Benchmarking-Pools: Wertspreizung der Betriebskosten

Benchmarking-Pools für Immobilienbetriebskosten sind zentrale Datensammlungen, in denen viele einzelne Objekte bzw. Liegenschaften ihre Betriebs- und Nebenkostendaten einbringen. Ziel ist es, aus der Masse dieser Daten Vergleichskennzahlen (Benchmarks) abzuleiten, an denen die Teilnehmer ihre eigenen Objekte spiegeln können. Typischerweise werden solche Pools von branchennahen Organisationen, Verbänden oder Dienstleistern betrieben, die die Rolle eines neutralen Daten-Treuhänders übernehmen.

• Freiwillige Datensammlung und Gegenseitigkeit: In der Praxis beruhen Benchmarking-Pools meist auf dem Prinzip der Gegenseitigkeit: Teilnehmer (z. B. große Immobilienunternehmen, Asset Manager oder Property Manager) stellen anonymisiert ihre Objektdaten zur Verfügung und erhalten im Gegenzug Zugriff auf die aggregierten Vergleichsdaten der anderen. So entsteht ein geschlossener Nutzerkreis, der von der kollektiven Datengrundlage profitiert. Die Daten der einzelnen Objekte werden dabei keinem Dritten offenbart, sondern fließen nur in statistischer Form in Auswertungen ein. Durch dieses Vorgehen werden Datensicherheit und Vertraulichkeit gewährleistet, während gleichzeitig ein ausreichend großer Pool an Informationen zusammenkommt.

• Datenumfang und -qualität: Ein wesentliches Merkmal ist die Datenmenge: Professionelle Benchmarking-Datenbanken in Deutschland umfassen oft Hunderttausende bis Millionen von Flächeneinheiten (Mietbereiche) aus diversen Immobilien. Die breite Basis erhöht die Aussagekraft der Benchmarks und erlaubt feinere Segmentierungen (siehe unten). Voraussetzung dafür ist jedoch, dass die Daten eine gewisse Homogenität und Qualität besitzen. Daher werden an die Datenanforderungen hohe Ansprüche gestellt. In der Regel müssen Teilnehmer definierte Standardfelder liefern – etwa: Objektart, Baujahr, Standort (Region), Brutto- oder Mietfläche, spezifische Nutzung (z. B. Büro, Einzelhandel, Lager), Kostendaten je Betriebs- oder Nebenkostenkategorie für ein Abrechnungsjahr, und Zusatzinformationen wie Ausstattungsmerkmale (Klimaanlage ja/nein, Aufzüge etc.) oder Auslastung/Vermietungsstand. Moderne Plattformen erleichtern die Datenerfassung durch Schnittstellen zu den gängigen Immobiliensoftware-Systemen, sodass die Betriebskostenabrechnungs-Daten elektronisch importiert werden können. Vor der Übernahme in den Pool erfolgt meist eine automatisierte Plausibilitätsprüfung: Fachleute oder Algorithmen prüfen die eingehenden Werte auf Ausreißer oder Formatfehler, um die Konformität mit der Datenbankstruktur sicherzustellen. Dies verhindert, dass offensichtliche Fehler (z. B. Kommastellenfehler oder falsche Flächeneinheiten) die Benchmark-Auswertungen verzerren.

• Standardisierung und Normalisierung: Damit die zusammengeführten Daten tatsächlich vergleichbar sind, müssen sie auf eine einheitliche Basis gebracht werden. Dies betrifft insbesondere die Kostengliederung und die Flächenbezugseinheit. Unterschiedliche Eigentümer könnten ihre Betriebskosten unterschiedlich verbuchen; ein Benchmarking-Pool verlangt daher die Anwendung eines festen Kontenrahmens bzw. einer Norm (dazu im nächsten Kapitel mehr), damit z. B. Hausmeisterkosten oder Versicherungskosten bei allen Teilnehmern einheitlich zugeordnet sind. Ebenso muss die Bezugsgröße klar definiert sein – üblich ist der Bezug auf Euro pro Quadratmeter Miet- oder Nutzfläche pro Jahr (oder pro Monat). Die genaue Flächendefinition kann allerdings variieren (Bruttogrundfläche vs. Mietfläche nach gif-Standard); gute Pools fordern hier ebenfalls eine Standardvorgabe, damit nicht ein Objekt Kosten „pro m²“ auf Basis einer Bruttofläche und ein anderes auf Basis der geringeren Mietfläche meldet – was ansonsten zu verfälschten niedrigen bzw. hohen Kostenkennzahlen führen würde. Auch Normalisierungen werden bisweilen vorgenommen, um besondere Einflussfaktoren herauszurechnen. Beispielsweise kann die Angabe des durchschnittlichen Belegungsgrads oder der Nutzerintensität (z. B. Personen pro Fläche) helfen, bei der Interpretation zu berücksichtigen, ob hohe Kosten vielleicht teilweise durch hohe Nutzungsdichte erklärbar sind.

• Segmentierungsmöglichkeiten (Filterung): Ein zentrales Merkmal eines Benchmarking-Pools ist die Möglichkeit, die Vergleichsbetrachtung auf wirklich vergleichbare Objekte einzuschränken. Nutzer können typischerweise bestimmte Filter setzen, um einen Vergleichspool zusammenzustellen. So lassen sich etwa alle Bürogebäude einer bestimmten Größenklasse in derselben Region vergleichen, oder man kann Objekte nach ihrem Ausstattungsniveau gruppieren – z. B. getrennte Benchmarks für klimatisierte vs. nicht-klimatisierte Bürohäuser. Dies ist entscheidend, da ein unreflektierter Gesamtvergleich („alles mit allem“) wenig aussagekräftig wäre. Moderne Online-Portale bieten hier multifunktionale Auswahloptionen: Die hinterlegte Datenbank kann nach Region (etwa Bundesland oder Stadtlage), Gebäudegröße, Alter, Objektart (Büro, Retail, Hotel, Logistik etc.), technischer Ausstattung (Klimaanlage, Aufzüge) und sogar speziellen Merkmalen (z. B. Art der Heizungsanlage) gefiltert werden. Dadurch wird sichergestellt, dass die resultierenden Benchmarks einen sinnvollen Referenzrahmen darstellen – man vergleicht „Äpfel mit Äpfeln“. Ein großer Datenpool ermöglicht es erst, solche granulare Segmentierungen vorzunehmen, ohne dass die Vergleichsgruppe zu klein wird.

• Kennzahlen und Auswertungstiefe: Die grundlegende Kennzahl im Nebenkosten-Benchmarking ist in der Regel der Betrag pro m² und Jahr (bzw. Monat) für die gesamten Betriebskosten. Doch damit erschöpft sich die Methodik nicht. Üblicherweise werden Teilkennzahlen pro Kostenart ebenfalls bereitgestellt – etwa Kosten pro m² für Heizung, Strom, Reinigung, Hausmeister etc. – um Kostentreiber identifizieren zu können. Dadurch lässt sich erkennen, welche Kategorien den größten Anteil ausmachen und wo die größten Abweichungen zum Vergleich bestehen. In der Praxis liefern Benchmarking-Reports häufig eine tabellarische Übersicht der Kostenstruktur eines Objekts im Vergleich zur Referenz: für jede Kostenposition der Wert des Objekts, der Durchschnitts- oder Medianwert der Vergleichsgruppe sowie ggf. die prozentuale Abweichung.

• Berichtsformen: Neben Tabellen setzen Benchmarking-Pools auch auf grafische Darstellung zur leichteren Interpretation. Gängig sind z. B. Ranking-Diagramme, die ein Objekt innerhalb der Verteilung der Vergleichsgruppe einordnen (z. B. als Balken oder Marker entlang einer Achse von niedrigsten bis höchsten Kosten). Auch Trendanalysen sind üblich, falls mehrjährige Daten vorliegen: Dabei wird gezeigt, wie sich die Kostenkennzahl eines Objekts über die Jahre entwickelt hat und wie der Trend relativ zum Marktdurchschnitt verläuft. Einige Systeme ermöglichen außerdem Ad-hoc-Abfragen, sogenannte “Was-wäre-wenn”-Analysen (z. B. „Wie viel würde Objekt X einsparen, wenn es die Energieeffizienz von Objekt Y hätte?“).

Kurz gesagt, ein Benchmarking-Pool stellt den Teilnehmern ein Analyse-Tool zur Verfügung, mit dem sie ihre Betriebskosten auf Knopfdruck auswerten können. Es beantwortet Fragen wie: „In welchem Gebäude meines Portfolios sammeln sich die höchsten Kostentreiber?“, „Wie schneiden meine Objekte im bundesweiten Vergleich ab, wenn ich nach Baujahr und Ausstattung filtere?“ oder „Welche Kostenarten liegen bei Objekt A signifikant über dem Durchschnitt und welche unterhalb?“. Damit diese Fragen valide beantwortet werden können, müssen gewisse methodische Voraussetzungen erfüllt sein – insbesondere Standardisierung und Datenqualität, wie oben beschrieben.

