DEUTSCHE B- UND C-STÄDTE VERSUS A-STÄDTE: Wo winkt ... · dite-Risiko-Verhältnis für...

bulwiengesa

DEUTSCHE B- UND C-STÄDTE VERSUS A-STÄDTE:

Wo winkt Wohninvestments das besteRendite-Risiko-Verhältnis?

Auftraggeber: d.i.i. Deutsche Invest Immobilien GmbHBiebricher Allee 2, 65187 Wiesbaden

München, 23. Februar 2019

Seite 2/33© bulwiengesa AG 2019 – P1805-4529

Die in diesem Marktbericht vorgelegten Ermittlungen und Berechnun-gen sowie die durchgeführten Recherchen wurden nach bestem Wissenund mit der nötigen Sorgfalt auf der Grundlage vorhandener oder in derBearbeitungszeit zugänglicher Quellen erarbeitet. Eine Gewähr für diesachliche Richtigkeit wird nur für selbst ermittelte und erstellte Informati-onen und Daten im Rahmen der üblichen Sorgfaltspflicht übernommen.Eine Gewähr für die sachliche Richtigkeit für Daten und Sachverhalteaus dritter Hand wird nicht übernommen.

Die Ausfertigungen dieses Marktberichts bleiben bis zur vollständigenBezahlung des vereinbarten Honorars unser Eigentum. Der Marktberichtist urheberrechtlich geschützt und bei der bulwiengesa AG registriert.Alleine der Auftraggeber ist berechtigt, den Marktbericht oder Auszüge

davon (diese jedoch nur mit Quellenangabe) für die gemäß Angebot/Auftrag vereinbarte Zweckbestimmung weiterzugeben. Vervielfältigun-gen, Veröffentlichungen und Weitergabe von Inhalten an Dritte in jegli-cher Form sind grundsätzlich nur mit vorheriger schriftlicher Genehmi-gung der bulwiengesa AG und nur mit Angabe der Originalquelle ge-stattet. Ausgenommen ist die Verwendung des Marktberichts oder Teiledavon für Vermarktungsprospekte, hier ist ausnahmslos die vorherigeschriftliche Einwilligung der bulwiengesa AG einzuholen.

Interpretiert und bewertet werden die Ergebnisse vor dem Hintergrundder Erfahrungen der bulwiengesa AG in ihrer deutschland- und europa-weiten Forschungs- und Beratungstätigkeit.

bulwiengesa AG

Nymphenburger Straße 580335 MünchenTel. +49 89 23 23 76-0Fax +49 89 23 23 76-76

Vorstand:Ralf-Peter KoschnyThomas Voßkamp

Aufsichtsratsvorsitzender:Bernhard H. [email protected]

Hauptsitz: BerlinRechtsform: AGUSt-ID: DE 164508347Charlottenburg HRB 95407 B

HypoVereinsbank MünchenBIC: HYVEDEMMXXXIBAN: DE13700202704410433058

Urheberrechtlicher Hinweis

RENDITE-RISIKO-VERHÄLTNIS FÜR WOHNINVESTMENTS

SEITE

VORBEMERKUNGEN 3

METHODIK 5

ERGEBNISSE RENDITEKOMPONENTE 8

ERGEBNISSE RISIKOKOMPONENTE 12

ZUSAMMENFASSUNG 15

DATENBLÄTTER A-, B- UND C-STÄDTE 17

INHALTSVERZEICHNIS

bulwiengesa

© bulwiengesa AG 2019 – P1805-4529 Seite 3/33

bulwiengesaRENDITE-RISIKO-VERHÄLTNIS FÜR WOHNINVESTMENTS

1 VORBEMERKUNG

Im Auftrag der d.i.i. Deutsche Invest Immobilien GmbH unter-sucht bulwiengesa im vorliegenden Marktreport das Rendite-Risiko-Verhältnis für Wohninvestments in deutschen A-, B- undC-Standorten. Geographisch deckt die Studie damit 43 Städtein allen Teilen Deutschlands ab, die in Summe über 21 Mio.Einwohner verfügen.

Angesichts des stark gestiegenen Capital Values von Miet- undEigentumswohnungen und der knappen Baulandverfügbarkeitin den A-Städten richtet sich der Fokus von Bauträgern und In-vestoren vermehrt auf die sogenannten B- und C-Städte. Durchihre "nur" regionale und nationale Bedeutungskraft reichen siean die zum Teil internationale Bedeutung der A-Städte, wiez. B. München, Berlin oder Frankfurt, nicht heran. Trotzdem istihr Stellenwert auf nationaler und regionaler Ebene nicht zu un-terschätzen und bietet durchaus interessante Investitionsalter-nativen, zumal sie teilweise in Ballungsräumen oder im nahenUmfeld wichtiger A-Städte zu finden sind. Insbesondere hierbietet sich für B- und C-Städte die Möglichkeit, an dem vorherr-schenden Nachfragedruck am Wohnungsmarkt in den A-Städ-ten zu partizipieren.

So finden sich hier oftmals zwar ähnliche Entwicklungspfadevon Indikatoren, wie Einwohner- und Beschäftigtenentwicklung,Miet- und Kaufpreise von Wohnungen sowie Grundstücksprei-se für Mehrfamilienhäuser, aber das aktuelle Preis- und Mietni-veau ist meist doch noch deutlich moderater. Gleichzeitig sinddiese Märkte fast alle von einem mehr oder weniger ausge-prägten Mangel an Wohnungsbautätigkeit und vernachlässig-baren Wohnungsleerstandsquoten gekennzeichnet. Insofern istes auch aus diesen Gesichtspunkten nur nachvollziehbar, dassB- und C-Städte in den Anlagefokus von immer mehr Woh-nungsinvestoren geraten.

Der vorliegende Marktreport soll mittels fachgerechter Datenund Modellen die Frage beantworten, welche Märkte außerhalbder A-Städte das beste Verhältnis aus Rendite und Risiko fürWohninvestments bieten. Dieser Überblick ermöglicht eine ers-te bzw. schnellere Fokussierung auf die Wohnungsmärkte derStädte, die über ein gutes bis sehr gutes Potenzial für Woh-nungsinvestments verfügen.

Im Rahmen des Marktreports werden somit alle sieben A-Städ-te, 14 B-Städte und 22 C-Städte abgedeckt:

Leitfrage

Die grundlegende Frage, die der Marktreport beantworten soll,ist somit:

Sind die B-/C-Städte hinsichtlich ihres spezifi-schen Rendite-Risiko-Verhältnisses eine sinn-volle Alternative zu den A-Städten?

Eine folgerichtige Annäherung an das Thema stellt eine zwei-stufige Vorgehensweise in Form der Betrachtung der Rendite-seite einerseits und der Risikoseite andererseits dar. Die Studieliefert somit durch eine Betrachtung des Rendite-Risiko-Ver-hältnisses einen neuen Ansatz für die Beurteilung, wo Wohnin-vestments derzeit am sinnvollsten erscheinen.

Diese Frage impliziert vor allem auch die Verschiebung des Fo-kus weg von den klassischen A-Standort-Märkten, hin zu B-und C-Standorten, die Potenzial für Investoren aufweisen. In-vestoren wird damit ein schneller, erster Überblick über dieWohnungsmärkte ermöglicht.

StädtekategorisierungA-Städte (7)Berlin

B-Städte (14)Bochum

C-Städte (22)Aachen

DüsseldorfFrankfurt (Main)HamburgKöln

BonnBremen

AugsburgBielefeld

DortmundDresden

BraunschweigDarmstadt

MünchenStuttgart

DuisburgEssen

ErfurtErlangen

HannoverKarlsruhe

FreiburgHeidelberg

LeipzigMannheim

KielLübeck

MünsterNürnberg

MagdeburgMainz

Wiesbaden MönchengladbachMülheim (Ruhr)Offenbach (Main)OsnabrückPotsdamRegensburgRostockSaarbrückenWuppertal



Neuigkeitswert

Anhand des vorliegenden Marktreports wird versucht, vor allemregionale Aussagen zu treffen, in welchen Städten Wohninvest-ments sinnvoll erscheinen. Insbesondere im Hinblick auf die inzweiter und dritter Reihe stehenden B- und C-Städte wird indiesem Rahmen ein besonderer Fokus gelegt. Sie bieten In-vestoren teilweise noch versteckte Potenziale, die es zu ermit-teln gilt.

Insbesondere die Kombination aus einer Betrachtung der Ren-dite und des Risikos mittels eines Scorings auf Kreisebene er-möglicht eine neue Annäherung an eine Frage, die auf Investo-renebene seit geraumer Zeit besteht.

Über die d.i.i. Gruppe

Die d.i.i. Gruppe wurde 2006 gegründet und ist ein integriertesWohnungsunternehmen mit den Standbeinen Bestandsent-wicklung und Neubau von Wohnimmobilien. Der Aufbau unddas Management von Wohnimmobilienportfolios für institutio-nelle und private Investoren bilden das Kerngeschäft der d.i.i.Gruppe.

