ESG-Datenlücken im Immobilienportfolio: Proxy-Werte CSRD-konform einsetzen

Ein typischer Fall: Ein Wohnungsunternehmen mit 1.000 Objekten hat für 312 Gebäude belastbare Verbrauchsdaten; der Rest sind abgelaufene Energieausweise, lückenhafte Heizkostenabrechnungen und Papierakten. Die Hausbank verlangt für die Anschlussfinanzierung Energie- und Emissionsdaten je Objekt, und der Finanzvorstand fragt: „Können wir mit 30 Prozent Datenabdeckung belastbar berichten?“

Ja, wenn die Lücken mit nachvollziehbaren Schätzungen gefüllt, die Methoden offengelegt und die Datenqualität ausgewiesen werden. Nach ESRS 1 untergraben vernünftige Annahmen und Schätzungen die Aussagekraft nicht, solange sie genau beschrieben sind (§89). Dieselben Werte lassen sich für ESRS E1, die PCAF-Methodik und die SFDR PAI nutzen. Strenger ist GRESB: Dort zählen nur Ist-Daten, geschätzt werden darf nur eine kurze Lücke in einer gemessenen Reihe (GRESB-Schätzregeln 2026).

Stand 17.10.2026: Die CSRD erfasst nach der Omnibus-Richtlinie (EU) 2026/470 nur Unternehmen mit mehr als 1.000 Beschäftigten und mehr als 450 Mio. € Umsatz; neu hinzukommende Unternehmen berichten erstmals für das Geschäftsjahr 2027. Deutschland hat die CSRD noch nicht umgesetzt. Für kleinere Bestandshalter ist der freiwillige VSME-Standard (Delegierte Verordnung (EU) 2026/1560) der realistische Rahmen. Die Datenanfragen Ihrer Bank beruhen auf den EBA-Leitlinien zu ESG-Risiken, §§ 26c/26d KWG und der MaRisk (Rundschreiben 06/2026).

Typische Datenlücken in deutschen Immobilienportfolios

Eine ESG-Datenlücke ist jeder Datenpunkt, den ein Standard oder Fragebogen (ESRS, PCAF, GRESB, EU-Taxonomie, SFDR, Bankfragebogen) verlangt, der aber nicht gemessen ist oder nicht digital oder nicht in der nötigen Granularität vorliegt. In der Immobilienpraxis sind Lücken die Regel.

Acht typische Lückentypen

Quellen: eigene Zusammenstellung; GModG, HeizkostenV · Stand: Oktober 2026

Warum diese Lücken systemisch sind

Drei strukturelle Gründe erklären die niedrige Datenabdeckung:

1. Rechtliche Trennung zwischen Vermieter und Mieter. Haushaltsstrom und nutzergesteuerten Gasverbrauch kennt der Vermieter nicht; für die Weitergabe individueller Verbrauchsdaten braucht es eine Rechtsgrundlage nach Art. 6 DSGVO, etwa eine Einwilligung. Zähler und Heizkostenverteiler, die nach dem 01.12.2021 installiert werden, müssen fernablesbar sein; ältere sind grundsätzlich bis 31.12.2026 nachzurüsten oder zu ersetzen (§ 5 HeizkostenV). Das schließt die Lücke bei Heizung und Warmwasser, nicht beim Haushaltsstrom.
2. Fragmentierte Datenhaltung. Messdienstleister liefern Abrechnungen oft als PDF, Hausverwaltungen arbeiten mit unterschiedlichen ERP-Systemen, Energieausweise liegen häufig nur auf Papier vor.
3. Keine Pflicht zur zentralen Auswertung. Verbrauchswerte entstehen für Heizkostenabrechnungen und Verbrauchsausweise; eine Pflicht, sie gebäudescharf für ESG-Zwecke zu sammeln, gibt es für die meisten Bestandshalter nicht. Ein nationales Gebäudeenergieregister sieht erst der Gesetzentwurf zur Umsetzung der EU-Energieeffizienzrichtlinie vor (BT-Drs. 21/8027 vom 16.09.2026; Stand 18.10.2026: Anhörung im Bundestag am 05.10.2026, noch nicht verabschiedet). Wer eine Baseline rückwirkend aufstellt, arbeitet deshalb mit Schätzungen; die Methodik beschreibt der Ratgeber zur CO₂-Baseline-Ersterfassung im Portfolio.

