pierschke, B.; Pelzeter, A.: Facilities Mana- gement, in: Schulte, K.-W. (Hrsg.): Immobi- lienökonomie - Betriebswirtschaftliche Grund- lagen, 3. Auflage, Oldenbourg Wissen- schaftsverlag, München, 2005, S. 343-387. Piwodda 2003 Piwodda, K.: Risikomanagement im Bauun- ternehmen, Diplomarbeit, Universität Dort- mund, Fakultät Bauwesen, Lehrstuhl für Baubetrieb, 2003. Pöschl 2004 Pöschl, P.: Aufbau und Handhabung eines Risikomanagement- Systems, in Lutz, U.; Klaproth, T. (Hrsg.): Risikomanagement im Immobilienbereich - Technische und wirt- schaftliche Risiken, Springer Verlag, Berlin Heidelberg 2004 PPP-Initiative 2003 Public Private Partnership - Initiative NRW PPP im Hochbau, Leitfaden "Wirtschaftlich- keitsvergleich" der PPP-Task Force des Landes Nordrhein Westfalen Düsseldorf, No- vember 2003 Preuß 2003 Preuß, N.; Schöne, L.B.: Real Estate and Facility Management - Aus der Sicht der Consulting Praxis, Springer Verlag, Berlin/ Heidelberg, 2003 Literaturverzeichnis xl Pyhrr 1989 Pyhrr, S.: Real Estate Investment - Strategy, Analysis, Decisions, 2. Auflage, New York, 1989. Pyhrr 1996 Pyhrr, S.A. et al.: Real property valuation in a changing economy and market cycle, in : The Appraisal Journal, January 1996, Vol. LXN, No. 1, S. 14-26 Rams 2001 Rams, A.: Realoptionen - Management von Flexibilität in der Stromwirtschaft Conference 2001 - Unter Strom: Electricity Power Mar- kets in Change; Frankfurt am Main, 19. Mai 2001, http://www.hfb-students.net/ conferen- ce/ZumThema/realoptionen.pdf RDM 2004 RDM- Immobilienpreisspiegel: Ring Deut- scher Makler, Unterreihe Wohnimmobilien; RDM-Verlags-Gesellschaft, Hamburg 1988 - 2004 Recktenwald 1975 Recktenwald, H.C.: Wörterbuch der Wirt- schaft, Stuttgart, 1975 Rehkugler 2003 Rehkugler, H.: Immobilien als Kapitalanlage, Skript zu Immobilienökonomie, Lehrstuhl für Finanzwirtschaft und Banken, Universität Freiburg, 2003 Literaturverzeichnis xli Risk News 2000 o.V.: KonTraG: Gesetzlich verordnetes Risk Management?, in: Risk News, 7/2000 Romeike 2002 Romeike, F.: Risiko-Management als Grund- lage einer wertorientierten Unternehmens- steuerung, in: RATING aktuell, Titelbeitrag, Bank Verlag, Heft 2, 2002, S. 12-17. Ropeter 2002 Ropeter, S.-E.: Investitionsanalyse für Ge- werbeimmobilien, Dissertation, Immobilien Informationsverlag, Köln, 2002. Rosenkranz 2005 Rosenkranz, F.; Missler- Behr, M.: Unter- nehmensrisiken erkennen und managen, Springer Verlag Berlin Heidelberg, 2005 Rottke 2001 Rottke, N.; Immobilienzyklen in Deutschland - Ursachen und empirische Analyse, Diplom- arbeit, European Business School, Ostrich- Winkel, 2001 Rottke 2005 Rottke, N.; Wernecke, M.: Lebenszyklus von Immobilien, in: Schulte, K.-W. (Hrsg.): Immo- bilienökonomie - Betriebswirtschaftliche Grundlagen, 3. Auflage, Oldenbourg Wissen- schaftsverlag, München, 2005, S. 211-229. Roulac 1996 Roulac, S.E.: Real estate market cycles, Transformation forces and structual change, in: Journal of Real Estate Portfolio Manage- ment, Vol. 2, No. 1, S. 1-17, 1996 Literaturverzeichnis xlii Runge 2005 Runge, F.: Gebäudenutzungskosten - Ein Buch mit sieben Siegeln?, Skript an der FH Berlin, 2005 Saitz 1999 Saitz, B.: Risikomanagement als umfassende Aufgabe der Unternehmungsleitung, in: Saitz, B.; Braun, F. (Hrsg.): Das Kontroll- und Transparenzgesetz - Herausforderungen und Chancen für das Risikomanagement, Gabler Verlag, Wiesbaden, 1999, S. 69-98. Sasse 2003 Sasse, A. Investitionsentscheidung: Einsatz der Kapitalwertmethode Rudolf Haufe Verlag, 2003 Schaefer 2000 Schaefer, Christina; Pfnür, Andreas: Control- ling des Immobilienbestands mit Realoptio- nen, in: Controlling, 12. Jahrgang, Heft 11, S. 539-544, November 2000 Schaefer 2001 Schaefer, C.; Pfnür, A.: Realoptionen als Instrument des Investitionscontrollings in: Wirtschaftswissenschaftliches Studium, 30. Jahrgang, Heft 5, S. 243-247, Mai 2001 Schäfer 2002 Schäfer, J.; Conzen, G.: Praxishandbuch der Immobilien-Projektentwicklung, Beck Verlag, München, 2002. Literaturverzeichnis xliii Schäfers 1997 Schäfers, W.: Strategisches Management von Unternehmensimmobilien - Bausteine einer theoretischen Konzeption und Ergeb- nisse einer empirischen Untersuchung, Dis- sertation, Rudolf Müller Verlag, Köln, 1997. Schäfers 1998 Schäfers, W.: Strategische Ausrichtung im Immobilienmanagement, in: Schulte, K.-W.; Schäfers, W. (Hrsg.): Handbuch Corporate - Real - Estate - Management, Rudolf Müller Verlag, Köln, 1998, S. 215-249. Schenk 1998 Schenk, Peter: Derivative Finanzinstrumente: Teil einer integrativen Risikopolitik in Versi- cherungsunternehmen, Wiesbaden, Gabler- Verlag, 1998 Schierenbeck 2001 Schierenbeck, H.; Lister, M.: Value Control- ling - Grundlagen wertorientierter Unterneh- mensführung, Oldenbourg Wissenschaftsver- lag, München, 2001. Schierenbeck 2003 Schierenbeck, H.: Ertragsorientiertes Bank- management - Band 2: Risiko-Controlling und integrierte Rendite-/Risikosteuerung, 8. Auflage, Gabler Verlag, Wiesbaden, 2003. Literaturverzeichnis xliv Schiwietz 2005 Schiwietz, R.: Büroimmobilien Nutzeranfor- derungen vs. Marktangebot - Eine Untersu- chung am Beispiel der Stadt Hamm, Diplom- arbeit, Universität Dortmund, Lehrstuhl Bau- betrieb, 2005 Schlienkamp 1998 Schlienkamp, C.: Grundlagen der Asset Allo- kation, in: Eller, R. (Hrsg.): Handbuch des Risikomanagements - Analyse, Quantifizie- rung und Steuerung von Marktrisiken in Ban- ken und Sparkassen, Schäffer-Poeschel Ver- lag, Stuttgart, 1998, S. 315-333. Schlittgen 2001 Schlittgen, r.; Streitberg, H.J.: Zeitreihenana- lyse, 9. Auflage, Oldenbourg Verlag, Mün- chen, 2001 Schnapp 2005 Schnapp, M. Investitionsrechnung zur Vorbe- reitung von Investitionsentscheidungen; in Kühne-Büning, L.; Nordalm, V.; Steveling, L. Grundlagen der Wohnung- und Immobilien- wirtschaft; 4.Auflage; Fritz Knapp Verlag GmbH; Frankfurt/M. 2005 Schnermann 1992 Schnermann, J.: Projektentwicklung für Ge- werbeimmobilien, in: Falk, B. (Hrsg.): Ge- werbe-Immobilien, 5. Auflage, Moderne In- dustrie Verlag, Landsberg, 1992, S. 297-310. Literaturverzeichnis xlv Schriek 2002 Schriek, T.: Entwicklung einer Entschei- dungshilfe für die Wahl der optimalen Orga- nisationsform von Bauprojekten - Analyse der Bewertungskriterien Kosten, Qualität, Bauzeit und Risiko, Dissertation, Weißensee Verlag, Berlin, 2002. Schröder 2002 Schröder, J.: Chancen- und Risikountersu- chung von Baukosten- und Ertragsalternati- ven hinsichtlich räumlicher Nutzungs- und Ausbauflexibilität, Diplomarbeit, Universität Dortmund, Fakultät Bauwesen, Lehrstuhl für Baubetrieb, Dortmund, 2002. Schubert 1971 Schubert, E.: Die Erfassbarkeit des Risikos der Bauunternehmung bei Angebot und Ab- wicklung einer Baumaßnahme, Werner Ver- lag, Düsseldorf, 1971. Schulte 1998 Schulte, K.-W.; Schäfers, W.; Hoberg, W.; Homann, K.; Sotelo, R.; Vogler, J.H. Betrach- tungsgegenstand der Immobilienökonomie; in Schulte (1998) Immobilienökonomie Band 1 Betriebswirtschaftliche Grundlagen; 1. Auf- lage; Oldenbourg Wissenschaftsverlag GmbH; München, Wien 1998 Literaturverzeichnis xlvi Schulte 2002 Schulte, K.-W.; Bone-Winkel, S.; Rottke, N.: Grundlagen der Projektentwicklung aus im- mobilienwirtschaftlicher Sicht, in: Schulte, K.- W.; Bone-Winkel, S. (Hrsg.): Handbuch Im- mobilien - Projektentwicklung, 2. Auflage, Immobilien Informationsverlag, Köln; 2002, S. 27-90. Schulte 2005 Schulte, K.-W.; Holzmann, C.: Institutionelle Aspekte der Immobilienökonomie, in: Schul- te, K.-W. (Hrsg.): Immobilieökonomie - Be- triebswirtschaftliche Grundlagen, 3. Auflage, Oldenbourg Wissenschaftsverlag, München, 2005, S. 167-205. Shiller 1995 Shiller, R. J.; Case, K. E.; Weiss, Allan N., Mortgage Default Risk and Real Estate Prices: The Use of Index-Based Futures and Options in Real Estate, April 1995, http://cowles.econ.yale.edu/P/au/d_shiller.ht Silverman 1988 Silverman, J.: Doing Your Homework - A Lit- tle Background Work Can Save Money and Time, in: The Journal of Real Estate Devel- opment, 3. Jg., Heft 3, 1988, S. 7-10. Sotelo 1996 Sotelo, R.: Die Vermietung von Büroflächen - eine Preisfrage?, in: immoebs Newsletter. 5.Jg., Nr.2, S.1-2, 1996 Literaturverzeichnis xlvii Sotelo 2001 Sotelo, R.: Ökonomische Grundlagen der Wohnungspolitik, in: Schulte, K. W. (Hrsg.): Schriften zur Immobilienökonomie, Band 16, Rudolf Müller GmbH & Co. KG, Köln 2001 Spiegel 2001 Spiegel, E.Wohnen und Wohnung als sozio- logische Kategorie; in Jenkis (2001) Kom- pendium der Wohnungswirtschaft; 4. Aufla- ge; Oldenbourg Wissenschaftsverlag GmbH; München, Wien 2001 Spremann 1996 Spremann, K.: Wirtschaft, Investition und Finanzierung, 5. Auflage, Oldenbourg Verlag, München [u.a.], 1996 Spremann 2002 Spremann, K.: Wirtschaft, Investition und Finanzierung, 5. Auflage, Oldenbourg Wis- senschaftsverlag, München, 2002. Statistisches Bundesamt 2003 Statistisches Bundesamt: Statistisches Jahr- buch 2003 - Für die Bundesrepublik Deutsch- land,Wiesbaden,2003; http://www.destatis.de Steiner 1993 Steiner, M.; Bruns, C.: Wertpapiermanage- ment, Schäffer-Poeschel Verlag, Stuttgart, 1993. Literaturverzeichnis xlviii Stottrop 2004 Stottrop, D.; Flüshöh, C.: Arbeitspapier zur Gewerbeplanung, Fachgebiet Gewerbe- planung - Fakultät Raumplanung - Universität Dortmund von Prof. Dr. Gerd Hennings, Ar- beitspapier No. 8 : Zwischenergebnis Büro- flächenvollerhebung Düsseldorf - Hinter- grund, Methodik, Vorläufige Ergebnisse, Dortmund, 2004 Süberling 1992 Süberling, G.: Mieten Im gewerblichen Be- reich - Der Konjunkturzyklus fordert seinen Tribut. Nach Jahren der Übernutzung ist nun eine Rückkehr zur Normalität angesagt, in: Handelsblatt, Nr. 218, 10.11.1992, S. b05 Süchting 1995 Süchting, J.: Finanzmanagement - Theorie und Politik der Unternehmensfinanzierung, 6. Auflage, Gabler Verlag, Wiesbaden, 1995. Thimm 2005 Thimm, M.: Prognoseinstrumente für die Kosten- und Ertragsseite bei Immobilien und Anwendung der historischen Simulation, Dip- lomarbeit, Universität Dortmund, Lehrstuhl Baubetrieb, 2005 Thomas 1998 Thomas, M.; Leopoldsberger, G.; Wahlbröhl, V.: Immobilienbewertung, in Schulte, K.-W. (Hrsg.) 1: Immobilienökonomie Band 1 Be- triebswirtschaftliche Grundlagen, 1. Auflage, Oldenbourg Wissenschaftsverlag GmbH, München Wien 1998 Literaturverzeichnis xlix Thomas 2000 Thomas, Matthias; Leopoldsberger Gerrit; Waldbröhl, Victoria in: Schulte, Karl-Werner (Hrsg.): Immobilienökonomie, Band I: Be- triebswirtschaftliche Grundlagen 2., überar- beitete Auflage, Oldenbourg Wissenschafts- verlag München 2000 Troßmann 2004 Troßmann, E.; Baumeister, A.: Risikocontrol- ling in kleinen und mittleren Unternehmungen mit Auftragsfertigung, in: ZfCM, Gabler Ver- lag, 48. Jg.; Sonderheft 3, 2004, S. 74-85. Turhaner 2005 Turhaner, I.: Risikomanagement der Projekt- entwicklung in der Immobilienbranche, Dip- lomarbeit, Universität Dortmund, Lehrstuhl Baubetrieb, 2005 Ulmke 1999 Ulmke, H. G.; Schmale, S.: Unternehmens- weites Value-at-Risk als Möglichkeit, globa- les Risiko mit einer einzigen Kennzahl zu steuern, in: Saitz, B.; Braun, F. (Hrsg.): Das Kontroll- und Transparenzgesetz - Heraus- forderungen und Chancen für das Risikoma- nagement, Gabler Verlag, Wiesbaden, 1999, S. 209-229. Literaturverzeichnis l Usinger 2002 Usinger, W.: Rechtliche Probleme bei Kauf- und Gewerbemietverträgen für Entwick- lungsobjekte, in: Schulte, K.-W.; Bone- Winkel, S. (Hrsg.): Handbuch Immobilien- Projektentwicklung, 2. Auflage, Immobilien Informationsverlag, Köln; 2002, S. 489-532. van den Brink 2005 van den Brink, G. J.; Romeike, F.: Corporate Governance und Risikomanagement im Fi- nanzdienstleistungsbereich - Grundlagen, Methoden, Gestaltungsmöglichkeiten, Schäf- fer - Poeschel Verlag, Stuttgart, 2005. von Einem 1989 von Einem, E.; Büroberufe und Büroflächen- nachfrage im regionalen Vergleich, Hrsg. Deutscher Verband für Wohnungswesen, Städtebau und Raumplanung e.V., Bonn, Der Dienstleistungssektor in der Wettbewerbs- strategie, Selbstverlag, 1989 von Lindeiner- Wildau 1986 von Lindeiner- Wildau, K.: Risiken und Risi- ko-Management im Anlagenbau, in: ZfbF, Verlagsgruppe Handelsblatt, Sonderheft 20, 1986, S. 21-37. von Nell 2002 von Nell, J.; Emenlauer, R.: Die Entwicklung einer Nutzungskonzeption als Grundstein der Projektentwicklung, in: Schulte, K.-W.; Bone- Winkel, S. (Hrsg.): Handbuch Immobilien- Projektentwicklung, 2. Auflage, Immobilien Informationsverlag, Köln; 2002, S. 113-128. Literaturverzeichnis li Vosgerau 1978 Vosgerau, H.-J.: Konjunkturtheorie, HDWW, Band 4, Stuttgart, 1978 Wagner 1991 Wagner, K.-R.: Projektmanagement - Treu- handschaft - Immobiliendevelopment, in: Baurecht, 21. Jg., 1991, S. 665-676. Walzel 2005 Walzel, B.: Unterscheidung nach Immobi- lienarten, in: Schulte, K.-W. (Hrsg.): Immobi- lienökonomie - Betriebswirtschaftliche Grund- lagen, 3. Auflage, Oldenbourg Wissen- schaftsverlag, München, 2005, S. 117-140. Weber 2001 Weber, J.; Weißenberger, B. E.; Liekweg, A.; Risk Tracking & Reporting, in: Götze U., Henselmann K. und Mikus B. (Hrsg.), Risi- komanagement, 2001 Weiss 1995 Weiss, A. N.; Case, K. E.; Shiller, R. J.: Mortgage Default Risk and Real Estate Prices: The Use of Index-Based Futures and Options in Real Estate, April 1995, http://cowles.econ.yale.edu/P/au/d_weiss.ht Wernecke 2002 Wernecke, M.; Rottke, N.: Immobilienzyklen und ihre Bedeutung für Managementent- scheidungen - eine Umfrage zu Anspruch und Wirklichkeit in Deutschland, 07.08.2002 Literaturverzeichnis lii Wernecke 2004 Wernecke, M.: Büroimmobilienzyklen - Eine Analyse der Ursachen, der Ausprägungen in Deutschland und der Bedeutung für Investiti- onsentscheidungen, Dissertation, Rudolf Müller Verlag, Köln, 2004 Wheaton 1987 Wheaton, W. c.: The cyclic behaviour of the national office market, AUREUEA Journal, Vol. 15, No. 4, 1987 Wilkens 2001 Wilkens, M.; Völker, J.: Value-at-Risk - Eine anwendungsorientierte Darstellung zentraler Methoden und Techniken des modernen Ri- sikomanagements, in: Götze, U.; Hensel- mann, K.; Mikus, B. (Hrsg.): Risikomanage- ment, Physica Verlag, Heidelberg, 2001, S. 413-442. Wöhe 2002 Wöhe, G.: Einführung in die Allgemeine Be- triebswirtschaftslehre, 21. Auflage, Vahlen Verlag, München, 2002. Wolf 2003 Wolf, K.; Runzheimer, B.: Risikomanagement und KonTraG - Konzeption und Implementie- rung, 4. Auflage, Gabler Verlag, 2003. Wurtzebach 1994 Wurtzebach, C. H.; Miles, M. E.; Cannon, S. E.: Mo-dern real estate, 5. Auflage, Wiley Verlag, New York, 1994. Literaturverzeichnis liii Wüstefeld 2000 Wüstefeld, H.: Risiko und Rendite von Im- mobilieninvestments, Knapp Verlag, Frank- furt am Main, 2000. Zimmermann 2004 Zimmermann, J.: Erfassung, Modellierung und Steuerung zufallsabhängiger Risiken - Eine Darstellung anhand der Bilanzierung betrieblicher Altersvorsorge, in: ZfCM, Gabler Verlag, 48. Jg.; Sonderheft 3, 2004, S. 98- 107. Anhang Anhang - I Anhang Anhang A .......................................................................................................... 1 Anhang A1 – VOFI Szenario1..........................................................................1 Anhang A2 – VOFI Szenario1a........................................................................2 Anhang A3 – VOFI Szenario2..........................................................................3 Anhang A4 – VOFI Szenario3..........................................................................4 Anhang A5 – VOFI Szenario4..........................................................................5 Anhang A6 – VOFI Szenario5..........................................................................6 Anhang A7 – VOFI Szenario6..........................................................................7 Anhang A8 – VOFI Szenario7..........................................................................8 Anhang A9 – VOFI Szenario8..........................................................................9 Anhang A10 – VOFI Szenario9......................................................................10 Anhang A11 – VOFI Szenario10....................................................................11 Anhang A12 – VOFI Szenario11....................................................................12 Anhang B ...................................................................................................... ..13 Anhang B1 – Aufschlüsselung Bewirtschaftungskosten................................ 13 Anhang B2 – Bodenrichtwertkarte..................................................................14 Anhang B3 – Kostenkatalog Ausbauelemente...............................................15 Anhang C ....................................................................................................... .16 Anhang C1 – Büromarktdefinition...................................................................16 Anhang C2 – Zusammenfassung der Bürobeschäftigten in Düsseldorf nach unterschiedlichen Ansätzen.............................................36 Anhang C3 – SVP – Büroeschäftigte gemäß Dobberstein für Düsseldorf .....37 Anhang C4 – SVP – Büroeschäftigte gemäß Dobberstein für NRW..............39 Anhang C5 – Vergleich der Bürobeschäftigte unterschiedlicher Quellen.......41 Anhang Anhang - II Anhang D ........................................................................................................ 42 Anhang D1 – Zusammenfassung: Regression der Erwerbstätigen und der Arbeitslosenquote..............................................................42 Anhang D2 – Zusammenfassung: Regression der SVP- Beschäftigten........44 Anhang D3 – Zusammenfassung: Regression der Bürobeschäftigten gem. Dobberstein .....................................................................47 Anhang D4 – Zusammenfassung: Regression der Bürobeschäftigten gem. Holthaus (Quote 0,3).......................................................50 Anhang D5 – Zusammenfassung: Regression der Bürobeschäftigten gem. Holthaus (Quote 0,und 1,0).............................................53 Anhang E ........................................................................................................ 56 Anhang E1 – Zusammenfassung: Regression der Spitzenmiete - A.............56 Anhang E2 – Zusammenfassung: Regression der Spitzenmiete - B.............59 Anhang E3 – Zusammenfassung: Regression der Spitzenmiete – A+B (nach Vorhersageintervallen sortiert).......................................64 Anhang E4 – Schlusszusammenfassung: Regression der Spitzenmiete mit Grafiken..............................................................................73 Anhang E5 – Schlusszusammenfassung: Regression der gewichteten Durchschnittsmiete mit Grafiken..............................................77 Anhang F......................................................................................................... 85 Anhang F1 – Zusammenfassung: Regression des Flächenumsatzes (nach Vorhersageintervallen sortiert).......................................85 Anhang F2 – Schlusszusammenfassung: Regression des Flächenumsatzes mit Grafiken................................................92 Anhang Anhang - 1 Anhang A ANHANG A1 – VOFI SZENARIO 1; 16,5-FACH Investitionsanalyse für Gewerbeimmobillien auf Basis "Vollständiger Finanzpläne" Szenario1 t0 t1 t2 t3 t4 t5 t6 t7 t8 t9 t10 Originäre Zahlungen a0 -27.178.500 üt 552.825 552.825 552.825 552.825 552.825 552.825 552.825 552.825 552.825 552.825 Rn 32.581.694 Derivative Zahlungen Kreditaufnahme 24.460.650 Eigenkapital 2.717.850 Kreditzinsen (3-Mon. EURIBOR + 1,05%) -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Steuerzahlung 210.065 224.832 239.866 240.494 294.947 345.487 396.938 400.393 403.910 -2.983.691 Tilgung 0 0 0 0 0 0 0 0 0 -24.460.650 Reinvestition t1 7.621 Guthabenzins 3 % -229 Rückzahlung -7.621 Reinvestition t2 37.394 Guthabenzins 3 % -1.122 Rückzahlung -37.394 Reinvestition t3 89.717 Guthabenzins 3 % -2.692 Rückzahlung -89.717 Reinvestition t4 142.982 Guthabenzins 3 % -4.289 Rückzahlung -142.982 Reinvestition t5 277.925 Guthabenzins 3 % -8.338 Rückzahlung -277.925 Reinvestition t6 488.680 Guthabenzins 3 % -14.660 Rückzahlung -488.680 Reinvestition t7 776.611 Guthabenzins 3 % -23.298 Rückzahlung -776.611 Reinvestition t8 1.069.724 Guthabenzins 3 % -32.092 Rückzahlung -1.069.724 Reinvestition t9 1.368.113 Guthabenzins 3 % -41.043 Rückzahlung -1.368.113 Endvermögen 3.057.989 Kreditbertrag 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Sollzinssatz 3,15% 3,30% 3,45% 3,45% 4,00% 4,50% 5,00% 5,00% 5,00% 5,00% Guthabenzinssatz 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% Finanzierungsplan Kreditaufnahme 24.460.650 Kreditzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Kredittilgung 0 0 0 0 0 0 0 0 0 0 -24.460.650 Kreditstand 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Abschreibungsplan AfA-Satz 2% 2% 2% 2% 2% 2% 2% 2% 2% 2% AfA-Grundlage 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 AfA-Betrag 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 Buchwert 27.178.500 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerliche Nebenrechnung Mieteinnahmen 552.825 552.825 552.825 552.825 552.825 552.825 552.825 552.825 552.825 552.825 Abschreibung -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 Habenzinsen 0 -229 -1.122 -2.692 -4.289 -8.338 -14.660 -23.298 -32.092 -41.043 Sollzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Veräußerungserlös 0 0 0 0 0 0 0 0 0 32.581.694 Restbuchwert 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerpflichtiger Veräußerungsgewinn 0 0 0 0 0 0 0 0 0 8.477.954 Steuersatz 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% Ergebnis vor Steuer -525.161 -562.081 -599.665 -601.235 -737.366 -863.718 -992.344 -1.000.982 -1.009.775 7.459.227 Steuerzahlung -210.065 -224.832 -239.866 -240.494 -294.947 -345.487 -396.938 -400.393 -403.910 2.983.691 VOFI-Eigenkapitalrendite 1,19% Anhang Anhang - 2 ANHANG A2 – VOFI SZENARIO 1A; 16,5-FACH Investitionsanalyse für Gewerbeimmobillien auf Basis "Vollständiger Finanzpläne" Szenario 1a t0 t1 t2 t3 t4 t5 t6 t7 t8 t9 t10 Originäre Zahlungen a0 -27.178.500 üt 1.001.160 1.001.160 1.001.160 1.001.160 1.001.160 1.001.160 1.001.160 1.001.160 1.001.160 1.001.160 Rn 39.979.221 Derivative Zahlungen Kreditaufnahme 24.460.650 Eigenkapital 2.717.850 Kreditzinsen (3-Mon. EURIBOR + 1,05%) -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Steuerzahlung 30.731 42.270 54.018 51.301 102.348 149.422 197.343 197.205 197.065 -6.153.270 Tilgung 0 0 0 0 0 0 0 0 0 -24.460.650 Reinvestition t1 -261.380 Guthabenzins 3 % 7.841 Rückzahlung 261.380 Reinvestition t2 -505.450 Guthabenzins 3 % 15.164 Rückzahlung 505.450 Reinvestition t3 -731.900 Guthabenzins 3 % 21.957 Rückzahlung 731.900 Reinvestition t4 -962.425 Guthabenzins 3 % 28.873 Rückzahlung 962.425 Reinvestition t5 -1.116.379 Guthabenzins 3 % 33.491 Rückzahlung 1.116.379 Reinvestition t6 -1.199.723 Guthabenzins 3 % 35.992 Rückzahlung 1.199.723 Reinvestition t7 -1.211.185 Guthabenzins 3 % 36.336 Rückzahlung 1.211.185 Reinvestition t8 -1.222.853 Guthabenzins 3 % 36.686 Rückzahlung 1.222.853 Reinvestition t9 -1.234.731 Guthabenzins 3 % 37.042 Rückzahlung 1.234.731 Endvermögen 10.415.202 Kreditbertrag 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Sollzinssatz 3,15% 3,30% 3,45% 3,45% 4,00% 4,50% 5,00% 5,00% 5,00% 5,00% Guthabenzinssatz 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% Finanzierungsplan Kreditaufnahme 24.460.650 Kreditzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Kredittilgung 0 0 0 0 0 0 0 0 0 0 -24.460.650 Kreditstand 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Abschreibungsplan AfA-Satz 2% 2% 2% 2% 2% 2% 2% 2% 2% 2% AfA-Grundlage 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 AfA-Betrag 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 Buchwert 27.178.500 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerliche Nebenrechnung Mieteinnahmen 1.001.160 1.001.160 1.001.160 1.001.160 1.001.160 1.001.160 1.001.160 1.001.160 1.001.160 1.001.160 Abschreibung -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 Habenzinsen 0 7.841 15.164 21.957 28.873 33.491 35.992 36.336 36.686 37.042 Sollzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Veräußerungserlös 0 0 0 0 0 0 0 0 0 39.979.221 Restbuchwert 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerpflichtiger Veräußerungsgewinn 0 0 0 0 0 0 0 0 0 15.875.481 Steuersatz 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% Ergebnis vor Steuer -76.826 -105.676 -135.045 -128.251 -255.869 -373.554 -493.357 -493.013 -492.663 15.383.174 Steuerzahlung -30.731 -42.270 -54.018 -51.301 -102.348 -149.422 -197.343 -197.205 -197.065 6.153.270 VOFI-Eigenkapitalrendite 14,38% Anhang Anhang - 3 ANHANG A3 – VOFI SZENARIO 2; 16,5-FACH Investitionsanalyse für Gewerbeimmobillien auf Basis "Vollständiger Finanzpläne" Szenario 2 t0 t1 t2 t3 t4 t5 t6 t7 t8 t9 t10 Originäre Zahlungen a0 -27.178.500 üt 552.825 552.825 552.825 851.715 851.715 851.715 851.715 851.715 851.715 851.715 Rn 37.513.379 Derivative Zahlungen Kreditaufnahme 24.460.650 Eigenkapital 2.717.850 Kreditzinsen (3-Mon. EURIBOR + 1,05%) -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Steuerzahlung 210.065 224.832 239.866 120.938 173.239 221.588 270.809 271.993 273.200 -5.089.428 Tilgung 0 0 0 0 0 0 0 0 0 -24.460.650 Reinvestition t1 7.621 Guthabenzins 3 % -229 Rückzahlung -7.621 Reinvestition t2 37.394 Guthabenzins 3 % -1.122 Rückzahlung -37.394 Reinvestition t3 89.717 Guthabenzins 3 % -2.692 Rückzahlung -89.717 Reinvestition t4 -36.352 Guthabenzins 3 % 1.091 Rückzahlung 36.352 Reinvestition t5 -83.971 Guthabenzins 3 % 2.519 Rückzahlung 83.971 Reinvestition t6 -59.064 Guthabenzins 3 % 1.772 Rückzahlung 59.064 Reinvestition t7 39.673 Guthabenzins 3 % -1.190 Rückzahlung -39.673 Reinvestition t8 140.187 Guthabenzins 3 % -4.206 Rückzahlung -140.187 Reinvestition t9 242.511 Guthabenzins 3 % -7.275 Rückzahlung -242.511 Endvermögen 7.342.197 Kreditbertrag 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Sollzinssatz 3,15% 3,30% 3,45% 3,45% 4,00% 4,50% 5,00% 5,00% 5,00% 5,00% Guthabenzinssatz 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% Finanzierungsplan Kreditaufnahme 24.460.650 Kreditzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Kredittilgung 0 0 0 0 0 0 0 0 0 0 -24.460.650 Kreditstand 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Abschreibungsplan AfA-Satz 2% 2% 2% 2% 2% 2% 2% 2% 2% 2% AfA-Grundlage 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 AfA-Betrag 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 Buchwert 27.178.500 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerliche Nebenrechnung Mieteinnahmen 552.825 552.825 552.825 851.715 851.715 851.715 851.715 851.715 851.715 851.715 Abschreibung -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 Habenzinsen 0 -229 -1.122 -2.692 1.091 2.519 1.772 -1.190 -4.206 -7.275 Sollzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Veräußerungserlös 0 0 0 0 0 0 0 0 0 37.513.379 Restbuchwert 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerpflichtiger Veräußerungsgewinn 0 0 0 0 0 0 0 0 0 13.409.639 Steuersatz 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% Ergebnis vor Steuer -525.161 -562.081 -599.665 -302.345 -433.096 -553.971 -677.022 -679.984 -682.999 12.723.570 Steuerzahlung -210.065 -224.832 -239.866 -120.938 -173.239 -221.588 -270.809 -271.993 -273.200 5.089.428 VOFI-Eigenkapitalrendite 10,45% Anhang Anhang - 4 ANHANG A4 – VOFI SZENARIO 3; 16,5-FACH Investitionsanalyse für Gewerbeimmobillien auf Basis "Vollständiger Finanzpläne" Szenario 3 t0 t1 t2 t3 t4 t5 t6 t7 t8 t9 t10 Originäre Zahlungen a0 -27.178.500 üt 552.825 552.825 552.825 884.925 884.925 884.925 884.925 884.925 884.925 884.925 Rn 38.061.344 Derivative Zahlungen Kreditaufnahme 24.460.650 Eigenkapital 2.717.850 Kreditzinsen (3-Mon. EURIBOR + 1,05%) -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Steuerzahlung 210.065 224.832 239.866 107.654 159.715 207.822 256.794 257.727 258.676 -5.323.399 Tilgung 0 0 0 0 0 0 0 0 0 -24.460.650 Reinvestition t1 7.621 Guthabenzins 3 % -229 Rückzahlung -7.621 Reinvestition t2 37.394 Guthabenzins 3 % -1.122 Rückzahlung -37.394 Reinvestition t3 89.717 Guthabenzins 3 % -2.692 Rückzahlung -89.717 Reinvestition t4 -56.278 Guthabenzins 3 % 1.688 Rückzahlung 56.278 Reinvestition t5 -124.181 Guthabenzins 3 % 3.725 Rückzahlung 124.181 Reinvestition t6 -119.924 Guthabenzins 3 % 3.598 Rückzahlung 119.924 Reinvestition t7 -42.209 Guthabenzins 3 % 1.266 Rückzahlung 42.209 Reinvestition t8 36.906 Guthabenzins 3 % -1.107 Rückzahlung -36.906 Reinvestition t9 117.444 Guthabenzins 3 % -3.523 Rückzahlung -117.444 Endvermögen 7.818.220 Kreditbertrag 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Sollzinssatz 3,15% 3,30% 3,45% 3,45% 4,00% 4,50% 5,00% 5,00% 5,00% 5,00% Guthabenzinssatz 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% Finanzierungsplan Kreditaufnahme 24.460.650 Kreditzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Kredittilgung 0 0 0 0 0 0 0 0 0 0 -24.460.650 Kreditstand 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Abschreibungsplan AfA-Satz 2% 2% 2% 2% 2% 2% 2% 2% 2% 2% AfA-Grundlage 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 AfA-Betrag 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 Buchwert 27.178.500 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerliche Nebenrechnung Mieteinnahmen 552.825 552.825 552.825 884.925 884.925 884.925 884.925 884.925 884.925 884.925 Abschreibung -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 Habenzinsen 0 -229 -1.122 -2.692 1.688 3.725 3.598 1.266 -1.107 -3.523 Sollzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Veräußerungserlös 0 0 0 0 0 0 0 0 0 38.061.344 Restbuchwert 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerpflichtiger Veräußerungsgewinn 0 0 0 0 0 0 0 0 0 13.957.604 Steuersatz 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% Ergebnis vor Steuer -525.161 -562.081 -599.665 -269.135 -399.289 -519.555 -641.986 -644.317 -646.691 13.308.497 Steuerzahlung -210.065 -224.832 -239.866 -107.654 -159.715 -207.822 -256.794 -257.727 -258.676 5.323.399 VOFI-Eigenkapitalrendite 11,14% Anhang Anhang - 5 ANHANG A5 – VOFI SZENARIO 4; 16,5-FACH Investitionsanalyse für Gewerbeimmobillien auf Basis "Vollständiger Finanzpläne" Szenario 4 t0 t1 t2 t3 t4 t5 t6 t7 t8 t9 t10 Originäre Zahlungen a0 -27.178.500 üt 552.825 552.825 552.825 918.135 918.135 918.135 918.135 918.135 918.135 918.135 Rn 38.609.309 Derivative Zahlungen Kreditaufnahme 24.460.650 Eigenkapital 2.717.850 Kreditzinsen (3-Mon. EURIBOR + 1,05%) -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Steuerzahlung 210.065 224.832 239.866 94.370 146.192 194.055 242.780 243.460 244.153 -5.557.369 Tilgung 0 0 0 0 0 0 0 0 0 -24.460.650 Reinvestition t1 7.621 Guthabenzins 3 % -229 Rückzahlung -7.621 Reinvestition t2 37.394 Guthabenzins 3 % -1.122 Rückzahlung -37.394 Reinvestition t3 89.717 Guthabenzins 3 % -2.692 Rückzahlung -89.717 Reinvestition t4 -76.204 Guthabenzins 3 % 2.286 Rückzahlung 76.204 Reinvestition t5 -164.392 Guthabenzins 3 % 4.932 Rückzahlung 164.392 Reinvestition t6 -180.785 Guthabenzins 3 % 5.424 Rückzahlung 180.785 Reinvestition t7 -124.091 Guthabenzins 3 % 3.723 Rückzahlung 124.091 Reinvestition t8 -66.376 Guthabenzins 3 % 1.991 Rückzahlung 66.376 Reinvestition t9 -7.623 Guthabenzins 3 % 229 Rückzahlung 7.623 Endvermögen 8.294.243 Kreditbertrag 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Sollzinssatz 3,15% 3,30% 3,45% 3,45% 4,00% 4,50% 5,00% 5,00% 5,00% 5,00% Guthabenzinssatz 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% Finanzierungsplan Kreditaufnahme 24.460.650 Kreditzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Kredittilgung 0 0 0 0 0 0 0 0 0 0 -24.460.650 Kreditstand 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Abschreibungsplan AfA-Satz 2% 2% 2% 2% 2% 2% 2% 2% 2% 2% AfA-Grundlage 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 AfA-Betrag 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 Buchwert 27.178.500 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerliche Nebenrechnung Mieteinnahmen 552.825 552.825 552.825 918.135 918.135 918.135 918.135 918.135 918.135 918.135 Abschreibung -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 Habenzinsen 0 -229 -1.122 -2.692 2.286 4.932 5.424 3.723 1.991 229 Sollzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Veräußerungserlös 0 0 0 0 0 0 0 0 0 38.609.309 Restbuchwert 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerpflichtiger Veräußerungsgewinn 0 0 0 0 0 0 0 0 0 14.505.569 Steuersatz 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% Ergebnis vor Steuer -525.161 -562.081 -599.665 -235.925 -365.481 -485.138 -606.950 -608.651 -610.382 13.893.424 Steuerzahlung -210.065 -224.832 -239.866 -94.370 -146.192 -194.055 -242.780 -243.460 -244.153 5.557.369 VOFI-Eigenkapitalrendite 11,80% Anhang Anhang - 6 ANHANG A6 – VOFI SZENARIO 5; 16,5-FACH Investitionsanalyse für Gewerbeimmobillien auf Basis "Vollständiger Finanzpläne" Szenario 5 t0 t1 t2 t3 t4 t5 t6 t7 t8 t9 t10 Originäre Zahlungen a0 -27.178.500 üt 552.825 552.825 552.825 951.345 951.345 951.345 951.345 951.345 951.345 951.345 Rn 39.157.274 Derivative Zahlungen Kreditaufnahme 24.460.650 Eigenkapital 2.717.850 Kreditzinsen (3-Mon. EURIBOR + 1,05%) -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Steuerzahlung 210.065 224.832 239.866 81.086 132.669 180.289 228.766 229.194 229.630 -5.791.340 Tilgung 0 0 0 0 0 0 0 0 0 -24.460.650 Reinvestition t1 7.621 Guthabenzins 3 % -229 Rückzahlung -7.621 Reinvestition t2 37.394 Guthabenzins 3 % -1.122 Rückzahlung -37.394 Reinvestition t3 89.717 Guthabenzins 3 % -2.692 Rückzahlung -89.717 Reinvestition t4 -96.130 Guthabenzins 3 % 2.884 Rückzahlung 96.130 Reinvestition t5 -204.603 Guthabenzins 3 % 6.138 Rückzahlung 204.603 Reinvestition t6 -241.645 Guthabenzins 3 % 7.249 Rückzahlung 241.645 Reinvestition t7 -205.973 Guthabenzins 3 % 6.179 Rückzahlung 205.973 Reinvestition t8 -169.658 Guthabenzins 3 % 5.090 Rückzahlung 169.658 Reinvestition t9 -132.690 Guthabenzins 3 % 3.981 Rückzahlung 132.690 Endvermögen 8.770.266 Kreditbertrag 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Sollzinssatz 3,15% 3,30% 3,45% 3,45% 4,00% 4,50% 5,00% 5,00% 5,00% 5,00% Guthabenzinssatz 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% Finanzierungsplan Kreditaufnahme 24.460.650 Kreditzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Kredittilgung 0 0 0 0 0 0 0 0 0 0 -24.460.650 Kreditstand 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Abschreibungsplan AfA-Satz 2% 2% 2% 2% 2% 2% 2% 2% 2% 2% AfA-Grundlage 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 AfA-Betrag 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 Buchwert 27.178.500 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerliche Nebenrechnung Mieteinnahmen 552.825 552.825 552.825 951.345 951.345 951.345 951.345 951.345 951.345 951.345 Abschreibung -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 Habenzinsen 0 -229 -1.122 -2.692 2.884 6.138 7.249 6.179 5.090 3.981 Sollzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Veräußerungserlös 0 0 0 0 0 0 0 0 0 39.157.274 Restbuchwert 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerpflichtiger Veräußerungsgewinn 0 0 0 0 0 0 0 0 0 15.053.534 Steuersatz 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% Ergebnis vor Steuer -525.161 -562.081 -599.665 -202.715 -331.673 -450.722 -571.914 -572.984 -574.074 14.478.351 Steuerzahlung -210.065 -224.832 -239.866 -81.086 -132.669 -180.289 -228.766 -229.194 -229.630 5.791.340 VOFI-Eigenkapitalrendite 12,43% Anhang Anhang - 7 ANHANG A7 – VOFI SZENARIO 6; 16,5-FACH Investitionsanalyse für Gewerbeimmobillien auf Basis "Vollständiger Finanzpläne" Szenario 6 t0 t1 t2 t3 t4 t5 t6 t7 t8 t9 t10 Originäre Zahlungen a0 -27.178.500 üt 552.825 552.825 552.825 984.555 984.555 984.555 984.555 984.555 984.555 984.555 Rn 39.705.239 Derivative Zahlungen Kreditaufnahme 24.460.650 Eigenkapital 2.717.850 Kreditzinsen (3-Mon. EURIBOR + 1,05%) -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Steuerzahlung 210.065 224.832 239.866 67.802 119.146 166.522 214.751 214.927 215.106 -6.025.311 Tilgung 0 0 0 0 0 0 0 0 0 -24.460.650 Reinvestition t1 7.621 Guthabenzins 3 % -229 Rückzahlung -7.621 Reinvestition t2 37.394 Guthabenzins 3 % -1.122 Rückzahlung -37.394 Reinvestition t3 89.717 Guthabenzins 3 % -2.692 Rückzahlung -89.717 Reinvestition t4 -116.056 Guthabenzins 3 % 3.482 Rückzahlung 116.056 Reinvestition t5 -244.813 Guthabenzins 3 % 7.344 Rückzahlung 244.813 Reinvestition t6 -302.506 Guthabenzins 3 % 9.075 Rückzahlung 302.506 Reinvestition t7 -287.855 Guthabenzins 3 % 8.636 Rückzahlung 287.855 Reinvestition t8 -272.940 Guthabenzins 3 % 8.188 Rückzahlung 272.940 Reinvestition t9 -257.757 Guthabenzins 3 % 7.733 Rückzahlung 257.757 Endvermögen 9.246.289 Kreditbertrag 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Sollzinssatz 3,15% 3,30% 3,45% 3,45% 4,00% 4,50% 5,00% 5,00% 5,00% 5,00% Guthabenzinssatz 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% Finanzierungsplan Kreditaufnahme 24.460.650 Kreditzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Kredittilgung 0 0 0 0 0 0 0 0 0 0 -24.460.650 Kreditstand 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Abschreibungsplan AfA-Satz 2% 2% 2% 2% 2% 2% 2% 2% 2% 2% AfA-Grundlage 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 AfA-Betrag 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 Buchwert 27.178.500 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerliche Nebenrechnung Mieteinnahmen 552.825 552.825 552.825 984.555 984.555 984.555 984.555 984.555 984.555 984.555 Abschreibung -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 Habenzinsen 0 -229 -1.122 -2.692 3.482 7.344 9.075 8.636 8.188 7.733 Sollzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Veräußerungserlös 0 0 0 0 0 0 0 0 0 39.705.239 Restbuchwert 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerpflichtiger Veräußerungsgewinn 0 0 0 0 0 0 0 0 0 15.601.499 Steuersatz 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% Ergebnis vor Steuer -525.161 -562.081 -599.665 -169.505 -297.865 -416.306 -536.878 -537.318 -537.765 15.063.278 Steuerzahlung -210.065 -224.832 -239.866 -67.802 -119.146 -166.522 -214.751 -214.927 -215.106 6.025.311 VOFI-Eigenkapitalrendite 13,02% Anhang Anhang - 8 ANHANG A8 – VOFI SZENARIO 7; 16,5-FACH Investitionsanalyse für Gewerbeimmobillien auf Basis "Vollständiger Finanzpläne" Szenario 7 t0 t1 t2 t3 t4 t5 t6 t7 t8 t9 t10 Originäre Zahlungen a0 -27.178.500 üt 552.825 552.825 552.825 1.001.160 1.001.160 1.001.160 1.001.160 1.001.160 1.001.160 1.001.160 Rn 39.979.221 Derivative Zahlungen Kreditaufnahme 24.460.650 Eigenkapital 2.717.850 Kreditzinsen (3-Mon. EURIBOR + 1,05%) -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Steuerzahlung 210.065 224.832 239.866 61.160 112.385 159.639 207.744 207.794 207.844 -6.142.296 Tilgung 0 0 0 0 0 0 0 0 0 -24.460.650 Reinvestition t1 7.621 Guthabenzins 3 % -229 Rückzahlung -7.621 Reinvestition t2 37.394 Guthabenzins 3 % -1.122 Rückzahlung -37.394 Reinvestition t3 89.717 Guthabenzins 3 % -2.692 Rückzahlung -89.717 Reinvestition t4 -126.019 Guthabenzins 3 % 3.781 Rückzahlung 126.019 Reinvestition t5 -264.919 Guthabenzins 3 % 7.948 Rückzahlung 264.919 Reinvestition t6 -332.936 Guthabenzins 3 % 9.988 Rückzahlung 332.936 Reinvestition t7 -328.796 Guthabenzins 3 % 9.864 Rückzahlung 328.796 Reinvestition t8 -324.581 Guthabenzins 3 % 9.737 Rückzahlung 324.581 Reinvestition t9 -320.290 Guthabenzins 3 % 9.609 Rückzahlung 320.290 Endvermögen 9.484.301 Kreditbertrag 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Sollzinssatz 3,15% 3,30% 3,45% 3,45% 4,00% 4,50% 5,00% 5,00% 5,00% 5,00% Guthabenzinssatz 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% Finanzierungsplan Kreditaufnahme 24.460.650 Kreditzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Kredittilgung 0 0 0 0 0 0 0 0 0 0 -24.460.650 Kreditstand 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Abschreibungsplan AfA-Satz 2% 2% 2% 2% 2% 2% 2% 2% 2% 2% AfA-Grundlage 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 AfA-Betrag 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 Buchwert 27.178.500 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerliche Nebenrechnung Mieteinnahmen 552.825 552.825 552.825 1.001.160 1.001.160 1.001.160 1.001.160 1.001.160 1.001.160 1.001.160 Abschreibung -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 Habenzinsen 0 -229 -1.122 -2.692 3.781 7.948 9.988 9.864 9.737 9.609 Sollzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Veräußerungserlös 0 0 0 0 0 0 0 0 0 39.979.221 Restbuchwert 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerpflichtiger Veräußerungsgewinn 0 0 0 0 0 0 0 0 0 15.875.481 Steuersatz 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% Ergebnis vor Steuer -525.161 -562.081 -599.665 -152.900 -280.961 -399.098 -519.360 -519.485 -519.611 15.355.741 Steuerzahlung -210.065 -224.832 -239.866 -61.160 -112.385 -159.639 -207.744 -207.794 -207.844 6.142.296 VOFI-Eigenkapitalrendite 13,31% Anhang Anhang - 9 ANHANG A9 – VOFI SZENARIO 8; 16,5-FACH Investitionsanalyse für Gewerbeimmobillien auf Basis "Vollständiger Finanzpläne" Szenario 8 t0 t1 t2 t3 t4 t5 t6 t7 t8 t9 t10 Originäre Zahlungen a0 -27.178.500 üt 552.825 552.825 552.825 552.825 875.626 875.626 875.626 875.626 875.626 875.626 Rn 37.907.913 Derivative Zahlungen Kreditaufnahme 24.460.650 Eigenkapital 2.717.850 Kreditzinsen (3-Mon. EURIBOR + 1,05%) -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Steuerzahlung 210.065 224.832 239.866 240.494 165.826 214.043 263.127 264.173 265.239 -5.255.346 Tilgung 0 0 0 0 0 0 0 0 0 -24.460.650 Reinvestition t1 7.621 Guthabenzins 3 % -229 Rückzahlung -7.621 Reinvestition t2 37.394 Guthabenzins 3 % -1.122 Rückzahlung -37.394 Reinvestition t3 89.717 Guthabenzins 3 % -2.692 Rückzahlung -89.717 Reinvestition t4 142.982 Guthabenzins 3 % -4.289 Rückzahlung -142.982 Reinvestition t5 84.245 Guthabenzins 3 % -2.527 Rückzahlung -84.245 Reinvestition t6 97.833 Guthabenzins 3 % -2.935 Rückzahlung -97.833 Reinvestition t7 185.047 Guthabenzins 3 % -5.551 Rückzahlung -185.047 Reinvestition t8 273.831 Guthabenzins 3 % -8.215 Rückzahlung -273.831 Reinvestition t9 364.214 Guthabenzins 3 % -10.926 Rückzahlung -364.214 Endvermögen 7.469.371 Kreditbertrag 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Sollzinssatz 3,15% 3,30% 3,45% 3,45% 4,00% 4,50% 5,00% 5,00% 5,00% 5,00% Guthabenzinssatz 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% Finanzierungsplan Kreditaufnahme 24.460.650 Kreditzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Kredittilgung 0 0 0 0 0 0 0 0 0 0 -24.460.650 Kreditstand 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Abschreibungsplan AfA-Satz 2% 2% 2% 2% 2% 2% 2% 2% 2% 2% AfA-Grundlage 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 AfA-Betrag 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 Buchwert 27.178.500 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerliche Nebenrechnung Mieteinnahmen 552.825 552.825 552.825 552.825 875.626 875.626 875.626 875.626 875.626 875.626 Abschreibung -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 Habenzinsen 0 -229 -1.122 -2.692 -4.289 -2.527 -2.935 -5.551 -8.215 -10.926 Sollzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Veräußerungserlös 0 0 0 0 0 0 0 0 0 37.907.913 Restbuchwert 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerpflichtiger Veräußerungsgewinn 0 0 0 0 0 0 0 0 0 13.804.173 Steuersatz 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% Ergebnis vor Steuer -525.161 -562.081 -599.665 -601.235 -414.565 -535.106 -657.817 -660.434 -663.097 13.138.365 Steuerzahlung -210.065 -224.832 -239.866 -240.494 -165.826 -214.043 -263.127 -264.173 -265.239 5.255.346 VOFI-Eigenkapitalrendite 10,64% Anhang Anhang - 10 ANHANG A10 – VOFI SZENARIO 9; 16,5-FACH Investitionsanalyse für Gewerbeimmobillien auf Basis "Vollständiger Finanzpläne" Szenario 9 t0 t1 t2 t3 t4 t5 t6 t7 t8 t9 t10 Originäre Zahlungen a0 -27.178.500 üt 552.825 552.825 552.825 552.825 947.360 947.360 947.360 947.360 947.360 947.360 Rn 39.091.518 Derivative Zahlungen Kreditaufnahme 24.460.650 Eigenkapital 2.717.850 Kreditzinsen (3-Mon. EURIBOR + 1,05%) -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Steuerzahlung 210.065 224.832 239.866 240.494 137.133 184.833 233.391 233.903 234.423 -5.760.158 Tilgung 0 0 0 0 0 0 0 0 0 -24.460.650 Reinvestition t1 7.621 Guthabenzins 3 % -229 Rückzahlung -7.621 Reinvestition t2 37.394 Guthabenzins 3 % -1.122 Rückzahlung -37.394 Reinvestition t3 89.717 Guthabenzins 3 % -2.692 Rückzahlung -89.717 Reinvestition t4 142.982 Guthabenzins 3 % -4.289 Rückzahlung -142.982 Reinvestition t5 41.205 Guthabenzins 3 % -1.236 Rückzahlung -41.205 Reinvestition t6 10.978 Guthabenzins 3 % -329 Rückzahlung -10.978 Reinvestition t7 53.588 Guthabenzins 3 % -1.608 Rückzahlung -53.588 Reinvestition t8 96.966 Guthabenzins 3 % -2.909 Rückzahlung -96.966 Reinvestition t9 141.125 Guthabenzins 3 % -4.234 Rückzahlung -141.125 Endvermögen 8.449.678 Kreditbertrag 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Sollzinssatz 3,15% 3,30% 3,45% 3,45% 4,00% 4,50% 5,00% 5,00% 5,00% 5,00% Guthabenzinssatz 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% Finanzierungsplan Kreditaufnahme 24.460.650 Kreditzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Kredittilgung 0 0 0 0 0 0 0 0 0 0 -24.460.650 Kreditstand 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Abschreibungsplan AfA-Satz 2% 2% 2% 2% 2% 2% 2% 2% 2% 2% AfA-Grundlage 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 AfA-Betrag 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 Buchwert 27.178.500 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerliche Nebenrechnung Mieteinnahmen 552.825 552.825 552.825 552.825 947.360 947.360 947.360 947.360 947.360 947.360 Abschreibung -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 Habenzinsen 0 -229 -1.122 -2.692 -4.289 -1.236 -329 -1.608 -2.909 -4.234 Sollzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Veräußerungserlös 0 0 0 0 0 0 0 0 0 39.091.518 Restbuchwert 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerpflichtiger Veräußerungsgewinn 0 0 0 0 0 0 0 0 0 14.987.778 Steuersatz 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% Ergebnis vor Steuer -525.161 -562.081 -599.665 -601.235 -342.832 -462.082 -583.478 -584.756 -586.058 14.400.395 Steuerzahlung -210.065 -224.832 -239.866 -240.494 -137.133 -184.833 -233.391 -233.903 -234.423 5.760.158 VOFI-Eigenkapitalrendite 12,01% Anhang Anhang - 11 ANHANG A11 – VOFI SZENARIO 10; 16,5-FACH Investitionsanalyse für Gewerbeimmobillien auf Basis "Vollständiger Finanzpläne" Szenario 10 t0 t1 t2 t3 t4 t5 t6 t7 t8 t9 t10 Originäre Zahlungen a0 -27.178.500 üt 552.825 552.825 552.825 551.360 551.360 947.360 947.360 947.360 947.360 947.360 Rn 39.091.518 Derivative Zahlungen Kreditaufnahme 24.460.650 Eigenkapital 2.717.850 Kreditzinsen (3-Mon. EURIBOR + 1,05%) -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Steuerzahlung 210.065 224.832 239.866 241.080 295.543 187.695 236.305 236.868 237.442 -5.757.084 Tilgung 0 0 0 0 0 0 0 0 0 -24.460.650 Reinvestition t1 7.621 Guthabenzins 3 % -229 Rückzahlung -7.621 Reinvestition t2 37.394 Guthabenzins 3 % -1.122 Rückzahlung -37.394 Reinvestition t3 89.717 Guthabenzins 3 % -2.692 Rückzahlung -89.717 Reinvestition t4 143.861 Guthabenzins 3 % -4.316 Rückzahlung -143.861 Reinvestition t5 279.700 Guthabenzins 3 % -8.391 Rückzahlung -279.700 Reinvestition t6 253.765 Guthabenzins 3 % -7.613 Rückzahlung -253.765 Reinvestition t7 300.746 Guthabenzins 3 % -9.022 Rückzahlung -300.746 Reinvestition t8 348.573 Guthabenzins 3 % -10.457 Rückzahlung -348.573 Reinvestition t9 397.261 Guthabenzins 3 % -11.918 Rückzahlung -397.261 Endvermögen 8.188.932 Kreditbertrag 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Sollzinssatz 3,15% 3,30% 3,45% 3,45% 4,00% 4,50% 5,00% 5,00% 5,00% 5,00% Guthabenzinssatz 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% Finanzierungsplan Kreditaufnahme 24.460.650 Kreditzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Kredittilgung 0 0 0 0 0 0 0 0 0 0 -24.460.650 Kreditstand 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Abschreibungsplan AfA-Satz 2% 2% 2% 2% 2% 2% 2% 2% 2% 2% AfA-Grundlage 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 AfA-Betrag 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 Buchwert 27.178.500 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerliche Nebenrechnung Mieteinnahmen 552.825 552.825 552.825 551.360 551.360 947.360 947.360 947.360 947.360 947.360 Abschreibung -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 Habenzinsen 0 -229 -1.122 -2.692 -4.316 -8.391 -7.613 -9.022 -10.457 -11.918 Sollzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Veräußerungserlös 0 0 0 0 0 0 0 0 0 39.091.518 Restbuchwert 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerpflichtiger Veräußerungsgewinn 0 0 0 0 0 0 0 0 0 14.987.778 Steuersatz 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% Ergebnis vor Steuer -525.161 -562.081 -599.665 -602.700 -738.858 -469.236 -590.762 -592.171 -593.606 14.392.711 Steuerzahlung -210.065 -224.832 -239.866 -241.080 -295.543 -187.695 -236.305 -236.868 -237.442 5.757.084 VOFI-Eigenkapitalrendite 11,66% Anhang Anhang - 12 ANHANG A12 – VOFI SZENARIO 11; 16,5-FACH Investitionsanalyse für Gewerbeimmobillien auf Basis "Vollständiger Finanzpläne" Szenario 11 t0 t1 t2 t3 t4 t5 t6 t7 t8 t9 t10 Originäre Zahlungen a0 -27.178.500 üt 552.825 552.825 552.825 479.360 479.360 947.360 947.360 947.360 947.360 947.360 Rn 39.091.518 Derivative Zahlungen Kreditaufnahme 24.460.650 Eigenkapital 2.717.850 Kreditzinsen (3-Mon. EURIBOR + 1,05%) -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Steuerzahlung 210.065 224.832 239.866 269.880 324.862 188.741 237.370 237.953 238.546 -5.755.961 Tilgung 0 0 0 0 0 0 0 0 0 -24.460.650 Reinvestition t1 7.621 Guthabenzins 3 % -229 Rückzahlung -7.621 Reinvestition t2 37.394 Guthabenzins 3 % -1.122 Rückzahlung -37.394 Reinvestition t3 89.717 Guthabenzins 3 % -2.692 Rückzahlung -89.717 Reinvestition t4 187.061 Guthabenzins 3 % -5.612 Rückzahlung -187.061 Reinvestition t5 366.877 Guthabenzins 3 % -11.006 Rückzahlung -366.877 Reinvestition t6 342.512 Guthabenzins 3 % -10.275 Rückzahlung -342.512 Reinvestition t7 391.091 Guthabenzins 3 % -11.733 Rückzahlung -391.091 Reinvestition t8 440.544 Guthabenzins 3 % -13.216 Rückzahlung -440.544 Reinvestition t9 490.887 Guthabenzins 3 % -14.727 Rückzahlung -490.887 Endvermögen 8.093.621 Kreditbertrag 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Sollzinssatz 3,15% 3,30% 3,45% 3,45% 4,00% 4,50% 5,00% 5,00% 5,00% 5,00% Guthabenzinssatz 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% 3,00% Finanzierungsplan Kreditaufnahme 24.460.650 Kreditzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Kredittilgung 0 0 0 0 0 0 0 0 0 0 -24.460.650 Kreditstand 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 24.460.650 0 Abschreibungsplan AfA-Satz 2% 2% 2% 2% 2% 2% 2% 2% 2% 2% AfA-Grundlage 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 15.373.800 AfA-Betrag 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 307.476 Buchwert 27.178.500 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerliche Nebenrechnung Mieteinnahmen 552.825 552.825 552.825 479.360 479.360 947.360 947.360 947.360 947.360 947.360 Abschreibung -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 -307.476 Habenzinsen 0 -229 -1.122 -2.692 -5.612 -11.006 -10.275 -11.733 -13.216 -14.727 Sollzinsen -770.510 -807.201 -843.892 -843.892 -978.426 -1.100.729 -1.223.033 -1.223.033 -1.223.033 -1.223.033 Veräußerungserlös 0 0 0 0 0 0 0 0 0 39.091.518 Restbuchwert 26.871.024 26.563.548 26.256.072 25.948.596 25.641.120 25.333.644 25.026.168 24.718.692 24.411.216 24.103.740 Steuerpflichtiger Veräußerungsgewinn 0 0 0 0 0 0 0 0 0 14.987.778 Steuersatz 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% 40,0% Ergebnis vor Steuer -525.161 -562.081 -599.665 -674.700 -812.154 -471.852 -593.424 -594.881 -596.365 14.389.902 Steuerzahlung -210.065 -224.832 -239.866 -269.880 -324.862 -188.741 -237.370 -237.953 -238.546 5.755.961 VOFI-Eigenkapitalrendite 11,53% Anhang Anhang - 13 Anhang B ANHANG B1 – AUFSCHLÜSSELUNG BEWIRTSCHAFTUNGSKOSTEN Bewirtschaftungskosten Anteil am Jahresrohertrag in % von ... bis ... Abschreibung bereits im Vervielfältiger enthalten Verwaltungskosten 2 % 5 % Betriebskosten 5 % 12 % Instandhaltungskosten 5 % 22 % Mietausfallwagnis 4 % 8 % Summe 16 % 47 % Gewählt 25 % Anhang Anhang - 14 ANHANG B2 – BODENRICHTWERTKARTE Anhang Anhang - 15 ANHANG B3 – KOSTENKATALOG AUSBAUELEMENTE Neubau Sirados Stand Rückbau Estrich auf Dämmschicht 18,20 € 1023114310 Jul 02 Estrich auf Trennschicht 11,76 € 1025113310 Jul 02 Doppelboden Faserwerkstoff 65,00 € 1039615010 Nov 02 5,00 € Belag Nadelvlies 23,80 € 1036021240 Nov 02 5,10 € Belag Fliesen 50,00 € 1024038330 Nov 02 12,70 € Belag Naturstein 90,00 € 1014010010E Jul 02 13,50 € Boden Wohnungen, Parkett Eiche versiegelt 58,82 € 1028002410E Mrz 01 Brandwand 95,00 € 1039219210 Nov 02 18,70 € Nutzungstrennwand 52,70 € 1039213130 Nov 02 18,70 € Raumtrennwand Schall 44,40 € 1039216130E Nov 02 18,70 € Glasgewebetapete, incl. Beschichtung 16,70 € 1037015020E Nov 02 4,50 € Glasgewebetapete 11,70 € 1037015010E Nov 02 4,50 € Wandfliesen, uni, Dünnbett 20/20 39,90 € 1024015228E Nov 02 12,70 € Anstrich 3,20 € 1034032530E Nov 02 GK Unterdecke, o. Dämmung 35,30 € 1039241110 Nov 02 16,20 € GK Unterdecke, m. Dämmung 40 mm 41,70 € 1039244100E Nov 02 16,20 € Türanlage, Rauchdicht 3.656,00 € 1031710210 Nov 02 96,70 € Innentür, Glas 505,00 € 1027230750 Nov 02 38,70 € zzgl. Zarge 108,00 € 1027210140E Nov 02 Innentür, Holz, komplett 424,00 € 1027211540E Nov 02 38,70 € T 90 RS 1.721,00 € 1031330230E Nov 02 74,20 € WE Türen 713,00 € 1027215110E Nov 02 74,20 € Innentür komplett Wohnungen 248,50 € 1027211610 Nov 02 38,70 € Decke Einbauteile Kostenkatalog Ausbauelemente Edition AUM GmbH Architekturdaten und Management Hochbau Band 2-4 und Altbau Band 2-3 Boden Wand Anhang Anhang - 16 Anhang C ANHANG C1 – BÜROMARKTDEFINITION Die folgende Definitionssammlung einschließlich der Kommentare stammt von der Büromarktdefinition der gif e.V.785 (Gesellschaft für immobilienwirtschaftli- che Forschung und wird durch Definitionen von den Unternehmen Jones Lang LaSalle 786 und DTZ787 ergänzt. Deren Definitionen oder Ergänzungen sind ent- sprechend gekennzeichnet. 