Seit 2015 realisiert die d.i.i. Gruppe auch Neubauprojekte. Sieinvestiert in baureife Nachverdichtungspotenziale und freieGrundstücke. Durch den gezielten Ankauf von Grundstückenund Objekten mit Nachverdichtungspotenzial hat die d.i.i. ihreWertschöpfungskette erweitert und schafft kontinuierlich neuenWohnraum. Die Bündelung aller Prozesse einer Projektent-wicklung innerhalb der d.i.i. ermöglicht die Realisierung vonschnellen und kostengünstigen Lösungen. Die daraus entste-henden Kosteneinsparungen gibt die d.i.i. konsequent an ihreInvestoren, Käufer und Mieter weiter.

Über geschlossene und offene d.i.i.-Immobilienfonds werdenprivaten und institutionellen Investoren Beteiligungsangebotean Wohnimmobilien in Deutschland zugänglich gemacht, dievon der d.i.i. Gruppe entwickelt und betreut werden. Erworbenwerden dafür bevorzugt Wohnimmobilien mit hohem Wertstei-gerungspotenzial in B-Städten und ausgewählten Wohnlagengroßer Metropolen.

Das firmeneigene Bau-, Projekt- und Asset-Management be-dient alle relevanten Wertsteigerungshebel in der Durchführungumfassender Sanierungs- und/oder Baumaßnahmen. Anschlie-ßend werden die Wohnungen entweder im Bestand gehaltenoder als Eigentumswohnungen an Mieter, Selbstnutzer und Ka-pitalanleger veräußert. In zahlreichen Objekten der d.i.i. Grup-pe sind die Warmmieten nach der energetischen Sanierung nurgeringfügig höher als vorher. Dazu trägt auch das aktive Ne-benkostenmanagement bei.

Mit etwa 160 Mitarbeitern in der Zentrale in Wiesbaden und anlokalen Standorten in den Metropolen verfügt das Unterneh-men über eine ausgezeichnete Expertise der regionalen Märk-te − direkt an den Investitionsstandorten. Inzwischen hat died.i.i. Gruppe in mehr als 28 Standorte investiert, die Assets un-der Management haben aktuell einen Wert von ca. 1,8 Mrd.Euro.

Frank Wojtalewicz, Geschäftsführender Gesellschafter d.i.i.Quelle: d.i.i. Deutsche Invest Immobilien GmbH

bulwiengesa



2 METHODIK

2.1 Renditekomponente: Internal Rate of Return

Grundidee

Die Renditekomponente, als ein Teil der Studie über das Ren-dite-Risiko-Verhältnis für Wohninvestments, wird anhand einesdynamischen Modells ermittelt, dessen Methodik in der vonbulwiengesa seit 2015 aufgelegten 5%-Studie verankert ist.Das Modell gibt die wahrscheinliche Verzinsung (IRR = InternalRate of Return) einer Investition bei einer angenommenen Hal-tedauer eines Wohnobjekts von zehn Jahren wider.

Es wird unterstellt, dass die Investition zu den jeweiligen denMarkt kennzeichnenden Parametern erfolgt. Unter Anwendungeiner Cashflow-Betrachtung werden die zukünftig zu erwarten-den Zahlungsströme das Objekt betreffend (Einkauf, Mietein-nahmen, Mietsteigerung, Objekt- und Bewirtschaftungskosten,Verkauf etc.) widergegeben. Der interne Zinsfuß dieser Zah-lungsströme stellt die IRR dar (im Bericht: IRR = Rendite).

Keine Finanzierungseffekte

Erfolgreiche Immobilieninvestitionen hängen neben dem Ob-jekterfolg auch von verschiedensten Finanzierungsstrategien(z. B. Ausnutzen von Zinshebeln durch erhöhte Aufnahme vonFremdkapital) ab. Die hierbei im Markt übliche Variantenvielfaltist sehr hoch. Um klare Aussagen bzgl. der regionalen Objekt-performance zu ermöglichen, werden diese Effekte ebenso wieinvestorenspezifische Anpassungen im Modell nicht berück-sichtigt.

Keine Projektentwicklungen

Das vorliegende Modell unterstellt die Investition in Wohnge-bäude ohne jeglichen Sanierungs- und Umstrukturierungsbe-darf. Auch Projektentwicklungen fließen nicht in die Analyse mitein.

Quelle: d.i.i. Deutsche Invest Immobilien GmbH

Vorgehensweise

Der Investmenterfolg kann durch unterschiedliche Determinan-ten, wie Managementleistungen oder Marktschwankungen be-einflusst werden, so die Annahmen. Entsprechend erfolgte eineSimulation (Monte-Carlo-Simulation) möglicher Ergebnisse aufder Basis von Parametern, die variabel sind. Hierzu wurdenden relevanten, den Investmenterfolg beeinflussenden Kenn-größen, Schwankungsbreiten unterstellt, die zuvor unter Be-rücksichtigung bzw. Analyse des jeweiligen Marktes abgeleitetwurden. Mittels der Monte-Carlo-Simulation wird auf Basis von1.000 Ziehungen auch die Wahrscheinlichkeit des Eintretensder einzelnen Ergebnisse berechnet.

Die Monte-Carlo-Simulation erfolgt somit für alle A-/B-/C-Städteund somit für insgesamt 43 Städte mit regional marktüblichenMietspannen und Vervielfacherspannen gemäß RIWIS (Regio-nales Immobilienwirtschaftliches Informationssystem).

Objekt- und Bewirtschaftungskosten werden initial auf einenmarktüblichen Standardwert berechnet und anhand der Kauf-kraft regional gewichtet.

Monte-Carlo-Simulation

Bei der Monte-Carlo-Simulation handelt es sich um einstochastisches Vorausberechnungsmodell für einen Prognose-bzw. Basiswert. Einfach formuliert stellt dieses statistische Ver-fahren eine Art limitierten Zufallszahlengenerator dar, der sichinnerhalb der vom Benutzer definierten Rahmenbedingungenbzw. -werte bewegt. Um diese Parameter möglichst realistischbzw. marktgerecht abbilden zu können, kann neben einer Wer-tespanne auch ein Basiswert festgelegt werden. Nach durchge-führter Simulation erhält der Benutzer unter Berücksichtigungder vordefinierten Rahmenbedingungen eine Vielzahl von Er-gebnissen (abhängig von der Anzahl der Ziehungen). Für dieeinzelnen Ergebnisse innerhalb dieser Spanne berechnet dieModellierung Eintrittswahrscheinlichkeiten. Die Wertespanneselbst weist hierbei eine Eintrittswahrscheinlichkeit von 100 %auf.

Zur Durchführung der Simulation wurden Basiswerte undSpannweiten u. a. für die Variablengruppen Mietzins, Leer-stand und Objekt- und Betriebskosten festgelegt. Die aus derCashflow-Berechnung hervorgegangene interne Verzinsungdes Investments wurde als Prognosewert bzw. IRR-Basiswertfestgelegt.

Parameter und Schwankungsbreiten

Als Quelle für Miet- und Vervielfacherangaben wurde in der Re-gel das Datensystem der bulwiengesa AG (RIWIS) herangezo-gen.

Die Kostenangaben wurden durch Primärauswertungen (soweitmöglich) und auf Basis marktüblicher Annahmen ermittelt.

bulwiengesa



Die Schwankungsbreiten für Kosten und Erträge wurden indivi-duell festgelegt und orientieren sich an üblichen Marktgrößen.Extremwerte wurden hierbei ausgeschlossen.

Die interne Zinsfußmethode

Die interne Zinsfußmethode zeigt jene Verzinsung auf, bei derdie Netto-Cashflows bzw. der Net Present Value (Kapitalwert)genau Null ist. Sie stellt damit die durchschnittliche Verzinsungeiner Investition dar. Die interne Zinsfußmethode ist zwar alsalleinige Basis für eine Anlageentscheidung nicht zu empfeh-len, da sie methodische Unzulänglichkeiten aufweist – u. a.wird die Wiederanlageprämisse kritisiert.

Die Ermittlung der internen Verzinsung bietet jedoch den Vor-teil, dass sie den Erfolg einer Investitionsperiode (in der Studiezehn Jahre) darstellt. Sie unterscheidet sich somit von eineram Markt üblichen statischen Renditebetrachtung. Zudem fin-det die interne Zinsfußmethode bei vielen Investoren Anwen-dung und genießt somit eine breite Akzeptanz.

2.2 Risikokomponente: RIWIS DISco

Grundidee

Der Risikoanalyse, die ursprünglich ein Kooperationsproduktvon bulwiengesa und der Bayern LB war und mittlerweile alsRIWIS DISco (Deutscher Immobilien Score) als Teil von RIWISden RIWIS Kunden zugänglich ist, liegt der Wunsch zu Grun-de, ein Risiko-Scoring für Immobilienmärkte zu entwickeln. Da-hinter stecken unterschiedliche Fragestellungen, die das Zieleines solchen Scorings nochmals besser verdeutlichen:

– Welche Entwicklungen des Marktes beeinflussen Immobi-lienwerte?