Die Grundlagen des ESG-Datenmanagements für Immobilien ordnen Datenpunkte und Verantwortlichkeiten ein.

Hierarchie der Datenqualität: Gemessen, abgerechnet, bereinigt, typologisch, default

Jeder Datenpunkt hat eine Herkunft, vom Messwert bis zum konstanten Default. PCAF übersetzt sie in fünf Stufen (Global GHG Accounting and Reporting Standard, Teil A „Financed Emissions“, 3. Ausgabe, Dezember 2025). Zwei Besonderheiten: Bei Messdaten entscheidet der Emissionsfaktor über Stufe 1 oder 2, und auch ein nationaler Durchschnitt je m² erreicht Stufe 4, solange die Fläche bekannt ist.

Die fünfstufige Datenqualitätsleiter

Quellen: PCAF Teil A, 3. Ausgabe (Dezember 2025), Tabellen 5.4-1 und 5.5-1; eigene Leiter · Stand: Oktober 2026

Die Hierarchie steuert drei Dinge: (a) den vergleichbaren Datenqualitätsausweis gegenüber Investoren, Banken und Prüfern, (b) die Priorisierung der Datennachbeschaffung und (c) die Belastbarkeit von Zielpfad-Analysen: Unsichere Ausgangswerte verschieben etwa das berechnete CRREM Misalignment Year.

Begriffsklärung: Proxy, Default, Imputation, Hochrechnung

Quellen: eigene Definitionen; VDI 3807, Bekanntmachungen zu Energieverbrauchswerten (DWD-Klimafaktoren) · Stand: Oktober 2026

Wichtig: Die Begriffe sind nicht synonym. Sie tragen unterschiedliche Unsicherheiten und PCAF-Stufen und gehören in der Prüfungskommunikation sauber getrennt.

PCAF Data Quality Score 1-5: Tabelle mit Beispielen

PCAF unterscheidet für Hypotheken und gewerbliche Immobilien drei Optionen: gemessene Verbräuche (Option 1, DQS 1 und 2), Schätzung über die Fläche (Option 2: Energieausweis DQS 3, Statistik nach Gebäudetyp und Lage DQS 4) und Schätzung über die Zahl der Gebäude (Option 3, DQS 5). Leicht verfügbare Daten liegen laut PCAF für Hypotheken in vielen Ländern zwischen DQS 4 und 5 (Stand Dezember 2025). Deutsche Beispiele zeigt die PCAF-Datenqualitätsscore-Tabelle für Immobilien.

DQS für Hypothekenkredite und gewerbliche Immobilien

Quellen: PCAF Teil A, 3. Ausgabe (Dezember 2025), Tabellen 5.4-1 und 5.5-1 · Stand: Oktober 2026

Wichtig: PCAF empfiehlt Finanzinstituten, einen nach ausstehendem Betrag gewichteten Datenqualitäts-Score zu veröffentlichen. Bestandshalter ohne Kreditbezug können nach Fläche oder Emissionen gewichten; die Wahl gehört ins Methoden-Memo. Beispiel: 10 % DQS 1, 20 % DQS 2, 60 % DQS 4 und 10 % DQS 5 ergeben 0,1 × 1 + 0,2 × 2 + 0,6 × 4 + 0,1 × 5 = 3,4.

Quantitative Wirkung von DQS auf finanzierte Emissionen

Bessere Daten verändern die ausgewiesenen Emissionen in beide Richtungen; eine belastbare Quote dafür haben wir nicht gefunden. PCAF verlangt von Finanzinstituten eine Regel zur Neuberechnung des Basisjahres mit offengelegter Signifikanzschwelle, ESRS 1 angepasste Vergleichszahlen, wenn neue Informationen zu früheren Schätzwerten Umstände belegen, die schon in der Vorperiode bestanden (§95). Nach den EBA-Leitlinien zu ESG-Risiken sollen Banken Schätzungen und Proxys mit besserer Datenlage zurückfahren (Rn. 27).

IWU/TABULA-Typologie als Default-Verfahren

Die Deutsche Wohngebäudetypologie des Instituts Wohnen und Umwelt (IWU, Darmstadt) erschien erstmals 1990. Im EU-Projekt TABULA (2009–2012) wurde sie neu berechnet und europäisch abgestimmt, in EPISCOPE (2013–2016) um Neubauten erweitert; aktuelle Fassung ist laut IWU (Stand Oktober 2026) die zweite erweiterte Auflage vom 10.02.2015. Typologien nach dieser Methodik liegen für 20 europäische Länder vor, ein Anker für grenzüberschreitende Portfolios.

