Advertisement

Landeignungsprüfung in prosperierenden Großstädten. Ein GIS-basiertes Entscheidungsunterstützungssystem für Unternehmensimmobilienentwicklungen in der Stadt Düsseldorf

  • Michael Nadler
  • Florian Spieß
  • Georg Müller
Beitrag/Article
  • 64 Downloads

Zusammenfassung

Die hohe Attraktivität von Großstädten führt nicht nur in Deutschland zu einer Verdrängung von Unternehmensimmobilien in stark prosperierenden Räumen. Sie geht volkswirtschaftlich zulasten der Kommunen, da mit der Ansiedlung von Unternehmensimmobilien oftmals erhebliche externe (Nutzen‑)Effekte einhergehen. Die Vermeidung dieser Verdrängungsproblematik dient im folgenden Beitrag als Ausgangspunkt für die Entwicklung einer innovativen Methodik zur systematischen Landeignungsprüfung. Unter Ausnutzung der aktuellen Geodaten-Initiativen in Deutschland gelingt es hiermit erstmals, die vorhandenen Geodatenbestände in einem Geographischen Informationssystem auf der Basis des Compromise Programming zu einem multidimensionalen Entscheidungsunterstützungssystem für die Immobilien- und Stadtentwicklung in Deutschland zusammenzuführen. Angewandt auf die Großstadt Düsseldorf lässt sich der Mehrwert dieser neuen Methodik empirisch verifizieren: Durch die systematische Analyse und Bewertung des gesamten Stadtgebiets mittels multidimensionaler und GIS-basierter Landeignungsprüfung lassen sich nicht nur neue und wesentlich mehr Flächenpotenziale für private Investoren und Projektentwickler von Unternehmensimmobilien identifizieren. Darüber hinaus können auch für Stadtplaner und Kommunalpolitiker räumliche Schwerpunkte durch ein solches GIS-Modell transparent gemacht werden, welche als Schutzzonen für industrielle Flächennutzungen künftig die Verdrängung wichtiger Immobilientypen aus dem Stadtgebiet verhindern. Die Methodik leistet daher einen wichtigen Beitrag zu einer empirisch fundierten Gewerbeplanung, indem der interdisziplinäre Austausch zwischen den privaten und öffentlichen Akteuren der Immobilien- und Stadtentwicklung unterstützt wird.

Schlüsselwörter

Multidimensionale Entscheidungen Geographische Informationssysteme Land- und Immobilienmanagement Standortanalyse Wachstumsstädte Stadtentwicklung 

Land suitability analysis for corporate real estate developments in growing metropolises as the city of Düsseldorf

Abstract

Not only in Germany the attractiveness of large cities leads to a crowding out of corporate real estate in prosperous areas. This affects local communities since the settlement of corporate real estate often entails considerable external (utility) effects. Avoiding this crowding out serves as the origin for developing an innovative methodology for systematic land suitability assessment. Using the current German geodata-initiatives, we can merge for the first time existing geospatial data sets and geographic information systems on the basis of compromise programming into a multidimensional decision-support system for real estate and urban development in Germany. Applied to the city of Düsseldorf, we empirically verify the added value of this new methodology. Not only identifies the multidimensional and GIS-based land suitability assessment new and additional parcels for private investors and developers of corporate real estate. Moreover, the GIS-model visualizes spatial clusters of available industrial land, which might as proactive landscape protection areas prevent the future crowding out of corporate real estate. Thus, the methodology makes an important contribution to an empirically-based commercial planning system by supporting the interdisciplinary exchange between private and public actors in real estate and urban development.

Keywords

Multi-criteria decision-making Geographic information systems Land and real estate management Location analysis Growing metropolitan areas Urban development 