– Was sind die jeweiligen Stabilisatoren bzw. Risikofakto-ren?

– Wo wirken welche Faktoren und vor allem wie stark?– Lässt sich Stabilität bzw. Risiko messen?

Ausgewählte Modellannahmen und ParameterObjekttypTypische Objektgröße

Mehrfamilienhaus (Bestand)4.000 qm Wohnfläche

Anzahl WEHaltedauerFluktuationsrateVermietungskosten

55 WE10 Jahre

7,0 % p. a.2 Monatsmieten

LeerstandsdauerFlächenanteil für jährliche AnpassungMieterausbaukosten (gilt nur für dieFluktuationsrate)Kosteninflation

2 Monate33 %*

90 Euro/qm

1,8 % p. a.MietausfallwagnisVerwaltungskostenInstandhaltungskosten* Entspricht einer kompletten Mietanpassung im Objekt alle 3 Jahre

1,0 % p. a.270 Euro/WE p. a.8,00 Euro/qm p. a.

Risikoseite: Variablen im aktuellen Risikoscoring Deutschland auf Kreisebene

Variable

Wiedervermietung Wohnungsmiete Durchschnitt

ZeitlicherBezug2017

Quelle

RIWIS

Gruppe

ImmobilienmarktRegionalfaktor BKI

Erreichbarkeit (Indikatorenkonglomerat aus Vorhandenseineines ICE/IC-Bahnhofs und Status im Zentrale Orte Kon-zept)Veränderung der EinwohnerzahlAnteil 25-49 Jährige an der Gesamtbevölkerung

2017

2016

Baukosteninformationszentrum DeutscherArchitektenkammern GmbHBBSR

2015-20172017

RIWIS auf Basis der Statistischen LandesämterRIWIS auf Basis der Statistischen Landesämter

Erreichbarkeit

Bevölkerung

Anteil Beschäftigte mit Hochschulabschluss am WohnortBaufertigstellungenÜbernachtungen je 1.000 EinwohnerWohnungen je Haushalt

20172017

BBSRRIWIS auf Basis der Statistischen Landesämter

20172017

RIWIS auf Basis der Statistischen LandesämterStatistische Landesämter

ArbeitslosenquoteBruttowertschöpfung je Erwerbstätigem

Verfügbares Einkommen pro Kopf

Zins

20172017

Bundesagentur für ArbeitRIWIS auf Basis von Arbeitskreis VolkswirtschaftlicheGesamtrechnungen der Länder und StatistischenLandesämtern

2015

2017

RIWIS auf Basis Arbeitskreis Volkswirtschaftliche Ge-samtrechnungen der LänderBundesbank

Angebot/Nachfrage

Wirtschaft

FinanzmarktInflation 2017 Gemeinschaftsdiagnose

bulwiengesa



Letztendlich sollen die Scores Einschätzungen der langfristigenLagequalität und Marktentwicklung eines Standortes ermögli-chen. So kann mit diesem Hilfsmittel Investoren die Kalkulationeines Risikos in Verbindung mit einem Wohninvestment er-leichtert werden, auch wenn das Risiko verständlicherweise nieganz eliminiert werden kann. Für eine Einschätzung ist ein sol-ches Scoring jedoch in vielerlei Hinsicht sinnvoll.

Vorgehensweise

Die Risikokomponente wird folglich durch ein Scoring aufKreisebene dargestellt. Mit dem Modell lassen sich Risikoanfäl-ligkeiten auf regionaler Ebene beobachten, voraussagen undsimulieren. Eine Art Überwachung verschiedener Faktoren, dieauf Änderungen der regionalen Immobilienpreise reagieren, er-scheint somit möglich.

Zu Grunde liegen dem Modell verschiedene exogene Variablenund Faktoren, deren Einfluss auf die Entwicklung der Markt-werte zuvor statistisch überprüft und bewiesen wurden.

Durch das ökonometrische Verfahren der Regression wirdauch das häufig kritisierte Problem einer rein subjektiven Ge-wichtung der Variablen in Scoring-Modellen, wie auch manuelleEingriffe, vermieden. Es handelt sich vielmehr um ein errech-netes Modell, das auf jenen Daten aufgebaut ist, die einen ent-scheidenden Einfluss auf das Angebot und die Nachfrage desMarktsegments haben.

Die Variablen sind in sechs Gruppen eingeteilt, womit sich ein-zelne Treiber/ Faktoren valide adressieren und analysieren las-sen. Die Variablenauswahl ist dabei nicht beliebig. Sie ist dasErgebnis umfangreicher Tests, bei denen verschiedenste Indi-katoren auf ihre statistische Signifikanz auf die Nettoanfangs-rendite geprüft werden.

Übergreifend können die, in der Tabelle aufgeführten, Variablenin folgende sechs Gruppen unterteilt werden:

– Immobilienmarkt– Erreichbarkeit– Bevölkerung– Angebot/Nachfrage– Wirtschaftskraft– Finanzmarkt

Als Datenquellen dienen RIWIS, die Statistischen Landesäm-ter, das Baukosteninformationszentrum Deutscher Architekten-kammern, das BBSR (Bundesamt für Bauwesen und Raumord-nung), die Bundesagentur für Arbeit sowie die Deutsche Bun-desbank.

Für die Berechnung einer Prognose und/oder verschiedenerSzenarien helfen die verfügbaren Prognosen der einzelnen In-putgrößen. Ergänzend bzw. alternativ sind je Variable individu-elle Annahmen oder lineare Fortschreibungen möglich. Auf die-ser Grundlage wird ein jährlicher Score für jeden Landkreisbzw. für jede kreisfreie Stadt berechnet. So findet auch diejährliche Wohnungsmarktprognose der bulwiengesa AG An-wendung in dem Scoring-Modell. Wichtige Prognosen, wie

z. B. Baufertigstellungen, Haushalts- oder Bevölkerungsprog-nosen der buwliengesa AG fließen ebenfalls in das Modell mitein. Dagegen werden Variablen, für die keine Prognosen vorlie-gen, fortgeschrieben.

Regressionsverfahren

Eine Regressionsanalyse ist ein statistisches Analyseverfahrenmit dem getestet wird, ob die unabhängige(n) Variable(n) einenEffekt auf die abhängige Variable ausübt/ausüben. Es dient da-mit einerseits der Beschreibung und Analyse von Zusammen-hängen in den Daten und andererseits auch um Vorhersagenzu treffen, wobei die Prognose die Zusammenhänge in den Da-ten als Grundlage nutzt.

Der Score entsteht konkret dadurch, dass in dem Regressions-modell Koeffizienten ermittelt werden. Die sich ergebende en-dogene Variable ist der durchschnittliche Kaufpreis einer Ei-gentumswohnung im Bestand. Diese ermittelten Werte werdenanschließend in eine einheitliche Skala transformiert, wodurchsich die Scores errechnen lassen.

Durch die Tatsache, dass sich das Scoring in die sechs bereitsgenannten Blöcke gliedert, ergibt sich neben dem Gesamt-score auch die Möglichkeit verschiedene Risikokomponentenherauszuarbeiten. In den heterogenen ImmobilienmärktenDeutschlands ist so recht schnell erkennbar, wie (in)stabil ein-zelne Risikokomponenten an einem Standort sind. Wird zudemnoch ein Zeitreihenvergleich durchgeführt, sind Aussagen zuVeränderungen der wirtschaftlichen Situation möglich.


bulwiengesa



3 ERGEBNISSE RENDITEKOMPONENTE

Der Markt für Wohnimmobilien ermöglicht Investoren gerade inden A-Städten teilweise recht niedrige Renditen. Die Auswei-tung des Fokus auf B- und C-Städte erscheint damit nur lo-gisch.

Trotzdem gilt: Auch 2018 setzte sich die Aufwärtsbewegungdes Wohnungsmarktes in den Ballungszentren fort. Die Miet-preisbremse konnte in den letzten Jahren den Anstieg der Mie-ten für Wiedervermietungen nicht bremsen. So stiegen diedurchschnittlichen Bestandsmieten in den A-Städten im Ver-gleich zum Vorjahr um 3,8 %, in den B-Städten um 2,7 % undin den C-Städten um 3,3 %. München ist mit einer durchschnitt-lichen Miete von derzeit 16,90 Euro/qm der mit Abstand teuers-te Standort, gefolgt von Stuttgart und Frankfurt, die jeweils über13,50 Euro/qm liegen. Auf der anderen Seite der Skala gibt esB- und C-Städte mit einem relativ moderaten Mietniveau. Sowerden beispielsweise in Bochum, Duisburg oder Magdeburgnur durchschnittlich 6,50 Euro/qm oder weniger gezahlt, wasdeutlich unter dem Durchschnittswert der B- und C-Städte vonrund 8,60 bzw. 9,00 Euro/qm liegt.