Aufbau der Typologie

Die Typologie ordnet Wohngebäude nach drei Merkmalen:

1. Gebäudetyp: EFH (freistehende Ein- und Zweifamilienhäuser), RH (Doppel- und Reihenhäuser), MFH (3 bis 12 Wohnungen), GMH (ab 13 Wohnungen) und HH (Hochhaus).
2. Baualtersklasse: zwölf Klassen A bis L: bis 1859, 1860–1918, 1919–1948, 1949–1957, 1958–1968, 1969–1978, 1979–1983, 1984–1994, 1995–2001, 2002–2009, 2010–2015 und ab 2016; dazu Sonderfälle wie Fertighäuser und Bauarten der neuen Bundesländer.
3. Modernisierungszustand: Ist-Zustand und zwei Maßnahmenpakete, „konventionell“ (Mindeststandard der EnEV 2014) und „zukunftsweisend“ (Dämmstandard wie bei Passivhäusern).

Für jeden Typ dokumentiert die Typologie Beispielgebäude mit Energiekennwerten und Einsparpotenzialen; für den Altbau ist das berechnete Niveau mit einem pauschalen Faktor an typische Verbrauchswerte angepasst.

Anwendung als Proxy: Beispielrechnung

Für ein Gebäude ohne Verbrauchsdaten genügen Gebäudetyp, Baualtersklasse, Modernisierungszustand (im Zweifel Ist-Zustand) und beheizte Wohnfläche. Beispiel: Mehrfamilienhaus, Baujahr 1965, 24 Wohnungen, 1.800 m² Wohnfläche, Fenster getauscht, Dach gedämmt, Fassade unsaniert:

• Typ: GMH (ab 13 Wohnungen), Baualtersklasse E (1958–1968), teilmodernisiert
• Angenommener Endenergiekennwert für Heizung und Warmwasser: 145 kWh/m²a, bezogen auf die Wohnfläche und beim Gas auf den Brennwert (Annahme für dieses Beispiel; den Typwert entnehmen Sie der Typologie und dokumentieren die Quelle)
• Hochrechnung: 1.800 m² × 145 kWh/m²a = 261.000 kWh/a
• Erdgas nach EBeV 2030, Anlage 2: 0,0558 t CO₂ je GJ Heizwert; mit dem dortigen Umrechnungsfaktor von 3,2508 GJ je MWh Brennwert sind das rund 0,181 kg CO₂ je kWh. 261.000 × 0,181 ≈ 47 t CO₂/a; mit dem Heizwert-Faktor von rund 0,201 kg/kWh ergäben sich 52 t, rund 11 % zu viel
• DQS 4 (typologisch, Fläche bekannt)

Die EBeV-Faktoren erfassen nur die Verbrennung; die Faktoren des Energieausweises (Anlage 9 GModG) sind andere.

Genauigkeit und Grenzen

Typologiewerte beschreiben Beispielgebäude unter Standardbedingungen. Das IWU betont, dass die Typologie die Bandbreite der Praxis nicht wiedergeben kann; für ein einzelnes Gebäude ist der Typwert eine Vorpriorisierung (siehe Sanierungspriorisierung im Wohnungsbestand), keine Investitionsgrundlage. Im Portfolio mitteln sich zufällige Abweichungen teilweise heraus, systematische nicht; wie groß sie sind, zeigt nur der Vergleich mit gemessenen Gebäuden im eigenen Bestand.

Achten Sie auf den Flächenbezug: Die beheizte Wohnfläche ist nach IWU im Mittel etwa 20 % kleiner als die Gebäudenutzfläche A_N der Wohngebäude-Energieausweise; auf A_N bezogen fallen die Kennwerte entsprechend niedriger aus.

Achtung: Für Nichtwohngebäude ist die Wohngebäudetypologie nicht anwendbar. Hier helfen die amtlichen Vergleichswerte für Verbrauchsausweise mit Wärme- und Stromkennwerten je Gebäudekategorie (Bekanntmachung vom 15.04.2021) und die Kennwerte der VDI 3807. Bei Mischnutzung setzen Sie Flächen und Nutzungsanteile getrennt an.