1 Vorbemerkungen Die Büromarktdefinitionen der gif sollen als Grundlage für eine übereinstim- mende statistische Erfassung der wesentlichen Sachverhalte und Entwicklun- gen in den deutschen Büromärkten dienen. Neben verbindlichen inhaltlichen Festlegungen bei der Büromarktberichterstat- tung soll hiermit auch eine klare räumliche und zeitliche Zuordnung über ein- deutig nachvollziehbare Erhebungszeitpunkte und räume herbeigeführt werden. Der räumliche Umgriff und die inhaltliche Detaillierung ist den marktberichten- den Unternehmen freigestellt, im Interesse besserer Vergleichbarkeit sollten in publizierten Marktberichten aber stets auch der räumliche Umgriff auf Basis Gemeindegrenze dargestellt und insbesondere Zahlen zu der Kernkommune einer Marktregion getrennt ausgeworfen werden. 2 Büroflächen, Flächenbestand Als Büroflächen gelten diejenigen Flächen, auf denen typische Schreibtischtä- tigkeiten durchgeführt werden bzw. durchgeführt werden könnten und die auf dem Büroflächenmarkt gehandelt, das heißt als Bürofläche vermietet werden können. Hierzu zählen auch vom privaten oder vom öffentlichen Sektor eigengenutzte sowie zu Büros umgewidmete Flächen, ferner selbständig vermietbare Büroflä- chen in gemischt genutzten Anlagen, insbesondere in Gewerbeparks. 785 Definitionssammlung zum Büromarkt der Gesellschaft für immobilienwirtschaftliche Forschung e.V:, Stand 20. September 2004, S. 1-8. Auf den Seiten S.9-13 befinden sich die Kommentare der gif. 786 Definitionssammlung von Jones Lang LaSalle, Research Germany, Stand Oktober 2004, S. 1-10 787 Definitionen gem. e-mail- Anhang vom 22.08.2005 von Frau Neisser, DTZ Consulting & Research GmbH, Frankfurt Anhang Anhang - 17 Büroflächenbestand: Gesamtfläche der fertiggestellten (benutzten und leerste- henden) Büroflächen gemäß Absatz 1. Sämtliche quantitativen Angaben zu Büroflächen (Vermietungsleistung, verfüg- bares Angebot, Flächenbestand etc.) sollten einheitlich auf der Flächendefiniti- on gemäß der gif Richtlinie MFB "Mietfläche für Büroraum" basieren bzw. auf diese Basis umgerechnet werden. Dies gilt auch für Indizes wie Flächenkennzif- fern (m2 pro Arbeitsplatz) und Leerstandsquoten. Jones Lang LaSalle Der Bestand umfasst alle bestehenden Flächen inkl. Leerstand. Der Bestand wird in Nettogeschossfläche (NGF) angegeben. Neubauflächen, die bis auf den Mieterausbau fertiggestellt sind, fließen in den Bestand; Totalsanierungen, Umwidmungen und Abrisse werden herausgerechnet. Flächenangaben bezie- hen sich in der Regel auf die NGF. In der Praxis ist es kaum möglich, bei sämt- lichen Flächenangaben in Erfahrung zu bringen, nach welchen Richtlinien diese ermittelt wurden. Kommentare der gif zur Definition der Bürofläche, des Flächenbestandes: Mit Handelbarkeit bzw. Marktfähigkeit ist in diesem Zusammenhang gemeint, dass eine Fläche separat als Bürofläche genutzt werden kann. Es muss sich also um eine abgeschlossene Einheit handeln oder die Fläche muss in einem Gebäude eine gesamte Etage einnehmen. Unter Marktfähigkeit soll in diesem Zusammenhang ausdrücklich nicht verstanden werden, dass die Vermietbar- keit aufgrund des Gebäudezustandes, des Objektumfeldes oder in einer be- stimmten Marktphase beeinträchtigt ist. Nach dieser Definition gelten z.B. Arbeitszimmer in privaten Wohnungen und innerhalb von Ladenflächen, Sekretariate in Schulen, in Werkstätten integrierte Schreibtischflächen, Ladenflächen, die für Schreibtischtätigkeiten (z.B. von Reisebüros) genutzt werden oder Schalterhallen der Post und Bahn - um nur einige Beispiele zu nennen - nicht als Büroflächen. Hingegen sind die Bürotrakte von Industrieunternehmen, Theatern, Kranken- häusern, Kaufhäusern, Bibliotheken usw. genauso als Büroflächen zu betrach- ten, wie eigengenutzte und öffentliche Bürogebäude. Auch Arztpraxen zählen zu den Büroflächen, weil für sie Flächen in Anspruch genommen werden, die auf dem Büromarkt gehandelt werden. Anhang Anhang - 18 Banken und Gerichtsgebäude - einschließlich der Schalterhallen und Gerichts- säle -werden in ihrer Gesamtheit als Büroflächen eingestuft, auch Polizeiwa- chen gelten als Büroflächen. Bei Rundfunk- und Fernsehanstalten zählen hin- gegen nur solche Räumlichkeiten als Bürofläche, die die oben aufgeführten Kriterien erfüllen. In den Begriff der Bürofläche sind die Nebenflächen eingeschlossen. Damit sind nicht nur die Verkehrs- und Funktionsflächen gemeint, sondern auch Nutz- flächen wie z.B. Konferenz- und Sozialräume sowie Archive. 3 Bürobeschäftigte Beschäftigte, die Büroflächen in Anspruch nehmen. Kommentare der gif zur Definition der Bürobeschäftigten: Zur Berechnung der Bürobeschäftigten wird empfohlen, die Zahl der Beamten, der Selbständigen und der sozialversicherungspflichtig Beschäftigten mit Büro- beschäftigtenquoten zu multiplizieren. Die sozialversicherungspflichtig Beschäftigten werden nach Berufen differen- ziert. Die gif empfiehlt, sich an den in der anliegenden Tabelle am Ende der Kommentare genannten Bürobeschäftigtenquoten zu orientieren. Für die Beamten wird eine Bürobeschäftigtenquote von 50 , für die Selbständi- gen eine solche von 30 empfohlen. Die Zahl der Beamten kann der Personalstandstatistik des Bundes entnommen und bei den Statistischen Landesämtern abgerufen werden. Die Zahl der Selbständigen ist über den Mikrozensus nur eingeschränkt auf Anpassungsschichtebene (mindestens 500.000 Einwohner) erhältlich, der bei den Statistischen Landesämtern vorliegt. Die sozialversicherungspflichtig Beschäftigten nach Berufsordnungen können als Sonderauswertung der Statistik bei der Bundesanstalt für Arbeit angefordert werden. Anhang Anhang - 19 4 Bedarf Summe aller zusätzlichen Büroflächen, die zu einem bestimmten Zeitpunkt in einem abgegrenzten Marktgebiet für einen zu definierenden Versorgungsstan- dard erforderlich ist. Das Bedarfsvolumen setzt sich zusammen aus: Nachholbedarf: Summe aller Büroflächen, die zum Ausgleich einer relativen Unterversorgung (= unterdurchschnittliche Flächeninanspruchnahme pro Beschäftigten) erforderlich ist. Zusatzbedarf: Summe aller Büroflächen, die aufgrund der prognostizierten Zunahme der Zahl der Bürobeschäftigten oder der zu erwartenden Flächeninanspruchnahme pro Bürobeschäftigten erforderlich ist. Ersatzbedarf: Summe aller Büroflächen, die zum Ausgleich von Flächenabgängen oder zum Austausch nicht mehr marktfähiger Flächen erforderlich ist. Kommentare der gif zur Definition des Bedarfs: Der Versorgungsstandard weist Unterschiede nach Städten und Regionen auf und ist jeweils nachvollziehbar zu definieren. Im Gegensatz zu Nachholbedarf und Zusatzbedarf ist die Deckung des Ersatz- bedarfes bestandsneutral; er erhöht jedoch das erforderliche Bauvolumen. Im Gegensatz zur Nachfrage, die empirisch und konkret ermittelt werden kann (vgl Ziffer 4), handelt es sich beim Bedarf um einen abstrakten Begriff, der - unabhängig von der tatsächlich marktwirksamen Nachfrage - aus theoretischen Annahmen normativen Kenngrößen und/oder Wertvorstellungen abgeleitet wird. Die Berechnung von Nachholbedarf und Zusatzbedarf kann zu negativen Wer- ten führen (= bei überdurchschnittlich hoher Flächeninanspruchnahme je Büro- beschäftigten bzw. bei einem zu erwartenden Rückgang der Bürobeschäftigten- zahl oder der Flächenkennziffer). Nur ein Teil des berechneten Bedarfes wird auch tatsächlich nachfragewirksam. Anhang Anhang - 20 5 Nachfrage (= Flächengesuche) Bei der Nachfrage handelt es sich um die in einem genau umrissenen und ab- gegrenzten (Teil-) Markt für Büroimmobilien innerhalb einer definierten Zeitein- heit registrierten aktiven Flächengesuche. Dabei werden sowohl die Anfragen von potentiellen Mietern als auch von Eigennutzern berücksichtigt, denen ein nachhaltiger Anmietungswille unterstellt wird. Jones Lang LaSalle Der Begriff Gesuche wird hier synonym zu dem Begriff Anfragen verwandt und es wird unterschieden zwischen: Neuanfragen Summe der Mittelwerte aller für einen definierten Zeitraum (z.B. Quartal) bei Jones Lang LaSalle registrierten Anfragen. Dabei können die Anfragen noch aktiv (es ist noch keine Anmietung erfolgt) oder bereits befriedigt (Anmietung ist erfolgt) sein. Aktive Anfragen Summe der Mittelwerte aller bei Jones Lang LaSalle registrierten Anfragen, die bis zum Stichtag noch nicht befriedigt sind und maximal seit 4 Jahren aktiv sind. Zeitpunkt der gewünschten Anmietung - Kurzfristig: Flächen werden innerhalb eines halben Jahres benötigt - Mittelfristig: Flächen werden frühestens in einem halben Jahr und spä- testens in einem Jahr benötigt - Langfristig: Flächen werden frühestens in einem Jahr benötigt Anhang Anhang - 21 Kommentare der gif zur Definition der Nachfrage: Es wird unterschieden zwischen Neuanfragen (im Berichtszeitraum neu einge- gangenen Anfragen) und aktiven Anfragen (Summe aller zum Berichtszeitpunkt noch bearbeiteten Anfragen). Es werden Büroflächengesuche von potentiellen Mietern und Eigennützen glei- chermaßen erfasst. Die Nachfrage umfasst sämtliche am Markt bekannten Büroflächengesuche, die jedoch jeweils nur einmal erfasst werden dürfen. Das Büroflächengesuch wird zum Zeitpunkt der Kenntnisnahme (= nicht zum Zeitpunkt der geplanten Realisierung) registriert. Das Nachfragevolumen („aktive Anfragen") wird fortgeschrieben (= zeitpunktbe- zogen), d.h. erledigte Anfragen werden eliminiert und Neuanfragen hinzuge- rechnet. Nur ein Teil des Nachfragevolumens wird umsatzwirksam. Die hier definierte "Nachfrage" weicht von den in der Ökonomie üblichen Beg- riffsbestimmungen ab, ist aber für den Büromarkt typisch. 6 Flächenumsatz Der Flächenumsatz ist die Summe aller Flächen, die in einem genau abge- grenzten (Teil)Markt für Büroimmobilien innerhalb einer definierten Zeiteinheit vermietet, verleast oder an einen Eigennutzer verkauft werden. Dabei sind auch Untervermietungen innerhalb von Hauptmietverträgen oder von eigengenutzten Flächen zu erfassen. Kommentare der gif zur Definition des Flächenumsatzes: Abzustellen ist auf die je Mietvertrag / Kaufvertrag tatsächlich gebundene oder eigengenutzte Fläche. Für die Registrierung gilt der Zeitpunkt des Vertragsabschlusses bzw. des Bau- beginns bei Eigennutzungen. Generalmietverträge werden nicht als Umsatz erfasst. Anhang Anhang - 22 In unternehmensspezifischen Aufstellungen zum Flächenumsatz durch Mittler dürfen sog. Gemeinschaftsgeschäfte nur anteilig berücksichtigt werden. Vertragsabschlüsse, die der Vertraulichkeit unterliegen, sollen unter Beachtung der in der Statistik üblichen Regelungen zum Schutz von Individualdaten erfasst werden. 6.1 Flächenumsatz durch Mieter Flächenvolumen sämtlicher Vermietungsabschlüsse, die in einem genau abge- grenzten Teilmarkt für Büroimmobilien innerhalb einer definierten Zeiteinheit getätigt werden. Maßgeblich für die zeitliche Zuordnung ist das Datum des Ver- tragsabschlusses und nicht der Einzug des Mieters. Es dürfen nur unkonditionierte Mietverträge erfasst werden, also keine Ab- sichtserklärungen oder Vorverträge;. Mietvertragsverlängerungen werden als Flächenumsatz erfasst, wenn die an- gemietete Bürofläche größer als die bisher genutzte Fläche ist. Als Flächenum- satz am bisherigen Standort wird in diesem Fall nur die Anmietung der zusätzli- chen Mietflächen berücksichtigt. Die Verlängerung oder Erneuerung von Bestandsmietverträgen wird grundsätz- lich nicht als Flächenumsatz gewertet. Anhang Anhang - 23 Jones Lang LaSalle Es dürfen nur unkonditionierte Mietverträge erfasst werden, also keine Ab- sichtserklärungen oder Vorverträge. Mietvertragsverlängerungen werden als Flächenumsatz erfasst, wenn die an- gemietete Bürofläche größer als die bisher genutzte Fläche ist. Als Flächenum- satz am bisherigen Standort wird in diesem Fall nur die Anmietung der zusätzli- chen Mietflächen berücksichtigt. Die Verlängerung oder Erneuerung von Bestandsmietverträgen wird grundsätz- lich nicht als Flächenumsatz gewertet. Ausstattungsqualität (unabhängig von der Lage des Objektes) - Erstklassig (A-Flächen): Hervorragend ausgestattete Flächen, neuester technischer Standard, flexible Raumaufteilungen. - Durchschnittlich (B-Flächen): Flächen mit einer Standardausstattung, die aber nicht mit A-Flächen konkurrieren können. - Veraltet (C-Flächen): Schlechter Ausstattungsstandard, kaum noch ver- marktbar. Kommentare der gif zur Definition des Flächenumsatzes durch Mieter: Sale-and-lease-back-Transaktionen stellen keine Vermietungsleistung dar. Anschlussvermietungen in Form von nur einfachen Optionsausübungen oder Vertragsverlängerungen werden in diesem Zusammenhang nicht einbezogen. Eine Verringerung der angemieteten Büroflächen bei einer Mietvertragsverlän- gerung (negativer Saldo der genutzten Büroflächen) schlägt sich sowohl bei der Erfassung der am Markt verfügbaren Flächen als auch bei der Nettoabsorption an Büroflächen nieder, wird aber nicht in Form eines „negativen Vermietungs- umsatzes" registriert. Anhang Anhang - 24 6.2 Flächenumsatz durch Eigennutzer Büroflächenumsätze durch Eigennutzer sind durch das Charakteristikum der Langfristigkeit definiert: a. Entweder kauft der Nutzer eine Liegenschaft mit dem Ziel eigener Büro- nutzung z.B. als Grundstück/Projekt oder als (fertig gestelltes bzw. im Bau befindliches) Gebäude. b. Oder es liegt ein langfristig wirksames Finanzierungs- oder Vertragsin- strument (z.B. Leasing, Anmietung von eigener Objektgesellschaft) zu Grunde. Die Registrierung des Flächenumsatzes durch Eigennutzer erfolgt dann, wenn der Kauf oder langfristige Nutzungsvertrag für ein Gebäude oder Teile davon unterzeichnet wurde. Im Falle einer Projektentwicklung erfolgt die Registrierung bei Baubeginn. Kommentare der gif zur Definition des Flächenumsatzes durch Eigennutzer: Für die Büroflächen werden langfristige (i.d.R. über mindestens 10, oft auch 15 Jahre und länger) Nutzungsverträge abgeschlossen. Für die Nutzung werden langfristige Vertrags- und Finanzierungskonditionen (z.B. Leasingraten etc.) vereinbart. Investmenttransaktionen sind keine Eigennutzer-Umsätze (der Käufer zieht nicht in das Gebäude ein). Klassische Eigennutzerflächenumsätze sind der Bau oder Kauf eines Büroob- jektes, das ins Eigentum der jeweiligen Gesellschaft übergeht. Aus Gründen der Optimierung von Finanzierung und Verwaltung entsprechender Bau- oder Kauf- entscheidungen werden allerdings immer häufiger gesonderte Objektgesell- schaften gegründet, die Bau, Kauf und Verwaltung des Objektes übernehmen und die Büroflächen langfristig an die „Mutter"- oder "Geschwister- Gesellschaften vermieten. In der Regel, aber nicht zwangsläufig, bestehen des- halb enge wirtschaftliche Verzahnungen zwischen dem langfristigen Eigennut- zer der Immobilie und dem Eigentümer (Objektgesellschaft). Anhang Anhang - 25 Voraussetzung für die Erfassung einer Eigennutzerentscheidung als Büroflä- chenumsatz ist, dass das Bürogebäude - entsprechend der Definition „Büroflä- che" - auch für andere Büronutzer nutzbar wäre, bzw. der Eigennutzer auch andere Büroobjekte beziehen könnte. Bau- oder Kaufentscheidungen von Ge- bäuden, die vorwiegend für Sondernutzungen (kaum Drittverwendungsmöglich- keit) konzipiert sind (z.B. für kulturelle und medizinische Einrichtungen) werden nicht als Büroflächenumsatz gewertet. Die Vermietung oder der Verkauf von Büroflächen an „Tochter"-, „Schwester"- oder „Mutter-Gesellschaften werden nur dann als Flächenumsatz gezählt, wenn damit tatsächlich ein Neubezug oder Umzug eines Nutzers erfolgt. Alle "Schein- Umsätze" durch Umstrukturierungen, Ausgliederungen, Umfirmierungen etc. werden nicht als Büroumsatz erfasst. Zieht der Käufer nicht in das Gebäude ein, handelt es sich nicht um einen Ei- gennutzerumsatz. Eigennutzungstransaktionen liegt per definitionem stets nicht nur ein Flächen- umsatz, sondern auch eine Investmenttransaktion zugrunde. 6.3 Nettoabsorption Veränderung der in Anspruch genommenen Büroflächen während eines be- stimmten Zeitraumes in einem definierten Marktgebiet. Jones Lang LaSalle Die Nettoabsorption errechnet sich nach der Formel: Nettoabsorption = (Bestandneu – Leerstand inkl. Untermietflächenneu) – (Bestandalt – Leerstand inkl. Untermietflächenalt) Die Nettoabsorption kann sich auf verschiedene Zeiträume beziehen, dies ist entsprechend kenntlich zu machen. Die Nettoabsorption kann negative Werte erhalten. Anhang Anhang - 26 Kommentare der gif zur Definition der Nettoabsorption: Die Berechnung kann auf drei verschiedene Arten durchgeführt werden: - Erfasste Flächeninanspruchnahme am Ende des Betrachtungszeitrau- mes abzüglich derjenigen am Beginn des Beobachtungszeitraumes. - Erfasste Neuinanspruchnahmen abzüglich bekannter Flächenaufgaben Stichtag der Neuinanspruchnahme ist der Einzug. - Neu auf den Markt kommende Flächen abzüglich des Abganges an Bü- roflachen und der Differenz zwischen Leerstand am Ende und zu Beginn der betrachteten Periode. Aufgrund der schwierigen Datenerhebung der ersten beiden Varianten kommt normalerweise nur die dritte Berechnungsmethode in Betracht. Es wird keine Unterscheidung zwischen Eigennutzern und Mietern getroffen. Es wird empfohlen, die Nettoabsorption nicht nur bezogen auf das abgelaufene Kalenderjahr, sondern auch auf die vergangenen drei Jahre zu ermitteln Die Nettoabsorption kann negative Werte erhalten. Der Absorptionsfaktor stellt den Anteil der absorbierten Flächen am jeweiligen Gesamtumsatz dar. Der Faktor erlaubt den Vergleich einzelner Büromärkte zu- rück. 7 Angebot Das Angebot umfasst folgende Flächenkategorien, für die eine Vermarktung zum Beobachtungszeitpunkt (jeweils Stichtag Quartalsende) vorgesehen ist und die noch verfügbar (also noch nicht vertraglich gebunden sind): a. Leerstand (= kurzfristig verfügbares Büroflächenangebot) Summe aller fertiggestellten Büroflächen, die zum Erhebungszeitpunkt unge- nutzt sind, zur Vermietung, zur Untervermietung oder zum Verkauf (zum Zwe- cke der Weiternutzung) angeboten werden und innerhalb von drei Monaten be- ziehbar sind. Untermietflächen sollten getrennt ausgewiesen werden. Jones Lang LaSalle Leerstandsrate = Leerstandsvolumen / Bestand * 100, ausgedrückt in %. Anhang Anhang - 27 DTZ Der Leerstand (= kurzfristig beziehbares Angebot) ist eine zeitpunktbezogene Größe. Er umfasst für den vorliegenden Bericht alle Büroflächen, die zum 30.Juni 2004 ungenutzt sind, zur Vermietung oder zum Verkauf an Eigennutzer angeboten werden und von 12 Wochen beziehbar sind. Dazu gehören 1. aktuell leere Bestandsflächen, die zur Vermietung angeboten werden (ein- schließlich Flächen, für die lediglich ein Generalmietvertrag besteht und leere Flächen, die zur Untervermietung angeboten werden); 2. nicht vermietete Neubauten, bei denen nur noch der Mieterausbau durchzu- führen ist; 3. Flächen, die zum Stichtag zwar noch belegt sind, von denen aber bekannt ist, dass sie freigezogen werden und innerhalb von 12 Wochen wieder be- ziehbar sind. Kommentare der gif zur Definition des Angebotes/ Leerstandes: Flächen, die zum Erhebungszeitpunkt ungenutzt sind, aber nicht zur Vermie- tung / Verkauf angeboten werden, werden nicht zum Leerstand gerechnet (z. B Flächen in Gebäuden, für die Sanierung oder Abriss vorgesehen sind). Flächen, die zwar angeboten werden, aber nicht innerhalb von drei Monaten bezogen werden können, werden ebenfalls nicht zum Leerstand gerechnet, dies gilt insbesondere für alle noch nicht fertiggestellten Neubauflächen. Demgegenüber werden ungenutzte Flächen, über die lediglich ein Generalmiet- vertrag abgeschlossen wurde, zum Leerstand hinzugerechnet. Ebenfalls zum Leerstand hinzugerechnet werden Flächen, die zum Erhebungs- zeitpunkt zwar noch belegt sind, von denen aber bekannt ist, dass sie innerhalb von drei Monaten neu bezogen werden können und die sich bereits wieder im Angebot befinden. Vereinzelt wird für diese Form des Leerstandes der Begriff "latenter Leerstand" verwendet. Zu unterscheiden ist zwischen Flächen im Bau inklusive Vorvermietung („under construction“ im angelsächsischen Sinn) und verfügbaren Flächen im Bau, also exklusive Vorvermietung. Anhang Anhang - 28 b. Flächen im Bau (= mittelfristig verfügbares Büroflächenangebot) Flächen, die aktuell im Bau befindlich sind und noch nicht vergeben sind (d.h. noch nicht vermietet bzw. an Eigennutzer verkauft). Jones Lang LaSalle Das Angebot setzt sich aus den Komponenten Leerstand + Untermietflächen + freie Flächen im Bau zusammen Ausstattungsqualität (unabhängig von der Lage des Objektes) - Erstklassig (A-Flächen): Hervorragend ausgestattete Flächen, neuester technischer Standard, flexible Raumaufteilungen. - Durchschnittlich (B-Flächen): Flächen mit einer Standardausstattung, die aber nicht mit A-Flächen konkurrieren können. - Veraltet (C-Flächen): Schlechter Ausstattungsstandard, kaum noch ver- marktbar. Anhang Anhang - 29 c. Pipeline (= langfristig verfügbares Angebot) Büroflächen in Projekten, für die bereits ein Nutzungsvertrag abgeschlossen werden kann, ohne dass schon mit dem Bau begonnen wurde. Jones Lang LaSalle Flächen, die sich in der Planung befinden. Jones Lang LaSalle unterscheidet zwischen - Fertiggestellte Flächen: Flächen, die innerhalb eines bestimmten Zeit- raumes auf den Markt gekommen sind, d.h. bis auf den Mieterausbau fertiggestellt wurden. - Projektierte Flächen: Dieses beinhaltet alle Neubauten und Sanierungs- maßnahmen an bestehenden Objekten. Mit Beginn der Sanierung wer- den diese Gebäude aus dem Bestand herausgerechnet. Nach Fertigstel- lung werden sie dem Bestand als fertiggestellte Flächen wieder zuge- schlagen. Diese Flächen werden wiederum unterteilt in - Spekulativ: Flächen werden für den Vermietungsmarkt errichtet und sind zum Zeitpunkt der Erhebung noch verfügbar. - Nur zur Vorvermietung: Flächen, mit deren Bau erst dann begonnen wird, sobald eine entsprechende Vorvermietungsquote in diesem Objekt erreicht ist. - Vorvermietet: Flächen, die zum Stichtag bereits vorvermietet sind und nicht mehr zur Verfügung stehen. - Eigennutzer: Flächen, die für den Eigenbedarf errichtet werden und so- mit dem Vermietungsmarkt nicht zur Verfügung stehen. Anhang Anhang - 30 Atisreal Das Flächenangebot wird in den Gruppen „verfügbares“ und „projektiertes“ Flä- chenangebot differenziert. Das verfügbare Flächenangebot setzt sich aus dem gesamten Leerstand, unabhängig von der Qualität der leerstehenden Flächen, und den verfügbaren im Bau befindlichen Flächen. Zum Leerstand zählen kurzfristig vermietbare Büroflächen in bestehenden Ge- bäuden und in Büro- und Geschäftshäusern, die z.B. zum 31.03.2006 beziehbar sind. Dazu gehören außerdem z.B. bis zum 31.12.2005 registrierte Bestands- flächen ohne vertragliche Bindung sowie nicht vermietete Neubauflächen, die für den Mieter ausgebaut werden müssen. Leerstände, in denen nach Fertigstellung keine Vermietungen erfolgt sind, wer- den bis zu 18 Monate als Neubauleerstandsflächen geführt. Der Leerstand wird unterteilt in modern, normale und unsanierte Flächen, wobei die moderne und normale Kategorie weiter in Teilflächen des Erstbezugs spezi- fiziert wird. Die verfügbaren Flächen werden berechnet aus: Leerstand + verfügbare im Bau befindliche Flächen = verfügbare Flächen Geplante Flächen sind Flächen, für die eine Baugenehmigung vorliegt oder eine Erteilung bei entsprechender Antragstellung sehr wahrscheinlich ist. Anhang Anhang - 31 8 Mieten 8.1 Vertragliche Grundlagen a) Nominalmiete Die Nominalmiete ist die im Vertrag ausgewiesene Anfangsmiete, ohne Berück- sichtigung von Incentives, Nebenkosten und lokalen Steuern. b) Effektivmiete Die Effektivmiete berücksichtigt mietfreie Zeiten, besondere Anpassungs- klauseln, geldwerte Nebenleistungen, Staffelmietvereinbarungen und sonstige Arrangements (Incentives). Zur Ermittlung der Effektivmiete wird der Barwert der eingeräumten Incentives bis zur ersten Kündigungsmöglichkeit (einschließlich Optionen) auf die vertrag- liche Nominalmiete angerechnet. 