Literatur

  1. Abart-Heriszt, L. (1999): GIS-Modell zur landesweiten Beurteilung der Standorteignung für Industrie und Gewerbe in der Steiermark. In: Strobl, J.; Blaschke, T. (Hrsg.): Angewandte Geographische Informationsverarbeitung XI. Beiträge zum AGIT-Symposium Salzburg 1999. Heidelberg, 1‑10.Google Scholar
  2. Arabsheibani, R.; Kanani Sadat, Y.; Abedini, A. (2016): Land suitability assessment for locating industrial parks: a hybrid multi criteria decision-making approach using geographical information system. In: Geographical Research 54, 4, 446-460. doi: 10.1111/1745-5871.12176.Google Scholar
  3. Baja, S.; Chapman, D. M.; Dragovich, D. (2007): Spatial based compromise programming for multiple decision making in land use planning. In: Environmental Modeling and Assessment 12, 3, 171-184. doi: 10.1007/s10666-006-9059-1.Google Scholar
  4. Bankhofer, U. (2001): Industrielles Standortmanagement: Aufgabenbereiche, Entwicklungstendenzen und problemorientierte Lösungsansätze. Wiesbaden. = Neue Betriebswirtschaftliche Forschung 287.Google Scholar
  5. Berlemann, M.; Tilgner, J. (2006): Determinanten der Standortwahl von Unternehmen – ein Literaturüberblick. In: ifo Dresden berichtet 13, 6, 14-24.Google Scholar
  6. Berlemann, M.; Tilgner, J. (2007): Determinanten der innerdeutschen Standortwahl von Unternehmen – Ergebnisse einer empirischen Analyse. In: ifo Dresden berichtet 14, 3, 14-22.Google Scholar
  7. Bill, R. (2014): Geoinformation für jedermann – goldene Zeiten für die empirische Raumforschung. In: Raumforschung und Raumordnung 72, 3, 177-178.Google Scholar
  8. Bill, R. (2016): Grundlagen der Geo-Informationssysteme. Berlin.Google Scholar
  9. BMVBS – Bundesministerium für Verkehr, Bau- und Stadtentwicklung (2011): Typologie und Bestand beheizter Nichtwohngebäude in Deutschland. Berlin. = BMVBS-Online-Publikation 16/2011.Google Scholar
  10. BNPRE – BNP Paribas Real Estate (2017): Logistikmarkt Deutschland Property Report 2017. Frankfurt am Main.Google Scholar
  11. Boutkhoum, O.; Hanine, M.; Agouti, T.; Tikniouine, A. (2015): An improved hybrid multi-criteria/multidimensional model for strategic industrial location selection: Casablanca industrial zones as a case study. In: SpringerPlus 4, 628, 1‑23. doi: 10.1186/s40064-015-1404-x.Google Scholar
  12. Brabeck, J.; Ruhnau, U.-J. (2018): Kampf um Wohnraum im Düsseldorfer Norden. In: Rheinische Post vom 27. Januar 2018, 1.Google Scholar
  13. BulwienGesa (2016): Logistik- und Immobilien 2016. München.Google Scholar
  14. BulwienGesa (2017): Logistik- und Immobilien 2017: Citylogistik. Mit neuen Ideen in die Stadt. München.Google Scholar
  15. Busch, R. (2013): Logistikimmobilienstandorte in Deutschland – Raumstrukturen und räumliche Entwicklungstendenzen. Wuppertal.Google Scholar
  16. Busch, R.; Sikorski, S. (2006): Raumansprüche und Raumverträglichkeit von Logistikstandorten. In: Clausen, U.; Reicher, C. (Hrsg.): Logistik und Städtebau 2006: Raumverträglichkeit von Logistikstandorten. Dortmund, 66-79.Google Scholar
  17. Can, A. (1992): Residential quality assessment: alternative approaches using GIS. In: The Annals of Regional Science 26, 1, 97-110. doi: 10.1007/BF01581483.Google Scholar
  18. CBRE (2017): Deutschland Logistikimmobilienmarkt Q3/2017. Frankfurt am Main.Google Scholar
  19. Cushmann & Wakefield (2017): Urban logistics report – the ultimate real estate challenge. London.Google Scholar
  20. Difu – Deutsches Institut für Urbanistik (2017): Kurzstudie zu kommunalen Standortfaktoren. Ergebnisse auf Grundlage der Daten des Difu-Projekts „Koordinierte Unternehmensbefragung“. Berlin.Google Scholar
  21. DIHK – Deutscher Industrie- und Handelskammertag (2014): Industriestandort Deutschland: Risse im Fundament. DIHK-Umfrage im Netzwerk Industrie 2014. Berlin.Google Scholar