Zensus 2022 und statistische Imputation

Der Zensus 2022 (Stichtag 15.05.2022) kombinierte wie 2011 eine registergestützte Bevölkerungszählung mit einer Gebäude- und Wohnungszählung. Für ESG-Datenlücken liefert er unter anderem das Baujahr (in Klassen, deren Zuordnung zu den IWU-Baualtersklassen zu dokumentieren ist), Heizungsart und Energieträger der Heizung sowie Gebäudetyp und Zahl der Wohnungen.

Die Ergebnisse stehen in der Zensusdatenbank auf Gemeindeebene und als Gitterdaten (10 km, 1 km, 100 m) frei zur Verfügung. Daraus lassen sich regionale Verteilungen ableiten, etwa (fiktives Beispiel): „70 Prozent der MFH in dieser Gemeinde heizen mit Gas, 20 Prozent mit Fernwärme, je 5 Prozent mit Öl und Wärmepumpe.“

Drei etablierte Imputationsverfahren

Fehlt für 30 Prozent der Gebäude eine Variable (z. B. der Energieträger), sind drei Verfahren etabliert:

Quellen: eigene Zusammenstellung statistischer Standardverfahren · Stand: Oktober 2026

Praxistipp: Zweistufig vorgehen: zuerst die Zensus-Verteilungen als regionalen Prior nutzen, dann KNN-Imputation innerhalb des eigenen Portfolios.

Externe Benchmark-Datenbanken im Überblick

Weitere Proxy-Quellen:

Quellen: BMWi/BMI (Bekanntmachung 15.04.2021), dena, VDI, CRREM Foundation (2026), CRREM Global Pathways v2.05, EU-Kommission, BMWSB · Stand: Oktober 2026

Diese Datenbanken sind nicht austauschbar: Vergleichswerte für Bürogebäude, auf Wohngebäude angewandt, erzeugen systematische Fehler. Dokumentieren Sie die Quelle je Gebäudetyp; sie gehört zur Belegkette für Prüfer und Bank.

Hochrechnungsmethoden: Von 30 Prozent gemessen zu 100 Prozent berichtet

Typische Ausgangslage: 300 von 1.000 Gebäuden haben Messdaten. Wie entsteht daraus eine Portfolioaussage?

Schritt 1: Repräsentativität der Stichprobe prüfen

Die gemessenen Gebäude sind nur dann ein guter Proxy, wenn sie strukturell ähnlich verteilt sind wie der Rest:

Quellen: eigene Prüfmatrix · Stand: Oktober 2026

Ist die Stichprobe verzerrt (etwa deutlich neuer als das Restportfolio), ist eine einfache Hochrechnung nicht belastbar; dann wird schichtweise gerechnet.

Schritt 2: Schichtbildung (Stratifikation)

Bilden Sie typologisch homogene Schichten, meist nach Gebäudetyp × Baualtersklasse × Modernisierungszustand. Rechnerisch sind 5 × 12 × 3 = 180 Schichten möglich; besetzt ist in einem realen Portfolio nur ein Teil davon. Gemessene Gebäude behalten ihre Messwerte. Ungemessene erhalten in Schichten mit genügend Messdaten den Schichtmittelwert, in kleinen Schichten (z. B. unter fünf gemessenen Gebäuden) den Typologiewert oder den Wert einer Nachbarschicht.

Schritt 3: Hochrechnung auf Portfolioebene

Die Portfolioemission ist die Summe über die Schichten:

E_Portfolio = Σ_Stratum (A_Stratum × e_Stratum)

Dabei ist A_Stratum die beheizte Fläche der Schicht (m²) und e_Stratum ihre mittlere CO₂-Intensität (kgCO₂e/m²a).

Schritt 4: Unsicherheitsabschätzung

Je Schicht wird neben dem Mittelwert eine Spannweite ausgewiesen: bei Messdaten aus der Streuung der Stichprobe, bei Typologiewerten aus einer dokumentierten Annahme, am besten aus der Abweichung gemessener Gebäude von ihrem Typwert im eigenen Portfolio. Zufällige Abweichungen mitteln sich im Portfolio teilweise heraus, systematische bleiben. Die Spannweite gehört in den Bericht; ESRS 2 BP-2 verlangt, Quellen der Messunsicherheit sowie Annahmen und Näherungen offenzulegen (§11).