Bevor wir zu den Herausforderungen kommen, sei ein Aspekt hervorgehoben: Unterschiedliche Nutzer können verschiedene Perspektiven auf die Daten haben. Eigennutzer (Owner-Occupiers) interessieren sich für die Vollkosten der Bewirtschaftung, also sämtliche Betriebskosten, da sie letztlich ihre eigene Gewinn-und-Verlust-Rechnung belasten. Investoren mit vermieteten Objekten differenzieren hingegen oft zwischen umlagefähigen Kosten (die per Mietvertrag an die Mieter weitergereicht werden können) und nicht umlagefähigen Kosten (die vom Eigentümer zu tragen sind, z. B. Verwaltungskosten oder Mietausfallwagnis). Gute Benchmarking-Pools tragen dem Rechnung, indem sie beide Sichten ermöglichen. So kann ein Benchmark sowohl die Gesamtheit der Betriebskosten umfassen als auch explizit auf die umlagefähigen Nebenkosten beschränkt werden. Letzteres ist zum Beispiel relevant, um die zweite Miete aus Mietersicht zu vergleichen, während ersteres die wirkliche Effizienz der Immobilienbewirtschaftung aus Eigentümersicht widerspiegelt. In der Praxis werden daher Kennzahlen oft doppelt ausgewiesen (z. B. „Betriebskosten gesamt“ vs. „davon umlagefähig“). Die Trennung ist auch nötig, weil die Höhe der umlagefähigen Kosten Marktakzeptanz finden muss – ein Gebäude mit exorbitant hohen umlagefähigen Nebenkosten wird am Markt Nachteile haben, selbst wenn ein Teil davon durch besonders guten Service erklärbar wäre.

Nachdem die Funktionsweise von Benchmarking-Pools skizziert ist, widmet sich die Arbeit im Folgenden den spezifischen Herausforderungen, die beim Benchmarking von Nebenkosten auftreten. Diese betreffen vor allem die Daten und deren Aufbereitung sowie die Interpretation der Ergebnisse.

• Unterschiedliche Abrechnungspraktiken und Inhomogenität der Daten: Immobilien gehören verschiedenen Eigentümern mit unterschiedlichen Verwaltungspraktiken. Was im Benchmarking-Pool als eine Kostenkategorie geführt wird, kann in den einzelnen Unternehmen unterschiedlich definiert sein. Ein klassisches Beispiel ist die Auslagerung von Leistungen: Einige Eigentümer lagern bestimmte Betriebskosten aus (etwa technische Wartung über Vollwartungsverträge, oder Hausmeister via externen Dienstleister) und verbuchen diese Ausgaben direkt unter Betriebskosten, während andere Eigentümer intern Personal beschäftigen oder Kosten in andere Budgets (z. B. Instandhaltung) verschieben. Wenn nun Betriebskostenabrechnungen unterschiedlicher Portfolios verglichen werden, fließen diese unterschiedlichen Praktiken ein und können die Kennzahlen verzerren. Ein Schweizer Autor spricht in diesem Zusammenhang von „verwässerten Datengrundlagen“ für Benchmark-Pools. Da in seinem Beispiel in die Benchmark-Auswertungen nur die Kosten aus den Liegenschaftsabrechnungen eingingen, also „per Definition nur die dem Eigentümer verbleibenden Kosten“, seien Benchmarks nur bedingt vergleichbar, wenn nicht berücksichtigt wird, welche Kosten womöglich extern getragen oder gar nicht in der Abrechnung enthalten sind. Im Klartext: Enthält ein Portfolio A in den Nebenkosten alle Hauswartkosten, während Portfolio B durch andere Vertragsgestaltung weniger Nebenkosten ausweist (weil Mieter oder Betreiber bestimmte Posten direkt zahlen), dann wird ein direktes Kosten/m²-Ranking schief. Die Benchmark-Werte werden uneinheitlich und können falsche Schlüsse provozieren (Portfolio A scheint ineffizienter, obwohl es ggf. nur vollständiger bucht). Diese Uneinheitlichkeit der Abrechnungsinhalte bleibt eine Dauerherausforderung. Sie wird zwar durch Standardisierung (z. B. Geislinger Konvention, siehe nächstes Kapitel) gemindert, aber nicht völlig eliminiert, da strategische Entscheidungen wie Was wird auf Mieter umgelegt? Was zählt man zu Nebenkosten? von Benchmark zu Benchmark variieren können. Als Konsequenz sollten Anwender stets prüfen, was genau im Benchmark enthalten ist. Viele Auswertungen kennzeichnen daher, ob es sich um reine umlagefähige Kosten handelt oder um Vollkosten, und in welchem Umfang Kosten ggf. extern getragen werden.

• Erhebung und Vollständigkeit der Daten: Die Datenerhebung kann aufwendig sein, insbesondere wenn ein Portfolio nicht über ein einheitliches digitales System verfügt. Eine Herausforderung besteht darin, alle nötigen Informationen vollständig und korrekt zu sammeln. Fehlende Daten (z. B. keine Angabe der Reinigungsfläche, kein separat ausgewiesener Stromverbrauch etc.) können dazu führen, dass ein Objekt in manchen Kategorien nicht vergleichbar ist. In Benchmarking-Pools wird häufig mit Mittelwertbildung gearbeitet – wenn ein Teilnehmer in einer Kategorie keinen Wert liefert, kann das den Vergleich verzerren. Einige Pools lösen das durch Pflichtfelder und strikte Datenstrukturen oder berechnen Notfallschätzungen, was aber Unsicherheiten birgt. Auch zeitliche Konsistenz ist wichtig: Die Vergleichbarkeit ist nur gegeben, wenn die Daten sich auf denselben Zeitraum beziehen. Bei Nebenkosten bedeutet das: Abrechnungsjahr 2024 eines Objekts vs. Abrechnungsjahr 2024 der Vergleichsobjekte. Bei stark abweichenden Perioden (z. B. Rumpfjahr, oder alte Werte) hinkt der Vergleich. Technisch besteht die Herausforderung darin, die Daten aus unterschiedlichsten Quellen (Excel-Listen, ERP-Export, PDF-Abrechnungen) in die benötigte strukturierte Form zu überführen. Dank digitaler Schnittstellen und standardisierter Austauschformate (in Deutschland z. B. die gif-IDA-Schnittstelle für Immobiliendaten) ist dies heute leichter als früher, aber es erfordert dennoch sorgfältige Kontrolle. Selbst wenn automatisch importiert wird, muss die Plausibilitätskontrolle anschlagen, falls z. B. Verbräuche in falschen Einheiten geliefert werden (kWh vs. MWh) oder ein Objekt versehentlich eine viel zu kleine Fläche gemeldet hat. In der Praxis haben einige Benchmarking-Anbieter spezialisierte Qualitätssicherungsroutinen etabliert, um genau solche Probleme abzufangen.

• Normalisierung und Vergleichbarkeit der Rahmenbedingungen: Angenommen, Objekt X hat 5,00 €/m² Nebenkosten, Objekt Y 3,50 €/m². Ist X damit ineffizient? – Das kommt darauf an. Vielleicht hat Objekt X deutlich längere Nutzungszeiten (24/7-Betrieb etwa in einem Rechenzentrum), eine Vollklimatisierung und umfassendere Sicherheitsdienste, während Objekt Y ein einfaches Lagerhaus ohne Klimatisierung und nur mit Teilnutzungszeiten ist. Ohne Normalisierung der Rahmenbedingungen könnte man vorschnell von Ineffizienz sprechen, obwohl zum Teil Leistungsunterschiede vorliegen (Objekt X bietet mehr Service oder steht vor größerer technischer Herausforderung). Eine Herausforderung ist es daher, Äpfel mit Äpfeln zu vergleichen. Die Segmentierung (siehe vorheriger Abschnitt) ist ein Schlüssel, aber selbst innerhalb einer Segmentierung bleiben Unterschiede. Hier müssen Benchmark-Analysten und Nutzer tiefes Verständnis mitbringen: Interpretation erfordert Kontextwissen. Manche Pools versuchen, durch Zusatzkennzahlen eine bessere Vergleichbarkeit herzustellen – etwa Kennwerte pro Arbeitsplatz statt pro m², oder Klimakennzahlen pro Gradtag bereinigt, um Klimaunterschiede zwischen Standorten auszugleichen. Solche Normalisierungen sind aber nicht immer möglich oder führen ihrerseits zu komplexeren Modellen. Im Alltag hat sich daher bewährt, wenn immer möglich mehrere vergleichende Kennzahlen heranzuziehen. Beispielsweise könnte man Nebenkosten sowohl absolut pro m² als auch in Prozent der Nettokaltmiete betrachten. Letzteres relativiert Unterschiede in Top-Lagen (wo Nebenkosten im Verhältnis zur teuren Miete geringer ins Gewicht fallen) gegenüber peripheren Lagen. Die Herausforderung besteht also darin, für eine sinnvolle Interpretation alle wesentlichen Faktoren zu berücksichtigen: Gebäudetypologie, Ausstattungsstandard, Nutzungsintensität, Standort (Preisniveau für Energie, Löhne etc.), Alter/Zustand und Vertragspraxis. Kein Benchmark liefert automatisch die Antwort, ob ein Wert gut oder schlecht ist – diese Antwort entsteht erst durch qualifizierte Interpretation der normalisierten Vergleichswerte.