8.2 Marktberichtrelevante Mieten Im folgenden definierte Mieten beziehen sich auf neu abgeschlossene und nicht auf Bestandsmietverträge. Sie sind auf der Basis von Nominalmieten zu be- rechnen. a) Spitzenmiete a1) Realisierte Spitzenmieten Die realisierten Spitzenmieten umfassen das bezogen auf das jeweilige Marktgebiet oberste Preissegment mit einem Marktanteil von 3 bis 5 des Flächenumsatzes in den abgelaufenen 12 Monaten und stellen hier- aus die Höchstwerte dar. Bei der Erfassung sollten zumindest 3 Ver- tragsabschlüsse einbezogen werden. a2) Erzielbare Spitzenmieten Erzielbare Spitzenmieten im Sinne von prime rents können zusätzlich entsprechend der international üblichen Methode eingeschätzt werden, sofern keine oder zu wenig reale Abschlüsse vorliegen. Dies kann insbe- sondere bei Berichtszeiträumen von weniger als zwölf Monaten sinnvoll sein. Bei Veröffentlichungen muss in diesem Fall daraufhin gewiesen werden, dass es sich um Schätzwerte handelt. Anhang Anhang - 32 Die so festgestellte Spitzenmiete (z.B. für das abgelaufene Quartal oder Halbjahr) repräsentiert die erzielbare nominale Miete für eine hochwerti- ge Vermietungsfläche von mindestens 500 m2 im besten Teilmarkt zum Erhebungszeitpunkt. Sie stellt in erster Linie die Sicht der Entwicklung des Marktes dar, basiert allerdings auch auf der Auswertung aktueller Transaktionen. Jones Lang LaSalle In den Marktberichten und Publikationen von Jones Lang LaSalle erscheint ausschließlich die Spitzenmiete im Sinne von a2). Mietpreisspanne für Büro-, Lager-/Produktions- und Serviceflächen Repräsentiert das Gros der Mietpreise (in EUR/m²/Monat) in einem bestimmten Teilmarkt in einem Zeitraum (Quartal). Sie basiert sowohl auf den in einem Zeit- raum getätigten Mietvertragsabschlüssen als auch auf der Marktsicht der Ver- mietungsabteilungen vor Ort. Das obere Ende der Spanne entspricht der Spit- zenmiete in diesem Teilmarkt. Spitzenmiete für Einzelhandelsflächen Sie repräsentiert die nachhaltig erzielbare nominale Spitzenmiete für eine hochwertige Verkaufsfläche in der 1A Lage und bezieht sich auf eine Neuver- mietung von 100 m² im Erdgeschoss, stufen- und stützenfrei und guter Zu- schnitt. Zum Erhebungszeitpunkt (normalerweise am Ende eines Quartals). Die Spitzenmiete stellt in erster Linie die Sicht der Entwicklung des Marktes dar und basiert auf der Auswertung aktueller Transaktionen, soweit diese im Betrach- tungszeitraum registriert werden konnten. Die ausgewiesene Spitzenmiete be- zieht sich auf einen Standardmietvertrag im jeweiligen Markt und entspricht dem Nettomietpreis ohne Nebenkosten, Incentives und lokale Steuern. Anhang Anhang - 33 b) Durchschnittsmiete Zur Berechnung der Durchschnittsmiete werden pro definiertem Teilmarkt die einzelnen Mietpreise aller im definierten Zeitraum neu abgeschlossenen Miet- verträge mit der jeweils angemieteten Fläche gewichtet und ein Mittelwert er- rechnet. Jones Lang LaSalle Grundlage sind alle abgeschlossenen Mietverträge innerhalb eines zurücklie- genden Zeitraumes (meist 12 Monate). Grundsätzlich sollten dabei mindestens 10 Mietverträge vorliegen und 50 % der vorliegenden Mietverträge einen Miet- preis aufweisen. Kommentare der gif zur Definition der Miete: Nachdem bei der Berechnung von Effektivmieten genaue Angaben über Incen- tives nicht immer verfügbar sind, können auch prozentuale Abschläge vorge- nommen werden. Beispiel: Bei einer angenommenen 6-monatigen mietfreien Zeit eines Mietvertrages mit 10-jähriger Laufzeit (also 6 von 120 = 5 ) wäre ein 5iger Abschlag zulässig. Nicht berücksichtigt werden Indexierungen, die an noch nicht bekannte Kriterien gebunden sind. Einzelne über den Spitzenmieten liegende Werte sollten als Höchstwerte be- zeichnet werden. Die Ermittlung und Wiedergabe von Mieten kann auch auf Basis von Effektiv- mieten erfolgen. Dies ist dann entsprechend zu kennzeichnen. Anhang Anhang - 34 Weitere Definitionen, die zusätzlich zu den gif- Definitionen aufgeführt werden: Jones Lang LaSalle Investment Markt Transaktionsvolumen Ist die Summe aller registrierten Käufe und Verkäufe von Gewerbeimmobilien in einem Berichtszeitraum (in der Regel eines Quartals), exkl. Erwerbsnebenkos- ten und Transferkosten (z.B. Maklercourtage). Das Transaktionsvolumen bein- haltet Käufe mit dem Zweck eines Investments, eines Developments oder einer Eigennutzung. Nicht enthalten ist das Volumen von Portfoliotransaktionen. Spitzenrendite Repräsentiert die Nettoanfangsrendite (in %) eines Gebäudes erstklassiger Qualität in bester Lage. Sie gibt das Verhältnis der Nettomieteinnahmen zum Zeitpunkt des Kaufes zum Gesamtkaufpreis inkl. Erwerbsnebenkosten wieder. DTZ Vermietungen Als Vermietungen gelten Neuanmietungen ohne den Kauf von Objekten zur Eigennutzung und ohne den Anschlussabschluss bestehender Mietverträge bzw. die Wahrnehmung von Optionen. Mieten Erzielbare Nettomieten je qm vermietbare Fläche und Monat. Nettoanfangsrenditen Ohne Abschreibungen, unter Berücksichtigung von gewöhnlichen Erwerbsne- benkosten, Instandhaltungsrücklagen und nicht umlagefähiger Betriebskosten. Bezogen auf erstklassige Objekte. Anhang Anhang - 35 Atisreal Der Verfügbarkeitsfaktor ist eine rechnerische Kennziffer, die sich ermittelt aus der Relation zwischen Büroflächenangebot (Leerstand plus verfügbare Flächen im Bau des Jahres) und der Nachfrage (Vermietungsleistung pro Zeiteinheit (Jahr)). Der Verfügbarkeitsfaktor erlaubt einen Vergleich der einzelnen Büro- märkte. Er drückt aus, wie viele Jahre theoretisch benötigt würden, um das ver- fügbare Angebot vollständig zu absorbieren. Dabei wird vorausgesetzt, dass die Vermietungsleistung gleich bleibt; frei werdende Flächen werden nicht berück- sichtigt. Anhang Anhang - 36 ANHANG C2 – ZUSAMMENFASSUNG DER BÜROBESCHÄFTIGTEN IN DÜSSELDORF NACH UNTERSCHIEDLICHEN ANSÄTZEN I II III IV = 0,5*III V Va Vb VI = 0,3*Vb VII =II+IV+VI VIII IX X=VIII-IX-III-Vb XI = VII+0,3*X XII = VII+0,5*X XII = VII+X Sozial- versicherungs- pflichtig Beschäftigte der spez. Berufsgruppen Sozial- versicherungs- pflichtige Büro- beschäftigte Beamte gem. Personal- standsstatistik und LDS- Berechnungen Büro- beschäftigte Beamte Selbständige (einschl. mithelfender Familien- angehöriger) Ergebnisse des Mikrozensus LDS NRW Selbständige (einschl. mithelfender Familien- angehöriger) Ergebnisse des Mikrozensus LDS NRW genauere Werte Selbständige (einschl. mithelfender Familien-angehöriger) am Arbeitsort mittels Faktor aus Volkszählung/Arbeits- stättenzählung 1987 (genauere Werte) Selbst- ständige Büro- beschäftigte Büro- beschäftigte nach Methode Dobberstein Erwerbstätige am Arbeitsort Sozialver- sicherungs- pflichtig Beschäftigte am Arbeitsort Sozialver- sicherungsfreie (=Erwerbstätige am Arbeitsort- SVP-Beschäftigte- Beamte- Selbstständige) Büro- beschäftigte gem. Holthaus (Quote 0,3)* Büro- beschäftigte gem. Holthaus (Quote 0,5) Büro- beschäftigte gem. Holthaus (Quote 1,0) 0,5 1,0494 0,3 0,3 0,5 1,0 1987 181.382 148.742 30.145 15.073 22.495 22.495 26.449 7.935 171.749 423.900 337.822 29.484 180.594 186.491 201.233 1988 184.063 150.851 30.622 15.311 23.171 26.448 7.934 174.096 427.000 338.613 31.318 183.492 189.755 205.414 1989 188.475 154.113 31.098 15.549 24.103 26.447 7.934 177.596 432.000 343.846 30.609 186.779 192.901 208.205 1990 193.506 158.030 31.781 15.890 24.628 26.446 7.934 181.854 442.500 353.241 31.032 191.164 197.370 212.886 1991 199.474 162.557 32.463 16.232 25.000 25.200 26.445 7.933 186.722 449.500 361.932 28.660 195.320 201.052 215.382 1992 204.780 166.880 33.146 16.573 27.000 26.900 28.229 8.469 191.922 454.700 366.365 26.960 200.010 205.402 218.882 1993 203.795 166.106 33.617 16.809 26.000 26.200 27.494 8.248 191.163 448.100 359.270 27.719 199.479 205.022 218.882 1994 200.679 163.169 33.402 16.701 27.000 27.100 28.439 8.532 188.402 437.000 349.028 26.131 196.241 201.468 214.533 1995 195.939 158.810 26.578 13.289 29.000 28.700 30.118 9.035 181.134 430.500 337.490 36.314 192.029 199.292 217.449 1996 197.326 159.570 26.415 13.208 29.000 28.900 30.328 9.098 181.876 427.800 336.171 34.886 192.342 199.319 216.762 1997 199.396 161.188 26.248 13.124 33.000 33.200 34.840 10.452 184.764 425.100 333.553 30.459 193.901 199.993 215.223 1998 203.689 165.489 26.939 13.470 34.000 33.600 35.260 10.578 189.537 438.000 336.841 38.960 201.225 209.017 228.497 1999 207.830 168.510 26.387 13.194 35.000 34.938 36.664 10.999 192.702 447.000 341.905 42.044 205.316 213.725 234.747 2000 214.210 174.618 25.895 12.948 34.000 33.914 35.589 10.677 198.243 454.200 348.980 43.736 211.363 220.110 241.978 2001 220.330 180.030 25.027 12.514 37.000 36.568 38.374 11.512 204.056 459.400 352.860 43.139 216.998 225.625 247.195 2002 221.642 181.227 25.260 12.630 36.000 35.979 37.756 11.327 205.184 455.600 352.327 40.257 217.261 225.312 245.440 2003 217.671 177.737 25.306 12.653 34.000 33.740 35.407 10.622 201.012 455.600 343.326 51.561 216.480 226.793 252.573 2004 212.725 173.614 25.274 12.637 35.000 35.130 36.865 11.060 197.310 455.600 333.561 59.900 215.280 227.260 257.210 ---- Ergebnisse der Arbeitsstättenzählung ---- Quote gem. Dobberstein ---- Faktor aus Arbeitsstätenzählung und * Forschungsergebnis aufgrund Gespräch Holthaus/ Schmelz im Juni 2005 Interpolation (Holthaus 07.08.05) entnommen aus Dobberstein (1997) S.385+387 Berechnungsergebnisse von Herrn Sebastian Schmelz, Diplomand Raumplanung, Universität Dortmund, August 2005 Ergebnisse der Volkszählung 1987 Übernahme aus Jahr 2002 (Holthaus 05.09.05) Anhang Anhang - 37 ANHANG C3 – SVP- BÜROBESCHÄFTIGTE GEMÄß DOBBERSTEIN FÜR DÜSSELDORF Sozialversicherungspflichtig Beschäftigte 30.6.1987 30.6.1988 30.6.1989 30.6.1990 30.6.1991 30.6.1992 30.6.1993 30.6.1994 30.6.1995 Nr. (n) 1975 Berufsordnungsbezeichnung nach Klassifizierung der Berufe 1975 Quote * Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte 031 Verwalter in der Landwirtschaft und Tierzucht 35% 3 3 3 3 4 3 3 3 3 032 Agraringenieure, Landwirtschaftsberater 40% 22 21 20 18 19 20 21 22 20 052 Gartenarchitekten, Gartenverwalter 70% 64 54 57 53 50 53 60 62 61 171 Schriftsetzer 100% 577 577 554 544 536 547 544 490 443 172 Druckstockhersteller 60% 323 340 344 386 395 406 383 347 309 303 Zahntechniker 40% 286 286 280 252 255 265 284 298 297 601 Ingenieure des Maschinen- und Fahrzeugbaus 75% 1.502 1.496 1.590 1.616 1.694 1.732 1.630 1.295 1.193 602 Elektroingenieure 75% 1.219 1.274 1.388 1.446 1.682 1.793 1.745 1.658 1.643 603 Architekten, Bauingenieure 95% 2.218 2.195 2.285 2.458 2.668 2.819 2.906 2.914 2.746 604 Vermessungsingenieure 100% 171 166 187 191 181 193 188 175 182 605 Bergbau-, Hütten-, Gießereiingenieure 60% 193 178 178 182 185 171 167 139 112 606 Übrige Fertigungsingenieure 65% 515 528 557 608 614 634 640 586 486 607 Sonstige Ingenieure 80% 766 787 837 931 1.003 1.001 1.037 1.002 1.038 611 Chemiker, Chemieingenieure 75% 645 686 758 780 788 779 782 752 740 612 Physiker, Physikingenieure, Mathematiker 100% 210 212 238 226 236 254 216 217 221 621 Maschinenbautechniker 60% 1.460 1.421 1.355 1.309 1.306 1.255 1.161 940 788 622 Techniker des Elektrofaches 50% 1.272 1.379 1.499 1.531 1.641 1.679 1.637 1.716 1.829 623 Bautechniker 100% 927 893 903 918 948 972 966 955 937 624 Vermessungstechniker 100% 306 303 324 326 339 336 318 308 290 625 Bergbau-, Hütten-, Gießereitechniker 35% 17 19 23 25 22 21 19 17 16 626 Chemietechniker, Physikotechniker 60% 304 307 325 333 323 326 303 257 251 627 Übrige Fertigungstechniker 50% 358 344 347 346 356 331 304 287 240 628 Sonstige Techniker 70% 2.438 2.433 2.491 2.553 2.680 2.659 2.637 2.530 2.961 631 Biologisch-technische Sonderfachkräfte 100% 299 315 331 343 339 341 314 323 322 632 Physikal.- u. math.-techn. Sonderfachkräfte 45% 356 360 376 384 391 334 293 264 244 633 Chemielaboranten 100% 960 977 998 998 1.020 1.007 948 896 888 634 Photolaboranten 100% 396 391 388 437 430 419 401 335 324 635 Technische Zeichner 100% 2.105 2.057 2.055 2.073 2.067 2.115 2.024 1.868 1.680 681 Groß- und Einzelhandelskaufleute, Einkäufer 45% 4.072 4.068 4.136 4.338 4.483 4.552 4.423 4.205 4.057 688 Ambulante Händler 45% 0 0 1 2 2 2 2 1 2 683 Verlagskaufleute, Buchhändler 65% 363 396 397 381 394 390 386 361 362 691 Bankfachleute 100% 12.192 12.317 12.349 12.568 12.560 12.641 13.120 13.183 12.863 692 Bausparkassenfachleute 100% 321 299 264 245 213 183 173 170 168 693 Krankenvers. Fachleute (nicht Sozialvers.) 65% 510 521 491 501 515 530 521 486 460 694 Lebens-, Sachversicherungsfachleute 65% 3.959 4.126 4.325 4.456 4.619 4.874 4.931 4.905 4.791 701 Speditionskaufleute 100% 1.875 1.906 1.959 2.149 2.105 2.159 2.001 1.749 1.685 702 Fremdenverkehrsfachleute 10% 204 220 240 263 278 296 314 320 319 703 Werbefachleute 100% 1.964 2.110 2.318 2.415 2.567 2.668 2.710 2.673 2.766 704 Makler, Grundstücksverwalter 100% 189 193 214 245 278 297 320 323 335 705 Vermieter, Vermittler, Versteigerer 60% 238 234 229 234 238 257 242 228 214 713 Sonstige Fahrbetriebsregler, Schaffner 25% 256 242 244 250 255 252 237 235 215 726 Luftverkehrsberufe 10% 60 64 71 72 74 80 87 129 127 734 Telefonisten 100% 1.198 1.165 1.130 1.172 1.209 1.203 1.181 1.096 1.032 751 Untern.,Geschäftsf.,Geschäftsbereichsleiter 100% 8.150 8.084 8.189 8.424 8.488 8.682 8.549 8.233 7.853 752 Unternehmensberater, Organisatoren 100% 1.125 1.200 1.307 1.375 1.573 1.767 1.822 1.948 2.152 753 Wirtschaftsprüfer, Steuerberater 100% 2.213 2.418 2.621 2.847 3.093 3.387 3.502 3.630 3.658 761 Abgeordnete, Minister, Wahlbeamte 100% 15 17 27 22 20 20 20 20 15 762 Leitende u. admin. entsch. Verwaltungsfachl. 100% 931 937 1.009 1.036 1.131 1.157 1.197 1.227 1.280 812 Rechtspfleger 100% 1 1 3 1 1 1 6 4 5 763 Verbandsleiter, Funktionäre 100% 839 851 838 820 922 955 952 863 784 771 Kalkulatoren, Berechner 100% 1.413 1.376 1.341 1.363 1.356 1.404 1.343 1.211 1.051 772 Buchhalter 100% 4.912 4.900 4.932 4.980 5.002 4.984 4.958 4.747 4.519 773 Kassierer 55% 843 811 843 843 815 821 769 738 731 774 Datenverarbeitungsfachleute 100% 5.325 5.793 5.921 6.092 6.469 6.775 6.850 7.013 6.802 781 Bürofachkräfte 95% 46.552 47.337 48.507 49.830 51.526 53.227 53.221 53.172 51.815 782 Stenographen,Stenotypisten,Maschinenschreiber 90% 13.618 13.589 13.590 13.574 13.360 13.459 13.073 12.525 11.658 783 Datentypisten 100% 1.553 1.520 1.504 1.526 1.561 1.509 1.459 1.339 1.222 784 Bürohilfskräfte 95% 3.202 3.195 3.207 3.240 3.355 3.393 3.160 2.963 2.779 791 Werkschutzleute, Detektive 20% 47 45 47 48 50 47 51 52 51 801 Soldaten, Grenzschutz-, Polizeibedienstete 30% 103 111 123 132 152 149 148 139 133 802 Berufsfeuerwehrleute 10% 26 24 26 27 27 27 26 25 24 803 Sicherheitskontrolleure 85% 65 60 63 60 56 54 57 60 50 805 Gesundheitssichernde Berufe 65% 77 75 79 83 88 97 95 96 99 811 Rechtsfinder 100% 4 8 3 6 7 14 14 9 6 813 Rechtsvertreter, -berater 100% 477 498 497 509 557 593 592 639 686 814 Rechtsvollstrecker 20% 13 13 13 15 18 16 11 14 11 821 Publizisten 100% 881 948 955 932 942 987 985 960 963 822 Dolmetscher, Übersetzer 100% 196 193 202 205 211 231 205 181 179 823 Bibliothekare, Archivare, Museumsfachleute 100% 657 666 687 699 685 701 685 676 653 831 Musiker 5% 12 13 13 13 13 13 13 13 13 832 Darstellende Künstler 5% 21 21 19 19 22 22 21 18 21 833 Bildende Künstler, Graphiker 95% 634 678 719 758 788 801 817 822 808 835 Künstl. Berufe , Bühnen-,Bild-,Tontechnik 45% 130 135 134 144 146 156 162 173 182 836 Raum-, Schazugewerbegestalter 25% 122 125 131 132 128 135 128 124 116 841 Ärzte 30% 383 389 418 436 466 495 503 491 497 842 Zahnärzte 90% 86 95 95 101 107 109 93 97 97 843 Tierärzte 100% 30 30 32 32 29 30 35 37 36 844 Apotheker 10% 29 29 31 32 32 31 32 32 34 851 Heilpraktiker 100% 22 23 22 25 26 23 23 26 27 852 Masseure, Krankengymn. und verwandte Berufe 65% 365 372 378 407 427 423 433 454 450 855 Diätassistenten, Pharmaz.-techn. Assistenten 15% 41 44 44 46 47 51 51 57 60 856 Sprechstundenhelfer 90% 3.308 3.243 3.250 3.336 3.424 3.614 3.761 3.861 3.918 857 Medizinlaboranten 50% 560 557 559 564 579 594 612 602 593 861 Sozialarbeiter, Sozialpfleger 10% 154 156 160 165 173 181 183 193 204 862 Heimleiter, Sozialpädagogen 10% 113 115 120 125 134 142 147 149 149 864 Kindergärtnerinnen, Kinderpflegerinnen 10% 141 142 150 157 166 180 189 208 214 863 Arbeits-, Berufsberater 100% 176 161 137 122 153 162 167 163 146 871 Hochschullehrer, Dozenten an höheren Fachsch. 75% 143 159 146 172 182 206 194 240 276 881 Wirtschafts- und Sozialwissenschaftler,a.n.g. 100% 887 939 1.000 955 959 1.042 1.076 1.073 1.062 882 Geisteswissenschaftler, a.n.g. 90% 163 158 176 189 254 287 294 299 274 883 Naturwissenschaftler, a.n.g. 100% 329 374 417 465 495 508 490 480 455 891 Seelsorger 90% 85 89 85 85 59 45 38 42 32 902 Sonstige Körperpfleger 10% 36 41 42 42 42 41 39 38 34 911 Gastwirte, Hoteliers, Gaststättenkaufleute 15% 150 161 171 186 201 198 193 188 192 921 Hauswirtschaftsverwalter 10% 54 62 65 71 69 69 64 63 60 922 Verbraucherberater 10% 15 6 6 6 14 21 24 25 26 991 Arbeitskräfte ohne nähere Tätigkeitsangabe 5% 4 3 4 148.742 150.851 154.113 158.030 162.557 166.880 166.106 163.169 158.810 181.384 184.065 188.475 193.507 199.475 204.781 203.795 200.679 195.939 * nach Dobberstein 1997 1) vorläufig --- Die Zahl der Büröbeschäftigten nach Dobberstein für die Jahre 1990-1998 ist ohne die BO-Gruppe 991 ermittelt worden, da hierzu keine Daten angegeben wurden. Summe der Bürobeschäfttigten nach Dobberstein Summe der SVP- Beschäftigten bestimmter Berufsordnungen Düsseldorf Anhang Anhang - 38 ANHANG C3 – SVP- BÜROBESCHÄFTIGTE GEMÄß DOBBERSTEIN FÜR DÜSSELDORF Sozialversicherungspflichtig Beschäftigte 30.6.1996 30.6.1997 30.6.1998 30.6.1999 30.6.2000 30.6.2001 30.06.20021) 30.06.20031) 30.06.20041) Nr. (n) 1975 Berufsordnungsbezeichnung nach Klassifizierung der Berufe 1975 Quote * Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte 031 Verwalter in der Landwirtschaft und Tierzucht 35% 4 3 3 3 2 3 4 4 3 032 Agraringenieure, Landwirtschaftsberater 40% 18 22 25 27 20 21 21 17 17 052 Gartenarchitekten, Gartenverwalter 70% 54 55 48 48 50 55 53 55 53 171 Schriftsetzer 100% 421 399 399 360 323 297 280 238 217 172 Druckstockhersteller 60% 295 283 286 301 269 227 191 158 128 303 Zahntechniker 40% 304 294 267 228 226 221 225 222 236 601 Ingenieure des Maschinen- und Fahrzeugbaus 75% 1.148 1.104 1.097 1.095 1.067 989 1.013 983 1.049 602 Elektroingenieure 75% 1.667 1.799 2.080 2.256 2.330 2.372 2.303 2.174 2.057 603 Architekten, Bauingenieure 95% 2.652 2.550 2.065 2.509 2.449 2.392 2.295 2.049 1.890 604 Vermessungsingenieure 100% 178 178 166 172 159 172 155 144 143 605 Bergbau-, Hütten-, Gießereiingenieure 60% 110 103 98 102 85 79 77 64 64 606 Übrige Fertigungsingenieure 65% 459 443 424 429 415 405 397 432 428 607 Sonstige Ingenieure 80% 1.118 1.186 1.254 1.325 1.406 1.541 1.590 1.618 1.554 611 Chemiker, Chemieingenieure 75% 740 698 730 747 788 791 773 779 797 612 Physiker, Physikingenieure, Mathematiker 100% 233 263 268 230 226 226 226 258 254 621 Maschinenbautechniker 60% 810 785 761 697 656 659 653 622 592 622 Techniker des Elektrofaches 50% 1.846 1.841 1.833 1.806 1.841 1.900 1.744 1.672 1.575 623 Bautechniker 100% 875 776 738 741 710 715 635 541 530 624 Vermessungstechniker 100% 266 259 232 234 236 239 207 205 179 625 Bergbau-, Hütten-, Gießereitechniker 35% 15 15 19 17 14 13 11 10 11 626 Chemietechniker, Physikotechniker 60% 245 241 238 235 222 223 214 205 205 627 Übrige Fertigungstechniker 50% 227 191 202 182 178 168 156 135 136 628 Sonstige Techniker 70% 3.014 3.069 3.027 3.032 3.039 3.086 3.000 2.972 2.869 631 Biologisch-technische Sonderfachkräfte 100% 314 305 307 283 270 247 253 252 274 632 Physikal.- u. math.-techn. Sonderfachkräfte 45% 241 238 242 238 225 225 228 235 234 633 Chemielaboranten 100% 891 862 870 852 850 836 808 812 847 634 Photolaboranten 100% 323 306 273 287 275 279 229 220 193 635 Technische Zeichner 100% 1.516 1.449 1.457 1.420 1.499 1.399 1.373 1.227 1.143 681 Groß- und Einzelhandelskaufleute, Einkäufer 45% 3.981 3.929 3.979 3.946 3.808 3.816 3.779 3.724 3.585 688 Ambulante Händler 45% 2 6 9 12 13 13 8 12 12 683 Verlagskaufleute, Buchhändler 65% 376 371 393 398 452 457 451 402 369 691 Bankfachleute 100% 12.811 12.795 13.073 13.583 14.327 14.719 15.247 15.400 15.119 692 Bausparkassenfachleute 100% 155 146 133 135 133 118 123 113 115 693 Krankenvers. Fachleute (nicht Sozialvers.) 65% 441 471 476 473 457 477 493 465 476 694 Lebens-, Sachversicherungsfachleute 65% 4.766 4.820 4.848 4.900 5.006 4.919 5.138 5.127 5.127 701 Speditionskaufleute 100% 1.738 1.692 1.737 1.788 1.756 1.815 1.758 1.704 1.686 702 Fremdenverkehrsfachleute 10% 326 336 348 347 318 317 310 301 267 703 Werbefachleute 100% 2.908 3.147 3.408 3.731 4.045 4.603 4.449 4.024 4.045 704 Makler, Grundstücksverwalter 100% 358 359 373 361 371 410 414 403 400 705 Vermieter, Vermittler, Versteigerer 60% 225 245 261 272 326 329 316 298 287 713 Sonstige Fahrbetriebsregler, Schaffner 25% 214 211 215 222 162 170 162 151 146 726 Luftverkehrsberufe 10% 133 148 139 142 150 155 154 154 136 734 Telefonisten 100% 1.026 1.041 1.162 1.206 1.149 1.384 1.767 1.467 1.452 751 Untern.,Geschäftsf.,Geschäftsbereichsleiter 100% 7.996 7.817 7.781 7.907 7.950 7.780 7.488 7.162 6.620 752 Unternehmensberater, Organisatoren 100% 2.338 2.503 2.895 3.329 3.869 4.108 4.434 4.269 4.198 753 Wirtschaftsprüfer, Steuerberater 100% 3.744 3.771 3.709 3.972 4.174 4.588 4.928 5.027 4.890 761 Abgeordnete, Minister, Wahlbeamte 100% 16 19 19 16 18 14 16 13 11 762 Leitende u. admin. entsch. Verwaltungsfachl. 100% 1.361 1.419 1.825 1.630 1.693 1.825 1.858 1.973 2.106 812 Rechtspfleger 100% 3 5 6 7 3 8 12 16 20 763 Verbandsleiter, Funktionäre 100% 745 784 1.108 1.087 784 693 626 678 675 771 Kalkulatoren, Berechner 100% 973 892 1.057 1.031 1.020 1.023 924 906 833 772 Buchhalter 100% 4.383 4.187 4.085 4.001 3.997 3.881 3.881 3.710 3.585 773 Kassierer 55% 717 701 699 668 746 764 817 840 793 774 Datenverarbeitungsfachleute 100% 7.069 7.897 8.659 8.855 9.784 11.291 11.358 11.544 10.935 781 Bürofachkräfte 95% 52.698 53.652 55.706 56.739 59.779 61.814 62.333 61.555 60.517 782 Stenographen,Stenotypisten,Maschinenschreiber 90% 11.219 10.669 10.564 9.865 9.208 8.705 8.438 7.924 7.535 783 Datentypisten 100% 1.151 1.119 1.093 1.053 1.039 973 847 766 710 784 Bürohilfskräfte 95% 2.636 2.650 2.657 2.699 2.868 2.825 2.769 2.635 2.569 791 Werkschutzleute, Detektive 20% 52 44 41 42 39 37 36 34 25 801 Soldaten, Grenzschutz-, Polizeibedienstete 30% 127 119 111 103 98 99 95 88 87 802 Berufsfeuerwehrleute 10% 24 24 25 27 28 28 30 30 30 803 Sicherheitskontrolleure 85% 50 47 44 49 53 61 74 80 68 805 Gesundheitssichernde Berufe 65% 95 92 103 101 99 90 87 83 90 811 Rechtsfinder 100% 3 9 10 12 21 24 21 21 17 813 Rechtsvertreter, -berater 100% 726 819 775 995 1.415 1.755 2.000 2.055 2.133 814 Rechtsvollstrecker 20% 7 8 5 6 8 7 5 6 4 821 Publizisten 100% 989 1.030 1.038 1.153 1.238 1.321 1.317 1.171 1.145 822 Dolmetscher, Übersetzer 100% 165 170 168 141 138 126 146 136 131 823 Bibliothekare, Archivare, Museumsfachleute 100% 654 644 626 621 617 639 636 625 621 831 Musiker 5% 12 13 12 13 12 12 12 12 12 832 Darstellende Künstler 5% 23 20 21 22 21 21 25 23 21 833 Bildende Künstler, Graphiker 95% 827 834 906 975 1.084 1.167 1.068 999 960 835 Künstl. Berufe , Bühnen-,Bild-,Tontechnik 45% 177 194 222 235 216 222 241 236 232 836 Raum-, Schazugewerbegestalter 25% 113 115 102 114 125 128 115 114 93 841 Ärzte 30% 519 542 340 518 543 550 568 583 603 842 Zahnärzte 90% 104 119 99 95 90 105 102 104 121 843 Tierärzte 100% 35 36 40 34 34 35 40 35 35 844 Apotheker 10% 37 41 31 36 37 39 38 37 39 851 Heilpraktiker 100% 27 34 36 33 36 30 33 30 34 852 Masseure, Krankengymn. und verwandte Berufe 65% 463 442 450 457 492 515 540 564 566 855 Diätassistenten, Pharmaz.-techn. Assistenten 15% 62 66 68 67 66 64 65 63 61 856 Sprechstundenhelfer 90% 3.960 3.911 3.885 3.834 3.898 3.914 4.021 4.125 4.190 857 Medizinlaboranten 50% 585 589 578 562 552 558 551 544 571 861 Sozialarbeiter, Sozialpfleger 10% 235 254 263 278 276 285 296 309 321 862 Heimleiter, Sozialpädagogen 10% 171 176 180 184 189 196 205 193 198 864 Kindergärtnerinnen, Kinderpflegerinnen 10% 223 236 254 254 256 265 274 285 290 863 Arbeits-, Berufsberater 100% 141 132 124 121 118 142 144 161 152 871 Hochschullehrer, Dozenten an höheren Fachsch. 75% 312 374 379 440 466 489 561 548 539 881 Wirtschafts- und Sozialwissenschaftler,a.n.g. 100% 1.115 1.147 1.233 1.191 1.332 1.511 1.583 1.535 1.672 882 Geisteswissenschaftler, a.n.g. 90% 285 552 617 650 766 770 851 790 627 883 Naturwissenschaftler, a.n.g. 100% 422 513 544 556 618 620 618 645 618 891 Seelsorger 90% 32 37 37 45 50 43 45 45 54 902 Sonstige Körperpfleger 10% 32 30 28 25 26 30 30 28 24 911 Gastwirte, Hoteliers, Gaststättenkaufleute 15% 185 175 182 190 209 240 225 212 210 921 Hauswirtschaftsverwalter 10% 62 57 56 55 55 53 50 51 50 922 Verbraucherberater 10% 27 28 30 19 19 17 16 16 14 991 Arbeitskräfte ohne nähere Tätigkeitsangabe 5% 26 46 50 55 58 66 159.570 161.188 165.489 168.510 174.618 180.030 181.227 177.737 173.614 197.326 199.396 203.689 207.830 214.210 220.330 221.642 217.671 212.725 * nach Dobberstein 1997 1) vorläufig --- Die Zahl der Büröbeschäftigten nach Dobberstein für die Jahre 1990-1998 ist ohne die BO-Gruppe 991 ermittelt worden, da hierzu keine Daten angegeben wurden. Summe der Bürobeschäfttigten nach Dobberstein Summe der SVP- Beschäftigten bestimmter Berufsordnungen Düsseldorf Anhang Anhang - 39 ANHANG C4 – SVP – BÜROESCHÄFTIGTE GEMÄß DOBBERSTEIN FÜR NRW Sozialversicherungspflichtig Beschäftigte 30.06.1987 30.06.1988 30.06.1989 30.06.1990 30.06.1991 30.06.1992 30.06.1993 30.06.1994 30.06.1995 Nr. (n) 1975 Berufsordnungsbezeichnung nach Klassifizierung der Berufe 1975 Quote * Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte 031 Verwalter in der Landwirtschaft und Tierzucht 35% 172 154 153 143 150 132 126 120 113 032 Agraringenieure, Landwirtschaftsberater 40% 396 407 414 441 464 507 504 489 506 052 Gartenarchitekten, Gartenverwalter 70% 1.094 1.103 1.162 1.222 1.258 1.308 1.360 1.373 1.368 171 Schriftsetzer 100% 7.513 7.461 7.470 7.388 7.438 7.300 6.918 6.468 6.149 172 Druckstockhersteller 60% 3.522 3.721 3.940 4.281 4.444 4.503 4.418 4.174 4.033 303 Zahntechniker 40% 5.140 5.231 4.996 4.693 4.926 5.487 5.710 5.855 5.944 601 Ingenieure des Maschinen- und Fahrzeugbaus 75% 21.701 21.806 22.509 23.254 24.165 24.497 23.925 23.190 23.029 602 Elektroingenieure 75% 14.928 15.431 16.389 17.298 18.554 19.922 20.096 20.372 20.572 603 Architekten, Bauingenieure 95% 22.191 21.973 22.801 24.233 25.462 26.393 27.063 27.575 27.446 604 Vermessungsingenieure 100% 2.642 2.662 2.758 2.793 2.871 2.951 2.995 2.937 2.970 605 Bergbau-, Hütten-, Gießereiingenieure 60% 3.007 2.934 2.784 2.765 2.813 2.792 2.681 2.402 2.206 606 Übrige Fertigungsingenieure 65% 4.272 4.382 4.621 5.002 5.534 5.816 5.808 5.504 5.418 607 Sonstige Ingenieure 80% 9.310 9.930 9.985 10.420 11.126 11.578 12.078 12.498 13.150 611 Chemiker, Chemieingenieure 75% 6.903 7.232 7.528 7.793 8.042 8.155 8.167 8.136 7.984 612 Physiker, Physikingenieure, Mathematiker 100% 3.690 3.781 4.087 4.271 4.502 4.656 4.684 4.662 4.717 621 Maschinenbautechniker 60% 16.195 16.337 16.958 17.494 18.013 17.846 17.179 16.324 15.938 622 Techniker des Elektrofaches 50% 13.862 14.618 15.498 16.422 17.482 18.084 18.147 17.431 17.811 623 Bautechniker 100% 11.729 11.796 12.066 12.529 13.091 13.490 13.940 13.852 13.775 624 Vermessungstechniker 100% 8.605 8.424 8.598 8.538 8.732 8.853 8.950 8.845 8.751 625 Bergbau-, Hütten-, Gießereitechniker 35% 4.600 4.486 4.705 4.515 4.299 4.144 3.837 3.466 3.312 626 Chemietechniker, Physikotechniker 60% 4.223 4.458 4.523 4.581 4.733 4.800 4.726 4.560 4.357 627 Übrige Fertigungstechniker 50% 4.879 4.798 4.992 5.217 5.474 5.627 5.588 5.616 5.545 628 Sonstige Techniker 70% 46.262 45.334 45.933 47.461 50.009 51.073 51.159 51.591 53.986 631 Biologisch-technische Sonderfachkräfte 100% 3.753 3.940 4.089 4.190 4.360 4.453 4.493 4.488 4.480 632 Physikal.- u. math.-techn. Sonderfachkräfte 45% 6.084 6.027 6.092 6.133 6.238 6.051 5.657 4.819 4.473 633 Chemielaboranten 100% 16.952 17.543 18.125 18.440 18.899 18.766 18.144 17.389 16.737 634 Photolaboranten 100% 3.462 3.559 3.685 3.747 3.761 3.707 3.491 3.270 3.186 635 Technische Zeichner 100% 36.861 36.917 37.542 38.595 40.174 40.622 40.067 39.042 38.849 681 Groß- und Einzelhandelskaufleute, Einkäufer 45% 42.379 43.956 45.165 47.078 48.749 50.325 49.918 49.042 48.966 688 Ambulante Händler 45% 18 19 27 27 26 34 33 31 36 683 Verlagskaufleute, Buchhändler 65% 3.506 3.638 3.697 3.690 3.821 3.884 3.874 3.811 3.814 691 Bankfachleute 100% 111.077 111.547 112.472 114.440 116.294 118.768 121.099 122.491 123.117 692 Bausparkassenfachleute 100% 1.770 1.820 1.704 1.657 1.634 1.569 1.526 1.501 1.558 693 Krankenvers. Fachleute (nicht Sozialvers.) 65% 5.626 5.747 5.883 6.235 6.589 6.888 6.919 6.767 6.674 694 Lebens-, Sachversicherungsfachleute 65% 22.284 22.991 23.845 24.459 25.407 26.569 26.988 27.079 26.702 701 Speditionskaufleute 100% 17.718 18.476 19.304 20.474 21.138 21.609 20.679 19.701 19.551 702 Fremdenverkehrsfachleute 10% 950 1.025 1.095 1.170 1.223 1.324 1.423 1.481 1.520 703 Werbefachleute 100% 7.250 7.719 8.138 8.593 9.229 9.763 9.935 9.989 10.171 704 Makler, Grundstücksverwalter 100% 985 1.014 1.053 1.100 1.146 1.189 1.238 1.274 1.278 705 Vermieter, Vermittler, Versteigerer 60% 2.171 2.331 2.414 2.626 2.726 2.736 2.792 2.746 2.756 713 Sonstige Fahrbetriebsregler, Schaffner 25% 2.169 2.032 1.969 1.950 1.920 1.868 1.758 1.657 1.554 726 Luftverkehrsberufe 10% 101 109 121 125 137 152 168 222 224 734 Telefonisten 100% 11.946 11.969 12.117 12.467 12.690 12.751 12.587 12.290 12.029 751 Untern.,Geschäftsf.,Geschäftsbereichsleiter 100% 86.940 86.807 87.387 88.805 90.398 92.022 91.358 90.245 89.428 752 Unternehmensberater, Organisatoren 100% 5.283 5.725 6.209 6.887 7.901 9.226 9.809 10.465 11.027 753 Wirtschaftsprüfer, Steuerberater 100% 20.467 21.436 22.405 23.703 25.753 27.193 28.434 29.715 30.736 761 Abgeordnete, Minister, Wahlbeamte 100% 187 190 220 230 232 214 214 211 195 762 Leitende u. admin. entsch. Verwaltungsfachl. 