Zum Inhalt

Cookie-Einstellungen

Sie entscheiden je Kategorie, welche Dienste wir nutzen dürfen; vorausgewählt ist nichts. Ihre Wahl gilt für alle Seiten unter fh‑wedel.de, wird 12 Monate in einem Cookie gespeichert und lässt sich jederzeit im Footer unter „Cookie-Einstellungen“ ändern oder widerrufen. Datenschutz

Notwendig

Immer aktiv

Speichert Ihre Wahl, damit die Einwilligung funktioniert. Immer aktiv.

  • EinwilligungsverwaltungFachhochschule Wedel gGmbH
    Anbieter
    Fachhochschule Wedel gGmbH, Feldstraße 143, 22880 Wedel
    Zweck
    Speichert Ihre Entscheidung über Cookies und Dienste, damit wir Sie nicht bei jedem Aufruf erneut fragen.
    Cookies
    • fhw_einwilligung12 Monate
    • fhw_widerspruch12 Monate
    Drittland
    keins (EU)

Statistik

Wir messen, wie viele Menschen unsere Seiten besuchen und welche Beiträge sie lesen, um das Angebot zu verbessern.

  • Google Tag ManagerGoogle Ireland Limited
    Anbieter
    Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
    Zweck
    Lädt die Dienste der Kategorien, in die Sie eingewilligt haben.
    Cookies
    keine eigenen
    Drittland
    USA (Data Privacy Framework)
  • Google Analytics 4Google Ireland Limited
    Anbieter
    Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
    Zweck
    Misst, wie unsere Seiten genutzt werden, etwa welche Seiten aufgerufen werden und woher die Besuche kommen.
    Cookies
    • _ga2 Jahre
    • _ga_*2 Jahre
    Drittland
    USA (Data Privacy Framework)
  • MatomoFachhochschule Wedel gGmbH (eigener Server)
    Anbieter
    Fachhochschule Wedel gGmbH (eigener Server), Feldstraße 143, 22880 Wedel
    Zweck
    Misst auf unserem eigenen Server, welche Seiten und Beiträge aufgerufen und gelesen werden und woher die Besuche kommen.
    Cookies
    • _pk_id*13 Monate
    • _pk_ses*30 Minuten
    • _pk_ref*6 Monate
    Drittland
    keins (EU)

Marketing

Wir zeigen Werbung für die FH Wedel bei Google, Facebook, Instagram und TikTok (auch Menschen, die unsere Seiten besucht haben) und messen, ob sie wirkt. Dabei gelangen Daten in die USA und nach China.

  • Google Tag ManagerGoogle Ireland Limited
    Anbieter
    Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
    Zweck
    Lädt die Dienste der Kategorien, in die Sie eingewilligt haben.
    Cookies
    keine eigenen
    Drittland
    USA (Data Privacy Framework)
  • Google AdsGoogle Ireland Limited
    Anbieter
    Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
    Zweck
    Misst, ob Besuche auf unsere Anzeigen zurückgehen, und zeigt unsere Anzeigen Besucherinnen und Besuchern erneut (Remarketing).
    Cookies
    • _gcl_*3 Monate
    Drittland
    USA (Data Privacy Framework)
  • Meta-PixelMeta Platforms Ireland Limited
    Anbieter
    Meta Platforms Ireland Limited, Merrion Road, Dublin 4, D04 X2K5, Irland
    Zweck
    Misst den Erfolg unserer Anzeigen auf Facebook und Instagram und zeigt sie passenden Zielgruppen.
    Cookies
    • _fbp3 Monate
    • _fbc3 Monate
    Drittland
    USA (Data Privacy Framework)
  • TikTok-PixelTikTok Technology Limited
    Anbieter
    TikTok Technology Limited, 10 Earlsfort Terrace, Dublin, D02 T380, Irland
    Zweck
    Misst den Erfolg unserer Anzeigen auf TikTok und zeigt sie passenden Zielgruppen.
    Cookies
    • _ttp13 Monate
    • _tt_enable_cookie13 Monate
    • ttcsid*siehe Anbieter
    Drittland
    Drittländer einschließlich China (Standardvertragsklauseln)

Externe Medien

Wir zeigen eingebettete Videos und andere Inhalte fremder Anbieter direkt auf unseren Seiten; dabei erhält der Anbieter Daten wie Ihre IP-Adresse.

  • YouTubeGoogle Ireland Limited
    Anbieter
    Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
    Zweck
    Spielt eingebettete Videos von YouTube ab, nachdem Sie ein Video geladen haben.
    Cookies
    keine eigenen
    Drittland
    USA (Data Privacy Framework)
Alle Artikel

Thesis

Weniger Excel, mehr Automatisierung: Wie PropBridge die Datenübernahme im Immobilienmanagement vereinfacht

Die Arbeit untersucht, wie sich Property- und Buchhaltungsdaten automatisiert aufbereiten, zuordnen und prüfen lassen. Ein Prototyp zeigt, wie manuelle Schritte reduziert und Datenprobleme deutlich früher im Prozess erkannt werden können.