Deutlicher als die Mieten entwickelten sich die Preise für Ei-gentumswohnungen (ETW) in Bestandsgebäuden. Hier lagendie Wachstumsraten seit 2008 bei 9,0 % (A-Städte), 6,1 % (B-Städte) bzw. 7,6 % (C-Städte). Seit 2008 haben sich die Prei-se für Eigentumswohnungen in den A-Städten somit verdop-pelt. Auch in dieser Kategorie liegt München weit vorne. In derbayerischen Landeshauptstadt haben sich die Preise im Be-trachtungszeitraum sogar mehr als verdreifacht.

Die Diskrepanz zwischen Angebot und Nachfrage nach Wohn-raum scheint sich weiter zuzuspitzen: So entstanden in Berlinzwischen 2012 und 2017 48.477 Wohnungen. Im gleichen Zeit-raum wuchs die Bevölkerung jedoch um fast 124.000 Haushal-te. In Frankfurt lag das Verhältnis (Zuwachs an Wohnungen ge-

genüber Zuwachs an Haushalten) bei rund 20.473 zu 30.000,in München bei 38.525 zu 37.200. Die Zahl der Baugenehmi-gungen und insbesondere die knappen Ressourcen der Bau-wirtschaft lassen vermuten, dass auch in absehbarer Zeit keinegrundlegende Entspannung eintritt.

Die sehr hohe Nachfrage auf dem Investmentmarkt und das at-traktive Marktumfeld lassen auch die Vervielfacher für beste-hende Mehrfamilienhäuser weiter steigen. Derzeit werden inBerlin durchschnittliche Faktoren von 29,0 gezahlt, in Mün-chen liegen sie sogar bei 37,0.

Auch in den B-Märkten sind die Preise auf das höchste Niveauseit Jahren angestiegen – allerdings kommen hier auch diestrukturellen Unterschiede des Städteclusters zum Tragen.Während die durchschnittlichen Vervielfacher in Nürnberg mit23,5 und in Münster sogar mit 25,0 auf einem ähnlichen Niveauwie in mancher A-Stadt liegen, befindet sich der Wert in Bo-chum und Duisburg mit 14,4 bzw. 15,0 auf einem vergleichs-weise niedrigen Niveau.

Entwicklung Ø Vervielfacher nach Städtecluster

Quelle: RIWIS

2008 2010 2012 2014 2016 201810

15

20

25

30

A-Städte

B-Städte C-Städte

Entwicklung Wohnungsmarkt Deutschland A-, B- und C-Städte

Quelle: RIWIS

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 20180

5

10

15

Dur

chsc

hnitt

smie

te B

esta

ndin

Eur

o/qm

/Mon

at

0

1.500

3.000

4.500

ø Ka

ufpr

eise

ETW

Bes

tand

in E

uro/

qm

Miete A-StädteMiete B-Städte

Miete C-StädteKaufpreis A-Städte

Kaufpreis B-StädteKaufpreis C-Städte

bulwiengesa



Insgesamt bleibt zu erwarten, dass die angespannte Lage aufden Wohnungsmärkten auch vor dem Hintergrund des weiter-hin günstigen Zinsumfeldes anhält und das derzeitige Preisni-veau zumindest in den Großstädten sich weiter verstetigt. Nichtauszuschließen ist jedoch, dass Lage und Objekte mit Quali-tätsdefiziten bei einem abkühlenden Markt neu einzupreisensind.

Limitierte Renditemöglichkeiten in A-Städten

Investitionen in Wohnanlagen in A-Städten bieten sehr limitierteRenditemöglichkeiten für sicherheitsorientierte Anleger, da dasMarktumfeld in den jeweiligen Städten als stabil anzusehen ist.So ist eine entsprechend starke Verteuerung in den Städten zuverzeichnen, die trotz positiver Mieterwartungen die IRR noch-mals drückte. Je nach zukünftiger Mietentwicklung wird es hier-bei jedoch zunehmend schwierig, einen vollständigen Inflati-onsschutz zu erzielen. Zu bemerken bleibt jedoch, dass die zuerzielenden Mindestrenditen in den untersuchten Städten 2018die Inflationsrate (2018: 1,9 %) übertrafen.


So liegt die Performanceerwartung für Wohnimmobilien in A-Städten grundsätzlich bei 2,8 % bis 3,2 %. Das absolute Maxi-mum kann bei ca. 4,0 % eingeordnet werden. Das absolute Mi-nimum liegt dagegen bei ca. 2,3 %. Dabei wird Stuttgart diehöchste Rendite (3,5 % im Median) zugeschrieben, dies kannauf das im Vergleich zu den restlichen A-Städten überdurch-schnittlich hohe Mietwachstum zurückgeführt werden. Berlindagegen erreicht mit 2,9 % den niedrigsten Wert (Median) derA-Städte.

Ausprägung IRR Wohnen A-Städte

Quelle: bulwiengesa AG

2,4 % 2,6 % 2,9 % 3,1 % 3,4 % 3,7 % 3,9 %IRR auf Objektebene

0 %

1 %

2 %

3 %

4 %

5 %

Wah

rsch

einl

ichk

eit

25 % 75 %

Renditen mit starker Spreizung in B-Städten

Investitionen in strukturstarke B-Märkte werden ebenfallsgrundsätzlich empfohlen. Besonders für sicherheitsorientierteAnleger, die einem gewissen Performancedruck unterliegen,stellen sie eine wichtige Anlagemöglichkeit dar.

Die Performanceerwartung für Wohnimmobilien in B-Städtenliegt mit 3,6 % bis 3,9 % zwar höher als die der A-Städte, je-doch können keine bedeutenden Steigerungen verzeichnetwerden. Das absolute Maximum kann bei ca. 4,5 % eingeord-net werden, das Minimum liegt bei 3,1 %. Auffällig hoch sind indieser Auswertung die Renditen von Bremen und Karlsruhe mitjeweils 4,2 %, während Leipzig mit 3,2 % die vergleichsweiseniedrigste Rendite aufweist.

Renditen mit ebenfalls starker Spreizung in C-Städten, ins-gesamt aber am höchsten

Die Spanne der Performanceerwartung bei C-Städten unter-scheidet sich kaum von der der B-Städte. Mit 3,8 % bis 4,1 %liegt sie auf einem ähnlichen Niveau. Auch das Maximum istmit 4,8 % nur leicht höher. Das Minimum liegt dagegen bei3,3 %. Trotzdem gilt für C-Städte, dass sie starke strukturelleUnterschiede aufweisen können. Somit sollten Städte insbe-sondere mit nachhaltiger Bevölkerungsentwicklung bei Invest-mententscheidungen im Fokus stehen.

Ausprägung IRR Wohnen B-Städte



0 %

1 %

2 %

3 %

4 %

5 %W

ahrs

chei

nlic

hkei

t

Ausprägung IRR Wohnen C-Städte



0 %

1 %

2 %

3 %

4 %

5 %

Wah

rsch

einl

ichk

eit

25 % 75 %

25 % 75 %

bulwiengesa

IRR-Betrachtung mit 10-jähriger Haltedauer

Quelle: bulwiengesa

Augsburg (C)Offenbach (Main) (C)

Braunschweig (C)Darmstadt (C)

Bremen (B)Bielefeld (C)

Mainz (C)Osnabrück (C)

Karlsruhe (B)Kiel (C)

Heidelberg (C)Rostock (C)

Regensburg (C)Saarbrücken (C)

Ø C-StädteNürnberg (B)

Wuppertal (C)Mannheim (B)

Essen (B)Ø B-Städte

Hannover (B)Lübeck (C)

Dortmund (B)Dresden (B)Aachen (C)

Mülheim (Ruhr) (C)Bochum (B)

Duisburg (B)Stuttgart (A)

Wiesbaden (B)Bonn (B)

Münster (B)Erfurt (C)

Erlangen (C)Freiburg (Breisgau) (C)

Magdeburg (C)Mönchengladbach (C)

Frankfurt (Main) (A)Leipzig (B)

Köln (A)Potsdam (C)München (A)

Ø A-StädteHamburg (A)

Düsseldorf (A)Berlin (A)