  22. Dueker, K. J; Delacy, P. B. (1990): GIS in the land development planning process balancing the needs of land use planners and real estate developers. In: Journal of the American Planning Association 56, 4, 483-491. doi: 10.1080/01944369008975451.Google Scholar
  23. Dumfarth, E.; Schönegger, C. (2001): GIS und Entscheidungsunterstützende Systeme in der Analyse von Standortpotenzialen im Bundesland Salzburg. In: Schrenk, M. (Hrsg.): Computergestützte Raumplanung. Beiträge zum 6. Symposium zur Rolle der Informationstechnologie in der und für die Raumplanung, Band 1. Wien, 225-229.Google Scholar
  24. Eldrandaly, K.; Eldin, N.; Sui, D. (2003): A COM-based spatial decision support system for industrial site selection. In: Journal of Geographic Information and Decision Analysis 7, 2, 72-92.Google Scholar
  25. Ertle-Straub, S. (2003): Standortanalyse für Büroimmobilien. Norderstedt.Google Scholar
  26. EY – Ernst & Young (2006): Deutsche Großstädte: Zufriedenheit der Unternehmen mit ihrem Standort. Berlin.Google Scholar
  27. Fataei, E.; Farhadi, M.; Mohammadian, A. (2015): Industrial state site selection using MCDM method and GIS in Germi, Ardabil, Iran. In: Journal of Industrial and Intelligent Information 3, 4, 324-329. doi: 10.12720/jiii.3.4.324-329.Google Scholar
  28. Fryrear, R.; Prill, E.; Worzala, E. (2001): The use of geographic information systems by corporate real estate executives. In: Journal of Real Estate Research 22, 1‑2, 153-164.Google Scholar
  29. gif – Gesellschaft für Immobilienforschung (2016): Redevelopment – Leitfaden für den Umgang mit vorgenutzten Grundstücken und Gebäuden. Wiesbaden.Google Scholar
  30. Göbel, A. (2012): Verwaltung als Standortfaktor für Unternehmen. Eine interdisziplinäre und multiperspektivische Analyse der Standortzufriedenheit von Unternehmen mit kommunalen Verwaltungen und Wirtschaftsförderungen. Osnabrück.Google Scholar
  31. Göbel, C.; Hamm, R. (2010): Zur Bedeutung regionaler Standortfaktoren: Empirische Analysen als Entscheidungshilfe der regionalen und kommunalen Wirtschaftspolitik. In: List Forum für Wirtschafts- und Finanzpolitik 36, 3, 187-215. doi: 10.1007/BF03373333.Google Scholar
  32. Henger, R.; Voigtländer, M. (2017): Bauboom führt zu Engpässen bei Gewerbeflächen. Köln. = IW-Kurzberichte 46.2017.Google Scholar
  33. Hochschule für Technik und Wirtschaft Berlin (2017): Process Management Real Estate Monitor 2017 – Big Data – Big Business? Berlin.Google Scholar
  34. Huff, D. L. (1963): A probabilistic analysis of shopping center trade areas. In: Land Economics 39, 1, 81-90. doi: 10.2307/3144521.Google Scholar
  35. Initiative Unternehmensimmobilien (2017): Marktbericht 1. Halbjahr 2017: Transparenz auf dem deutschen Markt der Unternehmensimmobilien. Berlin.Google Scholar
  36. IW – Institut der deutschen Wirtschaft (2012): Die Messung der industriellen Standortqualität in Deutschland. Köln.Google Scholar
  37. Jiang, G.; Hu, Z.; Jin, J. (2007): Quantitative evaluation of real estate’s risk based on AHP and simulation. In: Systems Engineering – Theory and Practice 27, 9, 77-81. doi: 10.1016/S1874-8651(08)60054-X.Google Scholar
  38. Joerin, F.; Thériault, M.; Musy, A. (2001): Using GIS and outranking multicriteria analysis for land-use suitability assessment. In: International Journal of Geographical Information Science 15, 2, 153-174. doi: 10.1080/13658810051030487.Google Scholar
  39. Johnson, M. P. (2001): Decision Support for Family Relocation Decisions under the Section 8 Housing Assistance Program using Geographic Information Systems and the Analytic Hierarchy Process. In: Journal of Housing Research 12, 2, 277-306.Google Scholar
  40. JLL – JonesLangLasalle (2017): Logistikimmobilienreport Deutschland. Frankfurt am Main.Google Scholar
  41. Jun, C. (2000): Design of an intelligent geographic information system for multi-criteria site analysis. In: Journal of the Urban and Regional Information Systems Association 12, 5‑17.Google Scholar
