Fallstudie Volksbank: AVM-Rollout senkt Bewertungskosten 68%

Ausgangslage: Eine Genossenschaftsbank am Limit ihrer Bewertungskapazität

Die in dieser Fallstudie anonymisiert dargestellte Volksbank (Bilanzsumme 6,8 Mrd. EUR, rund 42.000 wohnwirtschaftliche Finanzierungen im Bestand) stand 2024 vor einem strukturellen Problem: Die manuelle Immobilienbewertung für Neukredite, Sicherheitenüberwachung und Portfolio-Reporting skalierte nicht mehr mit dem Wachstum des Kreditgeschäfts. Gleichzeitig erhöhten MaRisk AT 4.3.2, die EBA-Leitlinien zur Kreditvergabe (EBA/GL/2020/06) und die nahende Basel-IV-Umsetzung den Druck auf Bewertungsqualität, Nachvollziehbarkeit und Frequenz der Marktwertüberprüfungen.

Vor der Einführung einer AVM-Software (Automated Valuation Model) verarbeitete die Bank jährlich rund 18.000 Bewertungsfälle über eine Kombination aus externen Gutachtern, Sparkassen-Bewertungsrichtlinien-Tools und manuellen Excel-Kalkulationen. Die durchschnittliche Durchlaufzeit pro Wertermittlung betrug 3,2 Arbeitstage, die Vollkosten lagen bei 148 EUR pro Fall. In dieser Fallstudie zeigen wir auf, wie die Bank mit einer hybriden AVM-Lösung innerhalb von neun Monaten die Bewertungskosten um 68 % senkte, die Durchlaufzeit auf durchschnittlich 4 Minuten reduzierte und gleichzeitig die regulatorische Belastbarkeit deutlich steigerte.

Die Herausforderung: Regulatorik trifft auf operative Engpässe

Die Problemanalyse im Rahmen des Projekt-Kickoffs identifizierte fünf kritische Schmerzpunkte, die in dieser oder ähnlicher Form bei nahezu jedem mittelständischen Kreditinstitut in Deutschland auftreten:

• Bewertungsstau im Neugeschäft: 23 % der Finanzierungsanträge überschritten die interne SLA von 48 Stunden bis zum Kreditvotum, primär aufgrund fehlender Wertgutachten.
• Unregelmäßige Sicherheitenüberwachung: Nur 31 % der Bestandsengagements wurden im gesetzlich bzw. intern vorgeschriebenen Turnus neu bewertet — ein Befund, den auch die interne Revision in ihrem Bericht 2023 als wesentliches Feststellungsrisiko einstufte.
• Inkonsistente Bewertungsmethodik: Unterschiedliche Mitarbeiter in den Regionalmärkten wandten Vergleichswert-, Sachwert- und Ertragswertverfahren uneinheitlich an, was zu Bewertungsstreuungen von bis zu 22 % bei vergleichbaren Objekten führte.
• Keine portfolioweite Stresstest-Fähigkeit: Für ICAAP- und Stresstest-Anforderungen mussten Portfoliowerte über Näherungsverfahren und statische LTV-Annahmen geschätzt werden, was die BaFin im Rahmen einer 44er-Prüfung kritisch beleuchtete.
• Hohe externe Gutachterkosten: Rund 4.800 externe Kurzgutachten pro Jahr verursachten Kosten von 620.000 EUR, ohne dass diese strukturierten Daten zurück in die Bewertungssystematik flossen.

Aus diesen Befunden leitete der Vorstand einen klaren Business Case ab: Die Bewertungsinfrastruktur musste industrialisiert werden — ohne Kompromisse bei Bewertungsqualität, Prüffähigkeit und regulatorischer Konformität.

Die Lösung: Hybrid-AVM mit hedonischem Modell und ML-Layer

Die Bank entschied sich nach einer sechs-wöchigen Ausschreibungsphase mit fünf eingeladenen Anbietern für eine hybride AVM-Architektur, bei der ein klassisches hedonisches Preismodell mit einem Machine-Learning-Layer (Gradient Boosting, XGBoost) kombiniert wird. Diese Architektur hat sich in der Praxis als überlegen erwiesen, weil sie die Interpretierbarkeit hedonischer Regressionsmodelle mit der Präzision nichtlinearer ML-Verfahren verbindet.