• Dynamik und zeitliche Veränderungen: Nebenkosten sind Konjunktur- und Preisentwicklungen unterworfen (Energiepreise, Lohnkosten für Dienstleister, Inflation). Ein Benchmark-Wert ist stets eine Momentaufnahme aus den erhobenen Perioden. In Phasen stark steigender Energiepreise kann ein eigentlich effizientes Gebäude plötzlich über dem historischen Benchmark-Mittel liegen, einfach weil der Benchmark selbst noch die alten Preise enthält. Daher ist es wichtig, dass Benchmarking-Daten regelmäßig aktualisiert werden und idealerweise auch Trends berücksichtigt werden. Einige Benchmarking-Pools publizieren jährliche Berichte, in denen z. B. angegeben wird, dass der Durchschnitt der Büro-Nebenkosten im Jahresvergleich gesunken oder gestiegen ist. In der Tat zeigen Langzeitanalysen mitunter rückläufige Durchschnittskosten, etwa infolge energetischer Sanierungen – was aber nicht heißt, dass jeder Ausreißer über dem Schnitt sofort ineffizient ist; vielleicht hat er einfach Sanierungsrückstand. Die Herausforderung ist also, den zeitlichen Kontext zu wahren. Für die Interpretation in der Praxis empfiehlt es sich, nach Möglichkeit mehrjährige Daten zu nutzen. Viele interne Auswertungen in Unternehmen betrachten z. B. die gleitenden 3-Jahres-Durchschnitte oder die Veränderung der eigenen Kennzahl relativ zur Veränderung des Benchmarks über die Zeit. Nur so lässt sich unterscheiden, ob man z.B. schlechter geworden ist relativ zum Markt oder ob alle gestiegen sind (etwa durch externe Faktoren).

• Statistische Verlässlichkeit und Ausreißerbehandlung: Bei Benchmarking kommt unweigerlich Statistik ins Spiel. Die Herausforderung besteht darin, einerseits einfache, verständliche Aussagen zu treffen (z. B. „Ihr Objekt liegt 20 % über dem Durchschnitt“), andererseits aber die statistische Verteilung zu berücksichtigen. Benchmarks können durch Ausreißer beeinflusst sein – z. B. ein ungewöhnlich teures Objekt in der Vergleichsmenge treibt den arithmetischen Mittelwert nach oben. Deshalb wird oft bevorzugt mit dem Median oder Perzentilen gearbeitet, um robustere Aussagen zu erhalten. Wenn der Benchmark-Pool groß genug ist, können auch Quartilswerte angegeben werden (oberes und unteres Quartil), um die Spannweite der mittleren 50 % darzustellen. Die Interpretation „Ihr Objekt liegt im obersten Quartil“ ist meist aussagekräftiger als „Ihr Objekt liegt 20 % über dem Durchschnitt“, denn letzterer könnte durch einzelne Extremfälle verzogen sein. Ein praktisches Problem ist: Wie geht man mit unplausiblen Werten um? Selbst mit Qualitätschecks können manche Besonderheiten nicht eliminiert werden – etwa ein Sonderobjekt mit 24/7 Betrieb, das legitimerweise extrem hohe Verbräuche hat. Solche Fälle können einen Benchmark sprengen. Einige Anbieter filtern deshalb extreme Ausreißer (z. B. alles über 3 Standardabweichungen vom Mittel) aus der Berechnung heraus, zumindest für die Präsentation der „normalen“ Bandbreiten. Dennoch muss der Nutzer im Hinterkopf behalten, dass ein Benchmark immer eine Verteilung darstellt, keine Punktlandung. In der Kommunikation gegenüber Nicht-Experten (z. B. Eigentümerbericht) besteht die Herausforderung, komplexe statistische Sachverhalte einfach darzustellen – z. B. durch Grafiken wie Box-Plots oder durch Ampelsysteme (grün = innerhalb der erwartbaren Bandbreite, gelb = moderate Abweichung, rot = erhebliche Abweichung).

• Veränderung von Rahmenbedingungen: Gesetzliche Änderungen (etwa bei der Umlagefähigkeit bestimmter Nebenkosten oder neue Abgaben) können historische Benchmarks entwerten. Ein Beispiel: Sollte der Gesetzgeber bestimmen, dass CO₂-Kosten hälftig Vermietern auferlegt werden (eine im Gespräch befindliche Regelung), würden in Zukunft einige Kosten, die bisher umlagefähig waren, teilweise beim Eigentümer verbleiben. Ein Benchmark, der zurückliegende Jahre betrachtet, müsste dies bereinigen oder zumindest deutlich machen, damit nicht Äpfel mit Birnen verglichen werden (Plötzlich wären die „umlagefähigen Nebenkosten“ teilweise niedriger, weil die CO₂-Kosten fehlen – was aber kein Effizienzgewinn ist, sondern ein Umlageshift). Die Herausforderung für Benchmarking-Institutionen besteht darin, solche Änderungen zeitnah in ihren Auswertungen abzubilden und die Teilnehmer darauf hinzuweisen.

• Um die erwähnten Herausforderungen anzugehen und eine gemeinsame Sprache für das Nebenkosten-Benchmarking zu schaffen, spielen Standards und Klassifizierungssysteme eine entscheidende Rolle. In Deutschland (und international) haben sich über die Jahre verschiedene Normen und Richtlinien etabliert, die eine einheitliche Kostensystematik und Datendefinition ermöglichen. Solche Standards verbessern die Vergleichbarkeit und erleichtern es, valide Referenzwerte (Benchmarks) in der Praxis zu nutzen.

• Klassifizierungsstandards für Kosten: Eine Grundvoraussetzung für sinnvolles Benchmarking ist die einheitliche Gliederung der Kosten. In Deutschland sind hier vor allem die DIN 18960 und die Richtlinien der GEFMA (German Facility Management Association) relevant. Die DIN 18960 „Nutzungskosten im Hochbau“ definiert seit langem, welche Kostenarten im Lebenszyklus einer Immobilie zu betrachten sind (Betriebskosten, Instandhaltung, Abschreibungen etc.) und gliedert insbesondere die Betriebskosten in Kategorien. GEFMA 200 hat einen ähnlichen Ansatz für das Facility Management und bietet einen detaillierten Kostenkontenrahmen. Diese Normen legen beispielsweise fest, dass unter Betriebskosten u.a. Kosten für Energie, Wasser/Abwasser, Reinigung, Bewachung, Wartung, Versicherung, Steuern/Gebühren etc. fallen – und was explizit nicht dazuzählt (z.B. keine Instandsetzungskosten, keine Verwaltungskosten, sofern man strikt von umlagefähigen Betriebskosten spricht). Wichtig ist: Solche Standards sorgen dafür, dass alle Beteiligten das Gleiche meinen, wenn von „Heizkosten“ oder „Hausmeisterkosten“ die Rede ist.

• In der Praxis halten sich viele professionelle Akteure an diese Normen oder lehnen sich zumindest eng daran an. Beispielsweise definieren große Bestandshalter intern Kontierungsrichtlinien, die DIN 18960 oder der Betriebskostenverordnung (BetrKV) entsprechen.

• Geislinger Konvention: Speziell für die Wohnungs- und Immobilienwirtschaft in Deutschland ist die Geislinger Konvention ein wichtiger Standard. Sie wurde im Jahr 2000 von Vertretern der Immobilienwirtschaft unter Federführung von Prof. Hansjörg Bach erarbeitet. Die Geislinger Konvention bietet einen tief gegliederten Standardkontenrahmen für Betriebskosten, der eng an die 17 Kostenarten der BetrKV angelehnt ist. Ihr besonderer Wert liegt darin, sowohl unternehmensinternes als auch unternehmensübergreifendes Benchmarking zu unterstützen. Konkret stellt sie sicher, dass alle Unternehmen – unabhängig davon, wie fein oder grob sie intern buchen – ihre Daten so zuordnen können, dass sie vergleichbar werden. Ein Unternehmen mit sehr detaillierter Buchhaltung kann seine Einzelposten entsprechend aggregieren, während ein Unternehmen mit grober Buchung (z. B. alle „Sonstigen Betriebskosten“ in einem Topf) im Minimum die Hauptkategorien liefert. Die Geislinger Konvention hat in der Wohnungswirtschaft breite Akzeptanz und wurde in vielen Benchmarking-Plattformen implementiert: So basiert etwa das oben erwähnte immobench.de-Portal auf dieser Konvention. Sobald die Daten nach diesem Standard kodifiziert sind, kann die Plattform sie nach Kostenpositionen einheitlich auswerten und zusammen mit einer regionalen Zuordnung vergleichbar machen. Ein großer Vorteil der Geislinger Konvention ist die Nähe zur rechtlichen Betriebskostenumlagediskussion – wer nach GK bucht, erfüllt i.d.R. auch die Anforderungen an Nebenkostenabrechnungen nach Mietrecht, und vice versa.

• Flächen- und Nutzungsstandards: Neben den Kostenarten müssen auch die Bezugsgrößen standardisiert sein. Hier kommen z.B. gif-Flächenstandards (der Gesellschaft für Immobilienwirtschaftliche Forschung) ins Spiel, die definieren, welche Flächenanteile einer Immobilie als Mietfläche zählen etc. Im internationalen Kontext existiert der IPMS (International Property Measurement Standard). In Deutschland ist für Wohnflächen die Wohnflächenverordnung (WoFlV) relevant, während für Gewerbeflächen oft die gif-Standards oder individuelle Mietvertragsdefinitionen genutzt werden. Ein Benchmarking-Pool muss klar angeben, auf welche Flächenart sich die €/m²-Angaben beziehen – z.B. „MF-G nach gif“ (Mietfläche Gewerbe nach gif-Standard). Nur dann weiß der Nutzer, wie er seine eigene Fläche bestimmen muss, um korrekt zu vergleichen. Um hier Einheitlichkeit zu fördern, definieren branchenweite Datenaustauschformate (wie das genannte gif-IDA) genau solche Begriffe. So enthält die gif-IDA-Richtlinie ein ganzes Subset für Betriebskosten-Benchmarking, das festlegt, welche Flächen- und Kostenfelder zu übermitteln sind. Diese technischen Standards sind für den Endanwender nicht sichtbar, aber sie wirken im Hintergrund, damit ein Datenaustausch auf Augenhöhe stattfinden kann.

