Wissen · Interessenten und Matching

Immobilienmatching: Vom Suchprofil zur nachvollziehbaren Empfehlung

Ein mehrstufiges Matching verbindet räumliche Vorselektion, harte Kriterien und Prozessregeln zu einer nachvollziehbaren Empfehlung. Dieser Artikel beschreibt sowohl den heute in TonnEstate produktiv laufenden regelbasierten Ansatz als auch geplante Ausbaustufen – und markiert deutlich, was bereits real läuft und was noch Konzept ist.

Suchprofil und Suchauftrag trennen

Ein Suchprofil beschreibt den fachlichen Bedarf einer Person, eines Haushalts oder einer Organisation. Ein Suchauftrag beschreibt eine vertragliche oder organisatorische Beauftragung. Beide können miteinander verbunden sein, sind aber nicht identisch. Ein Kontakt kann mehrere aktive oder historische Profile besitzen; ein gemeinsames Profil kann mehreren Beteiligten zugeordnet sein.

Stufe 1: technische und räumliche Vorselektion

Zuerst werden nur aktive Objekte und aktive Suchprofile desselben Mandanten betrachtet. Transaktionsart, Vermarktungsstatus und bereits erfolgte Angebote werden geprüft. Suchgebiete können auf die bestehenden 6-km-Tiles abgebildet werden. Primäre Suchtiles, Nachbartiles, erweiterte Bereiche und Ausschlusstiles erlauben eine räumliche Auswahl ohne starre Bindung an Postleitzahlen.

Stufe 2: harte Kriterien

Harte Kriterien entscheiden, ob ein Objekt grundsätzlich infrage kommt. Im heute produktiven Regelwerk sind das Preis-/Budgetrahmen, Zimmerzahl, Fläche und Segment (Wohnen oder Gewerbe). Ein Verstoß führt nicht zu einem bloß etwas niedrigeren Score, sondern zu einem transparenten Ausschluss.

Zusätzlich erfasste Wünsche wie Lage, Dringlichkeit oder Objektart werden gespeichert, aber bewusst nicht automatisch als erfüllt gewertet, solange dafür keine belastbare, strukturierte Vergleichsgrundlage existiert – ein unbekanntes Kriterium zählt als offen, nicht als bestanden. Das verhindert, dass eine Übereinstimmung nur vorgetäuscht wird, wo eigentlich noch geprüft werden muss.

Stufe 3: Score und Nachvollziehbarkeit

Das Ergebnis ist nicht nur eine Zahl. Zu jedem Match liefert TonnEstate eine Liste einzelner Kriterien mit erwartetem und tatsächlichem Wert sowie dem Status „erfüllt“, „nicht erfüllt“ oder „offen“. So sehen Nutzer auf einen Blick, woran ein Match liegt oder woran er scheitert.

Aktueller Stand: Der Score ist heute der Anteil erfüllter Kriterien an allen verglichenen Kriterien – ein einheitlicher Prozentwert ohne individuelle Gewichtung einzelner Wünsche. Ein separates Gewichtungsmodell für „weiche“ Präferenzen (z. B. Lage stärker gewichten als Baujahr) ist als Ausbaustufe vorgesehen, aber noch nicht umgesetzt – wir kündigen hier keine Funktion an, die es noch nicht gibt.

Stufe 4: Prozess- und Kommunikationsprüfung

Ein fachlich passendes Objekt darf nicht automatisch angeboten werden, wenn Einwilligung, Kontaktsperre, Vertraulichkeit, Zuständigkeit oder Kooperationsfreigabe entgegenstehen. Auch bereits erfolgte Ablehnungen, laufende Verhandlungen oder ein gesperrtes Objekt müssen berücksichtigt werden. Matching ist deshalb nicht nur ein mathematischer Vergleich, sondern Teil des CRM-Prozesses.

Für Matches zwischen zwei Maklerbüros durchläuft eine Kooperation einen strukturierten, mehrstufigen Ablauf – von der gegenseitigen Interessensbestätigung über die kontrollierte Offenlegung bis zur Vereinbarung, Besichtigung, dem Abschluss und dem Provisionsnachweis. Details dazu beschreibt die Seite Maklerkooperation.

Spätere ML-Ergänzung

Machine Learning kann später Reaktions-, Kompromiss- oder Abschlusswahrscheinlichkeiten schätzen. Dieser ML-Score bliebe vom regelbasierten Score getrennt und dürfte harte Ausschlüsse und Berechtigungen nicht umgehen. Trainingsdaten benötigen historische Zeitstände, stabile Objekt- und Profilidentitäten sowie nachvollziehbare Zielvariablen. Nutzer müssten weiterhin erkennen können, warum ein Match vorgeschlagen wurde. Dies ist Konzept, keine aktuell laufende Funktion.

Vom Match zur Lernschleife

Angebot, Interesse, Ablehnung, Besichtigung, Verhandlung und Abschluss sollen perspektivisch auf das Match zurückgeführt werden. Dadurch könnte das System nicht nur aus erfolgreichen Abschlüssen lernen, sondern auch aus nachvollziehbaren Ablehnungsgründen. Die fachliche Wahrheit bleibt in MariaDB; Automatisierung und Benachrichtigung können durch n8n orchestriert werden.