100% 8.358 8.749 9.409 10.141 11.355 12.348 12.899 13.377 13.878 812 Rechtspfleger 100% 41 38 41 46 46 50 69 56 62 763 Verbandsleiter, Funktionäre 100% 5.353 5.389 5.452 5.366 5.530 5.614 5.605 5.408 5.203 771 Kalkulatoren, Berechner 100% 12.201 12.254 12.130 12.114 11.894 12.021 11.763 11.094 10.467 772 Buchhalter 100% 46.140 45.787 45.293 45.649 45.786 46.214 46.304 45.471 44.389 773 Kassierer 55% 11.400 11.584 12.091 12.698 13.075 13.499 13.369 13.236 13.107 774 Datenverarbeitungsfachleute 100% 41.601 45.331 49.054 52.502 55.369 57.631 59.331 59.848 60.937 781 Bürofachkräfte 95% 603.097 611.037 624.738 649.896 679.364 701.254 704.873 710.097 707.742 782 Stenographen,Stenotypisten,Maschinenschreiber 90% 106.266 105.637 106.367 107.266 108.168 109.116 107.296 104.511 100.536 783 Datentypisten 100% 13.576 13.245 13.078 13.328 13.474 13.397 12.875 12.185 11.536 784 Bürohilfskräfte 95% 29.336 30.181 30.826 31.871 32.987 33.469 32.825 32.038 31.189 791 Werkschutzleute, Detektive 20% 634 664 675 679 678 681 668 677 652 801 Soldaten, Grenzschutz-, Polizeibedienstete 30% 421 441 484 539 590 603 629 635 630 802 Berufsfeuerwehrleute 10% 411 393 394 396 391 384 370 359 343 803 Sicherheitskontrolleure 85% 728 768 802 819 819 796 801 821 804 805 Gesundheitssichernde Berufe 65% 1.182 1.154 1.173 1.199 1.222 1.252 1.221 1.208 1.184 811 Rechtsfinder 100% 43 53 57 67 98 86 86 78 77 813 Rechtsvertreter, -berater 100% 2.834 3.049 3.150 3.332 3.586 3.769 3.925 4.086 4.227 814 Rechtsvollstrecker 20% 152 130 121 138 152 143 155 177 160 821 Publizisten 100% 7.138 7.521 7.933 8.218 8.730 9.246 9.673 9.672 9.624 822 Dolmetscher, Übersetzer 100% 1.890 1.892 1.895 1.923 1.970 1.998 1.922 1.880 1.775 823 Bibliothekare, Archivare, Museumsfachleute 100% 7.668 7.888 7.937 8.095 8.274 8.386 8.502 8.472 8.308 831 Musiker 5% 208 211 215 216 220 221 221 219 217 832 Darstellende Künstler 5% 145 151 148 151 158 160 162 149 160 833 Bildende Künstler, Graphiker 95% 4.361 4.614 4.861 5.085 5.258 5.446 5.507 5.456 5.530 835 Künstl. Berufe , Bühnen-,Bild-,Tontechnik 45% 1.322 1.395 1.431 1.500 1.544 1.661 1.713 1.711 1.745 836 Raum-, Schazugewerbegestalter 25% 1.443 1.445 1.461 1.492 1.518 1.560 1.543 1.509 1.461 841 Ärzte 30% 6.711 7.003 7.529 7.980 8.290 8.732 8.949 9.125 9.334 842 Zahnärzte 90% 1.091 1.188 1.239 1.430 1.487 1.599 1.503 1.581 1.677 843 Tierärzte 100% 730 770 808 836 851 907 967 1.037 1.067 844 Apotheker 10% 501 527 549 588 602 630 640 649 652 851 Heilpraktiker 100% 383 408 403 423 434 471 500 496 511 852 Masseure, Krankengymn. und verwandte Berufe 65% 7.718 8.213 8.556 9.435 10.103 10.854 11.185 11.760 12.333 855 Diätassistenten, Pharmaz.-techn. Assistenten 15% 1.055 1.122 1.207 1.286 1.334 1.416 1.463 1.519 1.559 856 Sprechstundenhelfer 90% 74.278 75.464 77.079 79.816 84.224 89.870 93.741 97.172 99.038 857 Medizinlaboranten 50% 7.750 7.790 7.999 8.211 8.512 8.818 8.930 9.014 9.011 861 Sozialarbeiter, Sozialpfleger 10% 3.389 3.664 3.921 4.243 4.603 5.008 5.304 5.722 6.214 862 Heimleiter, Sozialpädagogen 10% 2.331 2.465 2.588 2.794 2.983 3.209 3.358 3.501 3.617 864 Kindergärtnerinnen, Kinderpflegerinnen 10% 4.036 4.161 4.290 4.524 4.823 5.270 5.722 6.194 6.574 863 Arbeits-, Berufsberater 100% 2.053 2.038 1.762 1.714 1.759 1.745 1.722 1.638 1.616 871 Hochschullehrer, Dozenten an höheren Fachsch. 75% 5.671 6.066 6.074 6.117 6.560 6.553 6.524 6.494 6.443 881 Wirtschafts- und Sozialwissenschaftler,a.n.g. 100% 8.089 8.525 9.060 9.481 10.003 10.705 11.119 11.292 11.655 882 Geisteswissenschaftler, a.n.g. 90% 2.814 3.056 3.355 3.461 3.950 4.269 4.474 4.495 4.451 883 Naturwissenschaftler, a.n.g. 100% 3.568 3.901 4.302 4.712 5.109 5.483 5.632 5.707 5.683 891 Seelsorger 90% 1.735 1.706 1.774 1.834 1.884 2.090 2.084 2.133 2.118 902 Sonstige Körperpfleger 10% 217 222 232 236 235 235 230 221 208 911 Gastwirte, Hoteliers, Gaststättenkaufleute 15% 1.409 1.483 1.532 1.648 1.760 1.798 1.819 1.786 1.854 921 Hauswirtschaftsverwalter 10% 1.114 1.083 1.092 1.149 1.199 1.227 1.228 1.236 1.263 922 Verbraucherberater 10% 110 99 102 106 115 129 134 137 137 991 Arbeitskräfte ohne nähere Tätigkeitsangabe 5% 140 122 131 1 1.671.616 1.697.069 1.736.426 1.796.324 1.867.100 1.923.617 1.934.195 1.934.504 1.931.094 2.095.811 2.132.291 2.186.398 2.263.699 2.356.072 2.434.110 2.453.513 2.460.269 2.466.468 * nach Dobberstein 1997 1) vorläufig --- Die Zahl der Büröbeschäftigten nach Dobberstein für die Jahre 1990-1998 ist ohne die BO-Gruppe 991 ermittelt worden, da hierzu keine Daten angegeben wurden. Summe der SVP- Beschäftigten bestimmter Berufsordnungen Summe der Bürobeschäfttigten nach Dobberstein NRW Anhang Anhang - 40 ANHANG C4 – SVP BÜROBESCHÄFTIGTE GEMÄß DOBBERSTEIN FÜR NRW Sozialversicherungspflichtig Beschäftigte 30.06.1996 30.06.1997 30.06.1998 30.06.1999 30.06.2000 30.06.2001 30.06.20021) 30.06.20031) 30.06.20041) Nr. (n) 1975 Berufsordnungsbezeichnung nach Klassifizierung der Berufe 1975 Quote * Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte Büro- beschäftigte 031 Verwalter in der Landwirtschaft und Tierzucht 35% 114 117 119 121 118 132 124 120 109 032 Agraringenieure, Landwirtschaftsberater 40% 526 528 523 526 512 552 533 530 514 052 Gartenarchitekten, Gartenverwalter 70% 1.392 1.410 1.394 1.497 1.509 1.509 1.479 1.428 1.430 171 Schriftsetzer 100% 5.751 5.447 5.251 5.137 4.915 4.646 4.370 3.969 3.610 172 Druckstockhersteller 60% 3.865 3.679 3.626 3.575 3.499 3.308 3.073 2.783 2.543 303 Zahntechniker 40% 6.030 6.108 5.768 5.059 5.084 5.081 5.161 5.148 5.233 601 Ingenieure des Maschinen- und Fahrzeugbaus 75% 23.185 23.093 23.004 22.855 22.732 22.666 22.141 21.692 21.291 602 Elektroingenieure 75% 21.269 21.869 22.259 22.352 22.654 23.227 22.931 22.295 21.866 603 Architekten, Bauingenieure 95% 26.945 26.909 22.901 26.083 26.154 25.796 25.270 23.917 23.217 604 Vermessungsingenieure 100% 2.958 2.949 2.806 2.926 2.926 2.907 2.876 2.819 2.794 605 Bergbau-, Hütten-, Gießereiingenieure 60% 2.155 2.082 1.999 1.931 1.855 1.761 1.667 1.603 1.553 606 Übrige Fertigungsingenieure 65% 5.426 5.345 5.210 5.164 5.090 5.000 4.797 4.529 4.359 607 Sonstige Ingenieure 80% 13.996 14.858 15.878 17.355 19.110 20.518 21.371 21.944 22.278 611 Chemiker, Chemieingenieure 75% 8.041 8.081 7.916 7.996 8.108 8.096 7.990 7.805 7.679 612 Physiker, Physikingenieure, Mathematiker 100% 4.805 4.850 4.785 4.933 5.008 4.964 5.009 5.059 4.969 621 Maschinenbautechniker 60% 15.818 15.348 15.031 14.804 14.663 14.278 13.952 13.402 13.087 622 Techniker des Elektrofaches 50% 18.031 17.978 17.981 18.208 18.733 19.054 18.684 17.908 17.392 623 Bautechniker 100% 13.622 13.132 12.489 12.309 12.138 11.672 11.188 10.472 9.950 624 Vermessungstechniker 100% 8.609 8.557 8.540 8.549 8.413 8.165 8.034 7.718 7.619 625 Bergbau-, Hütten-, Gießereitechniker 35% 3.151 2.956 2.745 2.591 2.395 2.097 1.922 1.681 1.583 626 Chemietechniker, Physikotechniker 60% 4.238 4.108 4.039 3.936 3.926 3.788 3.673 3.601 3.521 627 Übrige Fertigungstechniker 50% 5.483 5.275 5.232 5.069 4.910 4.680 4.457 4.153 3.991 628 Sonstige Techniker 70% 54.572 54.342 53.948 54.824 55.761 56.571 56.667 55.630 54.471 631 Biologisch-technische Sonderfachkräfte 100% 4.508 4.566 4.599 4.498 4.587 4.622 4.780 4.822 4.845 632 Physikal.- u. math.-techn. Sonderfachkräfte 45% 4.355 4.364 4.403 4.233 4.145 4.126 4.115 4.069 4.012 633 Chemielaboranten 100% 16.393 16.201 15.945 15.819 16.049 15.939 15.890 15.703 15.583 634 Photolaboranten 100% 3.169 3.093 3.027 2.940 2.986 2.975 2.839 2.550 2.404 635 Technische Zeichner 100% 37.768 36.716 35.986 35.616 35.311 34.456 33.296 31.201 30.000 681 Groß- und Einzelhandelskaufleute, Einkäufer 45% 48.369 48.180 48.578 49.029 49.626 49.769 49.665 48.772 47.985 688 Ambulante Händler 45% 39 46 50 57 60 57 52 63 72 683 Verlagskaufleute, Buchhändler 65% 3.752 3.758 3.828 3.903 4.034 4.072 4.077 3.940 3.803 691 Bankfachleute 100% 122.149 121.545 122.476 123.549 126.135 126.575 125.675 122.165 119.566 692 Bausparkassenfachleute 100% 1.522 1.458 1.442 1.455 1.449 1.371 1.400 1.405 1.352 693 Krankenvers. Fachleute (nicht Sozialvers.) 65% 6.753 6.800 6.785 6.863 6.834 6.612 6.767 6.722 6.711 694 Lebens-, Sachversicherungsfachleute 65% 26.482 26.208 26.123 27.053 28.150 29.346 30.565 31.129 30.081 701 Speditionskaufleute 100% 19.260 19.163 19.443 19.433 19.593 19.839 19.420 19.103 19.402 702 Fremdenverkehrsfachleute 10% 1.521 1.570 1.567 1.577 1.572 1.611 1.596 1.520 1.450 703 Werbefachleute 100% 10.699 11.192 11.920 12.985 15.075 15.579 15.517 14.956 14.479 704 Makler, Grundstücksverwalter 100% 1.310 1.338 1.331 1.449 1.448 1.537 1.618 1.603 1.582 705 Vermieter, Vermittler, Versteigerer 60% 2.830 2.929 3.071 3.303 3.502 3.622 3.691 3.721 3.796 713 Sonstige Fahrbetriebsregler, Schaffner 25% 1.531 1.482 1.390 1.315 1.277 1.233 1.199 1.284 1.240 726 Luftverkehrsberufe 10% 235 254 246 263 276 291 290 297 334 734 Telefonisten 100% 11.896 11.840 12.441 13.422 15.840 16.462 16.966 16.959 16.850 751 Untern.,Geschäftsf.,Geschäftsbereichsleiter 100% 88.724 87.241 84.979 85.191 84.753 83.508 82.061 78.920 75.650 752 Unternehmensberater, Organisatoren 100% 11.970 13.025 14.553 16.075 17.630 18.959 19.772 19.592 19.535 753 Wirtschaftsprüfer, Steuerberater 100% 31.356 31.838 31.908 32.289 33.272 34.297 35.852 36.468 36.293 761 Abgeordnete, Minister, Wahlbeamte 100% 226 238 220 225 220 246 266 223 239 762 Leitende u. admin. entsch. Verwaltungsfachl. 100% 14.742 16.501 17.242 17.745 18.458 19.553 20.816 21.056 21.076 812 Rechtspfleger 100% 70 77 72 94 93 85 108 102 118 763 Verbandsleiter, Funktionäre 100% 5.096 4.898 4.910 4.900 4.393 4.138 3.960 3.966 3.864 771 Kalkulatoren, Berechner 100% 10.134 9.718 9.578 9.211 9.072 8.838 8.620 8.268 7.861 772 Buchhalter 100% 43.658 42.396 41.152 40.520 40.437 39.887 39.694 38.429 37.378 773 Kassierer 55% 13.136 13.413 13.688 14.385 15.043 15.242 15.850 15.510 15.198 774 Datenverarbeitungsfachleute 100% 63.914 70.768 75.450 81.855 90.563 99.188 103.001 102.820 101.815 781 Bürofachkräfte 95% 710.584 712.983 721.117 734.689 756.258 769.123 776.434 766.696 760.718 782 Stenographen,Stenotypisten,Maschinenschreiber 90% 97.286 93.356 90.107 85.254 81.251 76.292 73.052 69.299 65.801 783 Datentypisten 100% 10.909 10.470 10.405 10.132 10.247 10.011 9.751 9.046 8.437 784 Bürohilfskräfte 95% 30.269 29.903 30.185 31.872 33.917 34.267 34.058 32.791 31.981 791 Werkschutzleute, Detektive 20% 654 615 616 618 627 616 617 599 588 801 Soldaten, Grenzschutz-, Polizeibedienstete 30% 640 626 611 600 598 595 592 596 605 802 Berufsfeuerwehrleute 10% 334 317 302 285 294 286 287 290 286 803 Sicherheitskontrolleure 85% 804 831 819 800 813 859 871 859 854 805 Gesundheitssichernde Berufe 65% 1.135 1.145 1.158 1.182 1.227 1.211 1.247 1.269 1.251 811 Rechtsfinder 100% 77 90 78 110 668 1.276 1.416 1.430 1.422 813 Rechtsvertreter, -berater 100% 4.531 4.952 4.272 5.481 7.780 9.962 10.838 10.962 11.278 814 Rechtsvollstrecker 20% 164 124 106 112 128 143 133 123 96 821 Publizisten 100% 9.910 10.364 10.692 11.770 12.019 12.482 12.276 11.806 11.527 822 Dolmetscher, Übersetzer 100% 1.747 1.708 1.711 1.650 1.596 1.526 1.487 1.420 1.381 823 Bibliothekare, Archivare, Museumsfachleute 100% 8.386 8.343 8.348 8.367 8.307 8.304 8.387 8.236 8.160 831 Musiker 5% 216 220 217 227 234 228 229 229 221 832 Darstellende Künstler 5% 164 173 164 196 198 201 197 192 189 833 Bildende Künstler, Graphiker 95% 5.620 5.660 5.952 6.489 7.078 7.669 7.814 7.514 7.371 835 Künstl. Berufe , Bühnen-,Bild-,Tontechnik 45% 1.847 2.029 2.147 2.397 2.534 2.688 2.567 2.647 2.649 836 Raum-, Schazugewerbegestalter 25% 1.395 1.357 1.298 1.295 1.312 1.268 1.230 1.114 1.027 841 Ärzte 30% 9.638 10.235 6.533 9.694 10.106 10.322 10.581 10.737 10.960 842 Zahnärzte 90% 1.814 2.057 1.814 1.831 1.733 1.733 1.734 1.690 1.705 843 Tierärzte 100% 1.084 1.204 1.047 1.263 1.360 1.445 1.447 1.460 1.462 844 Apotheker 10% 673 716 549 689 697 713 725 713 713 851 Heilpraktiker 100% 569 624 647 714 807 844 879 881 917 852 Masseure, Krankengymn. und verwandte Berufe 65% 13.122 12.774 13.379 14.260 15.205 15.868 16.745 17.292 17.665 855 Diätassistenten, Pharmaz.-techn. Assistenten 15% 1.618 1.670 1.692 1.735 1.797 1.858 1.941 1.938 1.953 856 Sprechstundenhelfer 90% 100.094 99.806 99.408 98.275 99.007 99.959 103.019 104.880 104.696 857 Medizinlaboranten 50% 8.999 8.839 8.739 8.622 8.628 8.581 8.701 8.610 8.609 861 Sozialarbeiter, Sozialpfleger 10% 7.002 7.540 7.875 8.181 8.477 8.832 9.165 9.334 9.430 862 Heimleiter, Sozialpädagogen 10% 3.823 3.957 4.131 4.300 4.499 4.691 4.917 5.069 5.147 864 Kindergärtnerinnen, Kinderpflegerinnen 10% 7.037 7.439 7.627 7.593 7.712 7.819 7.972 8.098 8.194 863 Arbeits-, Berufsberater 100% 1.580 1.576 1.561 1.583 1.578 1.559 1.789 1.938 1.925 871 Hochschullehrer, Dozenten an höheren Fachsch. 75% 6.753 9.898 10.732 11.075 12.804 13.700 14.163 13.666 12.350 881 Wirtschafts- und Sozialwissenschaftler,a.n.g. 100% 12.199 12.552 12.816 13.178 13.613 14.722 14.984 14.896 15.082 882 Geisteswissenschaftler, a.n.g. 90% 4.514 5.927 6.419 6.680 7.457 7.815 8.424 8.230 7.340 883 Naturwissenschaftler, a.n.g. 100% 5.906 6.187 6.439 6.718 6.914 7.143 7.521 7.665 7.575 891 Seelsorger 90% 2.146 2.164 2.147 2.140 2.186 2.231 2.287 2.317 2.338 902 Sonstige Körperpfleger 10% 208 201 198 208 222 238 254 243 242 911 Gastwirte, Hoteliers, Gaststättenkaufleute 15% 1.835 1.832 1.876 1.937 1.974 2.058 2.107 2.072 2.045 921 Hauswirtschaftsverwalter 10% 1.276 1.258 1.265 1.261 1.270 1.266 1.258 1.228 1.207 922 Verbraucherberater 10% 141 140 140 144 149 144 139 136 131 991 Arbeitskräfte ohne nähere Tätigkeitsangabe 5% 693 1.063 1.230 1.207 1.238 1.242 1.936.249 1.945.692 1.949.185 1.985.347 2.038.434 2.068.277 2.082.225 2.048.989 2.018.401 2.485.938 2.506.872 2.506.032 2.571.299 2.644.075 2.686.565 2.708.159 2.673.243 2.639.244 * nach Dobberstein 1997 1) vorläufig --- Die Zahl der Büröbeschäftigten nach Dobberstein für die Jahre 1990-1998 ist ohne die BO-Gruppe 991 ermittelt worden, da hierzu keine Daten angegeben wurden. Summe der SVP- Beschäftigten bestimmter Berufsordnungen Summe der Bürobeschäfttigten nach Dobberstein NRW Anhang Anhang - 41 ANHANG C5 – VERGLEICH DER BÜROBESCHÄFTIGTE UNTERSCHIEDLICHER QUELLEN I II III IV = I- II IV V VI VII VIII = II - V VIII = II - VI VIII = II - VII SVP- Büro- beschäftigte HVB1 Büro- beschäftigte Bulwien2 SVP- Büro- beschäftigte3 Differenz der SVP- Büro- beschäftigte HVB1 und Holthaus3 Büro- beschäftigte gem. Dobberstein3 Büro- beschäftigte gem. Holthaus3 (Quote 0,3) Büro- beschäftigte gem. Holthaus3 (Quote 0,5) Büro- beschäftigte gem. Holthaus3 (Quote 1,0) 1990 178.000 219.000 158.030 19.970 181.854 191.164 197.370 212.886 27.836 21.630 6.114 1991 184.000 162.557 21.443 186.722 195.320 201.052 215.382 1992 188.000 166.880 21.120 191.922 200.010 205.402 218.882 1993 186.000 166.106 19.894 191.163 199.479 205.022 218.882 1994 182.000 163.169 18.831 188.402 196.241 201.468 214.533 1995 177.000 218.000 158.810 18.190 181.134 192.029 199.292 217.449 25.971 18.708 551 1996 178.000 159.570 18.430 181.876 192.342 199.319 216.762 1997 179.000 161.188 17.812 184.764 193.901 199.993 215.223 1998 184.000 165.489 18.511 189.537 201.225 209.017 228.497 1999 185.000 168.510 16.490 192.702 205.316 213.725 234.747 2000 193.000 242.000 174.618 18.382 198.243 211.363 220.110 241.978 30.637 21.890 22 2001 198.000 180.030 17.970 204.056 216.998 225.625 247.195 2002 203.000 250.000 181.227 21.773 205.184 217.261 225.312 245.440 32.739 24.688 4.560 2003 201.000 251.000 177.737 23.263 201.012 216.480 226.793 252.573 34.520 24.207 -1.573 2004 205.000 173.614 31.386 197.310 222.862 239.897 282.484 1 geschätzt aus der Abbildung "Entwicklung der SVP- Bürobeschäftigte in Düsseldorf 1990-2001 und Prognose bis 2005", Marktanalyse und -prognose Oktober 2002, HVB Expertise GmbH, Team Marktforschung, Hamburg, S. 7 2 Bulwien AG, Prognose der 7 wichtigsten Büromärkte in Deutschland, 2004, Präsentation Frühjahrsgutachten Immobilien-Zeitung 20.1.2004, Folie 8 3 eigene Berechnungen (Holthaus) unter Anwendung des Datenmaterials aus der Personalstandsstatistik von LDS NRW, Bundesagentur für Arbeit, Schätzung aufgrund der Ergebnisse der Arbeitsstättenzählung 1987 und Volkszählung 1987 LDS NRW Anhang Anhang - 42 Anhang D ANHANG D1 – ZUSAMMENFASSUNG: REGRESSION DER ERWERBSTÄTIGEN UND DER ARBEITSLOSENQUOTE Einflussfaktoren integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) -49.889,900 355,179 SVP Erwerbstätige Arbeitslosenquote Einwohner x 0,773 x -0,001 Baugenehmigung Fertiggestellte Flächen Abgang/ Abriss Leerstand BIP/4 x 6,611 x -0,003 Spitzenmiete gew. Durchschnittsmiete Spitzenrendite min Spitzenrendite max Flächenumsatz gesamt Neuanfragen Büroflächenbestand Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,546 0,861 Standardfehler des Schätzers 8423,466 0,66833 Signifikanz 0,000 0,000 Histogramm ok ok Q-Q-Plot ok ok Verfahren Einschluss Einschluss Erwerbstätige Arbeitslosenquote PRE - 1 PRE - 2 -20.000 -10.000 0 10.000 20.000 Beobachteter Wert -20.000 -10.000 0 10.000 20.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -20000,00000 -10000,00000 0,00000 10000,00000 Fehler der Vorhersage Erwerbstätige 0 5 10 15 20 H ä u f i g k e i t Mean = 2,9416469E-12 Std. Dev. = 8303,97810541 N = 72 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,50000 -1,00000 -0,50000 0,00000 0,50000 1,00000 Unstandardized Residual 0 1 2 3 4 5 6 7 H ä u f i g k e i t Mean = 7,6802713E-14 Std. Dev. = 0,64401923 N = 29 Anhang Anhang - 43 ANHANG D1 – ZUSAMMENFASSUNG: REGRESSION DER ERWERBSTÄTIGEN UND DER ARBEITSLOSENQUOTE 420.000 430.000 440.000 450.000 460.000 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 Vorhersage Erwerbstätige - PRE_1 Erwerbstätige_am_Arbeitsort 8 9 9 10 10 11 11 12 12 13 13 14 14 4Q.1995 4Q.1996 4Q.1997 4Q.1998 4Q.1999 4Q.2000 4Q.2001 4Q.2002 Vorhersage Arbeitslosenquote - PRE_2 Arbeitslosenquote Anhang Anhang - 44 ANHANG D2 – ZUSAMMENFASSUNG: REGRESSION DER SVP- BESCHÄFTIGTEN Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) -170.515 -807.726 -843.551 -807.726 SVP Erwerbstätige x 0,488 x 0,594 x 0,605 x 0,594 Arbeitslosenquote x x 99,391 x Einwohner x 0,543 x 1,557 x 1,609 x 1,557 Baugenehmigung Fertiggestellte Flächen Abgang/ Abriss Leerstand BIP/4 x x 0,065 x Spitzenmiete gew. Durchschnittsmiete Spitzenrendite min Spitzenrendite max Flächenumsatz gesamt Neuanfragen Büroflächenbestand Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,478 0,996 0,995 0,996 Standardfehler des Schätzers 7186,377 503,540 521,340 503,540 Signifikanz 0,000 0,000 0,000 0,000 Histogramm ok / gut ok ok ok Q-Q-Plot gut schlecht nicht gut schlecht Verfahren Vorhersage 1.Q´87 - 4.Q´04 beste Vorhersage Ausnahme: PRE-3 4.Q ´95 - 4.Q.02 PRE - 1 PRE - 2 PRE - 3 PRE - 4 schrittweise schrittweise Einschluss rückwärts -20.000 -10.000 0 10.000 20.000 Beobachteter Wert -15.000 -10.000 -5.000 0 5.000 10.000 15.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -20000,00000 -10000,00000 0,00000 10000,00000 Unstandardized Residual 0 5 10 15 20 H ä u f i g k e i t Mean = -4,8260063E- 11 Std. Dev. = 7094,82754972 N = 80 -30.000 -20.000 -10.000 0 10.000 20.000 Beobachteter Wert -20.000 -10.000 0 10.000 20.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -20000,00000 -10000,00000 0,00000 10000,00000 Unstandardized Residual 0 10 20 30 40 H ä u f i g k e i t Mean = -167,7698838 Std. Dev. = 9325,21729627 N = 80 -1.000 -500 0 500 1.000 Beobachteter Wert -1.000 -500 0 500 1.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1000,00000 -500,00000 0,00000 500,00000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = -1,2241852E- 10 Std. Dev. = 482,66683019 N = 29 -30.000 -20.000 -10.000 0 10.000 20.000 Beobachteter Wert -20.000 -10.000 0 10.000 20.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -20000,00000 -10000,00000 0,00000 10000,00000 Unstandardized Residual 0 10 20 30 40 H ä u f i g k e i t Mean = -167,7698838 Std. Dev. = 9325,21729627 N = 80 Anhang Anhang - 45 ANHANG D2 – ZUSAMMENFASSUNG: REGRESSION DER SVP- BESCHÄFTIGTEN Regression der SVP-Beschäftigten 320.000 325.000 330.000 335.000 340.000 345.000 350.000 355.000 360.000 365.000 370.000 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 Vorhersage SVP- Beschäf t igt e - PRE_1 SVP- Beschäf t igt e Regression der SVP- Beschäftigten 320.000 325.000 330.000 335.000 340.000 345.000 350.000 355.000 360.000 365.000 370.000 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 19978 1998 1999 2000 2001 2002 2003 2004 Vorhersage SVP- Beschäf t igt e - PRE_2 SVP- Beschäf t igt e Anhang Anhang - 46 ANHANG D2 – ZUSAMMENFASSUNG: REGRESSION DER SVP- BESCHÄFTIGTEN Regression der SVP- Beschäftigten 320.000 325.000 330.000 335.000 340.000 345.000 350.000 355.000 360.000 365.000 370.000 1995 1996 1997 1998 1999 2000 2001 2002 Vorhersage SVP- Beschäf t igt e - PRE_3 SVP- Beschäf t igt e Regression der SVP-Beschäftigten 320.000 325.000 330.000 335.000 340.000 345.000 350.000 355.000 360.000 365.000 370.000 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 Vorhersage SVP- Beschäf t igt e - PRE_4 SVP- Beschäf t igt e Anhang Anhang - 47 ANHANG D3 – ZUSAMMENFASSUNG: REGRESSION DER BÜROBESCHÄFTIGTEN GEM. DOBBERSTEIN Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) -536.122 -536.122 -4.898,623 49.992,430 SVP x x 0,066 x 0,417 x 0,215 Erwerbstätige Arbeitslosenquote x -613,203 x -479,870 Einwohner x 1,077 x 1,034 x -1125,051 Baugenehmigung Fertiggestellte Flächen Abgang/ Abriss Leerstand BIP/4 x 14,501 x 14,013 x 6,496 x 9,722 Spitzenmiete gew. Durchschnittsmiete Spitzenrendite min Spitzenrendite max Flächenumsatz gesamt Neuanfragen Büroflächenbestand Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,994 0,994 0,942 0,984 Standardfehler des Schätzers 659,760 661,730 2276,971 1112,300 Signifikanz 0,000 0,000 0,000 0,000 Histogramm ok ok/ gut geht so geht so Q-Q-Plot gut ok/ gut ok ok Verfahren Vorhersage 4.Q´95 - 4.Q´02 rückwärts Einschluss Ausnahme: PRE-6 4.Q ´87 - 4.Q.02 PRE - 5 Bürobeschäftigte gem. Dobberstein Bürobeschäftigte gem. Dobberstein PRE - 4 Bürobeschäftigte gem. Dobberstein Bürobeschäftigte gem. Dobberstein Einschluss rückwärts PRE - 6 PRE - 10 -1.000 0 1.000 2.000 Beobachteter Wert -1.500 -1.000 -500 0 500 1.000 1.500 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Fehler Bürobeschäftigte Dobberstein_rückwärts -1000,00000 -500,00000 0,00000 500,00000 1000,00000 1500,00000 Fehler Bürobeschäftigte Dobberstein_rückwärts 0 1 2 3 4 5 6 7 H ä u f i g k e i t Mean = -3,6129322E- 11 Std. Dev. = 623,41251627 N = 29 -1.000 0 1.000 2.000 Beobachteter Wert -1.500 -1.000 -500 0 500 1.000 1.500 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Fehler Vorhersage Bürobeschäftigte gem. Dobberstein_Einschluß -1000,00000 -500,00000 0,00000 500,00000 1000,00000 1500,00000 Fehler Vorhersage Bürobeschäftigte gem. Dobberstein_Einschluß 0 1 2 3 4 5 6 7 H ä u f i g k e i t Mean = -3,3122838E- 11 Std. Dev. = 612,64274919 N = 29 -4.000 -2.000 0 2.000 4.000 Beobachteter Wert -4.000 -2.000 0 2.000 4.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Fehler Bürobeschäftigte gem Dobberstein Einschluss B -4000,00000 -2000,00000 0,00000 2000,00000 4000,00000 Fehler Bürobeschäftigte gem Dobberstein Einschluss B 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = 1,828937E-11 Std. Dev. = 2240,5375912 N = 64 -4.000 -2.000 0 2.000 4.000 Beobachteter Wert -4.000 -2.000 0 2.000 4.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -2000,00000 -1000,00000 0,00000 1000,00000 2000,00000 Unstandardized Residual 0 1 2 3 4 5 6 7 H ä u f i g k e i t Mean = -7,1338491E- 12 Std. Dev. = 1051,03040803 N = 29 Anhang Anhang - 48 ANHANG D3 – ZUSAMMENFASSUNG: REGRESSION DER BÜROBESCHÄFTIGTEN GEM. DOBBERSTEIN Regression der Bürobeschäftigten gem. Dobberstein 180.000 185.000 190.000 195.000 200.000 205.000 210.000 4Q.1995 4Q.1996 4Q.1997 4Q.1998 4Q.1999 4Q.2000 4Q.2001 4Q.2002 Vorhersage Bürobeschäf t igt e Dobberst ein - PRE_4 Bürobeschäf t igt e gem. Dobberst ein Regression der Bürobeschäftigten gem. Dobberstein 180.000 185.000 190.000 195.000 200.000 205.000 210.000 4Q.1995 4Q.1996 4Q.1997 4Q.1998 4Q.1999 4Q.2000 4Q.2001 4Q.2002 Vorhersage Bürobeschäf t igt e Dobberst ein - PRE_5 Bürobeschäf t igt e gem. Dobberst ein Anhang Anhang - 49 ANHANG D3 – ZUSAMMENFASSUNG: REGRESSION DER BÜROBESCHÄFTIGTEN GEM. DOBBERSTEIN Regression der Bürobeschäftigten gem. Dobberstein 170.000 175.000 180.000 185.000 190.000 195.000 200.000 205.000 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 Vorhersage Bürobeschäftigte Dobberstein - PRE_6 Bürobeschäftigte gem. Dobberstein Regression der Bürobeschäftigten gem. Dobberstein 180.000 185.000 190.000 195.000 200.000 205.000 210.000 4Q.1995 4Q.1996 4Q.1997 4Q.1998 4Q.1999 4Q.2000 4Q.2001 4Q.2002 Vorhersage Bürobeschäftigte Dobberstein - PRE_10 Bürobeschäftigte gem. Dobberstein Anhang Anhang - 50 ANHANG D4 – ZUSAMMENFASSUNG: REGRESSION DER BÜROBESCHÄFTIGTEN GEM. HOLTHAUS (QUOTE 0,3) Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) -10.604,300 -109.855,900 14.399,537 SVP x 0,386 x 0,360 x 0,367 Erwerbstätige Arbeitslosenquote x -692,309 x -582,244 Einwohner x x 0,176 Baugenehmigung Fertiggestellte Flächen Abgang/ Abriss Leerstand BIP/4 x 10,761 x 11,493 x 7,577 Spitzenmiete gew. Durchschnittsmiete Spitzenrendite min Spitzenrendite max Flächenumsatz gesamt Neuanfragen Büroflächenbestand Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,993 0,993 0,925 Standardfehler des Schätzers 839,057 841,776 2892,196 Signifikanz 0,000 0,000 0,000 Histogramm ok ok ok/ gut Q-Q-Plot ok gut ok/ gut Verfahren Vorhersage 4.Q´95 - 4.Q´02 Bürobeschäftigte gem. Holthaus Quote 0,3 Bürobeschäftigte gem. Holthaus Quote 0,3 Bürobeschäftigte gem. Holthaus Quote 0,3 Einschluss rückwärts Einschluss PRE - 11 PRE - 12 PRE - 13 -2.000 -1.000 0 1.000 2.000 Beobachteter Wert -2.000 -1.000 0 1.000 2.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1000,00000 0,00000 1000,00000 2000,00000 Unstandardized Residual 0 1 2 3 4 5 6 H ä u f i g k e i t Mean = 4,9791282E-12 Std. Dev. = 792,83458055 N = 29 0,0 0,2 0,4 0,6 0,8 1,0 Beobachtete Kum. Wahrsch. 0,0 0,2 0,4 0,6 0,8 1,0 E r w a r t e t e K u m . W a h r s c h . P-P-Diagramm von Normal von Unstandardized Residual -1000,00000 0,00000 1000,00000 2000,00000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = -3,0304648E- 12 Std. Dev. = 779,33335247 N = 29 -6.000 -4.000 -2.000 0 2.000 4.000 6.000 Beobachteter Wert -6.000 -4.000 -2.000 0 2.000 4.000 6.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -4000,00000 -2000,00000 0,00000 2000,00000 4000,00000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = -1,429612E-11 Std. Dev. = 2845,91757019 N = 64 Anhang Anhang - 51 ANHANG D4 – ZUSAMMENFASSUNG: REGRESSION DER BÜROBESCHÄFTIGTEN GEM. HOLTHAUS (QUOTE 0,3) Regression der Bürobeschäftigten gem. Holthaus (Quote 0,3) 190.000 195.000 200.000 205.000 210.000 215.000 220.000 4Q.1995 4Q.1996 4Q.1997 4Q.1998 4Q.1999 4Q.2000 4Q.2001 4Q.2002 Vorhersage Bürobeschäftigte Holthaus Quote 0,3 - PRE_11 Bürobeschäftigte gem. Holthaus Quote 0,3 Regression der Bürobeschäftigten gem. Holthaus (Quote 0,3) 190.000 195.000 200.000 205.000 210.000 215.000 220.000 4Q.1995 4Q.1996 4Q.1997 4Q.1998 4Q.1999 4Q.2000 4Q.2001 4Q.2002 Vorhersage Bürobeschäftigte Holthaus Quote 0,3 - PRE_12 Bürobeschäftigte gem. Holthaus Quote 0,3 Anhang Anhang - 52 ANHANG D4 – ZUSAMMENFASSUNG: REGRESSION DER BÜROBESCHÄFTIGTEN GEM. HOLTHAUS (QUOTE 0,3) Regression der Bürobeschäftigten gem Holthaus (Quote 0,3) 170.000 180.000 190.000 200.000 210.000 220.000 1Q.1987 1Q.1989 1Q.1991 1Q.1993 1Q.1995 1Q.1997 2Q.1998 4Q.1998 1Q.2000 1Q.2002 Vorhersage Bürobeschäftigte Holthaus Quote 0,3 - PRE_13 Bürobeschäftigte Holthaus Quote 0,3 Anhang Anhang - 53 ANHANG D5 – ZUSAMMENFASSUNG: REGRESSION DER BÜROBESCHÄFTIGTEN GEM. HOLTHAUS (QUOTE 0,5 UND 1,0) Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) 171.375,720 874.240,600 805.572,970 SVP x 0,556 x 1,047 Erwerbstätige Arbeitslosenquote x -650,325 x -820,241 x -2936,397 Einwohner x -0,395 x -1,824 x -1,145 Baugenehmigung Fertiggestellte Flächen Abgang/ Abriss Leerstand BIP/4 x 9,814 x 5,617 x 13,359 Spitzenmiete gew. Durchschnittsmiete Spitzenrendite min Spitzenrendite max Flächenumsatz gesamt Neuanfragen Büroflächenbestand Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,992 0,990 0,966 Standardfehler des Schätzers 964,757 1277,935 2307,313 Signifikanz 0,000 0,000 0,000 Histogramm ok/ gut geht so geht so Q-Q-Plot gut ok/ gut ok/ gut Verfahren Vorhersage 4.Q´95 - 4.Q´02 Bürobeschäftigte gem. Holthaus Quote 0,5 Bürobeschäftigte gem. Holthaus Quote 1,0 Bürobeschäftigte gem. Holthaus Quote 1,0 Einschluss rückwärts Einschluss PRE - 18 PRE - 23 PRE - 28 -2.000 -1.000 0 1.000 2.000 3.000 Beobachteter Wert -2.000 -1.000 0 1.000 2.