  42. Just, T.; Pfnür, A.; Braun, C. (2016): Aurelis-Praxisstudie: Wie Corporates die Märkte und das Management für produktionsnahe Immobilien einschätzen. Darmstadt. = Arbeitspapiere zur immobilienwirtschaftlichen Forschung und Praxis 31.Google Scholar
  43. Kabir, G.; Sadiq, R.; Tesfamariam, S. (2014): A review of multi-criteria decision-making methods for infrastructure management. In: Structure and Infrastructure Engineering 10, 9, 1176-1210. doi: 10.1080/15732479.2013.795978.Google Scholar
  44. Kamali, M.; Alesheikh, S.; Alavi Borazjani, A.; Jahanshahi, A.; Khodaparast, Z.; Khalaj, M. (2017): Delphi-AHP and weighted index overlay-GIS approaches for industrial site selection case study: large extractive industrial units in Iran. In: Journal of Settlements and Spatial Planning 8, 2, 99-105.Google Scholar
  45. Karl, T. (2017): Es kommt zu wenig Fläche nach. In: Immobilien-Zeitung vom 24. August 2017, 19.Google Scholar
  46. Keeney, R. L. (1992): Value-focused thinking: a path to creative decisionmaking. Cambridge.Google Scholar
  47. Kundakci, N.; Adali, E.; Isik, A. (2014): Tourist hotel location selection with analytic hierarchy process. In: Journal of Life Economics 2, 3, 47-58.Google Scholar
  48. Landeshauptstadt Düsseldorf (2009): Stadtentwicklungskonzept Düsseldorf 2020+. Düsseldorf.Google Scholar
  49. Landeshauptstadt Düsseldorf (2013): Stadtentwicklungskonzept Düsseldorf 2025+. Düsseldorf.Google Scholar
  50. Landeshauptstadt Düsseldorf (2015): Gewerbebauprojekte Gewerbebauflächenpotenziale: 2015. Düsseldorf.Google Scholar
  51. Landeshauptstadt Düsseldorf (2016): Masterplan Industrie – Stadt und Industrieunternehmen im Dialog. Düsseldorf.Google Scholar
  52. Langhagen-Rohrbach, C. (2012): Moderne Logistik – Anforderungen an Standorte und Raumentwicklung. In: Raumforschung und Raumordnung 70, 3, 217-227. doi: 10.1007/s13147-012-0161-3.Google Scholar
  53. Lee, G. K. L.; Chan, E. H. W. (2008): The analytic hierarchy process (AHP) approach for assessment of urban renewal proposals. In: Social Indicators Research 89, 1, 155-168. doi: 10.1007/s11205-007-9228-x.Google Scholar
  54. Logistikcluster NRW (2017): Ansiedlungshandbuch Logistik.NRW. Leitfaden für Regionen und Kommunen. Dortmund.Google Scholar
  55. Ma, C.; Zhou, M. (2018): A GIS-based interval fuzzy linear programming for optimal land resource allocation at a city scale. In: Social Indicators Research 135, 1, 143-166. doi: 10.1007/s11205-016-1476-1.Google Scholar
  56. Malczewski, J. (2004): GIS‐based land-use suitability analysis: a critical overview. In: Progress in Planning 62, 1, 3‑65. doi: 10.1016/j.progress.2003.09.002.Google Scholar
  57. Malczewski, J. (2006): GIS‐based multicriteria decision analysis: A survey of the literature. In: International Journal of Geographical Information Science 20, 7, 703-726. doi: 10.1080/13658810600661508.Google Scholar
  58. Malczewski, J.; Rinner, C. (2015): Multicriteria Decision Analysis in Geographic Information Science. New York. doi: 10.1007/978-3-540-74757-4.Google Scholar
  59. Mardani, A.; Jusoh, A.; Nor, K. M. D.; Khalifah, Z.; Zakwan, N.; Valipour, A. (2015): Multiple criteria decision-making techniques and their applications – a review of the literature from 2000 to 2014. In: Economic Research – Ekonomska Istraživanja 28, 1, 516-571. doi: 10.1080/1331677X.2015.1075139.Google Scholar
  60. Meier, J. (2011a): Standortfaktoren im Wandel? Erkenntnisse aus der Forschung zu Standortfaktoren und Standortwahl von Unternehmen. Berlin. = Difu-Impulse 1.Google Scholar
  61. Meier, J. (2011b): Von Autobahnauffahrten und Szenekneipen. Theorien und Forschung zu Standortwahl und Standortfaktoren. Eine Wissenschaft des Ungefähren im Mantel der Genauigkeit? Berlin.Google Scholar
  62. Meng, Y.; Malczewski, J.; Boroushaki, S. (2011): A GIS-based multicriteria decision analysis approach for mapping accessibility patterns of housing development sites: a case study in Canmore, Alberta. In: Journal of Geographic Information System 3, 1, 50-61. doi: 10.4236/jgis.2011.31004.Google Scholar