• Referenzwerte und Veröffentlichungen: Einmal standardisierte Daten gesammelt, lassen sich daraus Referenzkennzahlen ableiten. In der Praxis sind vor allem zwei Arten von Referenzen gebräuchlich: Benchmarks aus brancheneigenen Pools (die meist nur den Teilnehmern zugänglich sind) und veröffentlichte Kostenspiegel oder Studien. Beispielsweise veröffentlicht der Deutsche Mieterbund jährlich einen Betriebskostenspiegel für Wohnungen, der Durchschnittswerte je Kostenart und Gesamt-Nebenkosten pro m² angibt. In 2017 lagen demnach die durchschnittlichen Wohnungsnebenkosten bei 2,16 €/m²/Monat – solche Zahlen dienen Vermietern und Mietern als grobe Orientierung „was angemessen ist“. Für gewerbliche Immobilien gibt es vergleichbare Veröffentlichungen von Beratungsunternehmen und Verbänden, ohne jedoch gesetzlich normiert zu sein. Häufig zitierte Kennzahlen sind etwa die typischen Nebenkosten für Bürogebäude in den großen Städten. Aus Marktanalysen (z.B. von Immobiliendienstleistern) ist bekannt, dass klimatisierte Büros in Top-Städten um die 3,5–3,8 €/m²/Monat an Nebenkosten haben, nicht-klimatisierte um 3,0–3,4 €/m², je nach Stadt. Solche Werte sind aber immer mit Vorsicht zu genießen: Sie stellen Durchschnittswerte dar und verschweigen die Bandbreite. Hier kommen wieder Perzentilwerte ins Spiel – oft werden deshalb auch Medianwerte berichtet, da der Median (50 %-Wert) weniger durch Ausreißer verzerrt wird. Ein Benchmark-Bericht kann z.B. angeben: „Median der vollständigen Betriebskosten von Büroliegenschaften: 45 CHF/m²*a, Standardabweichung ~13 CHF“ (ein Schweizer Beispiel).

• Das signalisiert dem Leser, dass ±13 um den Median schon 68 % der Fälle abdecken (bei Normalverteilung), aber auch, dass es Ausreißer geben kann. Tatsächlich wurde im genannten Beispiel angemerkt, dass speziell bei Einzelhandelsimmobilien die Streuung sehr groß ist aufgrund unterschiedlicher Mietvertragsgestaltungen. Ein gutes Benchmarking liefert daher nicht nur einen Wert, sondern immer auch eine Bandbreite oder Streuungsmaß dazu. In Berichten finden sich Formulierungen wie „übliche Spannweite von x bis y €/m²“ oder grafische Darstellungen (Boxplot), die die Quartilswerte zeigen.

Eine der aufschlussreichsten Erkenntnisse aus jedem Benchmarking ist die Bandbreite der vorgefundenen Werte. Kaum eine Kennzahl ist in allen Immobilien gleich – im Gegenteil, meist zeigt sich eine erhebliche Wertspreizung, selbst innerhalb vermeintlich homogener Vergleichsgruppen. Die Analyse dieser Streuung ist aus zwei Gründen bedeutsam: Erstens helfen die Ursachen für die Spreizung zu verstehen, welche Faktoren die Betriebskosten beeinflussen (und welche davon beeinflussbar sind). Zweitens ermöglicht die Kenntnis typischer Spannweiten dem Praktiker, die eigene Position besser einzuordnen und angemessen darauf zu reagieren (Konsequenzen).

• Gebäudetyp und -größe: Unterschiedliche Immobilientypen haben systematisch verschiedene Kostenprofile. Ein einfaches Lagergebäude ohne Publikumsverkehr kommt mit deutlich geringeren Nebenkosten aus als ein Bürohochhaus mit vollklimatisierten Flächen. Selbst innerhalb der Kategorie „Büro“ macht es einen Unterschied, ob es sich um einen Campusbau mit 3 Geschossen oder einen 30-stöckigen Wolkenkratzer handelt. Hochhäuser benötigen z.B. mehr Aufzüge, drucksteigernde Pumpenanlagen, intensivere Sicherheit und haben höhere Wartungsaufwände – entsprechend liegen Großstadt-Hochhäuser bei Nebenkosten oft an der Spitze. Frankfurt am Main beispielsweise weist traditionell die höchsten Büro-Nebenkosten unter den deutschen Metropolen auf, was u.a. dem überdurchschnittlichen Hochhausanteil und der hohen Ausstattungsqualität geschuldet ist. Große Gebäude profitieren zwar von Skaleneffekten in manchen Bereichen (z.B. Hausmeister auf mehr Fläche verteilt), haben aber oft auch zusätzliche Kostenpositionen (z.B. eigene Heizkraftwerke, Sicherheitszentralen). Die Größe beeinflusst zudem kommunale Gebühren – z.B. Müllkosten können pro Einheit sinken mit größerer Einheitenzahl, während Grundsteuer linear mit dem Einheitswert steigt, unabhängig von Effizienz.

• Technische Ausstattung (insbesondere Klimatisierung): Wie bereits im vorigen Abschnitt angedeutet, führt der Ausstattungsgrad zu Spreizung. Ein voll klimatisiertes Gebäude hat nicht nur höhere Energiekosten (Strom für Kälteanlagen), sondern auch höhere Wartungs- und Inspektionskosten (Kälte-, Lüftungs-, MSR-Technik) sowie meist einen höheren Reinigungsaufwand (Filterwechsel etc.). Benchmark-Daten belegen z.B., dass klimatisierte Büros im Schnitt etwa 0,5 €/m²/Monat mehr Nebenkosten verursachen als vergleichbare nicht-klimatisierte. Diese Differenz zieht sich vor allem durch die Positionen Wartung und Strom. Ebenso kann ein Gebäude mit komplexer Gebäudeleittechnik höhere Kosten für Betriebsführung verursachen als ein einfaches Objekt. Hier zeigt sich: Die Spreizung liefert Hinweise darauf, welche technischen Features teuer sind. Für den Betreiber ist das wichtig zu wissen – z.B. kann er bei einem geplanten Neubau abwägen, ob der Mehrkomfort einer Vollklimatisierung die langfristig höheren Betriebskosten rechtfertigt (auch im Vergleich zum Benchmark-Mehrwert).

• Nutzungsintensität und Nutzerverhalten: Zwei äußerlich gleiche Gebäude können sehr unterschiedliche Nebenkosten haben, wenn z.B. das eine rund um die Uhr genutzt wird und das andere nur zu Bürozeiten. Lange Betriebszeiten erhöhen Strom- und Heizenergieverbrauch, nutzen Anlagen schneller ab (höhere Wartungskosten) und können auch mehr Reinigungsintervalle erfordern. Auch Nutzerverhalten spielt eine Rolle (etwa im Wasserverbrauch oder im sorgfältigen Umgang mit Einrichtungen, was sich auf Reparaturkosten niederschlägt – wobei Letzteres seltener umlagefähig ist und daher im Benchmark ggf. nicht erscheint). Benchmarking-Pools können solche Faktoren oft nicht direkt messen, aber indirekt zeigen sich Indikatoren: Hat ein Bürogebäude deutlich höhere Stromkosten als vergleichbare, könnte das an höherer EDV-Dichte oder längeren Arbeitszeiten liegen. Die Streuung in solchen Kategorien kann also durch unterschiedliche Nutzerprofile erklärt sein. Bei gemischt genutzten Gebäuden (z.B. Büro mit Rechenzentrum im Keller) sieht man bisweilen extreme Ausreißer im Energieverbrauch, was die Spreizung erhöht.

• Standort und regionale Kostenniveaus: Regionale Unterschiede tragen ebenfalls zur Spreizung bei. Besonders deutlich wird das bei den öffentlichen Abgaben: Die Grundsteuer-Hebesätze beispielsweise variieren stark zwischen Städten – Berlin hat mit 810 % einen sehr hohen Satz, während andere Städte wie Stuttgart (420 %) viel niedriger liegen. Das bedeutet, dass zwei identische Gebäude in Berlin und Stuttgart allein durch die Steuer einen Kostenunterschied von mehreren zehntel Euro pro m² haben. Auch Müll- und Abwassergebühren unterscheiden sich zwischen Gemeinden. Ebenso sind Lohnkosten (für Reinigung, Sicherheit) in München oder Frankfurt höher als in kleineren Städten, was höhere Angebote von Dienstleistern bedeutet. Dadurch entsteht in deutschlandweiten Benchmarks eine gewisse Spannweite allein aufgrund des Standortfaktors. In den Big-7-Städten lagen z.B. 2019 die durchschnittlichen Nebenkosten zwischen etwa 3,43 €/m²/Monat (Köln, günstigste) und 3,85 €/m² (Frankfurt, teuerste) – ein Unterschied von rund 12 %. Solche Differenzen sind keine unmittelbare Folge von Effizienz oder Ineffizienz, sondern von lokalen Preisniveaus. In Benchmark-Berichten wird daher oft nach Regionen getrennt oder zumindest auf die regionale Streuung hingewiesen.