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1500,00000 -1000,00000 -500,00000 0,00000 500,00000 1000,00000 1500,00000 2000,00000 2500,00000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = 4,5242032E-11 Std. Dev. = 893,19140134 N = 29 -3.000 -2.000 -1.000 0 1.000 2.000 3.000 Beobachteter Wert -4.000 -2.000 0 2.000 4.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -2000,00000 -1000,00000 0,00000 1000,00000 2000,00000 3000,00000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = 1,8871127E-10 Std. Dev. = 1183,13813284 N = 29 -4.000 -2.000 0 2.000 4.000 Beobachteter Wert -4.000 -2.000 0 2.000 4.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -4000,00000 -2000,00000 0,00000 2000,00000 4000,00000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = 6,4261485E-11 Std. Dev. = 2180,20611958 N = 29 Anhang Anhang - 54 ANHANG D5 – ZUSAMMENFASSUNG: REGRESSION DER BÜROBESCHÄFTIGTEN GEM. HOLTHAUS (QUOTE 0,5 UND 1,0) Regression der Bürobeschäftigten gem. Holthaus (Quote 0,5) 195.000 200.000 205.000 210.000 215.000 220.000 225.000 230.000 4Q.1995 4Q.1996 4Q.1997 4Q.1998 4Q.1999 4Q.2000 4Q.2001 4Q.2002 Vorhersage Bürobeschäftigte Holthaus Quote 0,5 - PRE_18 Bürobeschäftigte gem. Holthaus Quote 0,5 Regression der Bürobeschäftigten gem. Holthaus (Quote 1,0) 210.000 215.000 220.000 225.000 230.000 235.000 240.000 245.000 250.000 4Q.1995 4Q.1996 4Q.1997 4Q.1998 4Q.1999 4Q.2000 4Q.2001 4Q.2002 Vorhersage Bürobeschäf t igt e Holt haus Quot e 1,0 - PRE_23 Bürobeschäf t igt e gem. Holt haus Quot e 1,0 Anhang Anhang - 55 ANHANG D5 – ZUSAMMENFASSUNG: REGRESSION DER BÜROBESCHÄFTIGTEN GEM. HOLTHAUS (QUOTE 0,5 UND 1,0) Regression der Bürobeschäftigten gem. Holthaus (Quote 1,0) 210.000 215.000 220.000 225.000 230.000 235.000 240.000 245.000 250.000 4Q.1995 4Q.1996 4Q.1997 4Q.1998 4Q.1999 4Q.2000 4Q.2001 4Q.2002 Vorhersage Bürobeschäftigte Holthaus Quote 1,0 - PRE_28 Bürobeschäftigte gem. Holthaus Quote 1,0 Anhang Anhang - 56 Anhang E ANHANG E1 – ZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE - A Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) 1.143 911 1.273 1.240 54 SVP x 0,000 x x 0,000 x x 2,548E-05 Erwerbstätige x -0,001 x 0,000 x -0,001 x -0,001 x 0,000 Arbeitslosenquote x -0,887 x -1,135 x -0,887 x -0,992 x -0,952 Einwohner x -0,002 x -0,001 x -0,002 x -0,002 x -4,800E-06 Baugenehmigung x -4,539E-06 x x -4,539E-06 x x 9,723E-07 Fertiggestellte Flächen x -7,229E-06 x x -7,229E-06 x -9,977E-06 x -1,180E-05 Abgang/ Abriss x 0,000 x 0,000 x 0,000 x 0,000 x 8,537E-05 Leerstand x -9,484E-06 x -7,900E-06 x -9,484E-06 x -9,308E-06 x -4,780E-06 BIP/4 x ausgeschl. x x ausgeschl. x Spitzenmiete gew. Durchschnittsmiete x 0,161 x x 0,161 x x -0,149 Spitzenrendite min x 1,347 x x 1,347 x x 2,929 Spitzenrendite max x 8,069 x 11,680 x 8,069 x 9,124 x 1,509 Flächenumsatz gesamt x 3,213E-06 x x 3,213E-06 x Neuanfragen x -1,240E-05 x x -1,240E-05 x -1,178E-05 x -1,030E-05 Büroflächenbestand x -8,437E-06 x -9,560E-06 x -8,437E-06 x -7,790E-06 Bürobeschäftigte Dobberstein x 0,001 x 0,001 Bürobeschäftigte Quote 0,3 x 0,001 x 0,001 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,880 0,921 0,880 0,942 0,736 Standardfehler des Schätzers 0,55462 0,44929 0,55462 0,38613 0,77495 Signifikanz 0,018 0,000 0,018 0,000 0,000 Histogramm schlecht schlecht schlecht schlecht ok Q-Q-Plot schlecht schlecht schlecht schlecht ok / gut Verfahren EinschlussEinschluss rückwärts Einschluss rückwärts PRE - 12PRE - 8 PRE - 9 PRE - 10 PRE - 11 0,0 0,2 0,4 0,6 0,8 1,0 Beobachtete Kum. Wahrsch. 0,0 0,2 0,4 0,6 0,8 1,0 E r w a r t e t e K u m . W a h r s c h . P-P-Diagramm von Normal von Unstandardized Residual 0,00000 10,00000 20,00000 30,00000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = 5,9722782 Std. Dev. = 10,34904725 N = 28 -20 -10 0 10 20 Beobachteter Wert -20 -10 0 10 20 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -10,00000 0,00000 10,00000 20,00000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = 0,1471625 Std. Dev. = 8,44644514 N = 37 -10 0 10 20 Beobachteter Wert -10 0 10 20 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -5,00000 0,00000 5,00000 10,00000 15,00000 20,00000 25,00000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = 4,688278 Std. Dev. = 8,21067644 N = 28 -10 -5 0 5 10 15 20 Beobachteter Wert -10 -5 0 5 10 15 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual 0,00000 10,00000 20,00000 30,00000 95% L CI for Spitzenmiete mean 0 5 10 15 20 H ä u f i g k e i t Mean = 16,8517737 Std. Dev. = 9,38961309 N = 28 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,0 -0,5 0,0 0,5 1,0 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,50000 -1,00000 -0,50000 0,00000 0,50000 1,00000 1,50000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = -1,7139068E- 15 Std. Dev. = 0,57761172 N = 28 Anhang Anhang - 57 ANHANG E1 – ZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE - A Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) -86,076 -99,044 7,328 24,704 -53,335 SVP x 7,190E-05 x 7,948E-05 x 2,393E-05 x 0,000 Erwerbstätige x 0,000 x -8,730E-05 Arbeitslosenquote x -0,825 x -0,769 x -0,755 x -0,719 Einwohner x 0,000 x 0,000 Baugenehmigung x -5,360E-06 x -6,190E-06 x -7,900E-06 x 9,819E-08 x -8,380E-06 Fertiggestellte Flächen x -1,440E-05 x -9,280E-06 Abgang/ Abriss x 4,553E-05 x 4,572E-05 x 5,435E-05 x 0,000 x 9,525E-05 Leerstand x -4,470E-06 x -4,110E-06 x -4,140E-06 x -8,470E-06 x -9,240E-06 BIP/4 x -0,001 x -0,005 Spitzenmiete gew. Durchschnittsmiete x -0,132 x 0,305 Spitzenrendite min x 4,737 x 4,970 x 5,393 x 1,771 x 5,448 Spitzenrendite max x -1,261 x -1,790 x -1,852 x 9,437 x 4,199 Flächenumsatz gesamt x 1,927E-06 Neuanfragen x -5,490E-06 x -6,710E-06 x -1,110E-05 x -4,420E-06 x -1,040E-05 Büroflächenbestand x 2,193E-06 Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 x 0,000 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,713 0,728 0,727 0,879 0,838 Standardfehler des Schätzers 0,80859 0,78728 0,78875 0,55811 0,64394 Signifikanz 0,000 0,000 0,000 0,000 0,003 Histogramm ok / gut sehr gut gut ok schlecht Q-Q-Plot gut gut gut gut / ok ok Verfahren PRE - 17PRE - 13 PRE - 14 PRE - 15 PRE - 16 Einschluss PRE - 4 D-Miete PRE - 5 D-Miete PRE - 7 D-Miete Einschluss Einschluss Einschluss Einschluss -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,50000 -1,00000 -0,50000 0,00000 0,50000 1,00000 1,50000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = -2,34604E-14 Std. Dev. = 0,6224503 N = 28 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,50000 -1,00000 -0,50000 0,00000 0,50000 1,00000 1,50000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = -1,3572476E- 14 Std. Dev. = 0,62469934 N = 28 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,50000 -1,00000 -0,50000 0,00000 0,50000 1,00000 1,50000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = -2,3592239E- 16 Std. Dev. = 0,66165852 N = 28 -1,0 -0,5 0,0 0,5 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = 5,3299379E-15 Std. Dev. = 0,38411975 N = 20 -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -0,60000 -0,40000 -0,20000 0,00000 0,20000 0,40000 0,60000 0,80000 Unstandardized Residual 0 1 2 3 4 5 H ä u f i g k e i t Mean = -5,5188059E- 15 Std. Dev. = 0,39085619 N = 20 Anhang Anhang - 58 ANHANG E1 – ZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE - A Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) -51,136 -6,438 70,586 SVP x 0,000 Erwerbstätige Arbeitslosenquote x -0,756 x -0,925 x -0,678 Einwohner x 0,000 Baugenehmigung x -1,960E-06 x 3,632E-06 x 7,362E-07 Fertiggestellte Flächen x -1,100E-06 x -3,230E-06 x -1,450E-05 Abgang/ Abriss x 9,689E-05 Leerstand x -7,150E-06 x -7,310E-06 x -5,630E-06 BIP/4 x -0,005 x -0,003 Spitzenmiete gew. Durchschnittsmiete Spitzenrendite min x 7,357 x 5,590 x 4,219 Spitzenrendite max x 4,814 x 6,198 Flächenumsatz gesamt x -8,110E-06 Neuanfragen x 2,246E-06 x 4,188E-06 x -1,810E-05 Büroflächenbestand x 8,749E-07 Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,827 0,831 0,754 Standardfehler des Schätzers 0,66703 0,65890 0,74883 Signifikanz 0,000 0,000 0,000 Histogramm ok ok gut Q-Q-Plot gut gut / ok gut / ok Verfahren PRE - 18 PRE - 19 PRE - 20 aus PRE - 16 abgeleitet aus PRE - 16 abgeleitet Einschluss Einschluss Einschluss -1,5 -1,0 -0,5 0,0 0,5 1,0 Beobachteter Wert -1,0 -0,5 0,0 0,5 1,0 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 1,00000 Unstandardized Residual 0 1 2 3 4 5 H ä u f i g k e i t Mean = -7,4835971E- 15 Std. Dev. = 0,48391803 N = 20 -1,0 -0,5 0,0 0,5 1,0 Beobachteter Wert -1,0 -0,5 0,0 0,5 1,0 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 1,00000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = -9,1246455E- 16 Std. Dev. = 0,50134743 N = 20 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,0 -0,5 0,0 0,5 1,0 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,50000 -1,00000 -0,50000 0,00000 0,50000 1,00000 1,50000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = -1,5092094E- 15 Std. Dev. = 0,5941927 N = 28 Anhang Anhang - 59 ANHANG E2 – ZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE - B Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) 21,238 0,508 30,68 -0,841 -91,711 SVP x 0,000 x 0,000 x 0,000 x 0,000 x 0,000 Erwerbstätige Arbeitslosenquote Einwohner Baugenehmigung x x -1,020E-06 x x -1,880E-06 x -1,238E-05 Fertiggestellte Flächen x -1,020E-05 x -1,310E-05 x -1,080E-05 x -1,290E-05 x Abgang/ Abriss x 0,000 x 0,000 x 0,000 x 0,000 x Leerstand x -9,640E-06 x -1,090E-05 x -9,160E-06 x -1,040E-05 x BIP/4 x x -0,002 x x -0,003 x Spitzenmiete gew. Durchschnittsmiete x x 0,263 x x 0,250 Spitzenrendite min x x 3,235 x x 3,586 x 7,131 Spitzenrendite max x 11,337 x 4,353 x 11,862 x 4,632 Flächenumsatz gesamt x x -3,840E-06 x x -2,720E-06 Neuanfragen x x -1,480E-05 x x -1,310E-05 Büroflächenbestand x x 1,940E-06 x x 2,474E-06 Bürobeschäftigte Dobberstein x 0,000 x 0,000 Bürobeschäftigte Quote 0,3 x 0,000 x 0,000 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,885 0,827 0,876 0,816 0,743 Standardfehler des Schätzers 0,54340 0,66619 0,56448 0,68630 0,87425 Signifikanz 0,000 0,009 0,000 0,011 0,000 Histogramm schlecht schlecht ok eher schlecht eher schlecht Q-Q-Plot ok gut schlecht gut gut Verfahren rückwärtsrückwärts Einschluss rückwärts Einschluss PRE - 5PRE - 1 PRE - 2 PRE - 3 PRE - 4 -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -0,75000 -0,50000 -0,25000 0,00000 0,25000 0,50000 0,75000 Unstandardized Residual 0 1 2 3 4 5 6 H ä u f i g k e i t Mean = 1,3841792E-14 Std. Dev. = 0,38566975 N = 20 -4 -2 0 2 Beobachteter Wert -4 -3 -2 -1 0 1 2 3 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -5,00000 -4,00000 -3,00000 -2,00000 -1,00000 0,00000 1,00000 2,00000 Unstandardized Residual 0 5 10 15 20 H ä u f i g k e i t Mean = -0,5770346 Std. Dev. = 1,42058788 N = 37 -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -0,80000 -0,60000 -0,40000 -0,20000 0,00000 0,20000 0,40000 0,60000 Unstandardized Residual 0 1 2 3 4 5 6 7 H ä u f i g k e i t Mean = -1,0534108E- 15 Std. Dev. = 0,37436409 N = 20 -10,00000 -8,00000 -6,00000 -4,00000 -2,00000 0,00000 2,00000 4,00000 Unstandardized Residual 0 3 6 9 12 15 H ä u f i g k e i t Mean = -0,9419036 Std. Dev. = 2,60587073 N = 37 -10,0 -7,5 -5,0 -2,5 0,0 2,5 5,0 Beobachteter Wert -7,5 -5,0 -2,5 0,0 2,5 5,0 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -2 -1 0 1 2 Beobachteter Wert -2 -1 0 1 2 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -2,00000 -1,00000 0,00000 1,00000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = 0,0024181 Std. Dev. = 0,83585985 N = 37 Anhang Anhang - 60 ANHANG E2 – ZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE - B Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) -70,449 -41,042 -28,628 24,704 7,638 SVP x 0,000 x -3,760E-06 x -6,510E-05 x 0,000 x 1,802E-05 Erwerbstätige Arbeitslosenquote x -0,719 x -0,713 Einwohner Baugenehmigung x -1,120E-05 x x -5,530E-06 x 9,819E-08 x -2,720E-06 Fertiggestellte Flächen x -6,400E-07 x x -1,630E-06 x -1,440E-05 x -1,010E-05 Abgang/ Abriss x 2,920E-05 x x 5,742E-05 x 0,000 x 8,001E-05 Leerstand x -2,240E-06 x x -5,010E-06 x -8,470E-06 x -4,590E-06 BIP/4 x 0,001 x 0,002 x 0,002 x -0,001 Spitzenmiete gew. Durchschnittsmiete Spitzenrendite min x 7,262 x x 5,104 Spitzenrendite max x 8,935 x 9,890 x x -1,214 Flächenumsatz gesamt Neuanfragen x -4,420E-06 x -1,760E-05 Büroflächenbestand Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,735 0,762 0,767 0,879 0,747 Standardfehler des Schätzers 0,88731 0,84124 0,83315 0,55811 0,75909 Signifikanz 0,000 0,000 0,000 0,000 0,000 Histogramm gut nicht gut gut gut ok Q-Q-Plot gut / ok ok geht so ok/ gut gut Verfahren PRE - 10PRE - 6 PRE - 7 PRE - 8 PRE - 9 Einschluss rückwärts Einschluss Einschluss Einschluss -2 -1 0 1 2 Beobachteter Wert -2 -1 0 1 2 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 0,00000 1,00000 2,00000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = -5,8945904E- 15 Std. Dev. = 0,76843716 N = 29 -2 -1 0 1 2 3 Beobachteter Wert -2 -1 0 1 2 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 0,00000 1,00000 2,00000 3,00000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = 2,2239155E-15 Std. Dev. = 0,79490145 N = 29 -1 0 1 2 Beobachteter Wert -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 0,00000 1,00000 2,00000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = -6,7133799E- 15 Std. Dev. = 0,72153309 N = 29 -1,0 -0,5 0,0 0,5 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = 8,1705476E-15 Std. Dev. = 0,38411975 N = 20 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,50000 -1,00000 -0,50000 0,00000 0,50000 1,00000 1,50000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = 1,0408341E-16 Std. Dev. = 0,61979425 N = 28 Anhang Anhang - 61 ANHANG E2 – ZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE - B Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) 3,802 -8,482 10,269 -246,512 80,828 SVP x 4,431E-05 x 0,000 x -3,367E-06 Erwerbstätige Arbeitslosenquote x -0,884 x -0,646 x -0,709 x -0,532 x -0,797 Einwohner x 0,001 x 0,000 Baugenehmigung x -5,889E-06 x -2,849E-06 x -3,689E-06 x 2,746E-06 x -1,771E-06 Fertiggestellte Flächen x -1,128E-05 x -7,449E-06 x -1,294E-05 x -1,178E-05 Abgang/ Abriss x 0,000 x 7,141E-05 x 0,000 x 8,953E-05 Leerstand x -3,655E-06 x -8,181E-06 x -4,997E-06 x -9,846E-06 x -4,521E-06 BIP/4 x -0,002 x 0,003 Spitzenmiete gew. Durchschnittsmiete Spitzenrendite min x 7,151 x 3,503 x 4,375 x 1,908 x 4,287 Spitzenrendite max x -3,898 x 8,041 x 0,060 x 6,998 x -0,065 Flächenumsatz gesamt Neuanfragen x -1,014E-05 x -4,246E-06 x -1,315E-05 x -8,001E-06 x -1,726E-05 Büroflächenbestand Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,719 0,886 0,771 0,898 0,735 Standardfehler des Schätzers 0,79972 0,54018 0,73006 0,51117 0,77705 Signifikanz 0,000 0,000 0,000 0,000 0,000 Histogramm ok schlecht eher schlecht schlecht schlecht Q-Q-Plot gut ok / gut ok / gut schlecht eher schlecht Verfahren Einschluss Einschluss Einschluss Einschluss Einschluss PRE - 15PRE - 11 PRE - 12 PRE - 13 PRE - 14 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,50000 -1,00000 -0,50000 0,00000 0,50000 1,00000 1,50000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = -3,9135362E- 15 Std. Dev. = 0,68829255 N = 28 -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual 20,00000 21,00000 22,00000 23,00000 24,00000 25,00000 26,00000 Unstandardized Predicted Value 0 2 4 6 8 H ä u f i g k e i t Mean = 22,58950 Std. Dev. = 1,55290811 N = 20 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 1,00000 1,50000 Unstandardized Residual 0 1 2 3 4 5 6 H ä u f i g k e i t Mean = -2,9906633E- 15 Std. Dev. = 0,62125049 N = 30 -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -0,75000 -0,50000 -0,25000 0,00000 0,25000 0,50000 Unstandardized Residual 0 1 2 3 4 5 6 7 H ä u f i g k e i t Mean = 1,4565606E-14 Std. Dev. = 0,33168951 N = 20 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 1,00000 1,50000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = 5,1347815E-16 Std. Dev. = 0,61658384 N = 28 Anhang Anhang - 62 ANHANG E2 – ZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE – B Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) -64,173 1,736 1,115 12,912 0,075 SVP Erwerbstätige Arbeitslosenquote Einwohner Baugenehmigung x 3,558E-06 x -2,451E-06 x -3,407E-06 x -2,352E-06 Fertiggestellte Flächen Abgang/ Abriss Leerstand x -7,844E-06 x -5,499E-06 x -5,560E-06 x -3,718E-06 x -5,577E-06 BIP/4 x 0,000 Spitzenmiete gew. Durchschnittsmiete Spitzenrendite min x 3,091 x -0,532 x -0,470 x 2,308 Spitzenrendite max x 12,703 x 4,716 x 4,755 x 4,528 Flächenumsatz gesamt Neuanfragen x 8,671E-06 x -5,435E-06 x -4,879E-06 x -8,665E-06 x -5,676E-06 Büroflächenbestand Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,699 0,280 0,306 0,165 0,308 Standardfehler des Schätzers 0,87886 1,29419 1,27088 1,39447 1,26903 Signifikanz 0,001 0,022 0,010 0,074 0,009 Histogramm geht so eher schlecht ok geht so / ok geht so Q-Q-Plot ok ok / geht so geht so / ok geht so geht so Verfahren PRE - 20PRE - 16 PRE - 17 PRE - 18 PRE - 19 Einschluss Einschluss Einschluss Einschluss Einschluss -1 0 1 2 Beobachteter Wert -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 0,00000 1,00000 2,00000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = 4,6837534E-16 Std. Dev. = 0,72696344 N = 20 -4 -2 0 2 4 Beobachteter Wert -3 -2 -1 0 1 2 3 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -2,00000 -1,00000 0,00000 1,00000 2,00000 3,00000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = 5,752343E-15 Std. Dev. = 1,17734932 N = 30 -3 -2 -1 0 1 2 3 Beobachteter Wert -3 -2 -1 0 1 2 3 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -2,00000 -1,00000 0,00000 1,00000 2,00000 3,00000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = -5,5511151E- 16 Std. Dev. = 1,17998105 N = 30 -3 -2 -1 0 1 2 3 Beobachteter Wert -3 -2 -1 0 1 2 3 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -2,00000 -1,00000 0,00000 1,00000 2,00000 3,00000 Unstandardized Residual 0 1 2 3 4 5 6 H ä u f i g k e i t Mean = -1,2628787E- 15 Std. Dev. = 1,294733 N = 30 -3 -2 -1 0 1 2 3 Beobachteter Wert -3 -2 -1 0 1 2 3 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -2,00000 -1,00000 0,00000 1,00000 2,00000 3,00000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = 1,4432899E-15 Std. Dev. = 1,17826779 N = 30 Anhang Anhang - 63 ANHANG E2 – ZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE - B Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) -374,423 -22,467 -28,329 -220,483 46,563 SVP x 0,000 x 0,000 x 0,000 x 0,000 x 0,000 Erwerbstätige Arbeitslosenquote x -0,519 x -0,804 x -0,651 x -0,550 x -0,735 Einwohner x 0,001 x 0,001 Baugenehmigung x -1,688E-06 x -8,200E-06 x -1,305E-05 x 4,752E-06 x 1,984E-06 Fertiggestellte Flächen x -8,366E-06 x -8,220E-06 x -1,556E-05 x -1,686E-05 Abgang/ Abriss x 7,933E-05 x 6,647E-05 x 0,000 x 0,000 Leerstand x -9,135E-06 x -6,616E-06 x -1,004E-05 x -8,662E-06 BIP/4 x 0,003 x -0,003 x 0,004 x 0,000 Spitzenmiete gew. Durchschnittsmiete Spitzenrendite min x 5,873 x 7,808 x 8,316 Spitzenrendite max x -6,820 x 8,812 x 11,102 Flächenumsatz gesamt Neuanfragen x -1,438E-05 x -1,227E-05 x -1,024E-05 x -7,418E-06 x -3,908E-06 Büroflächenbestand Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,878 0,831 0,682 0,905 0,888 Standardfehler des Schätzers 0,56018 0,65795 0,85085 0,49238 0,53688 Signifikanz 0,000 0,000 0,000 0,000 0,000 Histogramm gut gut geht so schlecht ok Q-Q-Plot ok/ gut ok gut schlecht ok Verfahren Einschluss Einschluss Einschluss Einschluss Einschluss PRE - 24PRE - 21 PRE - 23 PRE - 25 PRE - 22 -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -0,75000 -0,50000 -0,25000 0,00000 0,25000 0,50000 0,75000 Unstandardized Residual 0 1 2 3 4 5 6 H ä u f i g k e i t Mean = -8,8906204E- 15 Std. Dev. = 0,38554202 N = 20 -2 -1 0 1 2 Beobachteter Wert -2 -1 0 1 2 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -2,00000 -1,00000 0,00000 1,00000 Unstandardized Residual 0 1 2 3 4 5 6 7 H ä u f i g k e i t Mean = -1,1678158E- 14 Std. Dev. = 0,75038312 N = 28 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,0 -0,5 0,0 0,5 1,0 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 1,00000 Unstandardized Residual 0 1 2 3 4 5 6 H ä u f i g k e i t Mean = -4,0072112E- 16 Std. Dev. = 0,47732581 N = 20 -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -0,75000 -0,50000 -0,25000 0,00000 0,25000 0,50000 Unstandardized Residual 0 1 2 3 4 5 6 7 H ä u f i g k e i t Mean = -2,0961531E- 14 Std. Dev. = 0,33887649 N = 20 -1,0 -0,5 0,0 0,5 1,0 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 Unstandardized Residual 0 1 2 3 4 5 6 7 H ä u f i g k e i t Mean = 7,4525347E-15 Std. Dev. = 0,38949162 N = 20 Anhang Anhang - 64 ANHANG E3 – ZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE – A+B (NACH VORHERSAGEINTERVALLEN SORTIERT) Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) 0,508 -0,841 24,704 -8,482 -22,467 SVP x 0,000 x 0,000 x 0,000 x 0,000 Erwerbstätige Arbeitslosenquote x -0,719 x -0,646 x -0,804 Einwohner Baugenehmigung x -1,020E-06 x -1,880E-06 x 9,819E-08 x -2,849E-06 x -8,200E-06 Fertiggestellte Flächen x -1,310E-05 x -1,290E-05 x -1,440E-05 x -1,128E-05 x -8,220E-06 Abgang/ Abriss x 0,000 x 0,000 x 0,000 x 0,000 x 6,647E-05 Leerstand x -1,090E-05 x -1,040E-05 x -8,470E-06 x -8,181E-06 x -6,616E-06 BIP/4 x -0,002 x -0,003 x -0,001 x -0,002 x -0,003 Spitzenmiete gew. Durchschnittsmiete x 0,263 x 0,250 Spitzenrendite min x 3,235 x 3,586 x x 3,503 x 7,808 Spitzenrendite max x 4,353 x 4,632 x x 8,041 Flächenumsatz gesamt x -3,840E-06 x -2,720E-06 Neuanfragen x -1,480E-05 x -1,310E-05 x -4,420E-06 x -4,246E-06 x -1,227E-05 Büroflächenbestand x 1,940E-06 x 2,474E-06 Bürobeschäftigte Dobberstein x 0,000 Bürobeschäftigte Quote 0,3 x 0,000 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,827 0,816 0,879 0,886 0,831 Standardfehler des Schätzers 0,66619 0,68630 0,55811 0,54018 0,65795 Signifikanz 0,009 0,011 0,000 0,000 0,000 Histogramm schlecht eher schlecht gut schlecht gut Q-Q-Plot gut gut ok/ gut ok / gut ok Verfahren Vorhersage 1.Q´98 - 4.Q´02 Einschluss PRE - 23 Einschluss PRE - 2 Einschluss PRE - 4 PRE - 9 PRE - 12 Gruppe der in Frage kommenden Vorhersagen Einschluss Einschluss -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -0,80000 -0,60000 -0,40000 -0,20000 0,00000 0,20000 0,40000 0,60000 Unstandardized Residual 0 1 2 3 4 5 6 7 H ä u f i g k e i t Mean = -1,0534108E- 15 Std. Dev. = 0,37436409 N = 20 -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -0,75000 -0,50000 -0,25000 0,00000 0,25000 0,50000 0,75000 Unstandardized Residual 0 1 2 3 4 5 6 H ä u f i g k e i t Mean = 1,3841792E-14 Std. Dev. = 0,38566975 N = 20 -1,0 -0,5 0,0 0,5 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = 8,1705476E-15 Std. Dev. = 0,38411975 N = 20 -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual 20,00000 21,00000 22,00000 23,00000 24,00000 25,00000 26,00000 Unstandardized Predicted Value 0 2 4 6 8 H ä u f i g k e i t Mean = 22,58950 Std. Dev. = 1,55290811 N = 20 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,0 -0,5 0,0 0,5 1,0 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 1,00000 Unstandardized Residual 0 1 2 3 4 5 6 H ä u f i g k e i t Mean = -4,0072112E- 16 Std. Dev. = 0,47732581 N = 20 Anhang Anhang - 65 ANHANG E3 – ZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE – A+B (NACH VORHERSAGEINTERVALLEN SORTIERT) Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) -246,512 46,563 24,704 -53,335 -51,136 SVP x 0,000 x 0,000 x 0,000 x 0,000 Erwerbstätige Arbeitslosenquote x -0,532 x -0,735 x -0,719 x -0,756 Einwohner x 0,001 Baugenehmigung x 2,746E-06 x 1,984E-06 x 9,819E-08 x -8,380E-06 x -1,960E-06 Fertiggestellte Flächen x -1,294E-05 x -1,686E-05 x -1,440E-05 x -9,280E-06 x -1,100E-06 Abgang/ Abriss x 0,000 x 0,000 x 0,000 x 9,525E-05 Leerstand x -9,846E-06 x -8,662E-06 x -8,470E-06 x -9,240E-06 x -7,150E-06 BIP/4 x 0,003 x 0,000 x -0,001 x -0,005 x -0,005 Spitzenmiete gew. Durchschnittsmiete x 0,305 Spitzenrendite min x 1,908 x 1,771 x 5,448 x 7,357 Spitzenrendite max x 6,998 x 11,102 x 9,437 x 4,199 x 4,814 Flächenumsatz gesamt x 1,927E-06 Neuanfragen x -8,001E-06 x -3,908E-06 x -4,420E-06 x -1,040E-05 x 2,246E-06 Büroflächenbestand x 2,193E-06 Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 x 0,000 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,898 0,888 0,879 0,838 0,827 Standardfehler des Schätzers 0,51117 0,53688 0,55811 0,64394 0,66703 Signifikanz 0,000 0,000 0,000 0,003 0,000 Histogramm schlecht ok ok schlecht ok Q-Q-Plot schlecht ok gut / ok ok gut Verfahren Vorhersage 1.Q´98 - 4.Q´02 einer der besten Vorhersagen beste Vorhersage im vorgeg. Intervall PRE - 18a Einschluss PRE - 16a PRE - 17aPRE - 14 Einschluss Einschluss Gruppe der in Frage kommenden Vorhersagen Einschluss Einschluss PRE - 24 -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -0,75000 -0,50000 -0,25000 0,00000 0,25000 0,50000 Unstandardized Residual 0 1 2 3 4 5 6 7 H ä u f i g k e i t Mean = 1,4565606E-14 Std. Dev. = 0,33168951 N = 20 -1,0 -0,5 0,0 0,5 1,0 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 Unstandardized Residual 0 1 2 3 4 5 6 7 H ä u f i g k e i t Mean = 7,4525347E-15 Std. Dev. = 0,38949162 N = 20 -1,0 -0,5 0,0 0,5 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = 5,3299379E-15 Std. Dev. = 0,38411975 N = 20 -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -0,60000 -0,40000 -0,20000 0,00000 0,20000 0,40000 0,60000 0,80000 Unstandardized Residual 0 1 2 3 4 5 H ä u f i g k e i t Mean = -5,5188059E- 15 Std. Dev. = 0,39085619 N = 20 -1,5 -1,0 -0,5 0,0 0,5 1,0 Beobachteter Wert -1,0 -0,5 0,0 0,5 1,0 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 1,00000 Unstandardized Residual 0 1 2 3 4 5 H ä u f i g k e i t Mean = -7,4835971E- 15 Std. Dev. = 0,48391803 N = 20 Anhang Anhang - 66 ANHANG E3 – ZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE – A+B (NACH VORHERSAGEINTERVALLEN SORTIERT) Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) 7,638 3,802 10,269 80,828 -28,329 SVP x 1,802E-05 x 4,431E-05 x -3,367E-06 x 0,000 Erwerbstätige Arbeitslosenquote x -0,713 x -0,884 x -0,709 x -0,797 x -0,651 Einwohner x 0,000 Baugenehmigung x -2,720E-06 x -5,889E-06 x -3,689E-06 x -1,771E-06 x -1,305E-05 Fertiggestellte