Schritt 5: Sensitivitätsanalyse

Wie ändert sich das Ergebnis, wenn die größten Unsicherheitstreiber variiert werden? Beispiele:

• ±10 % bei den Typologie-Verbrauchswerten
• ±15 % bei den Emissionsfaktoren (etwa versorgerspezifischer Fernwärmefaktor statt Durchschnitt)
• Brennwert- statt Heizwertbezug beim Gas (0,181 statt 0,201 kg CO₂/kWh)
• ±5 % bei der Flächenangabe

Die Ergebnisse gehören ins Methoden-Memo; ESRS 1 nennt Szenario- und Sensitivitätsanalysen ausdrücklich als Teil vernünftiger Schätzungen (§89).

ML-basierte Imputation: Wann sie sich lohnt

Maschinelles Lernen kann fehlende Verbrauchswerte schätzen: Modelle lernen aus den gemessenen Gebäuden und prognostizieren aus Merkmalen wie Baujahr, Typ, Region, Modernisierungsstand, Energieträger und Hüllflächen die Verbräuche der übrigen. Einen Überblick gibt der Ratgeber KI in der Immobilienwirtschaft.

Vorteil gegenüber der Typologie: Ein Modell kann portfoliospezifische Muster und zusätzliche räumliche Daten nutzen, etwa 3D-Stadtmodelle, ALKIS, Wetterdaten oder Nachbarschaftseffekte. Wie genau es ist, zeigt nur eine Validierung an zurückgehaltenen Messdaten.

Nachteil: Modelle sind nur so gut wie ihre Trainingsdaten; selektive Stichproben (etwa nur sanierte Gebäude oder nur Großobjekte) verzerren systematisch. Eigene Vorgaben für solche Modelle enthalten die ESRS nicht; es gelten die allgemeinen Anforderungen an Schätzungen. Praktisch heißt das: Merkmalsliste offenlegen, Holdout-Validierung dokumentieren, Modellversion mit Datum im Methoden-Memo festhalten. Auch ML-Werte sind Schätzungen, nach PCAF in aller Regel DQS 4.

Praxisempfehlung: Maschinelles Lernen lohnt sich erst mit genügend gemessenen, repräsentativen Trainingsgebäuden. Für kleinere Bestände ist die Typologie transparenter und leichter zu prüfen; vertiefend dazu die energetische Portfolioanalyse für Immobilien.

CSRD/ESRS-Konformität von Schätzungen

Die ESRS akzeptieren Schätzungen, verlangen aber Transparenz über Methode, Annahmen und Unsicherheit. Unmittelbar gilt das nur für CSRD-pflichtige Unternehmen (CSRD-Berichtspflicht für Immobilien), die Grundsätze lassen sich aber auf Bankfragebögen und VSME-Berichte übertragen. Die ESRS-Fundstellen in diesem Ratgeber beziehen sich auf die Fassung der Delegierten Verordnung (EU) 2023/2772; die überarbeiteten ESRS (Delegierte Verordnung (EU) 2026/1563, Pflicht ab Geschäftsjahr 2027) behalten die Grundsätze für Schätzungen bei, nummerieren sie aber neu.

ESRS 1: Schätzungen und Unsicherheit

ESRS 1 Abschnitt 7.2 verlangt Informationen, mit denen Nutzer die wichtigsten Unsicherheiten der berichteten Kennzahlen verstehen (§88); selbst hohe Messunsicherheit schließt nützliche Information nicht aus (§89). Für Daten aus der Wertschöpfungskette verlangt ESRS 1 „reasonable and supportable information“, die ohne unverhältnismäßigen Aufwand verfügbar ist, etwa Branchendurchschnitte, Stichproben und andere Proxys (§69, AR 17). ESRS 2 BP-2 verlangt dazu Angaben zur Grundlage, zur erreichten Genauigkeit und zu geplanten Verbesserungen (§10).

ESRS E1 Application Requirements: Wertschöpfungsketten-Emissionen

Für Scope 3 verlangt ESRS E1 (AR 46 der Fassung 2023), die Kategorien mit geeigneten Schätzungen zu screenen, signifikante Kategorien zu berechnen oder zu schätzen und den Anteil offenzulegen, der auf Primärdaten beruht. Typologische Ansätze nennt der Standard nicht ausdrücklich; dokumentiert fallen sie unter die Proxys nach ESRS 1 AR 17.