• Gebäudealter und -zustand: Ältere Gebäude können teurer oder günstiger sein – hier wirken gegenläufige Effekte. Einerseits haben Altbauten oft höhere Verbrauchskosten (schlechtere Wärmedämmung führt zu höherem Heizenergiebedarf, ältere Anlagen sind ineffizienter). Andererseits sind Neubauten tendenziell höherwertig ausgestattet, was zusätzliche Kostenpositionen mit sich bringt (Be- und Entlüftung, Sprinkler, komplexe Gebäudeautomation). Die Benchmark-Spreizung reflektiert diese Heterogenität: Im Mittel liegen neuere Objekte häufig nicht wesentlich unter älteren in den Nebenkosten, weil Einsparungen durch Effizienz an anderer Stelle durch Mehrleistungen kompensiert werden. Was aber sichtbar wird: Investitionsstau führt zu Spreizung bei Instandhaltungskosten und teils zu Nebenkosten. Ein schlecht gewartetes Gebäude kann z.B. häufigere Reparaturen benötigen (die teils als Betriebskosten laufen, etwa kleine Instandsetzungen oder häufigeres „Störungsbeseitigen“ durch Techniker). Das treibt Kosten nach oben. Umgekehrt kann ein saniertes Gebäude (mit z.B. neuer LED-Beleuchtung, modernen Heizanlagen) im Verbrauch deutlich unter dem Durchschnitt liegen. All diese Unterschiede – Sanierungsstand, Modernisierungsgrad – fließen implizit in die breite Streuung der Kennzahlen ein.

• Vertragliche Gestaltung und Umlagefähigkeit: Ein oft übersehener, aber wichtiger Punkt: Nicht in jeder Immobilie werden alle Betriebskosten gleich umgelegt. In Gewerbeimmobilien ist zwar vieles verhandelbar, aber Beispiele: Manche Vermieter schließen z.B. einen Teil der Kosten in einer Pauschalmiete ein oder tragen bewusst bestimmte Positionen selbst (etwa aus Imagegründen die Sicherheitsdienst-Kosten in einem Shopping Center). In solchen Fällen erscheinen die Kosten in der Nebenkostenabrechnung niedriger, als sie tatsächlich sind. Wenn ein Benchmark-Pool nun nicht Vollkosten, sondern nur umlagefähige Kosten vergleicht, können Immobilien mit unterschiedlicher Umlagepraxis auseinanderdriften. Ein drastisches Beispiel sind Shopping-Center: Bei manchen Centern betreibt der Eigentümer z.B. die Mall-Klimaanlagen selbst und legt Kosten um, woanders zahlen die Mieter individuelle Ladenklimatisierung selber; in einem Fall sind Reinigung und Sicherheit Nebenkosten, im anderen Teil des allgemeinen Center-Managements und in der Miete inkludiert. Solche Differenzen führen dazu, dass z.B. im Segment Verkaufsimmobilien die Bandbreite der Nebenkosten-Kennzahlen enorm ist. Eine Untersuchung fand als mögliche Erklärung für die „markante Streuung“ bei Verkaufsobjekten genau diese Unterschiede in der Vertragsausgestaltung zwischen Eigentümer und Mietern. Anders gesagt: Zwei Einkaufszentren mögen in der Realität ähnlich effizient bewirtschaftet sein, aber das eine weist 5 €/m² Nebenkosten aus (inkl. Sicherheitsdienst, Mall-Klima etc.), das andere nur 3 €/m² (weil Mieter vieles selbst tragen). Ein direkter Vergleich wäre unfair – und er erhöht die Spannweite der Statistik.

• Service Level und Qualitätsanspruch: Nicht zuletzt bestimmt der gewählte Leistungsumfang die Kosten. Ein Gebäude, in dem täglich gereinigt wird, hat höhere Kosten als eines mit nur 2 Reinigungen pro Woche. Ähnliche Beispiele: 24h besetzter Empfang vs. kein Pförtner; aufwändige Gartenpflege mit saisonalem Blumenschmuck vs. einfache Grünflächenpflege; High-End-Security mit Videoüberwachung vs. einfache Schließrunde. Solche Qualitätsunterschiede sind gewollte Entscheidungen der Eigentümer oder Betreiber – sie beeinflussen aber die Nebenkostenhöhe. Im Benchmark zeigen sie sich als Spreizung nach oben. Deshalb sollte man bei Auswertung der Ergebnisse immer überlegen: Ist ein höherer Wert vielleicht bewusst erkauft durch besseres Servicelevel? Dann ist die Abweichung zwar vorhanden, aber kein „Fehler“ im Sinne von Ineffizienz. Manche Benchmarking-Reports versuchen, qualitativ zu kategorisieren (z. B. Kennzahlen für „einfacher Standard“ vs. „gehobener Standard“), doch das ist schwierig, da Qualität schwer messbar ist. Im Zweifel muss die Interpretation die qualitative Einschätzung ergänzen.

Die genannten Ursachen greifen oft ineinander. Real verursacht meist eine Kombination aus Faktoren die beobachtete Spreizung. Ein klimatisiertes Hochhaus in Frankfurt mit 24/7 Nutzung und hohem Servicelevel wird am oberen Ende der Skala liegen; ein kleiner, unspektakulärer Lagerbau in gemäßigtem Klima am unteren Ende. Wichtig ist, dass nicht jede Streuung gleichbedeutend mit gut oder schlecht ist – viel mehr spiegelt sie die Vielfalt der Immobilien und Betriebsstrategien wider. Dennoch bietet die Streuungsanalyse enormen Mehrwert: Sie zeigt, wo man genauer hinschauen sollte. Wenn etwa innerhalb einer homogenen Gruppe (sagen wir, Bürogebäude 5.000–10.000 m², vollvermietet, Bj. ~2000, in derselben Stadt) die Nebenkosten von 2,50 bis 4,50 €/m² reichen, fragt man sich automatisch, warum die einen doppelt so teuer sind wie die anderen. Hier liegt fast sicher Optimierungspotenzial, denn in so eng definierten Gruppen sollten Extremabweichungen entweder durch Sondereffekte oder Ineffizienzen erklärbar sein.

• Gesamtnebenkosten (alle Kostenarten zusammen): Für Bürogebäude in Deutschland bewegt sich der Großteil der Werte in einem Bereich von ca. 2,50 bis 5,00 €/m²/Monat (30 bis 60 €/m²a). In modernen Reports der letzten Jahre liegen die Durchschnittswerte klimatisierter Büros um 3,8 €/m², nicht-klimatisierte um 3,3 €/m². Die Spannweite jedoch ist deutlich größer – es gibt Objekte unter 3 € ebenso wie welche über 5 €. Extremwerte (sehr alte ineffiziente Gebäude oder Spezialfälle) können noch darüber liegen, aber diese sind selten und würden in bereinigten Benchmarks oft als Ausreißer ausgenommen. In einer detaillierten Schweizer Studie lag der Median der vollständigen Betriebskosten (über Wohn- und Gewerbeimmobilien gemischt) bei rund 45 CHF/m²a, mit einer Standardabweichung von ~13 CHF. Das deutet auf eine relative Streuung von rund ±30 % um den Median hin. Solche Größenordnungen sind auch in Deutschland plausibel. Bemerkenswert war dort: Wohnliegenschaften hatten den höchsten Median (~28 CHF), Verkaufsimmobilien den niedrigsten (~18 CHF), jedoch mit der größten Streuung – ein Befund, der wie oben erwähnt mit unterschiedlichen Umlagesystemen im Handel zusammenhängt. Für reine Büroimmobilien liegen Mediane typischerweise im Bereich 35–45 €/m²*a (entspricht ~3–3,75 €/m²/Monat) je nach Segment, mit einer Streuung (zwischen 25. und 75. Perzentil) von etwa ±20 % um diesen Wert. Das obere Quartil könnte z.B. bei 4,5 €/m² liegen, das untere bei 3,0 €/m². Solche Angaben sind allerdings immer nur grobe Richtwerte; jede Studie kann etwas andere Zahlen ausweisen.

• Einzelkostenarten: Die Spannweite variiert auch stark nach Kostenart. Öffentliche Abgaben (Grundsteuer, Müll, Straßenreinigung) haben in der Regel die geringste relative Streuung, zumindest innerhalb eines Landes und Objektsegments. Das liegt daran, dass Grundsteuer innerhalb einer Stadt für alle ähnlich berechnet wird und Müllgebühren etc. meist nach fixen Tarifen anfallen. Dennoch: Bundesweit betrachtet sind sogar bei Grundsteuer & Co. Unterschiede von ~100 % zwischen teuerstem Pflaster (Berlin) und günstigstem (Stuttgart) vorhanden. Energiekosten (Heizung, Strom) weisen hohe Spannweiten auf, weil sie stark vom Verbrauch abhängen. Heizkosten z.B. schwanken je nach Gebäudehülle, Nutzerverhalten und Wetter; im Jahr 2018 registrierte man in einer Analyse einen Rückgang der durchschnittlichen Heizkosten um >12 % gegenüber dem 5-Jahres-Schnitt – Effekte energetischer Sanierungen und milder Witterung. Trotzdem zahlen ineffiziente Gebäude oft ein Vielfaches dessen effizienter Gebäude. Wartungskosten haben ebenfalls hohe Streuung: Manche Eigentümer fahren eine Minimalstrategie (nur gesetzliche Prüfungen, kaum präventive Wartung), andere eine Maximalstrategie (Vollwartungsverträge, umfassende Inspektionen). So findet man in Benchmarks Bürogebäude, die nur 0,5 €/m² für Wartung ausgeben und andere mit 1,5 €/m². Reinigungskosten variieren mit Reinigungsfrequenz und Qualitätsniveau; hier gibt es auch städtische Unterschiede (Lohnniveau). Sicherheits- und Bewachungskosten sind ein klassischer Ausreißerposten: Viele Gebäude haben gar keine (0 €/m²), während Objekte mit 24/7-Sicherheitsdienst erhebliche Kosten haben. Das führt dazu, dass der Median bei Bewachung oft 0 ist, das obere Quartil aber deutlich >0. Verwaltungskosten (sofern betrachtet) können ebenfalls stark schwanken, z.B. je nachdem ob ein externer Property-Manager eingesetzt wird (dessen Honorar oft als fester Prozentsatz der Miete kalkuliert ist und damit mit steigenden Mieten wächst).