Flächen x -1,010E-05 x -7,449E-06 x -1,178E-05 Abgang/ Abriss x 8,001E-05 x 7,141E-05 x 8,953E-05 Leerstand x -4,590E-06 x -3,655E-06 x -4,997E-06 x -4,521E-06 BIP/4 Spitzenmiete gew. Durchschnittsmiete Spitzenrendite min x 5,104 x 7,151 x 4,375 x 4,287 x 8,316 Spitzenrendite max x -1,214 x -3,898 x 0,060 x -0,065 x -6,820 Flächenumsatz gesamt Neuanfragen x -1,760E-05 x -1,014E-05 x -1,315E-05 x -1,726E-05 x -1,024E-05 Büroflächenbestand Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,747 0,719 0,771 0,735 0,682 Standardfehler des Schätzers 0,75909 0,79972 0,73006 0,77705 0,85085 Signifikanz 0,000 0,000 0,000 0,000 0,000 Histogramm ok ok eher schlecht schlecht geht so Q-Q-Plot gut gut ok / gut eher schlecht gut Verfahren Vorhersage 1.Q´98 - 4.Q´04 Einschluss PRE - 25 Ausnahme PRE - 13 1.Q´98 - 2.Q´05 Einschluss PRE - 15 Gruppe der in Frage kommenden Vorhersagen PRE - 10 PRE - 11 PRE - 13 Einschluss Einschluss Einschluss -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,50000 -1,00000 -0,50000 0,00000 0,50000 1,00000 1,50000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = 1,0408341E-16 Std. Dev. = 0,61979425 N = 28 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,50000 -1,00000 -0,50000 0,00000 0,50000 1,00000 1,50000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = -3,9135362E- 15 Std. Dev. = 0,68829255 N = 28 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 1,00000 1,50000 Unstandardized Residual 0 1 2 3 4 5 6 H ä u f i g k e i t Mean = -2,9906633E- 15 Std. Dev. = 0,62125049 N = 30 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 1,00000 1,50000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = 5,1347815E-16 Std. Dev. = 0,61658384 N = 28 -2 -1 0 1 2 Beobachteter Wert -2 -1 0 1 2 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -2,00000 -1,00000 0,00000 1,00000 Unstandardized Residual 0 1 2 3 4 5 6 7 H ä u f i g k e i t Mean = -1,1678158E- 14 Std. Dev. = 0,75038312 N = 28 Anhang Anhang - 67 ANHANG E3 – ZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE – A+B (NACH VORHERSAGEINTERVALLEN SORTIERT) Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) 53,568 -86,076 -99,044 1143,483 122,536 SVP x 2,548E-05 x 7,190E-05 x 7,948E-05 x 0,000 x 0,000 Erwerbstätige x 0,000 x 0,000 x -8,730E-05 x -0,001 x -0,001 Arbeitslosenquote x -0,952 x -0,825 x -0,769 x -0,887 x -0,887 Einwohner x -4,800E-06 x 0,000 x 0,000 x -0,002 x 1,540 E-06 Baugenehmigung x 9,723E-07 x -5,360E-06 x -6,190E-06 x -4,539E-06 x -4,539E-06 Fertiggestellte Flächen x -1,180E-05 x -7,229E-06 x -7,229E-06 Abgang/ Abriss x 8,537E-05 x 4,553E-05 x 4,572E-05 x 0,000 x 0,000 Leerstand x -4,780E-06 x -4,470E-06 x -4,110E-06 x -9,484E-06 x -9,484E-06 BIP/4 x ausgeschl. x 0,010 Spitzenmiete gew. Durchschnittsmiete x -0,149 x -0,132 x 0,161 x 0,161 Spitzenrendite min x 2,929 x 4,737 x 4,970 x 1,347 x 1,347 Spitzenrendite max x 1,509 x -1,261 x -1,790 x 8,069 x 8,069 Flächenumsatz gesamt x 3,213E-06 x 3,213E-06 Neuanfragen x -1,030E-05 x -5,490E-06 x -6,710E-06 x -1,240E-05 x -1,240E-05 Büroflächenbestand x -8,437E-06 x -8,437E-06 Bürobeschäftigte Dobberstein x 0,001 Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,736 0,713 0,728 0,880 0,880 Standardfehler des Schätzers 0,77495 0,80859 0,78728 0,55462 0,55462 Signifikanz 0,000 0,000 0,000 0,018 0,018 Histogramm ok ok / gut sehr gut schlecht gut Q-Q-Plot ok / gut gut gut schlecht gut Verfahren Vorhersage 1.Q´98 - 4.Q´04 einer der besten Vorhersagen beste Vorhersage im vorgeg. Intervall PRE - 21a Einschluss Ausnahme PRE - 21a 1.Q´98 - 4.Q´02 Einschluss Einschluss PRE - 8a Gruppe der in Frage kommenden Vorhersagen Einschluss PRE - 12a PRE - 13a PRE - 14a Einschluss -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,0 -0,5 0,0 0,5 1,0 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,50000 -1,00000 -0,50000 0,00000 0,50000 1,00000 1,50000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = -1,7139068E- 15 Std. Dev. = 0,57761172 N = 28 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,50000 -1,00000 -0,50000 0,00000 0,50000 1,00000 1,50000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = -2,34604E-14 Std. Dev. = 0,6224503 N = 28 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,50000 -1,00000 -0,50000 0,00000 0,50000 1,00000 1,50000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = -1,3572476E- 14 Std. Dev. = 0,62469934 N = 28 0,0 0,2 0,4 0,6 0,8 1,0 Beobachtete Kum. Wahrsch. 0,0 0,2 0,4 0,6 0,8 1,0 E r w a r t e t e K u m . W a h r s c h . P-P-Diagramm von Normal von Unstandardized Residual 0,00000 10,00000 20,00000 30,00000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = 5,9722782 Std. Dev. = 10,34904725 N = 28 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 Beobachteter Wert -0,4 -0,2 0,0 0,2 0,4 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -0,60000 -0,40000 -0,20000 0,00000 0,20000 0,40000 0,60000 Unstandardized Residual 0 1 2 3 4 5 6 7 H ä u f i g k e i t Mean = -2,167537E-14 Std. Dev. = 0,25447791 N = 20 Anhang Anhang - 68 ANHANG E3 – ZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE – A+B (NACH VORHERSAGEINTERVALLEN SORTIERT) Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) 21,238 30,68 -91,711 911,411 SVP x 0,000 x 0,000 x 0,000 x Erwerbstätige x 0,000 Arbeitslosenquote x -1,135 Einwohner x -0,001 Baugenehmigung x x x -1,238E-05 x Fertiggestellte Flächen x -1,020E-05 x -1,080E-05 x x Abgang/ Abriss x 0,000 x 0,000 x x 0,000 Leerstand x -9,640E-06 x -9,160E-06 x x -7,900E-06 BIP/4 x x x x Spitzenmiete gew. Durchschnittsmiete x x x Spitzenrendite min x x x 7,131 x Spitzenrendite max x 11,337 x 11,862 x 11,680 Flächenumsatz gesamt x x x Neuanfragen x x x Büroflächenbestand x x x -9,560E-06 Bürobeschäftigte Dobberstein x 0,000 x 0,001 Bürobeschäftigte Quote 0,3 x 0,000 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,885 0,876 0,743 0,921 Standardfehler des Schätzers 0,54340 0,56448 0,87425 0,44929 Signifikanz 0,000 0,000 0,000 0,000 Histogramm schlecht ok eher schlecht schlecht Q-Q-Plot ok schlecht gut schlecht Verfahren Vorhersage 4.Q´95 - 4.Q´04 rückwärts rückwärts Gruppe der nicht in Frage kommenden Vorhersagen PRE - 5PRE - 1 PRE - 3 rückwärts PRE - 9a rückwärts -4 -2 0 2 Beobachteter Wert -4 -3 -2 -1 0 1 2 3 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -5,00000 -4,00000 -3,00000 -2,00000 -1,00000 0,00000 1,00000 2,00000 Unstandardized Residual 0 5 10 15 20 H ä u f i g k e i t Mean = -0,5770346 Std. Dev. = 1,42058788 N = 37 -10,00000 -8,00000 -6,00000 -4,00000 -2,00000 0,00000 2,00000 4,00000 Unstandardized Residual 0 3 6 9 12 15 H ä u f i g k e i t Mean = -0,9419036 Std. Dev. = 2,60587073 N = 37 -10,0 -7,5 -5,0 -2,5 0,0 2,5 5,0 Beobachteter Wert -7,5 -5,0 -2,5 0,0 2,5 5,0 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -2 -1 0 1 2 Beobachteter Wert -2 -1 0 1 2 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -2,00000 -1,00000 0,00000 1,00000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = 0,0024181 Std. Dev. = 0,83585985 N = 37 -20 -10 0 10 20 Beobachteter Wert -20 -10 0 10 20 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -10,00000 0,00000 10,00000 20,00000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = 0,1471625 Std. Dev. = 8,44644514 N = 37 Anhang Anhang - 69 ANHANG E3 – ZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE – A+B (NACH VORHERSAGEINTERVALLEN SORTIERT) Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) -70,449 -41,042 -28,628 SVP x 0,000 x -3,760E-06 x -6,510E-05 Erwerbstätige Arbeitslosenquote Einwohner Baugenehmigung x -1,120E-05 x x -5,530E-06 Fertiggestellte Flächen x -6,400E-07 x x -1,630E-06 Abgang/ Abriss x 2,920E-05 x x 5,742E-05 Leerstand x -2,240E-06 x x -5,010E-06 BIP/4 x 0,001 x 0,002 x 0,002 Spitzenmiete gew. Durchschnittsmiete Spitzenrendite min x 7,262 Spitzenrendite max x 8,935 x 9,890 Flächenumsatz gesamt Neuanfragen Büroflächenbestand Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,735 0,762 0,767 Standardfehler des Schätzers 0,88731 0,84124 0,83315 Signifikanz 0,000 0,000 0,000 Histogramm gut nicht gut gut Q-Q-Plot gut / ok ok geht so Verfahren Vorhersage 4.Q´95 - 4.Q´02 Gruppe der nicht in Frage kommenden Vorhersagen PRE - 6 PRE - 7 PRE - 8 Einschluss rückwärts Einschluss -2 -1 0 1 2 Beobachteter Wert -2 -1 0 1 2 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 0,00000 1,00000 2,00000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = -5,8945904E- 15 Std. Dev. = 0,76843716 N = 29 -2 -1 0 1 2 3 Beobachteter Wert -2 -1 0 1 2 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 0,00000 1,00000 2,00000 3,00000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = 2,2239155E-15 Std. Dev. = 0,79490145 N = 29 -1 0 1 2 Beobachteter Wert -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 0,00000 1,00000 2,00000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = -6,7133799E- 15 Std. Dev. = 0,72153309 N = 29 Anhang Anhang - 70 ANHANG E3 – ZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE – A+B (NACH VORHERSAGEINTERVALLEN SORTIERT) Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) 1,736 1,115 12,912 0,075 SVP Erwerbstätige Arbeitslosenquote Einwohner Baugenehmigung x -2,451E-06 x -3,407E-06 x -2,352E-06 Fertiggestellte Flächen Abgang/ Abriss Leerstand x -5,499E-06 x -5,560E-06 x -3,718E-06 x -5,577E-06 BIP/4 Spitzenmiete gew. Durchschnittsmiete Spitzenrendite min x -0,532 x -0,470 x 2,308 Spitzenrendite max x 4,716 x 4,755 x 4,528 Flächenumsatz gesamt Neuanfragen x -5,435E-06 x -4,879E-06 x -8,665E-06 x -5,676E-06 Büroflächenbestand Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,280 0,306 0,165 0,308 Standardfehler des Schätzers 1,29419 1,27088 1,39447 1,26903 Signifikanz 0,022 0,010 0,074 0,009 Histogramm eher schlecht ok geht so / ok geht so Q-Q-Plot ok / geht so geht so / ok geht so geht so Verfahren Vorhersage 1.Q´98 - 2.Q´05 PRE - 20PRE - 17 PRE - 18 PRE - 19 Einschluss Gruppe der nicht in Frage kommenden Vorhersagen Einschluss Einschluss Einschluss -3 -2 -1 0 1 2 3 Beobachteter Wert -3 -2 -1 0 1 2 3 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -2,00000 -1,00000 0,00000 1,00000 2,00000 3,00000 Unstandardized Residual 0 1 2 3 4 5 6 H ä u f i g k e i t Mean = -1,2628787E- 15 Std. Dev. = 1,294733 N = 30 -3 -2 -1 0 1 2 3 Beobachteter Wert -3 -2 -1 0 1 2 3 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -2,00000 -1,00000 0,00000 1,00000 2,00000 3,00000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = 1,4432899E-15 Std. Dev. = 1,17826779 N = 30 -4 -2 0 2 4 Beobachteter Wert -3 -2 -1 0 1 2 3 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -2,00000 -1,00000 0,00000 1,00000 2,00000 3,00000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = 5,752343E-15 Std. Dev. = 1,17734932 N = 30 -3 -2 -1 0 1 2 3 Beobachteter Wert -3 -2 -1 0 1 2 3 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -2,00000 -1,00000 0,00000 1,00000 2,00000 3,00000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = -5,5511151E- 16 Std. Dev. = 1,17998105 N = 30 Anhang Anhang - 71 ANHANG E3 – ZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE – A+B (NACH VORHERSAGEINTERVALLEN SORTIERT) Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) -64,173 -374,423 -220,483 -6,438 SVP x 0,000 x 0,000 Erwerbstätige Arbeitslosenquote x -0,519 x -0,550 x -0,925 Einwohner x 0,001 x 0,001 Baugenehmigung x 3,558E-06 x -1,688E-06 x 4,752E-06 x 3,632E-06 Fertiggestellte Flächen x -8,366E-06 x -1,556E-05 x -3,230E-06 Abgang/ Abriss x 7,933E-05 x 0,000 Leerstand x -7,844E-06 x -9,135E-06 x -1,004E-05 x -7,310E-06 BIP/4 x 0,000 x 0,003 x 0,004 x -0,003 Spitzenmiete gew. Durchschnittsmiete Spitzenrendite min x 3,091 x 5,873 x 5,590 Spitzenrendite max x 12,703 x 8,812 x 6,198 Flächenumsatz gesamt Neuanfragen x 8,671E-06 x -1,438E-05 x -7,418E-06 x 4,188E-06 Büroflächenbestand Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,699 0,878 0,905 0,831 Standardfehler des Schätzers 0,87886 0,56018 0,49238 0,65890 Signifikanz 0,001 0,000 0,000 0,000 Histogramm geht so gut schlecht ok Q-Q-Plot ok ok/ gut schlecht gut / ok Verfahren Vorhersage 1.Q´98 - 4.Q´02 Gruppe der nicht in Frage kommenden Vorhersagen Einschluss EinschlussEinschluss Einschluss PRE - 19aPRE - 21PRE - 16 PRE - 22 -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -0,75000 -0,50000 -0,25000 0,00000 0,25000 0,50000 0,75000 Unstandardized Residual 0 1 2 3 4 5 6 H ä u f i g k e i t Mean = -8,8906204E- 15 Std. Dev. = 0,38554202 N = 20 -1 0 1 2 Beobachteter Wert -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 0,00000 1,00000 2,00000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = 4,6837534E-16 Std. Dev. = 0,72696344 N = 20 -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -0,75000 -0,50000 -0,25000 0,00000 0,25000 0,50000 Unstandardized Residual 0 1 2 3 4 5 6 7 H ä u f i g k e i t Mean = -2,0961531E- 14 Std. Dev. = 0,33887649 N = 20 -1,0 -0,5 0,0 0,5 1,0 Beobachteter Wert -1,0 -0,5 0,0 0,5 1,0 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 1,00000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = -9,1246455E- 16 Std. Dev. = 0,50134743 N = 20 Anhang Anhang - 72 ANHANG E3 – ZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE – A+B (NACH VORHERSAGEINTERVALLEN SORTIERT) Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) 1272,799 1239,668 7,328 70,586 SVP x 0,000 x x 2,393E-05 Erwerbstätige x -0,001 x -0,001 Arbeitslosenquote x -0,887 x -0,992 x -0,755 x -0,678 Einwohner x -0,002 x -0,002 x 0,000 Baugenehmigung x -4,539E-06 x x -7,900E-06 x 7,362E-07 Fertiggestellte Flächen x -7,229E-06 x -9,977E-06 x -1,450E-05 Abgang/ Abriss x 0,000 x 0,000 x 5,435E-05 x 9,689E-05 Leerstand x -9,484E-06 x -9,308E-06 x -4,140E-06 x -5,630E-06 BIP/4 x ausgeschl. x Spitzenmiete gew. Durchschnittsmiete x 0,161 x Spitzenrendite min x 1,347 x x 5,393 x 4,219 Spitzenrendite max x 8,069 x 9,124 x -1,852 Flächenumsatz gesamt x 3,213E-06 x x -8,110E-06 Neuanfragen x -1,240E-05 x -1,178E-05 x -1,110E-05 x -1,810E-05 Büroflächenbestand x -8,437E-06 x -7,790E-06 x 8,749E-07 Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 x 0,001 x 0,001 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,880 0,942 0,727 0,754 Standardfehler des Schätzers 0,55462 0,38613 0,78875 0,74883 Signifikanz 0,018 0,000 0,000 0,000 Histogramm schlecht schlecht gut gut Q-Q-Plot schlecht schlecht gut gut / ok Verfahren Vorhersage 1.Q´98 - 4.Q´04 Gruppe der nicht in Frage kommenden Vorhersagen PRE - 15a Einschluss PRE - 20aPRE - 10a Einschluss rückwärts Einschluss PRE - 11a -10 0 10 20 Beobachteter Wert -10 0 10 20 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -5,00000 0,00000 5,00000 10,00000 15,00000 20,00000 25,00000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = 4,688278 Std. Dev. = 8,21067644 N = 28 -10 -5 0 5 10 15 20 Beobachteter Wert -10 -5 0 5 10 15 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual 0,00000 10,00000 20,00000 30,00000 95% L CI for Spitzenmiete mean 0 5 10 15 20 H ä u f i g k e i t Mean = 16,8517737 Std. Dev. = 9,38961309 N = 28 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,50000 -1,00000 -0,50000 0,00000 0,50000 1,00000 1,50000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = -2,3592239E- 16 Std. Dev. = 0,66165852 N = 28 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,0 -0,5 0,0 0,5 1,0 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,50000 -1,00000 -0,50000 0,00000 0,50000 1,00000 1,50000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = -1,5092094E- 15 Std. Dev. = 0,5941927 N = 28 Anhang Anhang - 73 ANHANG E4 – SCHLUSSZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE MIT GRAFIKEN Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) 1143,483 122,536 53,568 -246,512 24,704 SVP x 0,000 x 0,000 x 2,548E-05 x 0,000 x 0,000 Erwerbstätige x -0,001 x -0,001 x 0,000 Arbeitslosenquote x -0,887 x -0,887 x -0,952 x -0,532 x -0,719 Einwohner x -0,002 x 1,540 E-06 x -4,800E-06 x 0,001 Baugenehmigung x -4,539E-06 x -4,539E-06 x 9,723E-07 x 2,746E-06 x 9,819E-08 Fertiggestellte Flächen x -7,229E-06 x -7,229E-06 x -1,180E-05 x -1,294E-05 x -1,440E-05 Abgang/ Abriss x 0,000 x 0,000 x 8,537E-05 x 0,000 x 0,000 Leerstand x -9,484E-06 x -9,484E-06 x -4,780E-06 x -9,846E-06 x -8,470E-06 BIP/4 x ausgeschl. x 0,010 x 0,003 x -0,001 Spitzenmiete gew. Durchschnittsmiete x 0,161 x 0,161 x -0,149 Spitzenrendite min x 1,347 x 1,347 x 2,929 x 1,908 x 1,771 Spitzenrendite max x 8,069 x 8,069 x 1,509 x 6,998 x 9,437 Flächenumsatz gesamt x 3,213E-06 x 3,213E-06 Neuanfragen x -1,240E-05 x -1,240E-05 x -1,030E-05 x -8,001E-06 x -4,420E-06 Büroflächenbestand x -8,437E-06 x -8,437E-06 Bürobeschäftigte Dobberstein x 0,001 Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,880 0,880 0,736 0,898 0,879 Standardfehler des Schätzers 0,55462 0,55462 0,77495 0,51117 0,55811 Signifikanz 0,018 0,018 0,000 0,000 0,000 Histogramm "schlecht" gut ok ok ok Q-Q-Plot "schlecht" gut ok / gut geht so gut / ok Verfahren PRE - 16a Einschluss PRE - 8a Einschluss PRE - 14 EinschlussEinschluss PRE - 12aPRE - 21a Einschluss 0,0 0,2 0,4 0,6 0,8 1,0 Beobachtete Kum. Wahrsch. 0,0 0,2 0,4 0,6 0,8 1,0 E r w a r t e t e K u m . W a h r s c h . P-P-Diagramm von Normal von Unstandardized Residual 0,00000 10,00000 20,00000 30,00000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = 5,9722782 Std. Dev. = 10,34904725 N = 28 -20 -10 0 10 20 Beobachteter ert -20 -10 0 10 20 E r w a r t e t e r W e r t v o n N o r m a l Q Q i l i i l -10, 000 0, 0 10, 0 2 H ä u f i g k e i t 0 1471625 8,44644514 37 -10 0 10 20 -10 0 10 20 E r w a r t e t e r W e r t v o n N o r m a l -5,00000 , 0 5,00000 10, 000 15,0 00 2 ,00000 5 H ä u f i g k e i t 4 688 2106764 1 -5 0 5 10 15 1 -5 0 5 10 15 E r w a r t e t e r W e r t v o n N o r m a l 95% L CI for Spitzenmiete mean 5 10 15 20 H ä u f i g k e i t 16, 5 737 9 389 1309 -1,5 -1,0 -0,5 0,0 ,5 1,0 1,5 Beobachteter We t -1,0 -0,5 ,0 0,5 1,0 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,5 0 -1 - ,500 , 0 0,5 1, 0 1,5 0 Unstandardi d R sidual 0 2 4 6 8 10 H ä u f i g k e i t Mean = -1,7139068E- 15 Std. Dev. = 0,57761172 N = 28 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 Beobachteter Wert -0,4 -0,2 0,0 0,2 0,4 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -0,60000 -0,40000 -0,20000 0,00000 0,20000 0,40000 0,60000 Unstandardized Residual 0 1 2 3 4 5 6 7 H ä u f i g k e i t Mean = -2,167537E-14 Std. Dev. = 0,25447791 N = 20 0,0 0,2 0,4 0,6 0,8 1,0 Beobachtete Kum. Wahrsch. 0,0 0,2 0,4 0,6 0,8 1,0 E r w a r t e t e K u m . W a h r s c h . P-P-Diagramm von Normal von Unstandardized Residual 0,00000 10,00000 20,00000 30,00000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = 5,9722782 Std. Dev. = 10,34904725 N = 28 -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -0,75000 -0,50000 -0,25000 0,00000 0,25000 0,50000 Unstandardized Residual 0 1 2 3 4 5 6 7 H ä u f i g k e i t Mean = 1,4565606E-14 Std. Dev. = 0,33168951 N = 20 -1,0 -0,5 0,0 0,5 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = 5,3299379E-15 Std. Dev. = 0,38411975 N = 20 Anhang Anhang - 74 ANHANG E4 – SCHLUSSZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE MIT GRAFIKEN Regression der Spitzenmiete 21 22 23 24 25 26 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 [€/ m² M on at ] Vorhersage Spitzenmiete - PRE_8a Spitzenmiete Regression der Spitzenmiete 21 22 23 24 25 26 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 [€/ m² M on at ] Vorhersage Spitzenmiete - PRE_21a Spitzenmiete Anhang Anhang - 75 ANHANG E4 – SCHLUSSZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE MIT GRAFIKEN Regression der Spitzenmiete 20 21 22 23 24 25 26 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 1Q.2003 3Q.2003 1Q.2004 3Q.2004 [€/ m² M on at ] Vorhersage Spitzenmiete - PRE_12a Spitzenmiete Regression der Spitzenmiete 21 22 23 24 25 26 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 [€/ m² M on at ] Vorhersage Spitzenmiete_neu_PRE_14 Spitzenmiete Anhang Anhang - 76 ANHANG E4 – SCHLUSSZUSAMMENFASSUNG: REGRESSION DER SPITZENMIETE MIT GRAFIKEN Regression der Spitzenmiete 20 21 22 23 24 25 26 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 [€/ m² M on at ] Vorhersage Spitzenmiete - PRE_16a Spitzenmiete Anhang Anhang - 77 ANHANG E5 – SCHLUSSZUSAMMENFASSUNG: REGRESSION DER GEWICHTETEN DURCHSCHNITTSMIETE MIT GRAFIKEN Einflussfaktoren integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) 124,966 -329,896 SVP x -0,001 x -0,001 Erwerbstätige x 0,001 Arbeitslosenquote x -0,709 x -1,020 Einwohner x 4,599E-05 x 0,001 Baugenehmigung x 1,840E-05 x 2,665E-05 Fertiggestellte Flächen x -6,006E-06 x -3,347E-06 Abgang/ Abriss x 7,068E-06 x -8,432E-05 Leerstand x -9,205E-07 x 4,219E-06 BIP/4 x 0,004 x 0,002 Spitzenmiete x 0,129 gew. Durchschnittsmiete Spitzenrendite min x -5,982 x -5,551 Spitzenrendite max x 7,425 x 8,794 Flächenumsatz gesamt x -3,780E-07 Neuanfragen x 1,506E-05 x 1,900E-05 Büroflächenbestand x -1,475E-06 Bürobeschäftigte Dobberstein x a Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,213 0,213 Standardfehler des Schätzers 0,49700 0,49720 Signifikanz 0,299 0,424 Histogramm gut ok Q-Q-Plot gut gut Verfahren Vorhersage für 1.Q´98 - 4.Q.´02 PRE - 12 Einschluss vgl. PRE - 1 PRE - 1 Einschluss -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 Beobachteter Wert -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -0,75000 -0,50000 -0,25000 0,00000 0,25000 0,50000 0,75000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = -4,9712838E- 15 Std. Dev. = 0,32249541 N = 20 0,0 0,2 0,4 0,6 0,8 1,0 Beobachtete Kum. Wahrsch. 0,0 0,2 0,4 0,6 0,8 1,0 E r w a r t e t e K u m . W a h r s c h . P-P-Diagramm von Normal von Unstandardized Residual -0,60000 -0,40000 -0,20000 0,00000 0,20000 0,40000 Unstandardized Residual 0 1 2 3 4 5 H ä u f i g k e i t Mean = -1,9892074E- 14 Std. Dev. = 0,22812955 N = 20 Anhang Anhang - 78 ANHANG E5 – SCHLUSSZUSAMMENFASSUNG: REGRESSION DER GEWICHTETEN DURCHSCHNITTSMIETE MIT GRAFIKEN Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) 85,212 107,300 92,544 97,919 85,212 SVP x 0,000 x -5,705E-05 x -5,295E-05 x -5,727E-05 x 0,000 Erwerbstätige x x 0,000 x 0,000 x -9,766E-05 x Arbeitslosenquote x -0,560 x -0,493 x -0,466 x -0,424 x -0,560 Einwohner x x -6,193E-05 x -3,925E-05 x -5,146E-05 x Baugenehmigung x 9,607E-06 x 6,555E-06 x 5,916E-06 x 6,252E-06 x 9,607E-06 Fertiggestellte Flächen x x -1,401E-06 x Abgang/ Abriss x x 6,531E-06 x 1,062E-06 x -1,419E-06 x Leerstand x x -3,094E-06 x -2,996E-06 x -2,773E-06 x BIP/4 x x Spitzenmiete x x -0,071 x -0,054 x gew. Durchschnittsmiete Spitzenrendite min x -3,705 x -1,619 x -1,489 x -1,759 x -3,705 Spitzenrendite max x 5,898 x 4,192 x 3,901 x 3,998 x 5,898 Flächenumsatz gesamt x x Neuanfragen x 1,675E-05 x 8,117E-06 x 8,814E-06 x 9,178E-06 x 1,675E-05 Büroflächenbestand x x (Zuwachs) Bürobeschäftigte Dobberstein x Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,304 0,178 0,227 0,267 0,304 Standardfehler des Schätzers 0,46745 0,53310 0,51760 0,50396 0,46745 Signifikanz 0,089 0,231 0,158 0,089 Histogramm sehr schlecht ok ok ok schlecht Q-Q-Plot sehr schlecht eher schlecht schlecht schlecht schlecht Verfahren Vorhersage für 1.Q´98 - 4.Q.´04 PRE - 6 rückwärts PRE - 5 Einschluss PRE - 2 PRE - 3 PRE - 4 rückwärts Einschluss Einschluss 0,0 0,2 0,4 0,6 0,8 1,0 Beobachtete Kum. Wahrsch. 0,0 0,2 0,4 0,6 0,8 1,0 E r w a r t e t e K u m . W a h r s c h . P-P-Diagramm von Normal von Unstandardized Residual -0,60000 -0,40000 -0,20000 0,00000 0,20000 0,40000 Unstandardized Residual 0 1 2 3 4 5 H ä u f i g k e i t Mean = -1,9892074E- 14 Std. Dev. = 0,22812955 N = 20 0,0 0,2 0,4 0,6 0,8 1,0 Beobachtete Kum. Wahrsch. 0,0 0,2 0,4 0,6 0,8 1,0 E r w a r t e t e K u m . W a h r s c h . P-P-Diagramm von Normal von Unstandardized Residual -6, 00 -5, 0 -4,000 0 -3, 0000 -2, 00 -1,0000 ,00000 1,00000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = -1,1068561 Std. Dev. = 1,90443556 N = 28 0,0 0,2 0,4 0,6 0,8 1,0 Beobachtete Kum. Wahrsch. 0,0 0,2 0,4 0,6 0,8 1,0 E r w a r t e t e K u m . W a h r s c h . P-P-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 1,00000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = 6,3560268E-15 Std. Dev. = 0,39762729 N = 28 0,0 0,2 0,4 0,6 0,8 1,0 Beobachtete Kum. Wahrsch. 0,0 0,2 0,4 0,6 0,8 1,0 E r w a r t e t e K u m . W a h r s c h . P-P-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 1,00000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = -3,3740372E- 15 Std. Dev. = 0,39844873 N = 28 0,0 0,2 0,4 0,6 0,8 1,0 Beobachtete Kum. Wahrsch. 0,0 0,2 0,4 0,6 0,8 1,0 E r w a r t e t e K u m . W a h r s c h . P-P-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 1,00000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = 2,2768246E-15 Std. Dev. = 0,3998884 N = 28 0,0 0,2 0,4 0,6 0,8 1,0 Beobachtete Kum. Wahrsch. 0,0 0,2 0,4 0,6 0,8 1,0 E r w a r t e t e K u m . W a h r s c h . P-P-Diagramm von Normal von Unstandardized Residual -6,00000 -5,00000 -4,00000 -3,00000 -2,00000 -1,00000 0,00000 1,00000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = -1,1068561 Std. Dev. = 1,90443556 N = 28 Anhang Anhang - 79 ANHANG E5 – SCHLUSSZUSAMMENFASSUNG: REGRESSION DER GEWICHTETEN DURCHSCHNITTSMIETE MIT GRAFIKEN Einflussfaktoren integriert Ergebnis Einflussfaktoren integriert Ergebnis KONSTANTE (Regr.ergebnis) 147,183 KONSTANTE (Regr.ergebnis) 98,350 SVP x -0,001 SVP x -4,922E-05 Erwerbstätige Erwerbstätige x 0,000 Arbeitslosenquote x -0,725 Arbeitslosenquote x -0,400 Einwohner Einwohner x -5,096E-05 Baugenehmigung x 1,818E-05 Baugenehmigung x 5,960E-06 Fertiggestellte Flächen x -6,129E-06 Fertiggestellte Flächen Abgang/ Abriss x 7,463E-06 Abgang/ Abriss x -1,073E-06 Leerstand x -8,079E-07 Leerstand x -0,214 BIP/4 x 0,004 BIP/4 Spitzenmiete Spitzenmiete gew. Durchschnittsmiete gew. Durchschnittsmiete Spitzenrendite min x -5,994 Spitzenrendite min x -1,787 Spitzenrendite max x 7,625 Spitzenrendite max x 3,938 Flächenumsatz gesamt Flächenumsatz gesamt Neuanfragen x 1,535E-05 Neuanfragen x 9,352E-06 Büroflächenbestand Büroflächenbestand Bürobeschäftigte Dobberstein Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,299 korrigiertes R² 0,255 Standardfehler des Schätzers 0,46914 Standardfehler des Schätzers 0,50808 Signifikanz 0,193 Signifikanz 0,113 Histogramm gut Histogramm gut Q-Q-Plot gut Q-Q-Plot ok Verfahren Verfahren Vorhersage für 1.Q´98 - 4.Q.´02 Vorhersage für 1.Q´98 - 4.Q.´04 PRE - 7 Einschluss Einschluss PRE - 41 0,0 0,2 0,4 0,6 0,8 1,0 Beobachtete Kum. Wahrsch. 