1,5 % 2,0 % 2,5 % 3,0 % 3,5 % 4,0 % 4,5 % 5,0 % 5,5 % 6,0 %IRR

◼ Minimum, ◼ Core-I., ◼ Maximum, ⦁ Median

3,6 %3,6 %

3,9 %3,9 %

3,3 %3,6 %3,6 %

3,5 %3,3 %

3,4 %3,2 %

3,4 %3,1 %

3,4 %3,3 %

3,1 %3,2 %

3,2 %3,1 %3,1 %3,1 %3,1 %3,1 %3,1 %

2,9 %3,1 %

2,8 %2,7 %2,7 %

2,8 %2,9 %

2,7 %2,9 %2,9 %

2,7 %2,7 %2,7 %

2,6 %2,6 %

2,5 %2,5 %

2,0 %2,3 %

2,4 %2,0 %

2,1 %

5,5 %5,5 %

5,0 %5,0 %5,0 %

4,8 %5,0 %

4,9 %5,2 %

4,8 %5,3 %

4,9 %5,1 %

4,5 %4,8 %4,8 %

4,3 %4,6 %

4,4 %4,5 %

4,4 %4,3 %

4,2 %4,3 %

4,4 %4,1 %

4,0 %4,1 %

4,5 %4,2 %

4,2 %4,4 %

3,8 %3,9 %

4,1 %3,8 %3,8 %

4,1 %3,8 %

3,9 %3,9 %

4,4 %4,0 %

3,7 %3,8 %

3,7 %

4,5 %4,5 %

4,4 %4,4 %

4,2 %4,2 %4,2 %

4,2 %4,2 %

4,1 %4,1 %4,1 %

4,0 %4,0 %

3,9 %3,9 %

3,8 %3,8 %3,8 %3,8 %

3,7 %3,7 %3,7 %3,7 %

3,7 %3,6 %

3,5 %3,5 %3,5 %3,5 %3,5 %

3,5 %3,4 %3,4 %3,4 %

3,3 %3,3 %

3,2 %3,2 %3,2 %

3,1 %3,1 %

3,0 %3,0 %

2,9 %2,9 %

© bulwiengesa AG 2019 – P1805-4529 Seite 10


Ø C-Städte

Ø B-Städte

Ø A-Städte

bulwiengesa



Internal Rate of Return (IRR) der A-, B- und C-Städte

bulwiengesa



4 ERGEBNISSE RISIKOKOMPONENTE

Gesamtergebnis

In die Dominanz der A-Städte mit den besten Werten, sprichdem geringsten Marktrisiko – München, Stuttgart und Frankfurt(Main) erreichen den maximalen Gesamtscore von 10 – kanndie C-Stadt Freiburg (Breisgau) mit dem gleichen Wert vordrin-gen. Insbesondere bei den Indikatoren Miete, Erreichbarkeit,Beschäftigte mit Hochschulabschluss, Fertigungsüberhang,Wohnungen je Haushalt erreichte Freiburg Höchstwerte undpräsentiert sich somit als beachtenswerter, aber mittlerweileauch etablierter Wohn-Investitionsstandort.

Dagegen weisen die Städte Magdeburg, Bochum und Duisburgdie niedrigsten Scoring-Werte auf. Dies liegt insbesondere aneiner vergleichsweise geringen Bestandsmiete und schlechtenwirtschaftlichen Werten (hohe Arbeitslosigkeit, geringes verfüg-bares Einkommen etc.), die im Vergleich zu anderen Städteneinen auffallend schlechten Score in den Gruppen Immobilien-markt und Wirtschaft bedingen. Diese grundlegenden Bedin-

Gesamtergebnisse Marktrisiko-Score


Duisburg (B)Bochum (B)

Magdeburg (C)Essen (B)

Mönchengladbach (C)Mülheim (Ruhr) (C)

Wuppertal (C)Bielefeld (C)

Dortmund (B)Saarbrücken (C)

Leipzig (B)Lübeck (C)

Braunschweig (C)Osnabrück (C)

Dresden (B)Erfurt (C)

Hannover (B)Bremen (B)Aachen (C)

Mannheim (B)Rostock (C)

Kiel (C)Bonn (B)

Münster (B)Offenbach (Main) (C)

Wiesbaden (B)Karlsruhe (B)Erlangen (C)Nürnberg (B)Augsburg (C)Potsdam (C)Hamburg (A)

Düsseldorf (A)Köln (A)

Darmstadt (C)Mainz (C)

Heidelberg (C)Regensburg (C)

Berlin (A)Frankfurt (Main) (A)

Stuttgart (A)Freiburg (Breisgau) (C)

München (A)

0 2 4 6 8 10sehr hohesMarktrisiko

sehr niedrigesMarktrisikosehr niedrigesMarktrisiko

gungen ziehen ein gefühlt hohes Risiko für Wohninvestmentsin diesen Städten nach sich.

Grundsätzlich können den betrachteten Städten jedoch auf-grund sehr guter Rahmenbedingungen größtenteils gute bissehr gute Voraussetzungen für Immobilieninvestments be-scheinigt werden.

A-Städte mit geringsten Marktrisiken

Grundsätzlich erzielen die deutschen A-Städte erwartungsge-mäß die höchsten Werte des Marktrisiko-Scores und stehen in-sofern stellvertretend für ein sehr geringes Marktrisiko. Schließ-lich verfügen sie über die höchste Wirtschaftskraft, weitreichen-de Lebens- und Bildungsmöglichkeiten und erfahren einen re-gen jährlichen Zuzug neuer Bewohner.

Gemäß des Marktrisiko-Scores bewegen sich alle A-Städte mitWerten von 9 bzw. 10 auf sehr homogenem Niveau, wobei dieSpitzengruppe von München, Stuttgart und Frankfurt (Main)gebildet wird.

B-Städte mit höchsten Marktrisiken

Die Spitzengruppe der B-Städte, die aus den fünf StädtenNürnberg, Karlsruhe, Wiesbaden, Münster und Bonn besteht,steht mit Werten des Marktrisiko-Scores von 8 für den Teil derB-Städte mit einem relativ niedrigen Marktrisiko. Dennoch kom-men diese Städte nicht an die Werte der A-Städte heran.

Prägend für die B-Städte ist insbesondere die große Spreizungder Marktrisiken. Insbesondere Bochum und Duisburg stehenhier mit einem Marktrisiko-Score von 4 für den Teil der B-Städ-te mit einem erhöhten Risiko.

Insgesamt ist der Mittelwert aller Marktrisiko-Scores aller B-Städte etwas oberhalb des Referenzwerts aller C-Städte. Folg-lich kann die Aussage getroffen werden, dass der Gruppe derB-Städte in Summe das höchste Marktrisiko unter den betrach-teten Städtekategorien innewohnt.

Marktrisiko-Score in B-Städten


DuisburgBochum

EssenDortmund

LeipzigDresden

HannoverBremen

MannheimBonn

MünsterWiesbaden

KarlsruheNürnberg

0 2 4 6 8 10sehr hohesMarktrisiko

sehr niedrigesMarktrisiko

bulwiengesa



C-Städte mit größter Spreizung der Marktrisiken

C-Städte verzeichnen die größte Spanne hinsichtlich ihrerMarktrisiko-Scores. Mit Freiburg (Breisgau) konnte sich sogareine C-Stadt in der Gesamtspitzengruppe platzieren. Das risi-koreiche Ende wird mit einem Marktrisikoscore von 4 von Mag-deburg gebildet. Grundsätzlich gilt für die C-Städte jedoch Ähn-liches wie für die B-Städte: Über die Hälfte der Städte weist ei-nen guten bis sehr guten Marktrisikoscore aus.

Geographische Besonderheiten: Süddeutsche Städteüberzeugen mit hohen Scoring-Werten

Die Betrachtung der geographischen Verteilung der bewertetenStädte birgt keine größeren Überraschungen.

Erwartungsgemäß sind die Scoring-Werte im Süden Deutsch-lands am höchsten. Vereinzelt weisen Großstädte, wie z. B.Hamburg, Düsseldorf, Köln oder Berlin im Scoring ebenfallssehr gute Werte auf. Dominierend in dieser Kategorie sind je-doch die süddeutschen Städte. Zudem sind mit Freiburg (Breis-gau), Darmstadt, Mainz, Heidelberg und Regensburg wesent-lich mehr (süddeutsche) C-Städte aufgrund eines sehr gutenScoring-Wertes auf den vorderen Rängen vertreten als B-Städ-te, von denen keine einen Wert von ≥9 verzeichnen konnte.Kiel, Bonn und Münster (jeweils 8) sind die ersten, nicht mehrzu Süddeutschland zu zählenden Städte, die sich unter die gu-ten Scoring-Werte (7 bis 8) mischen.

Gründe hierfür sind vor allem in drei wichtigen Komponentenzu finden. Während die Erreichbarkeit grundsätzlich als min-destens gut in allen Städten beschrieben werden kann, weisendie Gruppen Immobilienmarkt, Bevölkerung und Wirtschaft oft-mals deutliche Unterschiede auf, die eine entsprechendeRangverteilung besser erklären können.

Marktrisiko-Score in C-Städten


MagdeburgMönchengladbach

Mülheim (Ruhr)Wuppertal

BielefeldSaarbrücken (Stadt)

LübeckBraunschweig

OsnabrückErfurt

AachenRostock

KielOffenbach (Main)

ErlangenAugsburgPotsdam

DarmstadtMainz

HeidelbergRegensburg

Freiburg (Breisgau)

0 2 4 6 8 10

Sehr gute Scores sind demnach insbesondere in den VariablenBestandsmiete, Einwohnerwachstum, Anteil 25- bis 49-Jährige,Beschäftigte mit Hochschulabschluss, Bruttowertschöpfung jeErwerbstätigen sowie verfügbares Einkommen zu finden. Hiertreten die deutlichsten Unterschiede zu Städten mit schlechte-ren Scores und demnach zu Städten mit einem höheren Markt-risiko zu Tage.