Kernkomponenten der eingeführten AVM-Software

• Hedonisches Basismodell: Erklärt rund 82 % der Preisvarianz über strukturelle Merkmale (Wohnfläche, Baujahr, Zustand, Ausstattung, Mikrolage) und liefert die regulatorisch geforderte Nachvollziehbarkeit.
• ML-Residual-Layer: Korrigiert Prognosefehler des hedonischen Modells über Gradient Boosting auf 47 Merkmalen, inklusive alternativer Datenquellen (Lärmkarten, Schulqualität, ÖPNV-Anbindung, Klimarisiko-Scores).
• Konfidenz-Scoring: Jede Bewertung erhält ein dreistufiges Konfidenzlevel (High, Medium, Low), das automatisch entscheidet, ob ein Fall zur manuellen Nachbearbeitung oder zum externen Gutachter eskaliert wird.
• Audit-Trail und XAI-Komponente: SHAP-Werte und Feature-Importance-Plots werden pro Bewertung gespeichert, um Explainable-AI-Anforderungen nach EU AI Act und MaRisk AT 4.1 zu erfüllen.
• Bulk-Bewertung für Portfolio-Screening: Tägliche Neubewertung des gesamten wohnwirtschaftlichen Bestands (42.000 Objekte) in unter 45 Minuten.

Datenbasis und Modelltraining

Das Modell wurde auf einer Trainingsmenge von 2,1 Millionen Transaktionsdatensätzen (Kaufpreissammlungen der Gutachterausschüsse, Notariatsdaten, Angebotsdaten) aus den Jahren 2016–2024 kalibriert. Für die bankspezifische Feinjustierung wurden zusätzlich 38.000 historische Gutachten der Volksbank selbst genutzt, was die Prognosegenauigkeit auf dem Heimatmarkt um weitere 4,2 Prozentpunkte verbesserte.

Implementierungsphasen: Vom Proof of Concept zum produktiven Rollout

Phase 1 — Proof of Concept (Wochen 1–6)

In der ersten Phase wurde die AVM auf einem Backtesting-Datensatz von 3.200 abgeschlossenen Finanzierungsfällen aus den Vorjahren validiert. Die Ergebnisse übertrafen die internen Erwartungen:

• Medianer absoluter prozentualer Fehler (MdAPE): 5,8 % (Benchmark: < 10 %)
• 95-%-Konfidenzintervall: Abweichungen < 18 %
• Hit-Rate im ±10-%-Bereich: 78,3 %

Phase 2 — Integration in Kernbankensystem und Kreditprozess (Wochen 7–20)

Die AVM wurde über eine REST-API in agree21 (Genossenschaftliche FinanzGruppe) und das hauseigene Kredit-Workflow-System integriert. Der Kreditsachbearbeiter erhält ab sofort mit einem Klick die AVM-Bewertung inklusive Konfidenzlevel, Bewertungsspanne und Audit-Trail direkt im Antragsprozess. Parallel wurde die Governance nach MaRisk AT 4.3.2 dokumentiert: Modellverantwortung, Validierungsfrequenz, Eskalationsregeln und Second-Line-of-Defense-Review durch das Risikocontrolling.

Phase 3 — Bulk-Bewertung und Portfolio-Screening (Wochen 21–30)

Parallel zum operativen Rollout wurde die Bulk-Bewertungs-Pipeline produktiv gesetzt. Einmal wöchentlich wird das komplette wohnwirtschaftliche Portfolio neu bewertet, Ergebnisse fließen automatisch in LTV-Monitoring, Frühwarnsystem, ICAAP-Kapitalplanung und Pfandbrief-Deckungsmassenreporting.

Phase 4 — Mitarbeiterschulung und Change Management (Wochen 25–36)

Oft unterschätzt, in diesem Projekt jedoch entscheidend: Rund 180 Kreditsachbearbeiter, Kreditanalysten und Marktfolge-Mitarbeiter wurden in sechs Schulungsterminen auf die neue Systematik trainiert. Der Fokus lag darauf, den AVM-Output nicht blind zu übernehmen, sondern das Konfidenzlevel kritisch zu hinterfragen.

Messbare Ergebnisse nach 12 Monaten Produktivbetrieb

Zwölf Monate nach dem Go-Live dokumentierte die Bank die folgenden Kennzahlen in ihrem internen Quartals-Reporting an den Vorstand und den Aufsichtsrat:

Operative Kennzahlen

• Durchlaufzeit pro Bewertung: von 3,2 Tagen auf 4 Minuten (Reduktion um 99,9 %)
• Vollkosten pro Bewertung: von 148 EUR auf 47 EUR (Reduktion um 68 %)
• Externe Kurzgutachten: von 4.800 auf 1.150 pro Jahr (Reduktion um 76 %, Einsparung ca. 470.000 EUR)
• Bewertungsstau im Neugeschäft: von 23 % auf 2,1 % Fälle über SLA
• Abdeckung Sicherheitenüberwachung: von 31 % auf 100 % im regulatorisch geforderten Turnus

Qualitative und regulatorische Effekte

• Die interne Revision bewertete das AVM-Governance-Framework im Folgeaudit 2025 als "angemessen und wirksam".
• Die BaFin erkannte den Einsatz der AVM im Rahmen einer Prüfung nach § 44 KWG als konform mit MaRisk AT 4.3.2 und EBA/GL/2020/06 an.
• Für die Basel-IV-Umsetzung zum 1.1.2025 standen der Bank erstmals konsistente, hochfrequent aktualisierte LTV-Werte für die Berechnung des Kreditrisikostandardansatzes zur Verfügung.
• Das Pfandbrief-Deckungsstockreporting an die Aufsicht wurde von einem monatlichen auf einen wöchentlichen Rhythmus umgestellt.