  63. Muhsin, N.; Ahamed, T.; Noguchi, R. (2017): GIS-based multi-criteria analysis modeling used to locate suitable sites for industries in suburban areas in Bangladesh to ensure the sustainability of agricultural lands. In: Asia-Pacific Journal Regional Science (online first). doi: 10.1007/s41685-017-0046-0.Google Scholar
  64. Nadler, M.; von Malottki, C. (2006): Wertschöpfungspotentiale geographischer Informationssysteme in der Immobilienentwicklung. In: Schrenk, M. (Hrsg.): Tagungsband CORP 2006: Sustainable solutions for the information society. Wien, 629-638.Google Scholar
  65. Nguyen, X.; Chou, T.; Fang, Y.; Lin, F. (2017): Combination of geographic information system, fuzzy set theory and analytic hierarchy process for rationality assessment of planned industrial zones: a case study in Vietnam. In: International Refereed Journal of Engineering and Science 6, 3, 72-79.Google Scholar
  66. Niklas, A. (2015): Bewertung von Lager- und Logistikimmobilien. In: Bienert, S. (Hrsg.): Bewertung von Spezialimmobilien: Risiken, Benchmarks und Methoden. Wiesbaden, 731-752. doi: 10.1007/978-3-663-01570-3.Google Scholar
  67. Nyeko, M. (2012): GIS and multi-criteria decision analysis for land use resource planning. In: Journal of Geographic Information System 4, 4, 341-348. doi: 10.4236/jgis.2012.44039.Google Scholar
  68. Önüt, S.; Efendigil, T.; Kara, S. S. (2010): A combined fuzzy MCDM approach for selecting shopping center site: An example from Istanbul, Turkey. In: Expert Systems with Applications 37, 3, 1973-1980. doi: 10.1016/j.eswa.2009.06.080.Google Scholar
  69. Pereira, J. M. C.; Duckstein, L. (1993): A multiple criteria decision-making approach to GIS-based land suitability evaluation. In: International Journal of Geographical Information Systems 7, 5, 407-424. doi: 10.1080/02693799308901971.Google Scholar
  70. Pfnür, A. (2014): Volkswirtschaftliche Bedeutung von Corporate Real Estate in Deutschland. Darmstadt.Google Scholar
  71. ProLogis (2016): Themes shaping new location selection in Europe. Amsterdam.Google Scholar
  72. ProLogis (2017): Europe’s most desirable logistics locations. Amsterdam.Google Scholar
  73. Rachdawong, P.; Apawootichai, S. (2003): Development of criterion weights for preliminary site selection: a pilot project of Supanburi industrial estate. In: Songklanakarin Journal of Scientific Technology 25, 6, 773-781.Google Scholar
  74. Ramos, R.; Fonseca, F. (2016): A methodology to identify a network of industrial parks in the Ave valley, Portugal. In: European Planning Studies 24, 10, 1844-1862. doi: 10.1080/09654313.2016.1202201.Google Scholar
  75. Rikalovic, A.; Cosic, I.; Labati, R. D.; Piuri, V. (2015): A comprehensive method for industrial site selection: the macro-location analysis. In: IEEE Systems Journal 11, 4, 2971-2980. doi: 10.1109/JSYST.2015.2444471.Google Scholar
  76. Rikalovic, A.; Cosic, I.; Lazarevic, D. (2014): GIS based multi-criteria analysis for industrial site selection. In: Procedia Engineering 69, 1054-1063. doi: 10.1016/j.proeng.2014.03.090.Google Scholar
  77. Ruckes, A. (2013): Potenziale und Restriktionen für eine gewerbliche Folgenutzung von innerstädtischen Verfügungsflächen – am Beispiel von Logistikunternehmen in Berlin. Berlin.Google Scholar
  78. Saaty, T. L. (1980): The analytic hierarchy process: planning, priority setting, resource allocation. New York.Google Scholar
  79. Sarapirome, S.; Charungthanakij, S. (2012): GIS modeling for industrial-agricultural landuse planning: a case study of Phra Nakhon Si Ayutthaya province, Thailand. In: Journal of Scientific Technology 19, 3, 225-235.Google Scholar
  80. SCI Verkehr (2017): Logistikbarometer September 2017. Köln.Google Scholar
  81. Segerer, M. (2011): Geographische Informationssysteme in der Immobilienwirtschaft: Praxiseinsatz und Konzeptionsmöglichkeiten. Regensburg. = Beiträge zur Immobilienwirtschaft 1.Google Scholar