Potsdam erreicht neben Berlin den höchsten Score in Ost-deutschland

Ein Blick auf die wenigen ostdeutschen Städte – Berlin ausge-nommen – unterstreicht nach wie vor die vorherrschende Dis-krepanz zwischen ost- und westdeutschen Städten.

So wurde für Potsdam mit einem Wert von 8 noch ein guterScore errechnet. Trotzdem sind ostdeutsche Städte nach wievor in Form von geringeren Scores vertreten. Im Umkehr-schluss bedeutet dies ein größeres Marktrisiko, welches imKontext einer Value-Add-Strategie aber auch bewusst gesuchtwerden kann.

Marktrisiko-Score in ostdeutschen Städten


Magdeburg

Leipzig

Erfurt

Dresden

Rostock

Potsdam

Berlin

0 2 4 6 8 10

sehr hohesMarktrisiko


sehr hohesMarktrisiko


bulwiengesa



Risikoscoring A-, B- und C-Städte

bulwiengesa



5 ZUSAMMENFASSUNG

Höchste Rendite in Augsburg

Nach Berechnung der Renditen unter Berücksichtigung allergetroffenen Annahmen wird deutlich, dass die höchste Renditemit 4,5 % in Augsburg verzeichnet wird, während Berlin mit2,9 % die niedrigste Rendite aufweist. Ein hohes prognostizier-tes Mietwachstum ist ein starker Treiber der IRR. Augsburg, fürwelches positive Mietsteigerungen erwartet werden, hat folge-richtig auch eine hohe IRR. Es gilt: Städte mit einem über-durchschnittlichen Mietwachstum verfügen über höhere Rendi-ten.

Wohnungsmangel in den meisten A-, B- und C-Städten

Die Ausgangslage in den großen Städten des deutschen Woh-nungsmarkts hat sich über die letzten Jahre weiter zugespitzt:Der viel zitierte Wohnungsmangel beherrscht den Markt nachwie vor. So stehen kumuliert 11,79 Mio. Haushalte in den A-, B-und C-Städten 11,19 Mio. Wohnungen in Wohn- und Nicht-wohngebäuden gegenüber. Besonders groß ist das Missver-hältnis dabei in Heidelberg, Freiburg (Breisgau), Karlsruhe undHannover. Mehr Wohnungen als Haushalte gibt es dagegen inimmerhin zwölf der A-, B- und C-Städte. Speziell in Magdeburg,Erlangen, Wuppertal und Dortmund sind deutlich mehr Woh-nungen als Haushalte zu verzeichnen.

Da die Bauwirtschaft trotz Anstiegen der Auftragseingänge imBauhauptgewerbe aufgrund von Knappheit bei Grundstücken,Arbeitskräften und zunehmend auch Baumaterial in den meis-ten Städten aber keine hinreichend große Zahl an neuen Woh-nungen jährlich fertigstellen kann, verknappt sich das Woh-nungsangebot von Jahr zu Jahr.

Preisanstiege am Wohnungsmarkt erschweren Erschwing-lichkeit für Endnutzer – der Investmentmarkt läuft aberweiterhin

Befeuert durch die weiterhin günstigen Zinsen und aufgrundder erhöhten Nachfrage nach selbstgenutzten Wohnungen undWohnungen zur Kapitalanlage haben sich die Wohnimmobilienin den A-, B- und C-Städten auch 2018 verteuert, was erneutzu zwischenzeitlichen Höchstständen bei Miet- und Kaufprei-sen für Wohnungen geführt hat.

Da auch die Vervielfacher für Mehrfamilienhäuser in den meis-ten A-, B- und C-Städten in 2018 gegenüber 2017 deutlich an-gestiegen sind, ist Wohnen zur Kapitalanlage per se deutlichteurer geworden. Dennoch liegt das Investmentvolumen in derAssetklasse Wohnen für Gesamtdeutschland in 2018 mit 15,38Mrd. Euro um rd. 10 % höher als noch im Vorjahr.

Trotz der ebenfalls gestiegenen Einkommen hat sich die Er-schwinglichkeit von Wohnen – und zwar sowohl für Miet- alsauch für Eigentumswohnungen – verschlechtert. Insbesondereim Segment des bezahlbaren Wohnraums ist aufgrund auslau-fender Sozialbindungen und sehr geringer Neubautätigkeit mitt-lerweile von einer echten Wohnungsknappheit zu sprechen.

Renditen je nach Stadtkategorie im Median zwischen 3,0und 3,9 %

Die Renditen sind zwar im Vergleich zu anderen Assetklassenoftmals gering, aber auch im Wohnsegment können durchaus,je nach Standort, Renditen erreicht werden, die oberhalb von4,0 % liegen. Geringe Renditen ziehen jedoch auch immer dieFrage nach der Wertsicherung bei Investments nach sich. InAnbetracht der wieder anziehenden Inflationsrate steht diesesMindestziel bei einigen Investments oftmals in Frage, auchwenn rückblickend die Inflationsrate mit 1,9 % im Jahr 2018renditeseitig grundsätzlich abgesichert war.

So liegen die erzielbaren IRR für Core-Immobilien zwischen2,8 % und 4,1 % – jeweils unter Zugrundelegung der getroffe-nen Annahmen, wie z. B. 10-jährige Haltedauer oder 7 % Fluk-tuation p. a.

Um zu einer fundierten Aussage hinsichtlich beachtenswerterStädte zu gelangen, ist eine kombinierte Betrachtung der bei-den Komponenten "Rendite" und "Marktrisiko" sinnvoll.

Freiburg im Breisgau ist heimliche A-Stadt

Bei einer Kombination der IRR-Ergebnisse mit dem Risiko-score ergeben sich folgende Ergebnisse:

– Die A-Städte weisen erwartungsgemäß mit das niedrigsteMarktrisiko bei den geringsten Renditen in Deutschland auf.Sicherheitsorientierte Investoren können hier nachhaltigeRenditen auf einem niedrigen Niveau erzielen. Der Vorteilliegt in einem geringen Risiko, das für den Anleger im Fokusstehen sollte.

– Stuttgart sticht aufgrund eines überdurchschnittlich hohen,prognostizierten Mietwachstums mit einer höchsten IRR von3,5 % im Median aus den sieben A-Städten heraus. DasMietwachstum der A-Städte liegt mit erwarteten +1,8 % p. a.im Schnitt unter dem Stuttgarts (2,3 %).

– Insbesondere in Berlin, Düsseldorf und Hamburg liegen dieerzielbaren Renditen mit unter 3,0 % sehr niedrig.

IRR in A-, B- und C-StädtenCore-Investments

von bis Median Minimum MaximumØ A-StädteØ B-StädteØ C-StädteHöchste Renditen in...

2,8 %3,6 %

3,2 %3,9 %

3,8 % 4,1 %

3,0 %3,8 %

2,3 %3,1 %

3,9 % 3,3 %

4,0 %4,5 %4,8 %

AugsburgOffenbachDarmstadtGeringste Renditen in...

4,3 %4,3 %

4,7 %4,6 %

4,3 % 4,7 %

HamburgDüsseldorfBerlin

2,8 %2,7 %

3,1 %3,1 %

2,7 % 3,0 %

4,5 %4,5 %

3,6 %3,6 %

4,4 % 3,9 %

5,5 %5,5 %5,0 %

3,0 %2,9 %

2,4 %2,0 %

2,9 % 2,1 %

3,7 %3,8 %3,7 %

bulwiengesa



– Als äußerst positiv stellt sich Freiburg im Breisgau herausund dringt in den Kreis der A-Städte hinein. So hat Freiburgim Vergleich zu den deutschen Top-Märkten neben Stuttgartmit 3,4 % die höchste Rendite bei niedrigstem Marktrisiko.Somit steht Freiburg insbesondere im Marktrisiko-Score mitStuttgart, Frankfurt (Main) und München auf der gleichenEbene und bietet ähnliche Investitionschancen bzw. -risikenwie die deutschen A-Städte.

– Hohe Renditen bei einem verhältnismäßig geringen Marktri-siko können vor allem in den C-Städten Augsburg, Offen-bach (Main) und Darmstadt erzielt werden. Auch in diesenFällen sticht das überdurchschnittlich hohe, prognostizierteMietwachstum heraus.

– Weitere C-Städte mit sehr positiven Marktrisiko- und Rendi-tewerten sind Mainz, Heidelberg und Regensburg sowie mitAbstrichen im Marktrisiko Kiel.

– Einzige B-Städte, in denen bei einem verhältnismäßig gerin-gen Marktrisiko höhere Renditen erzielbar sind, sind Karls-ruhe und Nürnberg. In Wiesbaden, Bonn und Münster sinddie Renditen und damit das prognostizierte Mietwachstumdeutlich niedriger.