Typische Spannweiten sind in absoluten Zahlen je nach Kategorie verschieden, aber eine relative Abweichung von ±20–30 % vom Median ist für viele Betriebskosten normal. Erst Abweichungen darüber hinaus gelten als wirklich auffällig und analysierwürdig. In manchen Kategorien (Bewachung, Hausmeister) ist die relative Bandbreite sogar weit höher, weil einige Objekte Null haben und andere viel – dort muss man den Median und spezielle Strukturdaten betrachten (z.B. Anteil Objekte mit Sicherheitsdienst).

Die Verteilungsform der Kostenkennzahlen ist häufig rechtsschief (Rechtsschiefe Verteilung), d.h. es gibt einen Konzentration an niedrigeren bis mittleren Werten und eine lange „teure“ Seite mit wenigen Ausreißern nach oben. Deshalb ist der Median oft niedriger als der Durchschnitt. Beispielsweise wurden in einem Benchmark alle Objekte mit Kosten > 2 Standardabweichungen über dem Median als Ausreißer identifiziert – was zeigt, dass die Extremfälle durchaus deutlich entfernt vom Zentrum liegen können (hier: >2 Stdabw. über Median). Die Spannweite kann also durchaus das Doppelte oder mehr zwischen Minimum und Maximum betragen, aber solche Extreme sind nicht repräsentativ.

• Vorsicht vor Simplifizierung: Die große Bandbreite macht deutlich, dass ein einzelner Durchschnittswert kaum die Realität aller Objekte abbilden kann. Daher sollte niemand blind seine Kosten an einem einfachen „Branchenmittel“ messen, ohne die Besonderheiten seines Objekts zu berücksichtigen. Die Spreizung erinnert uns daran, dass Durchschnittswerte Schätzwerte sind und nur im Kontext Sinn ergeben. Ein Objekt kann über dem Durchschnitt liegen und trotzdem vollkommen im legitimen Rahmen, wenn es bestimmte Leistungen mehr bietet. Umgekehrt kann „unter Durchschnitt“ auch heißen, dass evtl. am Service gespart wird. Konsequenz: Benchmarking-Ergebnisse müssen immer qualitativ interpretiert werden – nie isoliert als Zahl gut/schlecht.

• Identifikation von Optimierungspotenzialen: Gleichzeitig signalisiert eine große Spreizung auch, dass es Potenziale gibt. Liegt ein Objekt am oberen Ende der Bandbreite seiner Peergroup, lohnt sich eine tiefere Ursachenanalyse: Gibt es ineffiziente Prozesse oder veraltete Technik, die den Kostensatz treiben? Oder kauft man Dienstleistungen teurer ein als andere (sprich: besteht Verhandlungsspielraum)? Gerade ausreißerhafte Abweichungen nach oben sind oft Indikatoren für Optimierungsbedarf – es sei denn, sie sind bewusst gewählt (Servicelevel). Für Asset Manager ist ein Objekt in der rechten Verteilungsflanke ein Anlass, das Property Management vor Ort kritisch zu hinterfragen: Warum brauchen wir z.B. 50 % mehr Reinigungsbudget als vergleichbare Objekte? Benchmarking wirkt hier als Katalysator, um solche Fragen zu stellen. Im Idealfall lassen sich durch Best Practice Sharing (z.B. hinterfragen, wie die günstigeren Objekte organisiert sind) konkrete Kostensenkungsmaßnahmen ableiten. Erfahrungsgemäß können viele Unternehmen zweistellige Prozentbeträge einsparen, wenn sie ein bisher ungeprüftes Feld durch Benchmarking ins Visier nehmen – insbesondere bei Betriebskosten, die lange als „durchlaufende Kosten“ galten und daher weniger Managementaufmerksamkeit erhielten.

• Setzen realistischer Ziele: Kennt man die Bandbreite, kann man seine Ziele smarter setzen. Es ist z.B. unrealistisch zu erwarten, dass man alle Objekte auf das absolute Minimum drücken kann. Aber man kann z.B. das Ziel ausgeben, dass jedes Objekt zumindest unterhalb des oberen Quartils liegen sollte, oder dass die teuersten Objekte schrittweise in Richtung Median gebracht werden. Die Spreizung liefert gewissermaßen ein Benchmarking der Ziele: Ein Asset Manager kann definieren: „Kein Gebäude soll teurer als 75 % seiner Peers sein.“ Das ist greifbarer als pauschal „Kosten senken“. Zudem kann die Bandbreite genutzt werden, um Budgetreserven zu rechtfertigen: Wenn man weiß, dass bestimmte Kosten stark schwanken (etwa Winterdienst je nach Winter), kann man argumentieren, dass man Puffer einplant, solange man aber insgesamt im Band bleibt.

• Kommunikation mit Stakeholdern: Für Eigentümer (insbesondere institutionelle, die Gremien und Anleger berichten) ist die Einordnung in Spreizung hilfreich, um Leistungen zu illustrieren. Man kann z.B. zeigen: „Unser Portfolio liegt kostenseitig überwiegend im 2. Quartil der Branche, nur Objekt X ist ein Ausreißer im 4. Quartil – hier arbeiten wir an Maßnahmen.“ Solches Reporting nutzt die Spreizungsinfo, um Vertrauen zu schaffen (man zeigt Transparenz und Benchmark-Orientierung). Auch gegenüber Mietern kann man argumentieren, wenn man z.B. unter dem Marktdurchschnitt liegt: Das wird dann zum Vermarktungsargument, Nebenkosten von z.B. 3 €/m² statt üblich 3,5 € anzupreisen. Liegt man hingegen darüber, muss man mit guten Gründen kommen (höherer Service) oder entsprechend gegensteuern.

• Fokus auf Ausnahmen statt Gesamtes: Eine breite Streuung bedeutet, dass es auch ganz spezifische Ursachen für Ausreißer geben kann. Das lenkt die Aufmerksamkeit im Management auf diese speziellen Fälle. Oft lohnt es sich, weniger auf den Durchschnitt aller Objekte zu schauen, sondern die zwei teuersten und zwei günstigsten genauer zu untersuchen – hier lernt man am meisten. Die Ausreißeranalyse ist somit ein direktes Produkt der Streuungsbetrachtung. Ein Beispiel: Erkennt man, dass ein Objekt bei Hausmeisterkosten outlier ist, kann man nachbohren und findet evtl. heraus, dass dort ein unüblicher Vertrag besteht oder dass es doppelte Strukturen gibt. Solche Erkenntnisse wären ohne Blick auf die Spreizung nicht so offensichtlich.

• Benchmarking der Strategie: Die Spreizung kann auch auf strategischer Ebene Konsequenzen haben. Wenn ein Unternehmen feststellt, dass es systematisch in einem Bereich teuer ist, kann das Grundsatzentscheidungen auslösen. Beispielsweise könnten viele Objekte am oberen Ende bei Energie liegen – daraus kann die Strategie abgeleitet werden, stärker in Energieeffizienz zu investieren (z.B. Programm zur Anlagensanierung). Oder wenn Bewachung überall hoch ist, könnte die Strategie geprüft werden, ob man Konzepte mit Technik statt Personal umsetzt (Videoüberwachung vs. Wachpersonal). Benchmarking ist somit nicht nur operativ, sondern kann auch strategische Weichen stellen, indem es Trends in der Streuung aufzeigt.

Als Konsequenz für Benchmarking-Anbieter ergibt sich: Sie sollten den Nutzern nicht nur nackte Zahlen liefern, sondern Hilfestellung bei der Interpretation geben. Gute Reports und Tools bieten daher Funktionen wie Abweichungsanalyse (wo genau weicht man wie ab), Ursachenhinweise (z.B. Verweis auf Energiekennzahlen bei hohen Heizkosten) und Austauschforen für Teilnehmer, um sich über Maßnahmen auszutauschen.

• Die bloße Kenntnis von durchschnittlichen Benchmark-Werten und deren Spannweite ist nur der erste Schritt. Entscheidend ist, wie mit diesen Informationen umgegangen wird. Ein professionelles Vorgehen zeichnet sich dadurch aus, dass es statistische Best Practices nutzt, die spezifische Situation des betrachteten Objekts oder Portfolios einbezieht und auf dieser Grundlage fundierte Entscheidungen trifft. Im Folgenden werden die wichtigsten Aspekte eines professionellen Umgangs mit Benchmark-Daten erläutert.