  • Veröffentlicht am
  • Verfasst von Vincent Mellmann, B. Sc. Wirtschaftsinformatik
  • Betreut von Prof. Dennis Proppe
  • Teilen

Einmal im Monat müssen in der Immobilienverwaltung zahlreiche Daten aus unterschiedlichen Systemen zusammengeführt werden. Was nach einem einfachen Export und Import klingt, bedeutet in der Praxis häufig viel Handarbeit: Dateien aufbereiten, Spalten zuordnen, Formate anpassen und anschließend prüfen, ob alles richtig angekommen ist. Genau an dieser Stelle setzt die Bachelorarbeit an.

Untersucht wurde, wie sich die Übernahme von Property- und Buchhaltungsdaten in ein Asset-Management-System vereinfachen lässt. Ziel war es, wiederkehrende technische Aufgaben zu automatisieren, Fehler früher zu erkennen und eine Grundlage für einen besser skalierbaren Prozess zu schaffen.

Wenn unterschiedliche Systeme zusammenarbeiten müssen

Das Property Management verwaltet unter anderem Informationen zu Immobilien, Mietflächen, Mietverträgen und Leerständen. Die Buchhaltung liefert dagegen finanzielle Daten wie Konten, Buchungen und Salden. Im Asset Management werden ausgewählte Informationen aus beiden Bereichen benötigt, um beispielsweise Reportings zu erstellen, Budgets zu kontrollieren und die wirtschaftliche Entwicklung von Immobilien zu beurteilen.

Im untersuchten Unternehmensfall erfolgte die monatliche Datenübernahme überwiegend manuell. Die Daten wurden exportiert, mithilfe von Excel-Dateien aufbereitet und anschließend in das Zielsystem importiert. Unterschiedliche Feldbezeichnungen, Kennungen und Dateiformate erschwerten die Verarbeitung. Fehlende Zuordnungen oder Formatfehler wurden teilweise erst beim Import oder in der späteren fachlichen Prüfung sichtbar. Dann mussten Dateien korrigiert, erneut geliefert und noch einmal geprüft werden.

Um diese Schwachstellen nachvollziehbar zu machen, wurden die bestehenden Abläufe aufgenommen und mit BPMN, einer standardisierten Methode zur Darstellung von Geschäftsprozessen, modelliert. Auf dieser Grundlage entstand ein Soll-Konzept für ein Schnittstellen-Tool, das die wiederkehrende Aufbereitung, Zuordnung und Validierung zentral übernimmt.

Eine digitale Brücke für die Daten

Die Idee wurde für die Property-Datenübernahme mit dem Prototyp PropBridge umgesetzt. Der Name steht für die Brücke zwischen den Daten des Property-Management-Systems und dem Asset-Management-System.

Die Quelldaten werden über eine lokale Weboberfläche hochgeladen. Anschließend übernimmt PropBridge die bisher manuell durchgeführten Aufbereitungsschritte: Die Anwendung vereinheitlicht die Daten, führt Informationen aus verschiedenen Exporten zusammen und ordnet sie mithilfe hinterlegter Regeln der benötigten Zielstruktur zu.

Besonders wichtig ist dabei die frühzeitige Prüfung. PropBridge kontrolliert die erzeugten Daten unter anderem auf fehlende Pflichtangaben, doppelte Datensätze und weitere Auffälligkeiten. Die Ergebnisse werden in einem verständlichen Prüfbericht festgehalten. So können mögliche Probleme erkannt werden, bevor die Daten an das Asset-Management-System weitergegeben werden.

Die aufbereiteten Daten können anschließend heruntergeladen oder per E-Mail versendet werden. Damit zeigt der Prototyp, wie sich ein wesentlicher Teil der bisher manuellen Datenübernahme automatisieren lässt.

Was der Prototyp zeigt – und was noch fehlt

Der Ist-Soll-Vergleich zeigt, dass sich insbesondere die wiederkehrende Erstellung der Zieldateien, die technische Transformation und Teile des Mappings automatisieren lassen. Statt dieselben Aufbereitungsschritte jeden Monat erneut manuell durchzuführen, werden festgelegte Regeln einheitlich angewendet. Die frühzeitige Validierung macht ausgewählte Datenprobleme zudem bereits vor der Weitergabe an das Zielsystem sichtbar.

Für die Buchhaltungsdaten wurde ebenfalls ein Soll-Prozess entwickelt. Dort soll unter anderem das Account-Mapping bereits vor dem Import geprüft werden. Bisher können fehlende Kontenzuordnungen erst nach der Einlieferung auffallen und zusätzliche Korrektur- und Importschleifen auslösen. Im Soll-Prozess sollen bekannte Zuordnungen wiederverwendet und nur neue Konten fachlich geklärt werden.

Eine vollständige End-to-End-Automatisierung wurde jedoch noch nicht umgesetzt. Der Export aus der Property-Software und der Upload in PropBridge erfolgen weiterhin manuell; auch die direkte Anbindung an das Asset-Management-System ist nicht Bestandteil des Prototyps. Die Buchhaltungsdatenübernahme wurde konzeptionell untersucht, aber nicht prototypisch implementiert. Konkrete Zeit- oder Kosteneinsparungen wurden nicht gemessen.

Die Arbeit zeigt damit die technische Machbarkeit einer zentralen Verarbeitungsebene. Als nächste Schritte bieten sich direkte Systemanbindungen, eine Erweiterung auf Buchhaltungsdaten und Tests mit mehreren Objekten und Berichtsperioden an. Fachliche Prüfungen und Freigaben bleiben dabei weiterhin Aufgabe der zuständigen Mitarbeitenden.