Materialität als Entlastung

Bei einem wesentlichen Thema darf ein einzelner Datenpunkt der Kennzahlen entfallen, wenn die Information nicht wesentlich und für das Ziel der Angabepflicht nicht nötig ist (ESRS 1 §34 b); Datenpunkte aus anderem EU-Recht sind dann als „nicht wesentlich“ zu kennzeichnen (§35).

Achtung: Dokumentieren Sie die Einschätzung, sie gehört zur prüfbaren Belegkette. Eine ausführliche Begründung im Bericht verlangen die ESRS nur, wenn der Klimawandel insgesamt als nicht wesentlich eingestuft wird (ESRS 2 §57).

ISSB IFRS S2 und EU Omnibus 2026

IFRS S2 verlangt für Scope 3 ebenfalls alle vernünftigen und belegbaren Informationen, die ohne unverhältnismäßigen Aufwand verfügbar sind (B39), und geht davon aus, dass sich Scope-3-Emissionen mit Sekundärdaten und Branchendurchschnitten verlässlich schätzen lassen (B57). Für EU-Unternehmen maßgeblich bleiben die ESRS, ab Geschäftsjahr 2027 in der überarbeiteten Fassung (Delegierte Verordnung (EU) 2026/1563).

Mindestbestandteile der Dokumentation

Jede Schätzung im Bericht sollte vier Belege mitbringen:

1. Methodenwahl mit Begründung („IWU-Wohngebäudetypologie, 2. erweiterte Auflage 2015, weil Typologie des deutschen Wohngebäudebestands mit dokumentierten Kennwerten“).
2. Datenquellen mit Versionsstand, Veröffentlichungsdatum, URL.
3. Schätzbandbreite oder Unsicherheitsangabe („Portfolio-CO₂-Intensität 38 kgCO₂e/m²a ±15 %“).
4. Plan zur Datenqualitätsverbesserung („Anteil gemessener Daten (DQS 1–2) von 30 % auf 60 % bis 2028 durch fernablesbare Zähler und Messdienst-Exporte“).

Kommunikation gegenüber Investoren und Auditoren

Wer nach den EPRA-Empfehlungen berichtet, hat strengere Schätzregeln: Fehlende Vermieter-Verbräuche sollen so selten wie möglich geschätzt werden, nur für fehlende Zeiträume eines gemessenen Anschlusses, mit offengelegtem Anteil und einheitlicher Methode; fehlen die Daten eines Zählers für ein ganzes Jahr, fällt das Objekt aus der Datenabdeckung (EPRA sBPR, 4. Ausgabe, April 2024). Für Vermieterverbräuche sind Typologie-Schätzungen ganzer Gebäude dort nicht vorgesehen; für Mieterverbräuche und Scope 3 nennt EPRA dagegen auch Flächen-Benchmarks und Modellwerte.

Was Auditoren konkret prüfen

Quellen: ESRS 1 Abschnitt 7.2, ESRS 2 BP-2; eigene Zusammenstellung · Stand: Oktober 2026

Drei goldene Regeln der Audit-Kommunikation

1. Transparenz schlägt Genauigkeit. Ein DQS-4-Portfolio mit dokumentierter Methodik ist prüfbar, ein DQS-2-Portfolio mit unklarer Datenherkunft nicht.
2. Konsistenz vor Optimum. Ein über Jahre stabil berechneter Wert ist wertvoller als jährlich wechselnde Methodenkombinationen. Wer die Methode wechselt, passt die Vergleichszahlen an, soweit das praktikabel ist, und erläutert den Wechsel (ESRS 1 §95; ESRS 2 BP-2 §13).
3. Schätzunsicherheit gehört in den Bericht. Im CSRD-Bericht verlangt ESRS 2 BP-2 Angaben zu den Quellen der Messunsicherheit (§11). Vermeiden Sie vorgetäuschte Präzision wie „5.247,3 tCO₂e/a“ statt „5.200 ±800 tCO₂e/a“.