– Städte wie Bochum, Duisburg und Magdeburg, denen einvergleichsweise hohes Marktrisiko zuzuschreiben ist, sindim Falle von Investitionsüberlegungen wesentlich individuel-ler zu behandeln. Auch wenn eine schlechtere Einwertungdes Makrostandorts für das höhere Marktrisiko verantwort-lich ist, ist eine Investition nicht endgültig auszuschließen.Mikrostandort sowie die jeweilige Objektqualität sollten dannin der Entscheidungsfindung ein wesentlich größeres Ge-wicht haben und können bei einer guten/sehr guten Lagebzw. Objektqualität Investitionen trotzdem sinnvoll erschei-nen lassen.

Rendite-Risiko-Verhältnis der untersuchten Städte

3 4 5 6 7 8 9 10

Risikoscore (0 = sehr hohes Marktrisiko, 10 = sehr niedriges Marktrisiko)

2,8 %

3,0 %

3,2 %

3,4 %

3,6 %

3,8 %

4,0 %

4,2 %

4,4 %

4,6 %

Inte

rnal

Rat

e of

Ret

urn

(IRR

) (%

) jew

eils

Med

ianw

ert

BerlinDüsseldorf

Frankfurt (Main)

Hamburg

KölnMünchen

Stuttgart

Ø A-Städte

BochumBonn

Bremen

Dortmund

Dresden

Duisburg

EssenHannover

Karlsruhe

Leipzig

Mannheim

Münster

Nürnberg

Wiesbaden

Ø B-Städte

Aachen

Augsburg

Bielefeld

Braunschweig Darmstadt

Erfurt

Erlangen

Freiburg (Breisgau)

HeidelbergKiel

Lübeck

Magdeburg

Mainz

Mönchengladbach

Mülheim (Ruhr)

Offenbach (Main)

Osnabrück

Potsdam

Regensburg

Rostock

Saarbrücken

WuppertalØ C-Städte

A-Städte B-Städte C-Städte

Ø

bulwiengesa

Seite 17/33© bulwiengesa AG 2019 – P1805-4529


MARKTDATEN ZU A-, B- UND C-STÄDTEN

bulwiengesa



Aufbau der Datenblätter und Methodik

Die Datenblätter wurden mittels eines Scorings aufgebaut. Mitdem Scoringmodell lassen sich die Variablen für die 43 Städtewesentlich besser darstellen und ermöglichen dem Leser einendirekten und schnellen Vergleich.

Dem Modell liegen insgesamt elf soziodemografische und-ökonomische Variablen sowie acht Wohnungsmarktindikatorenzugrunde, die die Städte auf den ersten Blick am umfang-reichsten beschreiben. So befinden sich vor allem Kriterien derMakroebene in der Auswahl. Demografische Faktoren wie dieEinwohnerentwicklung, Haushaltsentwicklung oder auch die Al-tersstruktur sind gut zu prognostizieren und bilden die Grundla-ge für die gesellschaftliche Entwicklung einer Stadt und damitauch für deren Immobilienmarkt. Zudem vervollständigen auchsozioökonomische Variablen, wie die Arbeitslosenquote oderder Pendlersaldo das Bild der jeweiligen Stadt.

Investmentorientierte Größen, wie die Miet- und Kaufpreisent-wicklung aber auch die Erschwinglichkeit unterliegen demzweiten Block "Wohnungsmarkt" einem Scoring. Hinzu kommtnoch die Bautätigkeit in Bezug auf die Einwohner, die denMarkt zusätzlich charakterisiert.

Als Datenquellen für die Variablen dienen RIWIS, die Statisti-schen Landesämter, die Bundesagentur für Arbeit sowie MBResearch.

Für die Berechnung einer Prognose helfen die verfügbarenGrößen der einzelnen Inputgrößen. Ergänzend bzw. alternativsind je Variable individuelle Annahmen oder auch lineare Fort-schreibungen möglich.

Entsprechend wurde für diesen Pool an variablen Daten ausden verschiedenen Quellen gesammelt und bewertet. So kannjede Variable mittels definierter Werteklassen auf einer Punkte-skala von eins bis fünf klassifiziert werden. Dabei stellt einsden niedrigsten Wert und fünf den höchsten Wert dar, wodurchdie verschiedenen Städte in den jeweiligen Variablen eine Ver-besserung der Vergleichbarkeit erfahren. Eine Einschätzungder jeweiligen Stadt im Kontext ihrer Rendite-/ Risikobetrach-tung wird dadurch vereinfacht.

Indikatoren Soziodemografie und Wohnungsmarkt

Variable

A Einwohnerentwicklung

ZeitlicherBezug2011-2017

Quelle

RIWIS auf Basis der Statistischen Landesämter

Gruppe

Soziodemogra-fie/ -ökonomieB

CDE

EinwohnerprognoseEinwohner 15-50 Jahre

2011-20352017

HaushaltsentwicklungHaushaltsprognose

2011-20172011-2035

RIWIS auf Basis der Statistischen LandesämterRIWIS auf Basis der Statistischen LandesämterRIWIS auf Basis der Statistischen LandesämterRIWIS auf Basis der Statistischen Landesämter

FGHI

Anteil der 1- und 2-Personen-HaushalteEntwicklung der sozialversicherungspflichtig Beschäftigten

20172011-2017

ArbeitslosenquoteKaufkraft

20182018

JKLM

Pendlersaldo bezogen auf 1.000 EinwohnerStudenten pro 1.000 Einwohner

20172017

Entwicklung Miete BestandEntwicklung Miete Neubau

2008-20182008-2018

RIWIS auf Basis der Statistischen LandesämterRIWIS auf Basis der Statistischen LandesämterBundesagentur für ArbeitMB ResearchRIWIS auf Basis der Statistischen LandesämterRIWIS auf Basis der Statistischen LandesämterRIWISRIWIS

Wohnungs-markt

NOPQ

Entwicklung Kaufpreis ETW BestandEntwicklung Kaufpreis ETW Neubau

2008-20182008-2018

Entwicklung VervielfacherErschwinglichkeit: Anteil Miete (kalt) amHaushaltsnettoeinkommen

2008-20182017

R

S

Erschwinglichkeit: Ø Kaufpreis als Vielfaches desEinkommensBautätigkeit: Ø fertiggestellte Wohnungen pro1.000 Einwohner

