Weiter zum Ihnhalt

Wüest Visits: Liegenschaften digitalisieren dank automatischer Bilderkennung

20. September 2022

Person, Human, Mobile Phone

Die mobile App Wüest Visits ermöglicht es Liegenschaften zu erfassen und Besichtigungen zu digitalisieren. In der neuen, kürzlich veröffentlichten, Version wird der Besichtigungsprozess durch eine automatische Bilderkennung deutlich vereinfacht. Die wichtigsten Eigenschaften wie Zustand, Standard und Materialien werden über ein intuitives Interface erfasst und ausgewertet. Die gesammelten Daten sind zur weiteren Verarbeitung in die Real Estate Management Plattform Wüest Dimensions übertragbar.

Die App ist passgenau auf die Bedürfnisse von Immobilienprofis zugeschnitten. Die Zeiten, in denen man Immobilien mit Klemmbrett, Papier und Stift besichtigen musste, sind vorbei.

Objekte mit automatischer Bilderkennung erfassen

Wüest Visits erlaubt Liegenschaften Bauteil für Bauteil zu dokumentieren. In 21 Kategorien wird alles abgebildet, von den Aussenbereichen wie Stellplätzen, über strukturelle Elemente wie Böden, Fassaden, Fenster, bis hin zu Geräten wie Heizungen und Lüftungsanlagen. Die neue automatische Bilderkennung analysiert den Inhalt des Bildes, schlägt Bauelemente vor und der Nutzer muss die Auswahl nur noch bestätigen.

Mobile Phone, Cell Phone, Electronics
Mobile Phone, Cell Phone, Phone

Liegenschaften in 30 Minuten digitalisieren

Die mit QualiCasa entwickelte App funktioniert auf allen Smartphones und ist in der Bedienung überaus benutzerfreundlich. Denn die App gibt eine Struktur vor, der sich leicht folgen lässt und die digitale Erfassung bei Besichtigungen vereinfacht. Es genügt, Bauteile wie Fussböden oder Küchen zu fotografieren, die Aufnahmen den Bauteil-Kategorien zuzuordnen und diese zu qualifizieren.

Schnellere Zuordnung mit Deep Learning

Das neue Feature basiert auf Deep Learning – einer Unterkategorie des maschinellen Lernens, bei der künstliche neuronale Netze angewendet werden. Dank dieser Technologie können Informationen in Bildern verarbeitet und den entsprechenden Bauteil-Kategorien zuverlässig zugeteilt werden: In über 80% der Fälle befindet sich die richtige Kategorie in den drei top Vorschlägen. Das beschleunigt die Arbeit wesentlich. Die nicht erkannten Fotos enthalten meistens mehrere Bauteile und wären auch für Menschen schwer einzuordnen. Das beste Beispiel ist ein Foto, das gleichzeitig Fassade, Dach, Fenster und Parkplätze beinhaltet. In so einem Fall liegt es an den Nutzer:innen, eine Wahl zu treffen.

Die Technologie hinter der automatisierten Bilderkennung

Wer genauer wissen möchte, wie Deep Learning eingesetzt wird: Das Wüest Partner Tochterunternehmen Datahouse nutzte dazu ein bestehendes neuronales Netz: Das „MobileNetV2“ von Google, das auf der umfangreichen Bilddatenbank „ImageNet“ vortrainiert wurde. Es besteht aus dutzenden Schichten künstlicher Neuronen und extrahiert tausende Merkmale aus einem Bild. Um das vortrainierte Netz auf den spezifischen Anwendungsfall anzupassen, fügten sie selbst eine Schicht Neuronen dazu, die mit über 60‘000 Bildern aus der Wüest Visits-Datenbank trainiert wurde. Diese Schicht nutzt die Information aus dem restlichen Netz und schlägt eine Einteilung in die 21 Kategorien (sog. „Classification Layer“) vor. Die finale Zuordnung bleibt dem Nutzer überlassen.

Kontaktieren Sie unsere Expert:innen für weitere Insights.