  82. Shen, Q.; Wang, H.; Tang, B. (2014): A decision-making framework for sustainable land use in Hong Kong’s urban renewal projects. In: Smart and Sustainable Built Environment 3, 1, 35-53. doi: 10.1108/SASBE-09-2013-0047.Google Scholar
  83. Taibi, A.; Atmani, B. (2016): Multicriteria decision aided system for ranking industrial zones (RPRO4SIGZI). In: Wyld, D. C.; Nagamalai, D. (Hrsg.): Computer Science & Information Technology. The Fourth International Conference on Database and Data Mining (DBDM 2016). Dubai, 11-27.Google Scholar
  84. Taibi, A.; Atmani, B. (2017): Combining fuzzy AHP with GIS and decision rules for industrial site selection. In: International Journal of Interactive Multimedia and Artificial Intelligence 4, 6, 60-69. doi: 10.9781/ijimai.2017.06.001.Google Scholar
  85. Thinh, N. X.; Walz, U.; Schanze, J.; Ferencsik, I.; Göncz, A. (2004): GIS-based multiple criteria decision analysis and optimization for land suitability evaluation. In: Wittmann, J.; Wieland, R. (Hrsg.): Simulation in Umwelt- und Geowissenschaften. Aachen, 208-223. = ASIM-Mitteilungen 88.Google Scholar
  86. Trumpp, A.; Jung, B. (2014): Geoinformationssysteme in der Immobilienwirtschaft. In: Immobilien & Finanzierung 65, 15, 22-24.Google Scholar
  87. Vallée, D. (2012): Leitfaden Logistik. Hannover. = E‑Paper der ARL 16.Google Scholar
  88. Veres-Homm, U.; Kübler, A.; Weber, N.; Cäsar, E. (2015): Logistikimmobilien: Markt und Standorte 2015. Stuttgart.Google Scholar
  89. Vielberth, J. (1999): Das große Handbuch Gewerbeparks. Landsberg am Lech.Google Scholar
  90. Vlachopoulou, M.; Silleos, G.; Manthou, V. (2001): Geographic information systems in warehouse site selection decisions. In: International Journal of Production Economics 71, 1‑3, 205-212. doi: 10.1016/S0925-5273(00)00119-5.Google Scholar
  91. von Schlippenbach, U.; Dirscherl, M. (2008): Angebotsorientierte Flächenentwicklung. Berlin.Google Scholar
  92. Wieland, T. (2015): Nahversorgung im Kontext raumökonomischer Entwicklungen im Lebensmitteleinzelhandel. Konzeption und Durchführung einer GIS-gestützten Analyse der Strukturen des Lebensmitteleinzelhandels und der Nahversorgung in Freiburg im Breisgau. Göttingen.Google Scholar
  93. Yang, Y.; Luo, H.; Law, R. (2014): Theoretical, empirical, and operational models in hotel location research. In: International Journal of Hospitality Management 36, 209-220. doi: 10.1016/j.ijhm.2013.09.004.Google Scholar
  94. Zeleny, M. (1982): Multiple criteria decision making. New York.Google Scholar
  95. Zhang, J.; Su, Y.; Wu, J.; Lian, H. (2015): GIS based land suitability assessment for tobacco production using AHP and fuzzy set in Shandong province of China. In: Computers and Electronics in Agriculture 114, 202-211. doi: 10.1016/j.compag.2015.04.004.Google Scholar
  96. ZIA – Zentraler Immobilien-Ausschuss; EY – Ernst & Young Real Estate (2016): Einsatz digitaler Technologien in der Immobilienwirtschaft. Berlin.Google Scholar
  97. Zimmermann, H.-J.; Gutsche, L. (1991): Multi-Criteria Analyse: Einführung in die Theorie der Entscheidungen bei Mehrfachzielsetzungen. Berlin/Heidelberg.Google Scholar
  98. Zolfani, S. H.; Aghdaie, M. H.; Derakhti, A.; Zavadskas, E. K.; Varzandeh, M. H. M. (2013): Decision making on business issues with foresight perspective; an application of new hybrid MCDM model in shopping mall locating. In: Expert Systems with Applications 40, 17, 7111-7121. doi: 10.1016/j.eswa.2013.06.040.Google Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2018

Authors and Affiliations

  1. 1.Lehrstuhl ImmobilienentwicklungTechnische Universität DortmundDortmundDeutschland
  2. 2.Space Datists GmbH, Technologiezentrum der Technischen Universität DortmundDortmundDeutschland
  3. 3.Catella Project Management GmbHDüsseldorfDeutschland

Personalised recommendations