2017

2007-2017

RIWISRIWISRIWISRIWIS

RIWIS

RIWIS

bulwiengesa



Berlin – Soziodemografie/-ökonomie

Düsseldorf – Soziodemografie/-ökonomie

Frankfurt (Main) – Soziodemografie/-ökonomie

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

A - Einwohnerent-wicklung B - Einwohner-

prognose

C - Anteil 15- bis50-Jährige

D - Haushaltsent-wicklung

E - Haushaltsprog-nose

F - Anteil 1-/2-Per-sonen-Haushalte

G - EntwicklungSVP

H - Arbeitslosen-quote

I - Kaufkraft

J - Pendlersaldo

K - Studenten

13

51

3

51

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

AB

C

D

EF

G

HI

JK

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5 A B

C

D

EF

G

H

I

JK

Berlin – Immobilienmarkt

Düsseldorf – Immobilienmarkt

Frankfurt (Main) – Immobilienmarkt

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L - Miete Bestand

M - Miete Neubau

N - Kaufpreis Be-stand

O - Kaufpreis Neu-bau

P - Vervielfacher

Q - Erschwinglich-keit Miete

R - Erschwinglich-keit ETW

S - Bautätigkeit1

35

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5L

M

N

O

P

Q

R

S

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L

M

N

OP

Q

R

S

bulwiengesa



Hamburg – Soziodemografie/-ökonomie

Köln – Soziodemografie/-ökonomie

München – Soziodemografie/-ökonomie

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5


prognose





G - EntwicklungSVP


I - Kaufkraft

J - Pendlersaldo

K - Studenten

13

51

3

51

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

A B

C

D

EF

G

HI

J

K

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

A B

C

D

EF

G

H

I

J

K

Hamburg – Immobilienmarkt

Köln – Immobilienmarkt

München – Immobilienmarkt

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L - Miete Bestand

M - Miete Neubau



P - Vervielfacher



S - Bautätigkeit1

35

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5L

M

N

O

P

Q

R

S

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L

M

N

O

P

QR

S

bulwiengesa



Stuttgart – Soziodemografie/-ökonomie

Bochum – Soziodemografie/-ökonomie

Bonn – Soziodemografie/-ökonomie

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5


prognose





G - EntwicklungSVP


I - Kaufkraft

J - Pendlersaldo

K - Studenten

13

51

3

51

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

A BC

DE

FG

HIJ

K

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

AB

C

D

EF

G

H

I

J

K

Stuttgart – Immobilienmarkt

Bochum – Immobilienmarkt

Bonn – Immobilienmarkt

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L - Miete Bestand

M - Miete Neubau



P - Vervielfacher



S - Bautätigkeit1

35

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5 L M

N

OPQ

RS

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5 L M

N

OP

Q

R

S

bulwiengesa



Bremen – Soziodemografie/-ökonomie

Dortmund – Soziodemografie/-ökonomie

Dresden – Soziodemografie/-ökonomie

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5


prognose





G - EntwicklungSVP


I - Kaufkraft

J - Pendlersaldo

K - Studenten

13

51

3

51

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

AB C

D

EF

G

HIJ

K

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

A B

CD

E

F

G

H

I

J

K

Bremen – Immobilienmarkt

Dortmund – Immobilienmarkt

Dresden – Immobilienmarkt

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L - Miete Bestand

M - Miete Neubau



P - VervielfacherQ - Erschwinglich-

keit Miete


S - Bautätigkeit

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5L

M

N

OP

Q

R

S

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5L

M

N

O

P

Q

R

S

bulwiengesa



Duisburg – Soziodemografie/-ökonomie

Essen – Soziodemografie/-ökonomie

Hannover – Soziodemografie/-ökonomie

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5


prognose




F - Anteil 1-/2-Per-sonen-HaushalteG - Entwicklung

SVP


I - Kaufkraft

J - Pendlersaldo

K - Studenten

13

51

3

51

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

A BC

D

EF

G

HI

JK

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

A

B

C

D

E

F

G

HI

JK

Duisburg – Immobilienmarkt

Essen – Immobilienmarkt

Hannover – Immobilienmarkt

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L - Miete Bestand

M - Miete Neubau



P - Vervielfacher



S - Bautätigkeit1

35

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5L

M

N

OP

Q

R

S

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5L

M

N

O

P

Q

R

S

bulwiengesa



Karlsruhe – Soziodemografie/-ökonomie

Leipzig – Soziodemografie/-ökonomie

Mannheim – Soziodemografie/-ökonomie

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

A - Einwohnerent-wicklung

B - Einwohner-prognose





G - EntwicklungSVP


I - Kaufkraft

J - Pendlersaldo

K - Studenten

13

51

3

51

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

AB

C

D

EF

G

H

I

JK

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

AB

C

D

EF

G

H

I

JK

Karlsruhe – Immobilienmarkt

Leipzig – Immobilienmarkt

Mannheim – Immobilienmarkt

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L - Miete Bestand

M - Miete Neubau



P - Vervielfacher



S - Bautätigkeit1

35

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5L

M

N

O

P

Q

R

S

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L

M

N

O

P

Q

R

S

bulwiengesa



Münster – Soziodemografie/-ökonomie

Nürnberg – Soziodemografie/-ökonomie

Wiesbaden – Soziodemografie/-ökonomie

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5







G - EntwicklungSVP


I - Kaufkraft

J - Pendlersaldo

K - Studenten

13

51

3

51

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

AB

C

D

EF

G

H

I

J K

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

AB

C

D

EF

G

HI

JK

Münster – Immobilienmarkt

Nürnberg – Immobilienmarkt

Wiesbaden – Immobilienmarkt

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L - Miete Bestand

M - Miete Neubau



P - Vervielfacher



S - Bautätigkeit1

35

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5L

M

N

O

P

Q

R

S

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5L

M

N

OP

Q

R

S

bulwiengesa



Aachen – Soziodemografie/-ökonomie

Augsburg – Soziodemografie/-ökonomie

Bielefeld – Soziodemografie/-ökonomie

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5







G - EntwicklungSVP


I - Kaufkraft

J - Pendlersaldo

K - Studenten

13

51

3

51

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5 AB

C

D

EF

G

H

I

J

K

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

A BC

D

EF

G

HI

J

K

Aachen – Immobilienmarkt

Augsburg – Immobilienmarkt

Bielefeld – Immobilienmarkt

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L - Miete Bestand

M - Miete Neubau



P - Vervielfacher



S - Bautätigkeit1

35

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L

M

N

O

P

Q

R

S

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5L

M

N

O

P

Q

R

S

bulwiengesa



Braunschweig – Soziodemografie/-ökonomie

Darmstadt – Soziodemografie/-ökonomie

Erfurt – Soziodemografie/-ökonomie

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5







G - EntwicklungSVP


I - Kaufkraft

J - Pendlersaldo

K - Studenten

13

51

3

51

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

A

B

C

D

EF

G

H

I

J

K

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

A

B

C

D

E

FG

H

I

JK

Braunschweig – Immobilienmarkt

Darmstadt – Immobilienmarkt

Erfurt – Immobilienmarkt

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L - Miete Bestand

M - Miete Neubau



P - Vervielfacher



S - Bautätigkeit1

35

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5L

M

N

O

P

Q

R

S

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5L

M

N

O

P

Q

R

S

bulwiengesa



Erlangen – Soziodemografie/-ökonomie

Freiburg (Breisgau) – Soziodemografie/-ökonomie

Heidelberg – Soziodemografie/-ökonomie

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5


prognose





G - EntwicklungSVP


I - Kaufkraft

J - Pendlersaldo

K - Studenten

13

51

3

51

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

AB

C

D

E

F

G

H

I

J

K

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

AB

C

D

E

F

G

H

I

J

K

Erlangen – Immobilienmarkt

Freiburg (Breisgau) – Immobilienmarkt

Heidelberg – Immobilienmarkt

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L - Miete Bestand

M - Miete Neubau



P - Vervielfacher



S - Bautätigkeit1

35

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L

M

N

O

P

QR

S

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5 LM

N

O

P

Q

R

S

bulwiengesa



Kiel – Soziodemografie/-ökonomie

Lübeck – Soziodemografie/-ökonomie

Magdeburg – Soziodemografie/-ökonomie

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5


prognose





SVP


I - Kaufkraft

J - Pendlersaldo

K - Studenten

13

51

3

51

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

AB

C

D

E

FG

HI

JK

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

A BC

D

E

F

G

HI

J

K

Kiel – Immobilienmarkt

Lübeck – Immobilienmarkt

Magdeburg – Immobilienmarkt

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L - Miete Bestand

M - Miete Neubau



P - Vervielfacher



S - Bautätigkeit1

35

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5L

M

N

OPQ

R

S

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5L

M

N

OP

Q

R

S

bulwiengesa



Mainz – Soziodemografie/-ökonomie

Mönchengladbach – Soziodemografie/-ökonomie

Mülheim (Ruhr) – Soziodemografie/-ökonomie

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5


prognose





SVP


I - Kaufkraft

J - Pendlersaldo

K - Studenten

13

51

3

51

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

A

BC

D

EF

G

HIJ

K

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

A BC

D

EF

G

HI

J

K

Mainz – Immobilienmarkt

Mönchengladbach – Immobilienmarkt

Mülheim (Ruhr) – Immobilienmarkt

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L - Miete Bestand

M - Miete Neubau



P - Vervielfacher



S - Bautätigkeit1

35

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5 L M

N

OP

Q

R

S

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5 L M

N

OPQ

R

S

bulwiengesa



Offenbach (Mainz) – Soziodemografie/-ökonomie

Osnabrück – Soziodemografie/-ökonomie

Potsdam – Soziodemografie/-ökonomie

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5







G - EntwicklungSVP


I - Kaufkraft

J - Pendlersaldo

K - Studenten

13

51

3

51

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

AB

C

D

E

F

G

HI

J

K

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

AB

C

D

EF

G

H

I

J

K

Offenbach (Main) – Immobilienmarkt

Osnabrück – Immobilienmarkt

Potsdam – Immobilienmarkt

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L - Miete Bestand

M - Miete Neubau



P - Vervielfacher



S - Bautätigkeit

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L

M

N

O

P

Q

R

S

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L

M

N

O

P

Q

R

S

bulwiengesa



Regensburg – Soziodemografie/-ökonomie

Rostock – Soziodemografie/-ökonomie

Saarbrücken – Soziodemografie/-ökonomie

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5


prognose





G - EntwicklungSVP


I - Kaufkraft

J - Pendlersaldo

K - Studenten

13

51

3

51

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

AB

C

D

E

FG

HI

J

K

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5

A BC

D

E

FG

HI

J

K

Regensburg – Immobilienmarkt

Rostock – Immobilienmarkt

Saarbrücken – Immobilienmarkt

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L - Miete Bestand

M - Miete Neubau



P - Vervielfacher



S - Bautätigkeit1

35

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5L

M

N

OP

Q

R

S

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L

M

N

O

P

Q

RS

bulwiengesa



Wuppertal – Soziodemografie/-ökonomie

13

51

3

5

1

3

5

1 3 51

3

5

13

5

13

51

3

5

135

1

3

5

1

3

5







G - EntwicklungSVP


I - Kaufkraft

J - Pendlersaldo

K - Studenten

Wuppertal – Immobilienmarkt

13

5

1

3

5

1 3 5

1

3

5

13

5

1

3

5

135

1

3

5

L - Miete Bestand

M - Miete Neubau



P - Vervielfacher



S - Bautätigkeit

bulwiengesa

DEUTSCHE B- UND C-STÄDTE VERSUS A-STÄDTE: Wo winkt ... · dite-Risiko-Verhältnis für...

Documents

Transcript of DEUTSCHE B- UND C-STÄDTE VERSUS A-STÄDTE: Wo winkt ... · dite-Risiko-Verhältnis für...