• Nutzung geeigneter statistischer Kenngrößen: Wie zuvor erwähnt, ist der Median oft aussagekräftiger als der arithmetische Mittelwert, wenn die Verteilung schief oder ausreißerbehaftet ist. Professionelle Analysen greifen daher bevorzugt auf Median- und Perzentilwerte zurück. Beispielsweise kann für jede Kostenart der Median der Vergleichsgruppe angegeben werden, um zu sehen, wo 50 % der Objekte liegen. Zusätzlich sind das obere Quartil (75 %-Wert) und untere Quartil (25 %-Wert) nützlich, um den Bereich abzustecken, in dem sich die mittlere Hälfte der Objekte bewegt. Einige Benchmarking-Tools zeigen diese per Boxplot-Grafik: Der Boxkörper markiert die Quartilsbandbreite, der Median als Linie darin, und „Whiskers“ oder Punkte markieren Ausreißer. Das vermittelt sofort einen Eindruck, ob der betrachtete Wert eher im Kernbereich liegt oder deutlich darüber/darunter. Standardabweichungen werden ebenso eingesetzt, vor allem wenn man eine Normalverteilung annimmt. In der Praxis wird jedoch seltener von Normalverteilung ausgegangen, sondern non-parametrisch mit Perzentilen gearbeitet, da viele Kennzahlen eben nicht normalverteilt sind. Wichtig ist: Ein professioneller Anwender kennt diese Kennzahlen und bezieht sie ein. Er würde z.B. nie isoliert sagen „Unsere Reinigung kostet 5 €/m², Benchmark 4 €/m², also 25 % teurer“, ohne zu wissen, wo der Wert im Gesamtspektrum steht. Liegt der Benchmark-Median bei 4 €, das obere Quartil bei 6 €, dann wäre 5 € sogar noch im „grünen Bereich“. Konsequenz: Anwender sollten soweit geschult sein, die gelieferten statistischen Infos zu verstehen. Viele Anbieter geben daher in ihren Berichten kurze Erklärungen dazu oder bieten Ampelvisualisierungen (grün = innerhalb Quartilskorridor, gelb = zwischen Q3 und max, rot = Ausreißer über 95 Perzentil, etc.), um die Interpretation zu erleichtern.

• Peergroup-Definition und Vergleichsportfolio festlegen: Professionelle Benchmarking bedeutet auch, die richtige Peergroup zu wählen, bevor man Ergebnisse beurteilt. Oft gibt es nicht „den einen“ Benchmarkwert, sondern je nach Filterung verschiedene. Beispiel: Ein deutschlandweiter Median für Büros mag 3,50 €/m² sein, aber für Stadtzentrum-Büros ab 10.000 m² vielleicht 3,80 €. Wenn mein Objekt ein 15.000 m² Büro in Innenstadtlage ist, sollte ich mich vorzugsweise an Letzterem orientieren. Professionelle Nutzer verwenden daher die Filtermöglichkeiten konsequent, um möglichst homogene Vergleichsgruppen zu bilden. Einige große Unternehmen erstellen sogar eigene Benchmark-Pools aus ihrem Portfolio oder im kleinen Kreis von ähnlichen Marktakteuren, wenn sie finden, dass allgemeine Benchmarks ihre spezielle Lage nicht abbilden. In jedem Fall gilt: Je ähnlicher die Vergleichsobjekte, desto aussagekräftiger der Vergleich. Auch das freidefinierte Vergleichsportfolio ist eine Methode: Man wählt etwa 10 Objekte aus (intern oder extern), die man für relevant hält (ähnlicher Standard), und bildet daraus seine Referenz. Moderne Tools erlauben diese Flexibilität. Professionell genutzt heißt das, dass man sich aktiv mit Wen vergleiche ich mit wem beschäftigt, statt passiv irgendeinen Branchenwert zu nehmen.

• Abweichungsanalyse pro Kostenart: Ein professionelles Benchmarking geht in die Tiefe der Kostenstruktur. Es reicht nicht zu wissen „Gesamt Nebenkosten 10 % über Median“, vielmehr will man verstehen, welche Positionen dafür verantwortlich sind. Deshalb wird eine Abweichungsanalyse erstellt, die für jede Kostenart zeigt, wie sehr sie vom Vergleich abweicht. Idealerweise geschieht das in Prozent und absoluten Beträgen. Zum Beispiel könnte herauskommen: Heizkosten +30 % über Benchmark, Strom +5 %, Reinigung -10 % unter Benchmark usw. So erkennt man die Haupttreiber. In unserem Beispiel wären es Heizkosten. Nun weiß man, wo man tiefer einsteigen muss. Professionelle Tools liefern solche Analysen auf Knopfdruck – vielfach sogar grafisch, z.B. in Form eines Balkendiagramms, das für jede Kostenart einen Balken nach rechts (teurer als Vergleich) oder links (günstiger) zeigt, Länge proportional zur Abweichung. Diese Methode macht es gezielt möglich einzugreifen, statt pauschal zu agieren. Die Abweichungsanalyse sollte auch die Bandbreite der Abweichung im Vergleich aufzeigen: D.h. nicht nur „Heizkosten +30 %“, sondern vielleicht „Heizkosten liegen damit im obersten Quartil, Spektrum der Abweichungen reicht von -50 % bis +100 %“. In dem genannten Beispiel wüsste man dann, +30 % ist zwar über Median, aber vielleicht gar nicht völlig ungewöhnlich (wenn manche +100 % haben). Diese Einordnung am Spektrum ist wichtig, um Überreaktionen zu vermeiden. Moderne Benchmark-Reports zeigen beispielsweise bei jeder Kennzahl, ob das Objekt am unteren, mittleren oder oberen Ende der Spanne liegt. So erkennt man, welche Abweichung wirklich gravierend ist. Im VDIV-Beispielbericht wurde das schön formuliert: „Die Abweichungsanalyse zeigt, welche Kostenart in welchem Maß vom Vergleichsbestand abweicht und wie breit das Spektrum der Abweichungen insgesamt ist. So zeigt sich, wie die Daten des Objekts einzuordnen sind – am unteren oder oberen Ende des Spektrums.“. Das ist deutlich verlässlicher als bloßes Bauchgefühl und erspart unnötige Detailprüfungen dort, wo man ohnehin im Rahmen liegt.

• Fokus auf Ausreißer und Ausnahmesituationen: Ein professioneller Benchmark-Analyst schaut sich insbesondere die Ausreißer an. Werte, die extrem hoch oder niedrig sind, verdienen Aufmerksamkeit. Extrem niedrige Werte könnten auf Datenfehler oder Leistungslücken (z.B. mangelnde Wartung) hindeuten, extrem hohe auf Ineffizienz oder Sonderlasten. Es empfiehlt sich, solche Objekte oder Kategorien einzeln zu behandeln. Einige Unternehmen setzen interne Thresholds: z.B. „Alle Objekte, die oberhalb des 90. Perzentils liegen, werden einem Management-Review unterzogen“. Ebenso sinnvoll: Peers identifizieren, die besonders gut sind (z.B. welche Gebäude liegen konstant im unteren Quartil?). Von denen kann man lernen, eventuell deren Praktiken kopieren. Benchmarking lebt ja vom Lernen von den Besten – man sollte daher nicht nur auf die schlechten Ausreißer schauen, sondern auch auf die positiven Ausreißer (Best Performer). Professionelles Vorgehen heißt also, aus der Streuung gezielt Leuchttürme (sowohl negativ als auch positiv) herauszupicken und Wissenstransfer anzustoßen.

• Zeitliche Entwicklung berücksichtigen: Ein einmaliges Ranking ist gut – noch besser ist die Dynamik zu betrachten. Professionell wird daher meist nicht nur der Status Quo angesehen, sondern auch: Wie hat sich das Objekt im Vergleich entwickelt? Wurde es besser oder schlechter relativ zur Benchmark? Hier kommen Zeitreihen-Benchmarks ins Spiel. Ein fortgeschrittenes Benchmarking liefert z.B. pro Objekt eine Grafik, wo Jahr für Jahr der Wert des Objekts und der Durchschnitt der Vergleichsgruppe aufgetragen sind. Vielleicht sieht man so, dass das Objekt zwar noch über dem Durchschnitt liegt, aber in den letzten Jahren stärker gesunken ist als der Durchschnitt – ein Indiz dafür, dass Maßnahmen greifen. Oder umgekehrt, ein zunächst guter Wert driftet nach oben, während der Markt konstant blieb – Warnsignal. Ein quantitativer Ansatz ist der Benchmark der Veränderungsrate: man kann z.B. ausrechnen, wieviel % die Kosten eines Objekts in 5 Jahren gestiegen sind vs. wieviel % der Benchmark. Eine professionelle Interpretation würde z.B. lauten: „Objekt A liegt mit 4,0 €/m² etwas über dem Median 3,5 €/m² (+14 %), allerdings ist A in den letzten 3 Jahren stabil geblieben, während der Median um 5 % gestiegen ist – A hat sich also relativ verbessert.“ Solche Aussagen zeigen die Trend-Performance, was oft wichtiger ist als der absolute Punktwert.

