Ausgerichtet wurde die renommierte Fachkonferenz von der Athens University of Economics and Business (AUEB). Das thematische Spektrum reichte von Immobilienökonometrie und Bewertungsverfahren über Stadt- und Regionalentwicklung bis hin zu Machine-Learning-Ansätzen in der Immobilienanalyse. Einen besonderen Dank sprachen die Teilnehmenden den Konferenzvorsitzenden, Prof. Dr. Andrianos Tsekrekos und Prof. Dr. Manolis Kavussanos, für die exzellente Organisation und die wissenschaftlich wie kulturell gelungene Durchführung aus.

Bereits im Vorfeld der Hauptkonferenz kamen im PhD-Seminar Nachwuchswissenschaftlerinnen und -wissenschaftler aus aller Welt zusammen. In diesem Rahmen stellte Jan Schmid ein Forschungsvorhaben mit dem Titel „A Random Forest Meta-Learning Approach for Optimal AI Algorithm Selection in Real Estate Market Prediction“ vor. Die Diskussion mit Kolleginnen und Kollegen aus verschiedenen Disziplinen ermöglichte einen intensiven methodischen Austausch und eröffnete neue Perspektiven für die Weiterentwicklung des Projekts.

Im Hauptprogramm präsentierte Jan Schmid darüber hinaus das Paper „Predicting House Price Indices: A Machine Learning Approach Using Linked Listing and Transaction Data“. Die Studie widmet sich der Vorhersage von Immobilienpreisindizes auf Basis verknüpfter mikro- und makroökonomischer Daten mittels kombinierter Machine-Learning-Verfahren. Die vorgestellte Methodik stieß auf breites Interesse im Fachpublikum und war Ausgangspunkt für zahlreiche Rückmeldungen, die neue Impulse für die laufende Forschung lieferten.

Im Hauptprogramm präsentierte Dr. De Souza seine Forschungsarbeit mit dem Titel „Der Baulandumlegung Prognosealgorithmus: Ein nichtstationärer raumzeitlicher Ansatz zur Prognose von Baulandumlegungsprojekten unter Einsatz maschinellen Lernens und anhand von 120 Jahren unstrukturierter Daten aus Frankfurt am Main (1902–2022)“. Die Studie stellte eine innovative Prognosemethodik vor, welche hedonische räumliche Regression, Mahalanobis-Distanz-Matching, Differenz-von-Differenzen-Schätzung, anisotrope Variogrammanalyse und eine historische Gewichtungsfunktion, basierend auf historischem Institutionalismus, kombiniert. Dr. De Souzas Arbeit integriert auf einzigartige Weise historische Archivdaten aus über einem Jahrhundert mit fortgeschrittenen räumlich-statistischen Verfahren, um Baulandumlegungsprojekte zu ordnen und zu klassifizieren. Sein Vortrag regte eine intensive Diskussion über die Anwendbarkeit maschineller Lernverfahren und historischer Datenanalysen in der Immobilienökonomie an.

Neben der wissenschaftlichen Vertiefung bot die Konferenz auch Raum für internationale Vernetzung. Neue Kontakte wurden geknüpft, Kooperationsmöglichkeiten ausgelotet und bestehende Forschungsansätze im offenen Austausch reflektiert. Die ERES 2025 unterstrich einmal mehr die wachsende Bedeutung interdisziplinärer und datenbasierter Ansätze in der Immobilienökonomie – und die Rolle, die europäische Hochschulen wie die TU Darmstadt in diesem Wandel einnehmen.