Wie Künstliche Intelligenz den Büroimmobilienmarkt umgestaltet

KI verändert Büroflächen nicht gleichmäßig, sondern fragmentiert Nachfrage nach Region, Branche und Nutzung

Eine gemeinsame Studie von JLL, der MIT Sloan School of Management und dem Center for Real Estate am Massachusetts Institute of Technology zeigt, dass Künstliche Intelligenz nicht pauschal zu weniger Bürofläche führt. Vielmehr entsteht ein differenziertes Bild: In einigen Segmenten schrumpft der Platzbedarf, in anderen wächst die Nachfrage für spezialisierte, kollaborative oder Premiumflächen.

Die Untersuchung mit dem Titel «Where AI is changing jobs and what it means for real estate» identifiziert drei gleichzeitige Kräfte der Veränderung: KI erweitert bestehende Aufgaben, verdrängt wiederkehrende Tätigkeiten und schafft neue, technologiegetriebene Rollen. Diese Dreiteilung erklärt, warum regionale Nettowirkungen stark variieren und warum allein die Betrachtung von Stellenzahlen für Immobilienentscheidungen nicht ausreicht.

Warum Standortanpassung entscheidend ist

Für Immobilieninvestoren rückt damit die Frage in den Mittelpunkt, wie schnell ein Standort Beschäftigte in neue Rollen überführen kann. Entscheidend sind lokale Bildungseinrichtungen, Unternehmen, Forschungskapazitäten und Risikokapital, die Umschulungen, Gründungen und Wachstum fördern. Die Studie zeigt, dass die Geschwindigkeit dieser Anpassung die reale Mietnachfrage stabilisieren oder in andere Segmente verlagern kann.

Vier typische Entwicklungspfade

• Hohe negative Disruption: Backoffice- und Verwaltungsaufgaben werden automatisiert, Teams schrumpfen, Bedarf an traditionellen Großraumbüros fällt.
• Geringe Disruption: KI unterstützt wissensbasierte Arbeit und fördert hochwertige, kollaborative Bürokonzepte.
• Hohe ausgleichende Disruption: Geografische Verlagerungen ändern die Verteilung der Nachfrage, ohne das Gesamtvolumen stark zu reduzieren.
• KI-Boom-Szenario: Innovationszentren und KI-native Firmen erhöhen die Konkurrenz um Premiumflächen.

Ein konkretes Beispiel aus der Studie zeigt, dass in San Francisco seit 2025 fast 30 Prozent der Anmietungen von KI-Unternehmen stammen, obwohl die Stadt zugleich ein hohes Expositionsrisiko für KI-bedingte Arbeitsplatzverluste aufweist. Das verdeutlicht: Nachfrage folgt nicht nur Kopfzahlen, sondern dem Qualifikationsmix und der räumlichen Verteilung von Teams.

Was das für deutsche Metropolen bedeutet

Die Autorinnen und Autoren betrachten mehrere deutsche Zentren als unterschiedlich gut aufgestellt: München wird als führend bei KI-Forschung bewertet, Stuttgart profitiert von hohem F&E-Anteil am regionalen BIP, und Berlin punktet mit einem dynamischen Startup-Ökosystem. Gleichwohl betont die Studie, dass auch hier keine einheitliche Entwicklung zu erwarten ist; jede Stadt ist ein eigenes Cluster mit speziellen Startbedingungen.

Konsequenzen für Investoren und Flächenmanager

Die Studie fordert eine veränderte Bewertungslogik: Weg von der Frage «Wieviele Jobs?» hin zu «Wie ändert KI die Arbeitsorganisation und damit Flächennutzung?». Praktisch heißt das, bei Standortanalysen Automatisierungs- und Qualifikationspfade zu modellieren, um zu prognostizieren, welche Flächenformate künftig gefragt sind und wie schnell Umschulungen oder Re-Skillings umgesetzt werden können.

Fazit: KI ist kein pauschaler Flächenvernichter, sondern ein Katalysator für ungleich verteilte Anpassungen. Investoren, Betreiber und Städte sollten ihre Portfolio- und Standortstrategien stärker an Resilienz und Rollen-Transformation ausrichten, um sowohl Abwärtsrisiken zu dämpfen als auch Chancen in neuen Nutzungskategorien zu nutzen.