ROI und Amortisation

Bei Einsparungen von jährlich rund 1,82 Mio. EUR (Kosten externer Gutachten, interne Personalkapazitäten, vermiedene Opportunitätskosten durch schnellere Kreditentscheidungen) und Gesamtinvestitionskosten von 890.000 EUR (Software-Lizenzen, Integration, Schulung, interne Projektressourcen) amortisierte sich das Projekt nach knapp sieben Monaten. Der Return on Investment über drei Jahre liegt bei 512 %.

Erfolgsfaktoren: Was dieses AVM-Projekt von gescheiterten unterscheidet

Aus der Retrospektive des Projektteams und aus unserer Erfahrung mit über 40 AVM-Implementierungen in der DACH-Region lassen sich fünf Erfolgsfaktoren destillieren, die den Unterschied zwischen gelungenen und gescheiterten Projekten ausmachen:

1. Klares Commitment auf C-Level: Der Vorstand Markt trug die Entscheidung mit und schirmte das Projekt vor internen Partikularinteressen ab.
2. Frühzeitige Einbindung von Risikocontrolling, Compliance und Revision: Alle Stakeholder mit Vetopositionen wurden in die Anforderungsdefinition einbezogen.
3. Hybrider Modellansatz statt Black-Box-ML: Die Kombination aus hedonischem Basismodell und ML-Residual-Layer verbindet regulatorische Erklärbarkeit mit Prognosequalität.
4. Echtes Backtesting statt Anbieterversprechen: Die Bank bestand auf einem Proof of Concept mit eigenen historischen Daten, nicht auf aggregierten Benchmarks des Anbieters.
5. Investition in Change Management: Mitarbeiterakzeptanz entscheidet über die tatsächliche Nutzungsrate und damit über den realisierten ROI.

Übertragbarkeit: Was andere Banken aus diesem Case lernen können

Die beschriebene Fallstudie ist kein Einzelfall. Vergleichbare Ergebnisgrößen — Kostenreduktion im Bereich von 55–75 %, Durchlaufzeit-Verkürzung um mehr als 95 %, vollständige Sicherheitenüberwachung — werden aktuell von Sparkassen, Pfandbriefbanken, Direktbanken und Bausparkassen in ähnlichen Projekten realisiert. Entscheidend ist dabei nicht die Wahl eines spezifischen Anbieters, sondern die konsequente Umsetzung der Erfolgsfaktoren.

Wer den Einstieg in eine AVM-Transformation plant, sollte mit einem klar abgegrenzten Use Case starten (z.B. Neugeschäft wohnwirtschaftlich), von Beginn an das Governance-Framework nach MaRisk mitdenken und auf einen hybriden Modellansatz setzen. Ergänzend empfiehlt sich ein Blick auf benachbarte Themen wie Klimarisiken in der Immobilienbewertung, Stresstests für Immobilienportfolios und die Integration in Kernbankensysteme, die jeweils in eigenen Fachbeiträgen auf immobilienbewertung-software.de vertieft werden.

Fazit: AVM-Software ist ein strategischer Hebel, kein reines Kostenthema

Die Fallstudie der Volksbank zeigt, dass automatisierte Bewertungsmodelle weit über die Einsparung manueller Gutachterkosten hinausgehen. Sie sind der Schlüssel zu einer industrialisierten, regulatorisch belastbaren und datengetriebenen Kreditvergabe. Banken, die diesen Transformationsschritt heute gehen, schaffen sich einen strukturellen Wettbewerbsvorteil — sowohl gegenüber FinTechs als auch gegenüber klassischen Wettbewerbern, die noch auf manuelle Prozesse setzen.

Wenn Sie für Ihr Institut prüfen möchten, welches Einsparpotenzial eine AVM-Einführung konkret bietet, unterstützen wir Sie mit einem strukturierten Business-Case-Assessment. Vereinbaren Sie ein Erstgespräch mit unseren AVM-Spezialisten und erhalten Sie eine individuelle Potenzialanalyse auf Basis Ihrer Portfolio-Kennzahlen.