0,0 0,2 0,4 0,6 0,8 1,0 E r w a r t e t e K u m . W a h r s c h . P-P-Diagramm von Normal von Unstandardized Residual -0,75000 -0,50000 -0,25000 0,00000 0,25000 0,50000 0,75000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = -8,1818233E- 15 Std. Dev. = 0,32288561 N = 20 -1,0 -0,5 0,0 0,5 1,0 1,5 Beobachteter Wert -1,0 -0,5 0,0 0,5 1,0 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -1,00000 -0,50000 0,00000 0,50000 1,00000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = -4,3281351E- 15 Std. Dev. = 0,40315692 N = 28 Anhang Anhang - 80 ANHANG E5 – SCHLUSSZUSAMMENFASSUNG: REGRESSION DER GEWICHTETEN DURCHSCHNITTSMIETE MIT GRAFIKEN Regression der gewichteten Durchschnittsmiete 11,5 12 12,5 13 13,5 14 14,5 15 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 [€/ m ² M on at ] Vorhersage gew. Durchschnittsmiete - PRE_12 gewichtete Durchschnittsmiete Regression der gewichteten Durchschnittsmiete 11,5 12 12,5 13 13,5 14 14,5 15 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 [€/ m² M on at ] Vorhersage gew. Durchschnittsmiete - PRE_1 gewichtete Durchschnittsmiete Anhang Anhang - 81 ANHANG E5 – SCHLUSSZUSAMMENFASSUNG: REGRESSION DER GEWICHTETEN DURCHSCHNITTSMIETE MIT GRAFIKEN Regression der gewichteten Durchschnittsmiete 11 12 13 14 15 16 17 18 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 1Q.2003 3Q.2003 1Q.2004 3Q.2004 1Q.2005 [€/ m² M on at ] Vorhersage gew. Durchschnittsmiete - PRE_2 gewichtete Durchschnittsmiete Regression der gewichteten Durchschnittsmiete 11,5 12 12,5 13 13,5 14 14,5 15 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 1Q.2003 3Q.2003 1Q.2004 3Q.2004 1Q.2005 [€/ m² M on at ] Vorhersage gew. Durchschnittsmiete - PRE_3 gewichtete Durchschnittsmiete Anhang Anhang - 82 ANHANG E5 – SCHLUSSZUSAMMENFASSUNG: REGRESSION DER GEWICHTETEN DURCHSCHNITTSMIETE MIT GRAFIKEN Regression der gewichteten Durchschnittsmiete 11,5 12 12,5 13 13,5 14 14,5 15 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 1Q.2003 3Q.2003 1Q.2004 3Q.2004 1Q.2005 [€/ m² M on at ] Vorhersage gew. Durchschnittsmiete - PRE_4 gewichtete Durchschnittsmiete Regression der gewichteten Durchschnittsmiete 11,5 12 12,5 13 13,5 14 14,5 15 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 1Q.2003 3Q.2003 1Q.2004 3Q.2004 1Q.2005 [€/ m² M on at ] Vorhersage gew. Durchschnittsmiete - PRE_5 gewichtete Durchschnittsmiete Anhang Anhang - 83 ANHANG E5 – SCHLUSSZUSAMMENFASSUNG: REGRESSION DER GEWICHTETEN DURCHSCHNITTSMIETE MIT GRAFIKEN Regression der gewichteten Durchschnittsmiete 11 12 13 14 15 16 17 18 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 1Q.2003 3Q.2003 1Q.2004 3Q.2004 1Q.2005 [€/ m² M on at ] Vorhersage gew. Durchschnittsmiete - PRE_6 gewichtete Durchschnittsmiete Regression der gewichteten Durchschnittsmiete 11,5 12 12,5 13 13,5 14 14,5 15 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 [€/ m² M on at ] Vorhersage gew. Durchschnittsmiete - PRE_7 gewichtete Durchschnittsmiete Anhang Anhang - 84 ANHANG E5 – SCHLUSSZUSAMMENFASSUNG: REGRESSION DER GEWICHTETEN DURCHSCHNITTSMIETE MIT GRAFIKEN Regression der gewichteten Durchschnittsmiete 11,5 12 12,5 13 13,5 14 14,5 15 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 1Q.2003 3Q.2003 1Q.2004 3Q.2004 1Q.2005 [€/ m² M on at ] Vorhersage gew. Durchschnittsmiete - PRE_41 gewichtete Durchschnittsmiete Anhang Anhang - 85 Anhang F ANHANG F1 –ZUSAMMENFASSUNG: REGRESSION DES FLÄCHENUMSATZES (NACH VORHERSAGEINTERVALLEN SORTIERT) Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) 35.630.000 17.630.000 26.660.000 21.250.000 26.667.471 SVP x -31,631 x -30,910 x -39,529 x -33,251 x -39,529 Erwerbstätige x x 6,444 x x 0,975 Arbeitslosenquote x x 15.015,316 x x 15.015,316 x Einwohner x -55,100 x -25,615 x -37,772 x -29,836 x -37,772 Baugenehmigung x 0,933 x 0,872 x 1,017 x 0,872 x 1,017 Fertiggestellte Flächen x -0,519 x -0,558 x -0,292 x -0,558 x -0,292 Abgang/ Abriss x 2,624 x 1,504 x x 1,504 x Leerstand x -0,173 x -0,166 x -0,135 x -0,166 x -0,135 BIP/4 x x x x x Spitzenmiete x x 5073,192 x x 5073,192 x gew. Durchschnittsmiete x x -742,237 x x -742,237 x Spitzenrendite min x -225.374 x -204.313 x -155.982 x -204.313 x -155.982 Spitzenrendite max x x -112641 x x -112641 x Flächenumsatz gesamt Neuanfragen x -0,648 x -0,544 x -0,433 x -0,544 x -0,433 Büroflächenbestand x x 0,206 x x 0,206 x Bürobeschäftigte Dobberstein x 40,633 x 24,462 x 45,11 Bürobeschäftigte Quote 0,3 x 45,110 x 32,817 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,670 0,294 0,605 0,294 0,605 Standardfehler des Schätzers 15.061,419 22.036,918 16.483,179 22.036,918 16.483,179 Signifikanz 0,008 0,367 0,011 0,367 0,011 Histogramm geht so schlecht schlecht nicht gut schlecht Q-Q-Plot sehr schlecht sehr schlecht sehr schlecht schlecht schlecht Verfahren Vorhersage 1.Q´98 - 4.Q´04 rückwärts PRE - 18 rückwärts Einschluss rückwärts Einschluss PRE - 1 PRE - 2 PRE - 3 PRE - 4 -100.000 -50.000 0 50.000 100.000 150.00 Beobachteter Wert -75.000 -50.000 -25.000 0 25.000 50.000 75.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -100000,00000 -50000,00000 0,00000 50000,00000 100000,00000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = -972,5665489 Std. Dev. = 35777,32927521 N = 28 -400.000 -300.000 -200.000 -100.000 0 100.000 200.00 Beobachteter Wert -300.000 -200.000 -100.000 0 100.000 200.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -300000,00000 -200000,00000 -100000,00000 0,00000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = -62784,0523232 Std. Dev. = 107227,78963164 N = 28 -400.000 -200.000 0 200.000 Beobachteter Wert -400.000 -200.000 0 200.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -500000,00000 -400000,00000 -300000,00000 -200000,00000 -100000,00000 0,00000 100000,00000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = -103044,895473 Std. Dev. = 172789,55074975 N = 28 -400.000 -200.000 0 200.000 Beobachteter Wert -400.000 -200.000 0 200.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -500000,00000 -400000,00000 -300000,00000 -200000,00000 -100000,00000 0,00000 100000,00000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = -98687,429544 Std. Dev. = 165944,61278091 N = 28 -400.000 -200.000 0 200.000 Beobachteter Wert -400.000 -200.000 0 200.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -500000,00000 -400000,00000 -300000,00000 -200000,00000 -100000,00000 0,00000 100000,00000 Unstandardized Residual 0 2 4 6 8 10 12 H ä u f i g k e i t Mean = -103044,895473 Std. Dev. = 172789,55074975 N = 28 Anhang Anhang - 86 ANHANG F1 –ZUSAMMENFASSUNG: REGRESSION DES FLÄCHENUMSATZES (NACH VORHERSAGEINTERVALLEN SORTIERT) Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) 6.367.742 6.820.000 6.808.658 3.644.591 6.830.004 SVP x -30,016 x -34,484 x -34,440 x -15,477 x -34,540 Erwerbstätige Arbeitslosenquote Einwohner Baugenehmigung x 0,911 x 0,924 x 0,922 x 0,606 x 0,926 Fertiggestellte Flächen x -0,420 x -0,529 x -0,526 x -0,547 x -0,529 Abgang/ Abriss x 3,176 x 2,828 x 2,801 x 3,515 x 2,823 Leerstand x -0,194 x -0,179 x -0,179 x -0,135 x -0,180 BIP/4 x 339,722 x 317,578 x 316,407 x 292,102 x 317,643 Spitzenmiete x x gew. Durchschnittsmiete x x x -5,817 x 6941,777 x -119,636 Spitzenrendite min x -241.566 x -231.402 x -228.750 x -197.739 x -231.479 Spitzenrendite max x x x -4.499,423 x 45.307,335 Flächenumsatz gesamt Neuanfragen x -0,657 x -0,653 x -0,657 x -0,628 x -0,653 Büroflächenbestand x x Bürobeschäftigte Dobberstein x 12,560 17,676 Bürobeschäftigte Quote 0,3 x x 17,761 x 17,727 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,675 0,673 0,592 0,397 0,637 Standardfehler des Schätzers 14.954,584 14.991,333 16.759,634 20.365,058 15.802,031 Signifikanz 0,007 0,008 0,043 0,119 0,019 Histogramm gut gut gut gut gut Q-Q-Plot gut gut gut gut gut Verfahren Vorhersage 1.Q´98 - 4.Q´02 PRE - 5 rückwärts rückwärts PRE - 6 PRE - 7 PRE - 8 PRE - 9 Einschluss Einschluss Einschluss -40.000 -20.000 0 20.000 40.000 Beobachteter Wert -40.000 -20.000 0 20.000 40.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -20000,00000 -10000,00000 0,00000 10000,00000 20000,00000 30000,00000 40000,00000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = 5,8497207E-10 Std. Dev. = 1 875,85587643 N = 20 -40.000 -20.000 0 20.000 40.000 Beobachteter Wert -40.000 -20.000 0 20.000 40.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -20000,00000 -10000,00000 0,00000 10000,00000 20000,00000 30000,00000 40000,00000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = 7,98976E-10 Std. Dev. = 1 875,08681566 N = 20 -30.000 -20.000 -10.000 0 10.000 20.000 30.000 40.000 Beobachteter Wert -30.000 -20.000 -10.000 0 10.000 20.000 30.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -30000,00000 -20000,00000 -10000,00000 0,00000 10000,00000 20000,00000 30000,00000 40000,00000 Unstandardized Residual 0 1 2 3 4 5 6 H ä u f i g k e i t Mean = -5,3327653E- 10 Std. Dev. = 14 16,19390563 N = 2 -40.000 -20.000 0 20.000 40.000 Beobachteter Wert -40.000 -20.000 0 20.000 40.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -20000,00000 -10000,00000 0,00000 10000,00000 20000,00000 30000,00000 40000,00000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = 1,1564438E-9 Std. Dev. = 1 875,70349922 N = 20 -40.000 -20.000 0 20.000 40.000 Beobachteter Wert -40.000 -20.000 0 20.000 40.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -20000,00000 -10000,00000 0,00000 10000,00000 20000,00000 30000,00000 40000,00000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = 1,6839863E-11 Std. Dev. = 1 849,19519685 N = 20 Anhang Anhang - 87 ANHANG F1 –ZUSAMMENFASSUNG: REGRESSION DES FLÄCHENUMSATZES (NACH VORHERSAGEINTERVALLEN SORTIERT) Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) 3.363.638 3.355.267 1.936.074 -6.778.909 -11.000.000 SVP x 14,075 x -13,786 x -8,828 x -28,922 x -33,844 Erwerbstätige x 10,494 Arbeitslosenquote x -533,559 x 15.015,36 Einwohner x 24,67 x 27,372 Baugenehmigung x 0,560 x 0,567 x 0,634 x 0,891 x 0,872 Fertiggestellte Flächen x -0,520 x -0,487 x -0,542 x -0,559 Abgang/ Abriss x 3,299 x 2,984 x 3,315 x 1,504 Leerstand x -0,127 x -0,119 x -0,155 x -0,200 x -0,166 BIP/4 x 278,930 x 274,74 x 126,397 x 487,158 x 274,787 Spitzenmiete x 5073,192 gew. Durchschnittsmiete x 8.248,209 x -613,911 x -742,237 Spitzenrendite min x -169.058 x -160.029 x -100.487,09 x -238.610 x -204.313,5 Spitzenrendite max x -16726,8 x -112641,5 Flächenumsatz gesamt Neuanfragen x 0,675 x -0,624 x -0,672 x -0,544 Büroflächenbestand x 0,09 x 0,206 Bürobeschäftigte Dobberstein Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,453 0,453 0,329 0,592 0,294 Standardfehler des Schätzers 19.388,183 19.388,309 21.481,13 16.753,57 22.036,918 Signifikanz 0,065 0,049 0,095 0,043 0,367 Histogramm gut ok ok ok / gut ok Q-Q-Plot gut gut gut gut ok Verfahren Vorhersage 1.Q´98 - 4.Q´02 PRE - 10 Einschluss Einschluss PRE - 16 Einschluss PRE - 11 PRE - 20 Einschluss Einschluss PRE - 19 -30.000 -20.000 -10.000 0 10.000 20.000 30.000 40.000 Beobachteter Wert -30.000 -20.000 -10.000 0 10.000 20.000 30.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -30000,00000 -20000,00000 -10000,00000 0,00000 10000,00000 20000,00000 30000,00000 40000,00000 Unstandardized Residual 0 1 2 3 4 5 6 H ä u f i g k e i t Mean = 8,0945028E-11 Std. Dev. = 14752,29078944 N = 20 -30.000 -20.000 -10.000 0 10.000 20.000 30.000 40.000 Beobachteter Wert -30.000 -20.000 -10.000 0 10.000 20.000 30.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -30000,00000 -20000,00000 -10000,00000 0,00000 10000,00000 20000,00000 30000,00000 40000,00000 Unstandardized Residual 0 1 2 3 4 5 6 H ä u f i g k e i t Mean = 5,1693405E-10 Std. Dev. = 14065,66618764 N = 20 -40.000 -20.000 0 20.000 40.000 Beobachteter Wert -40.000 -20.000 0 20.000 40.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -40000,00000 -20000,00000 0,00000 20000,00000 Unstandardized Residual 0 1 2 3 4 5 H ä u f i g k e i t Mean = -2,7000624E- 11 Std. Dev. = 17071,47100608 N = 20 -40.000 -20.000 0 20.000 40.000 Beobachteter Wert -40.000 -20.000 0 20.000 40.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual 0,00000 20000,00000 40000,00000 60000,00000 80000,00000 100000,00000 95% L CI for Flächenumsatz_gesamt mean 0 1 2 3 4 5 6 7 H ä u f i g k e i t Mean = 50828,7294988 Std. Dev. = 22812,50362791 N = 20 -20.000 -10.000 0 10.000 20.000 30.000 40.000 Beobachteter Wert -20.000 -10.000 0 10.000 20.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -20000,00000 -10000,00000 0,00000 10000,00000 20000,00000 30000,00000 Unstandardized Residual 0 1 2 3 4 5 6 H ä u f i g k e i t Mean = -1,9458817E-9 Std. Dev. = 10111,23137853 N = 20 Anhang Anhang - 88 ANHANG F1 –ZUSAMMENFASSUNG: REGRESSION DES FLÄCHENUMSATZES (NACH VORHERSAGEINTERVALLEN SORTIERT) Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) 6.662.290 802.904,7 494.234,5 321.167 155.860,4 SVP x -29,105 Erwerbstätige x Arbeitslosenquote x x 10652,78 Einwohner x 24,459 x -1,919 Baugenehmigung x 0,898 x 0,348 x 0,336 x 0,309 x 0,305 Fertiggestellte Flächen x -0,55 x -0,309 x -0,246 x -0,211 x -0,466 Abgang/ Abriss x 3,409 x 1,082 x 0,703 x 0,612 x 1,905 Leerstand x -0,203 x -0,097 x -0,102 x -0,117 x -0,208 BIP/4 x 488,71 x 101,948 x 61,109 x 42,172 Spitzenmiete x x 3.305,42 x 1.533,512 x -458,305 x -8.731,065 gew. Durchschnittsmiete x x 7.994,409 x 9.763,339 x 11.126,505 Spitzenrendite min x -247485 x -34.603,2 x 15.012,705 x 47.625,638 x 26.805,302 Spitzenrendite max x x -188.213 x -222.675 x -243.229 Flächenumsatz gesamt Neuanfragen x -0,653 x -0,543 x -0,589 x -0,641 x -0,281 Büroflächenbestand x x 0,09 x 0,077 x 0,062 x 0,144 Bürobeschäftigte Dobberstein x -2,186 Bürobeschäftigte Quote 0,3 x -5,49 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,673 -0,034 -0,076 0,049 0,115 Standardfehler des Schätzers 15.002,717 26.672,711 27.208,024 25.575.091 24.577,303 Signifikanz 0,008 0,555 0,592 0,464 0,282 Histogramm ok gut gut gut / ok gut / ok Q-Q-Plot ok gut / ok gut / ok gut / ok sehr gut Verfahren Vorhersage 1.Q´98 - 4.Q´02 PRE - 24 Ausnahme: PRE - 28 1.Q´98 - 4.Q´04 PRE - 28 rückwärts Einschluss Einschluss Einschluss Einschluss PRE - 21 PRE - 22 PRE - 23 -40.000 -20.000 0 20.000 40.000 Beobachteter Wert -40.000 -20.000 0 20.000 40.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -20000,00000 -10000,00000 0,00000 10000,00000 20000,00000 30000,00000 40000,00000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = -3,0206593E- 10 Std. Dev. = 10884,11462093 N = 2 -40.000 -20.000 0 20.000 40.000 Beobachteter Wert -40.000 -20.000 0 20.000 40.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -40000,00000 -20000,00000 0,00000 20000,00000 40000,00000 Unstandardized Residual 0 1 2 3 4 5 6 H ä u f i g k e i t Mean = -4,7316462E- 10 Std. Dev. = 16189,72159992 N = 20 -40.000 -20.000 0 20.000 40.000 Beobachteter Wert -40.000 -20.000 0 20.000 40.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -40000,00000 -20000,00000 0,00000 20000,00000 40000,00000 Unstandardized Residual 0 1 2 3 4 5 6 H ä u f i g k e i t Mean = 1,1129941E-10 Std. Dev. = 16514,64427898 N = 20 -40.000 -20.000 0 20.000 40.000 Beobachteter Wert -40.000 -20.000 0 20.000 40.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -40000,00000 -20000,00000 0,00000 20000,00000 40000,00000 Unstandardized Residual 0 1 2 3 4 5 6 H ä u f i g k e i t Mean = 1,6655122E-10 Std. Dev. = 16595,31017938 N = 20 -40.000 -20.000 0 20.000 40.000 Beobachteter Wert -40.000 -20.000 0 20.000 40.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -40000,00000 -20000,00000 0,00000 20000,00000 40000,00000 Unstandardized Residual 0 1 2 3 4 5 6 7 H ä u f i g k e i t Mean = 7,2347461E-11 Std. Dev. = 19501,89484598 N = 28 Anhang Anhang - 89 ANHANG F1 –ZUSAMMENFASSUNG: REGRESSION DES FLÄCHENUMSATZES (NACH VORHERSAGEINTERVALLEN SORTIERT) Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) 6.292.870 6.839.385 4.842.484 SVP x -29,817 x -34,22 x -19,472 Erwerbstätige x Arbeitslosenquote x Einwohner x Baugenehmigung x 0,92 x 0,958 x 0,806 Fertiggestellte Flächen x -0,626 x -0,621 x -0,61 Abgang/ Abriss x 3,416 x 3,013 x 2,771 Leerstand x -0,242 x -0,224 x -0,144 BIP/4 x 307,303 x 288,827 x 283,319 Spitzenmiete x -3.026,011 x -1.987,852 x 5.017,720 gew. Durchschnittsmiete x -1.483,284 x -2.666,923 x -2.003,591 Spitzenrendite min x -229970 x -233.113 x -250.775 Spitzenrendite max x -9.885,214 x -8.741,644 x -17032,5 Flächenumsatz gesamt Neuanfragen x -0,649 x -0,611 x -0,458 Büroflächenbestand x 0,068 x 0,08 x 0,12 Bürobeschäftigte Dobberstein x 12,023 Bürobeschäftigte Quote 0,3 x 16,269 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,492 0,5 0,376 Standardfehler des Schätzers 18.700,032 18.545,867 20.713,846 Signifikanz 0,143 0,138 0,191 Histogramm gut / ok gut / ok gut / ok Q-Q-Plot ok ok ok Verfahren Vorhersage 1.Q´98 - 4.Q´02 PRE - 29 PRE - 30 PRE - 31 Einschluss Einschluss Einschluss -40.000 -20.000 0 20.000 40.000 Beobachteter Wert -20.000 -10.000 0 10.000 20.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -30000,00000 -20000,00000 -10000,00000 0,00000 10000,00000 20000,00000 30000,00000 40000,00000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = 1,3013519E-9 Std. Dev. = 1 508,51063088 N = 20 -40.000 -20.000 0 20.000 40.000 Beobachteter Wert -20.000 -10.000 0 10.000 20.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -30000,00000 -20000,00000 -10000,00000 0,00000 10000,00000 20000,00000 30000,00000 40000,00000 Unstandardized Residual 0 2 4 6 8 10 H ä u f i g k e i t Mean = -1,0735555E-9 Std. Dev. = 1 421,87737188 N = 20 -40.000 -20.000 0 20.000 40.000 Beobachteter Wert -40.000 -20.000 0 20.000 40.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -30000,00000 -20000,00000 -10000,00000 0,00000 10000,00000 20000,00000 30000,00000 40000,00000 Unstandardized Residual 0 2 4 6 8 H ä u f i g k e i t Mean = 7,0494366E-10 Std. Dev. = 12572,82784538 N = 20 Anhang Anhang - 90 ANHANG F1 –ZUSAMMENFASSUNG: REGRESSION DES FLÄCHENUMSATZES (NACH VORHERSAGEINTERVALLEN SORTIERT) Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) 114.142,9 114.142,9 114.142,9 SVP Erwerbstätige Arbeitslosenquote Einwohner Baugenehmigung x 0,46 x 0,46 x 0,46 Fertiggestellte Flächen x x x Abgang/ Abriss x x x Leerstand x -0,123 x -0,123 x -0,123 BIP/4 x x x Spitzenmiete x x x gew. Durchschnittsmiete x x x Spitzenrendite min x x x Spitzenrendite max x x x Flächenumsatz gesamt Neuanfragen x x x Büroflächenbestand x x x Bürobeschäftigte Dobberstein x Bürobeschäftigte Quote 0,3 x Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,309 0,309 0,309 Standardfehler des Schätzers 21.793,831 21.783,831 21.793,831 Signifikanz 0,017 0,017 0,017 Histogramm gut gut gut Q-Q-Plot gut gut gut Verfahren Vorhersage 4.Q´95 - 2.Q´05 PRE - 25 rückwärts rückwärts rückwärts PRE - 26 PRE - 27 -50.000 0 50.000 100.000 Beobachteter Wert -100.000 -50.000 0 50.000 100.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -50000,00000 0,00000 50000,00000 100000,00000 Unstandardized Residual 0 3 6 9 12 15 H ä u f i g k e i t Mean = 4224,2527438 Std. Dev. = 40901,6150612 N = 39 -50.000 0 50.000 100.000 Beobachteter Wert -100.000 -50.000 0 50.000 100.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -50000,00000 0,00000 50000,00000 100000,00000 Unstandardized Residual 0 3 6 9 12 15 H ä u f i g k e i t Mean = 4224,2527438 Std. Dev. = 40901,6150612 N = 39 -50.000 0 50.000 100.000 Beobachteter Wert -100.000 -50.000 0 50.000 100.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -50000,00000 0,00000 50000,00000 100000,00000 Unstandardized Residual 0 3 6 9 12 15 H ä u f i g k e i t Mean = 4224,2527438 Std. Dev. = 40901,6150612 N = 39 Anhang Anhang - 91 ANHANG F1 –ZUSAMMENFASSUNG: REGRESSION DES FLÄCHENUMSATZES (NACH VORHERSAGEINTERVALLEN SORTIERT) Einflussfaktoren integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis integriert Ergebnis KONSTANTE (Regr.ergebnis) 114.142,9 159.459,0 114.142,9 114.142,9 935.000,928 SVP x x Erwerbstätige Arbeitslosenquote x Einwohner x Baugenehmigung x 0,46 x x 0,46 x 0,46 x Fertiggestellte Flächen x x Abgang/ Abriss x x Leerstand x -0,123 x x -0,123 x -0,123 x -0,034 BIP/4 x x 58,882 x x Spitzenmiete x x x gew. Durchschnittsmiete x x x x x Spitzenrendite min x x x x x Spitzenrendite max x x -107.406 x Flächenumsatz gesamt Neuanfragen x x x Büroflächenbestand x x x x x Bürobeschäftigte Dobberstein x x x x Bürobeschäftigte Quote 0,3 Bürobeschäftigte Quote 0,5 Bürobeschäftigte Quote 1,0 korrigiertes R² 0,309 0,233 0,309 0,309 0,087 Standardfehler des Schätzers 21.793,831 22.963,598 21.793,831 21.753,831 24.953,099 Signifikanz 0,017 0,041 0,017 0,017 0,07 Histogramm gut gut gut gut gut Q-Q-Plot gut gut gut gut gut Verfahren Vorhersage 4.Q´95 - 2.Q´05 rückwärts rückwärts PRE - 15 rückwärts rückwärts rückwärts PRE - 17PRE - 12 PRE - 13 PRE - 14 Ausnahme: PRE - 13 4.Q´95 - 4.Q´02 -50.000 0 50.000 100.000 Beobachteter Wert -100.000 -50.000 0 50.000 100.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -50000,00000 0,00000 50000,00000 100000,00000 Unstandardized Residual 0 3 6 9 12 15 H ä u f i g k e i t Mean = 4224,2527438 Std. Dev. = 40901,6150612 N = 39 -50.000 -25.000 0 25.000 50.000 75.000 Beobachteter Wert -60.000 -40.000 -20.000 0 20.000 40.000 60.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -40000,00000 -20000,00000 0,00000 20000,00000 40000,00000 60000,00000 Unstandardized Residual 0 1 2 3 4 5 6 H ä u f i g k e i t Mean = 7817,2889542 Std. Dev. = 24098,27187989 N = 29 -50.000 0 50.000 100.000 Beobachteter Wert -100.000 -50.000 0 50.000 100.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -50000,00000 0,00000 50000,00000 100000,00000 Unstandardized Residual 0 3 6 9 12 15 H ä u f i g k e i t Mean = 4224,2527438 Std. Dev. = 40901,6150612 N = 39 -50.000 0 50.000 100.000 Beobachteter Wert -100.000 -50.000 0 50.000 100.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -50000,00000 0,00000 50000,00000 100000,00000 Unstandardized Residual 0 3 6 9 12 15 H ä u f i g k e i t Mean = 4224,2527438 Std. Dev. = 40901,6150612 N = 39 -80.000 -60.000 -40.000 -20.000 0 20.000 40.000 60.000 Beobachteter Wert -80.000 -60.000 -40.000 -20.000 0 20.000 40.000 60.000 E r w a r t e t e r W e r t v o n N o r m a l Q-Q-Diagramm von Normal von Unstandardized Residual -80000,00000 -60000,00000 -40000,00000 -20000,00000 0,00000 20000,00000 40000,00000 60000,00000 Unstandardized Residual 0 2 4 6 8 10 12 14 H ä u f i g k e i t Mean = -7422,6116396 Std. Dev. = 27347,77202181 N = 39 Anhang Anhang - 92 ANHANG F2 –SCHLUSSZUSAMMENFASSUNG: REGRESSION DES FLÄCHENUMSATZES MIT GRAFIKEN E in f lu s s f a k t o r e n i n te g r i e r t E r g e b n i s i n te g r i e r t E r g e b n i s i n te g r i e r t E r g e b n i s i n te g r i e r t E r g e b n i s K O N S T A N T E ( R e g r .e r g e b n i s ) 3 5 .6 3 0 .0 0 0 1 7 .6 3 0 .0 0 0 - 6 .7 7 8 .9 0 9 - 1 1 .0 0 0 .0 0 0 S V P x - 3 1 ,6 3 1 x - 3 0 ,9 1 0 x - 2 8 ,9 2 2 x - 3 3 ,8 4 4 E r w e r b s tä t i g e x x 6 ,4 4 4 x 1 0 ,4 9 4 A r b e i ts l o s e n q u o te x x 1 5 .0 1 5 ,3 1 6 x - 5 3 3 ,5 5 9 x 1 5 .0 1 5 ,3 6 0 E i n w o h n e r x - 5 5 ,1 0 0 x - 2 5 ,6 1 5 x 2 4 ,6 7 x 2 7 ,3 7 2 B a u g e n e h m i g u n g x 0 ,9 3 3 x 0 ,8 7 2 x 0 ,8 9 1 x 0 ,8 7 2 F e r t i g g e s te l l te F l ä c h e n x - 0 ,5 1 9 x - 0 ,5 5 8 x - 0 ,5 4 2 x - 0 ,5 5 9 A b g a n g / A b r i s s x 2 ,6 2 4 x 1 ,5 0 4 x 3 ,3 1 5 x 1 ,5 0 4 L e e r s ta n d x - 0 ,1 7 3 x - 0 ,1 6 6 x - 0 ,2 0 0 x - 0 ,1 6 6 B IP /4 x x x 4 8 7 ,1 5 8 x 2 7 4 ,7 8 7 S p i tz e n m i e te x x 5 .0 7 3 ,1 9 2 x 5 0 7 3 ,1 9 2 g e w . D u r c h s c h n i t t s m i e te x x - 7 4 2 ,2 3 7 x - 7 4 2 ,2 3 7 S p i tz e n r e n d i te m i n x - 2 2 5 .3 7 4 x - 2 0 4 .3 1 3 x - 2 3 8 .6 1 0 x - 2 0 4 .3 1 3 ,5 S p i tz e n r e n d i te m a x x x - 1 1 2 .6 4 1 x - 1 6 7 2 6 ,8 x - 1 1 2 .6 4 1 ,5 F l ä c h e n u m s a tz g e s a m t N e u a n f r a g e n x - 0 ,6 4 8 x - 0 ,5 4 4 x - 0 ,6 7 2 x - 0 ,5 4 4 B ü r o f l ä c h e n b e s ta n d x x 0 ,2 0 6 x 0 ,2 0 6 B ü r o b e s c h ä f t i g te D o b b e r s te i n x 4 0 ,6 3 3 x 2 4 ,4 6 2 B ü r o b e s c h ä f t i g te Q u o te 0 ,3 B ü r o b e s c h ä f t i g te Q u o te 0 ,5 B ü r o b e s c h ä f t i g te Q u o te 1 ,0 k o r r i g i e r t e s R ² 0 ,6 7 0 0 ,2 9 4 0 ,5 9 2 0 ,2 9 4 S ta n d a r d fe h l e r d e s S c h ä tz e r s 1 5 .0 6 1 ,4 1 9 2 2 .0 3 6 ,9 1 8 1 6 .7 5 3 ,5 7 2 2 .0 3 6 ,9 1 8 S i g n i f i k a n z 0 ,0 0 8 0 ,3 6 7 0 ,0 4 3 0 ,3 6 7 H i s to g r a m m g e h t s o s c h l e c h t o k / g u t o k Q - Q - P l o t s e h r s c h l e c h t s e h r s c h l e c h t g u t o k V e r fa h r e n P R E - 1 P R E - 2 r ü c k w ä r ts E i n s c h l u s s P R E - 1 9 P R E - 2 0 E i n s c h l u s s E i n s c h l u s s - 1 0 0 . 0 0 0 - 5 0 . 0 00 0 5 0 . 0 0 0 1 0 0 .0 0 0 1 5 0 . 0 0 B e o b a c h t e t e r W e r t - 7 5 . 0 0 0 - 5 0 . 0 0 0 - 2 5 . 0 0 0 0 2 5 . 0 0 0 5 0 . 0 0 0 7 5 . 0 0 0 E r w a r t e t e r W e r t v o n N o r m a l Q -Q - D i a g r a m m v o n N o r m a l v o n U n s t a n d a r d i z e d R e s i d u a l -100000 ,00000 -50000 ,00000 0,00000 50000 ,00000 100000,00000 U n s ta n d a rd i z e d R e s id u a l 0 2 4 6 8 1 0 1 2 H ä u f i g k e i t M e a n = -9 7 2 , 5 6 6 5 4 8 9 S t d . D e v . = 3 5 7 7 7 , 3 2 9 2 7 5 21 N = 2 8 - 4 0 0 . 0 0 0 -3 0 0 . 0 0 0 - 2 0 0 .0 0 0 -1 0 0 .0 0 0 0 1 0 0 . 0 0 0 2 0 0 . 00 B e o b a c h t e t e r W e r t - 3 0 0 .0 0 0 - 2 0 0 .0 0 0 - 1 0 0 .0 0 0 0 1 0 0 . 0 0 0 2 0 0 . 0 0 0 E r w a r t e t e r W e r t v o n N o r m a l Q -Q - D i a g r a m m v o n N o r m a l v o n U n s t a n d a r d i z e d R e s i d u a l -3 0 0 0 0 0 , 0 0 0 0 0 - 2 0 0 00 0 , 0 0 0 0 0 - 1 0 0 0 0 0 , 0 0 0 0 0 0 , 0 00 0 0 U n s ta n d a rd i z e d R e s id u a l 0 2 4 6 8 1 0 1 2 H ä u f i g k e i t M e a n = -6 2 7 8 4 , 05 2 3 2 3 2 S t d . D e v . = 1 0 7 2 2 7 , 7 8 9 6 3 1 6 4 N = 2 8 - 4 0 .0 0 0 -2 0 . 0 0 0 0 2 0 . 0 0 0 4 0 . 0 0 0 B e o b a c h t e t e r W e r t - 4 0 . 0 0 0 - 2 0 . 0 0 0 0 2 0 . 0 0 0 4 0 . 0 0 0 E r w a r t e t e r W e r t v o n N o r m a l Q -Q - D i a g r a m m v o n N o r m a l v o n U n s t a n d a r d i z e d R e s i d u a l 0,00000 20000 ,00000 40000 ,00000 60000 ,00000 80000 ,00000 100000 ,00000 9 5 % L C I f o r F l ä c h e n u m s a t z _ g e s a m t m e a n 0 1 2 3 4 5 6 7 H ä u f i g k e i t M e a n = 5 0 82 8 ,7 2 9 4 9 8 8 S t d . D e v . = 2 2 8 1 2 ,5 0 3 6 2 7 9 1 N = 2 0 - 2 0 . 0 0 0 -1 0 .0 0 0 0 1 0 . 0 0 0 20 . 0 0 0 3 0 . 0 0 0 4 0 .0 0 0 B e o b a c h t e t e r W e r t - 2 0 . 0 0 0 - 1 0 . 0 0 0 0 1 0 . 0 0 0 2 0 . 0 0 0 E r w a r t e t e r W e r t v o n N o r m a l Q -Q - D i a g r a m m v o n N o r m a l v o n U n s t a n d a r d i z e d R e s i d u a l -20000 ,00000 -10000 ,00000 0,00000 10000 ,00000 20000,00000 30000 ,00000 U n s t a n d a r d i z e d R e s id u a l 0 1 2 3 4 5 6 H ä u f i g k e i t M e a n = -1 , 9 4 5 8 8 1 7 E -9 S t d . D e v . = 1 0 1 1 1 , 2 3 1 3 7 8 5 3 N = 2 0 Anhang Anhang - 93 ANHANG F2 –SCHLUSSZUSAMMENFASSUNG: REGRESSION DES FLÄCHENUMSATZES MIT GRAFIKEN Regression des Flächenumsatzes 0 20000 40000 60000 80000 100000 120000 140000 160000 180000 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 1Q.2003 3Q.2003 1Q.2004 3Q.2004 Vorhersage Flächenumsatz - PRE_1 Flächenumsatz_gesamt Regression des Flächenumsatzes 0 20000 40000 60000 80000 100000 120000 140000 160000 180000 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 1Q.2003 3Q.2003 1Q.2004 3Q.2004 Vorhersage Flächenumsatz - PRE_2 Flächenumsatz_gesamt Anhang Anhang - 94 ANHANG F2 –SCHLUSSZUSAMMENFASSUNG: REGRESSION DES FLÄCHENUMSATZES MIT GRAFIKEN Regression des Flächenumsatzes 0 20000 40000 60000 80000 100000 120000 140000 160000 180000 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 Vorhersage Flächenumsatz - PRE_19 Flächenumsatz_gesamt Regression des Flächenumsatzes 0 20000 40000 60000 80000 100000 120000 140000 160000 180000 1Q.1998 3Q.1998 1Q.1999 3Q.1999 1Q.2000 3Q.2000 1Q.2001 3Q.2001 1Q.2002 3Q.2002 Vorhersage Flächenumsatz - PRE_20 Flächenumsatz_gesamt