• Kontextualisierung und Ursachenprüfung: Hat man Abweichungen identifiziert, sollte man professionell immer nach Ursachen suchen, bevor man Entscheidungen trifft. Das heißt konkret: Für jede signifikante Abweichung fragt man „Warum?“. Ist es technikbedingt, nutzerbedingt, preisbedingt, fehlerhaft? Hier ist häufig eine Rücksprache mit dem Objektverantwortlichen (Facility Manager, Property Manager vor Ort) notwendig, da dieser die Details kennt. Professionelles Benchmarking bindet daher das Know-how der Operativen ein. Zum Beispiel meldet die Analyse hohe Hausmeisterkosten – der Property Manager erklärt dann vielleicht, dass in diesem Objekt der Hausmeister auch den Sicherheitsdienst macht und beide Posten in Hausmeisterkosten zusammengefasst wurden. Solche Infos relativieren den Befund. Daher sollte der Benchmarking-Prozess Schleifen für Feedback haben. Oft werden Berichte zunächst intern an die Verantwortlichen gegeben mit der Bitte um Stellungnahme zu Ausreißern. So verhindert man Aktionismus und erhält Hintergrundinfos.

• Ableitung konkreter Maßnahmen: Nach Analyse und Verständnis kommen die strategischen Ableitungen. Professionelles Vorgehen bedeutet, dass aus den Benchmarkergebnissen konkrete Maßnahmenpläne entwickelt werden. Beispielsweise:

• Wenn die Energiekosten deutlich über Benchmark liegen und als Ursache ineffiziente Anlagentechnik identifiziert wurde, könnte die Maßnahme lauten: „2023: Austausch der Heizungspumpen und Optimierung der Regelkurven, erwartete Einsparung 15 %“.

• Bei zu hohen Reinigungskosten eventuell: „Neuverhandlung des Reinigungsvertrags oder Anpassung des Reinigungsintervalls in wenig frequentierten Bereichen.“

• Bei Wartungskosten über Benchmark: „Prüfung von Alternativen zum Vollwartungsvertrag, ggf. Ausschreibung“.

• Hohe Verbrauchskosten: „Sensibilisierung der Nutzer, Einführung von Submetering, um Nutzerverhalten transparent zu machen.“

• Generell könnten auch Investitionsentscheidungen abgeleitet werden: Ist z.B. der Energieverbrauch extrem hoch, rechnet sich evtl. eine energetische Sanierung. Oder sind Instandhaltungskosten stark steigend, könnte eine Modernisierung sinnvoll sein.

• Wichtig ist, diese Maßnahmen in ihrer Wirtschaftlichkeit abzuwägen. Benchmarking liefert Ansatzpunkte, aber die Entscheidung muss Kosten und Nutzen der Maßnahme berücksichtigen. Professionell geht man so vor, dass man den Case rechnet: Wie viel könnte ich sparen, wenn ich von Wert X auf Benchmarkniveau käme? Und was würde es kosten, dies zu erreichen? So priorisiert man die Handlungsfelder. Häufig zeigt sich, dass manche Abweichungen billig zu korrigieren sind (z.B. durch Marktvergleich bei Versicherungskosten), während andere teuer wären (Heizungstausch) und daher eventuell hingenommen werden müssen.

• Kontinuierliches Monitoring: Professioneller Umgang bedeutet auch, Benchmarking als kontinuierlichen Prozess zu verstehen, nicht als einmalige Übung. Es sollte regelmäßige Zyklen geben – etwa jährliche Auswertungen nach jeder Abrechnungsperiode – und die Fortschritte sollten verfolgt werden. Einige Unternehmen richten KPIs ein, die auf Benchmark-Ergebnissen beruhen (z.B. „Anteil der Objekte, die innerhalb des Budget- und Benchmark-Korridors liegen“). Diese KPIs fließen dann ins regelmäßige Reporting. Dadurch stellt man sicher, dass Verbesserungen oder Verschlechterungen nicht unbemerkt bleiben.

• Kommunikation und Einbindung der Verantwortlichen: Ein oft unterschätzter Teil: Die Ergebnisse müssen adressatengerecht kommuniziert werden. Was nützt die beste Analyse, wenn sie im Regal verstaubt? Professionelles Vorgehen heißt, die relevanten Stakeholder einzubinden – von der operativen Ebene bis zur Führung. So wird z.B. empfohlen, dass Property Manager die Entwicklung der Betriebskosten ihres Objekts jedes Jahr auf die Agenda der Eigentümerversammlung oder des Owner-Meetings setzen. Das schafft Transparenz und zeigt die Leistung der Verwaltung auf. Visualisierungen aus dem Benchmarking-Tool (Grafiken, Rankings) können hier glänzen und die oft abstrakte Thematik greifbar machen. Für Asset Manager und Eigentümer wiederum sollte die Präsentation sich auf die Key Findings konzentrieren – also z.B. 3 Hauptabweichungen und was man dagegen tut, statt 30 Seiten Zahlen. Professionell kann auch heißen, Erfolge zu feiern: Wenn durch Maßnahmen die Kosten von oberes Quartil auf Median gesenkt wurden, sollte dies hervorgehoben werden, um zu zeigen, dass Benchmarking konkrete Ergebnisse bringt.

Der professionelle Umgang mit der unvermeidbaren Spreizung in Benchmarks besteht aus analytischer Präzision (statistische Kenngrößen, Differenzierung, Ursachenforschung) und zielgerichtetem Handeln (Maßnahmen, Monitoring, Kommunikation). Die Spreizung wird nicht als störendes Problem gesehen, sondern als Informationsquelle, um die Vielfalt der Situationen zu verstehen und daraus die richtigen Schlüsse zu ziehen.

• Eigentümer / Investoren: Eigentümern ist zu raten, Benchmarking als festen Bestandteil ihrer Immobilienstrategie zu verankern. Dies bedeutet zunächst, Transparenz einzufordern: Lassen Sie sich regelmäßige Benchmark-Berichte für Ihre Objekte vorlegen und scheuen Sie sich nicht, Fragen zu Abweichungen zu stellen. Nutzen Sie Benchmark-Daten für übergeordnete Entscheidungen – etwa zur Identifikation von Objekten, die strukturell ineffizient sind (und ggf. verkauft werden sollten, falls Optimierung nicht wirtschaftlich ist) vs. Objekten, die Top-Performer sind (und von denen man mehr im Portfolio haben möchte). Wichtig ist, Benchmark-Ergebnisse immer im Kontext der Wertstrategie zu sehen: Ein Investor, der auf langfristige Wertsteigerung setzt, wird eher bereit sein, heute in Modernisierung zu investieren, wenn die Kennzahlen eine deutliche Abweichung signalisieren, die morgen die Rendite schmälert. Eigentümer sollten auch überlegen, sich zusammenzuschließen – etwa in Branchenvereinigungen oder durch Teilnahme an Benchmarking-Pools – um Zugriff auf umfangreiche Vergleichsdaten zu erhalten. Die Investition (Mitgliedsbeiträge, personeller Aufwand) lohnt sich in der Regel schnell durch identifizierte Einsparmöglichkeiten. Ein weiterer Tipp: Eigentümer sollten klare Zielvorgaben an ihre Asset Manager kommunizieren, die aus dem Benchmarking abgeleitet sind (z.B. „Nebenkosten sämtlicher Objekte unter Branchendurchschnitt in 2 Jahren“ oder „kein Objekt soll im roten Bereich liegen“). Solche Ziele fördern die aktive Nutzung der Daten. Letztlich gilt: Der Eigentümer schafft den Rahmen (Budgets, Freigaben für Investitionen, Incentives). Wenn Benchmarking zeigt, dass Investitionen wie energetische Sanierungen langfristig Kosten und CO₂ einsparen, sollte der Eigentümer die Kapitalmittel bereitstellen und nicht kurzfristig am falschen Ende sparen. Als Investor können Sie Benchmark-Erfolge auch gegenüber Ihren Kapitalgebern kommunizieren – etwa in Nachhaltigkeitsberichten, wo sinkende Verbrauchswerte dank Benchmarking-Maßnahmen ausgewiesen werden.

• Asset Manager: Für Asset Manager ist Benchmarking ein operatives Controlling-Tool. Sie sollten die Kostentreiber in ihrem Portfolio mit Hilfe der Benchmark-Daten identifizieren und priorisieren. Eine Empfehlung ist, ein Portfolio-Dashboard einzurichten: Ampelmarkierungen für jedes Objekt in den wichtigsten Kategorien (Grün = im Soll, Gelb = beobachten, Rot = Handlungsbedarf). Asset Manager sollten einen Maßnahmenplan pro „rotem“ Objekt erstellen – in Zusammenarbeit mit dem Property und Facility Manager vor Ort. Wichtig ist, realistische Einsparziele zu setzen (siehe oben) und diese zu verfolgen. Asset Manager fungieren als Schnittstelle zwischen Eigentümer und operativer Ebene: Sie müssen die Benchmark-Ergebnisse übersetzen können – nach oben gegenüber dem Eigentümer (warum ggf. Budget X erhöht werden muss, weil Objekt Y sonst nie in den grünen Bereich kommt) und nach unten gegenüber dem Property Manager (wo dieser seine Bemühungen verstärken soll). Es empfiehlt sich, Benchmark-Kennzahlen auch in die Dienstleistersteuerung einzubauen: Beispielsweise kann man im Property-Management-Vertrag KPI’s festlegen, dass Nebenkosten innerhalb bestimmter Bandbreiten liegen sollen oder dass Jahr für Jahr Einsparungen in Höhe von x % (inflationsbereinigt) erzielt werden. Asset Manager sollten regelmäßige Review-Meetings ansetzen, in denen die neuesten Benchmark-Ergebnisse besprochen werden – idealerweise kurz nach Fertigstellung jeder Jahresabrechnung. Dabei sollt