Investor-Kommunikation: Die DQS-Trajectory

Für Asset Manager, REITs und Wohnungsunternehmen, die gegenüber Investoren berichten (etwa nach SFDR Art. 8/9), macht der Portfolio-DQS mit seiner Verbesserung die Datenqualität über die Jahre vergleichbar. Ein Beispielpfad:

Quellen: eigenes Beispiel; DQS 1 und 2 je zur Hälfte (Mittelwert 1,5), z. B. Start 0,12 × 1,5 + 0,18 × 3 + 0,50 × 4 + 0,20 × 5 = 3,72 · Stand: Oktober 2026

Tools, die Schätzungen durchführen

Wer Schätz- oder Imputationsfunktionen einer ESG-Plattform nutzt, sollte vorher prüfen, ob das Werkzeug Methode und Quelle je Wert offenlegt, die Datenqualitätsstufe je Gebäude speichert, Faktorenversionen führt und Exporte für Bankfragebögen (ZIA/vdp-Liste) und VSME liefert. Einen Marktüberblick gibt der ESG-Software-Vergleich für Immobilien. Die methodische Verantwortung bleibt beim Unternehmen: Bericht und Annahmen müssen verstanden, dokumentiert und gegenüber dem Prüfer verteidigt werden.

Schritt für Schritt: Von 30 % auf 80 % Coverage

Beispielportfolio: 1.000 Objekte, davon 750 MFH, 200 RH/EFH und 50 gemischt genutzte Objekte; Heizungsmix 55 % Erdgas, 30 % Fernwärme, 8 % Öl, 5 % Wärmepumpe, 2 % sonstige. Start: 30 % der Gebäude mit Mess- oder Ausweisdaten (DQS 1 bis 3); Ziel in drei Jahren: 80 % mit DQS 1 bis 3 wie im Beispielpfad oben.

Phase 1 – Bestandsaufnahme (Woche 1-4)

1. Datenpunktinventur: Welche Kerndatenpunkte (Energieverbrauch und Energiemix, beheizte Fläche, Energieausweis, Scope 1 bis 3, Klimarisiko) liegen je Gebäude vor? Orientierung geben die ZIA/vdp-KPI-Liste, die den Anteil geschätzter Emissionen als erweiterte Kennzahl abfragt (KPI 9-4), und das VSME-Modul B3. Für Wohnungsunternehmen kommt der GdW-Standard „ESG-Mindestanforderungen für Wohnungsunternehmen“ hinzu, eine Empfehlung der Prüfungsdirektoren des GdW vom Oktober 2025 (veröffentlicht am 14.11.2025): Er sieht unter anderem Effizienzklassen des Bestands, den Energiebezug und Treibhausgasemissionen nach Scope 1 und 2 vor.
2. Quellenmapping: ERP, Messdienst-Portal, Energieausweis-Akten, Mietverträge.
3. Lückenanalyse: Heatmap Gebäude × Datenpunkt (vorhanden, teilweise, fehlt).
4. Anschluss an die CO₂-Baseline-Methodik, falls noch keine Baseline besteht.

Phase 2 – Stichprobenextraktion und Validierung (Woche 5-8)

1. Gold-Stichprobe: Welche Gebäude haben Messdaten (DQS 1 oder 2)? Infrage kommen vor allem Objekte mit Zentralheizung und eigener Versorgerabrechnung oder mit fernablesbaren Zählern.
2. Witterungsbereinigung für den Vergleich mit Typwerten, nach VDI 3807 oder mit den Klimafaktoren des DWD.
3. Plausibilitätsprüfung gegen den Typologiewert; Ausreißer über dem 95. Perzentil gesondert untersuchen.
4. Repräsentativitätsanalyse der Stichprobe gegen das Gesamtportfolio.

Phase 3 – Schichtbildung und Default-Anwendung (Woche 9-12)

1. Schichten definieren (Gebäudetyp × Baualtersklasse × Modernisierungszustand).
2. Berechnung je Schicht: Messwerte bleiben (DQS 1 oder 2). Ungemessene Gebäude erhalten in Schichten mit mindestens fünf gemessenen Gebäuden den Schichtmittelwert, sonst den Typologiewert; beides sind Schätzungen je Fläche (DQS 4). Gebäude ohne Flächenangabe erhalten einen Wert je Gebäude (DQS 5).
3. Portfolio-Aggregation nach beheizter Fläche.
4. DQS-Verteilung dokumentieren.

Phase 4 – Unsicherheit und Sensitivität (Woche 13-14)

1. Streubreiten je Schicht dokumentieren.
2. Sensitivitäten (±10 % Verbrauch, ±15 % Emissionsfaktor, Brennwert- oder Heizwertbezug) berechnen.
3. Portfolio-Spannweite als ±X % auf den Gesamtwert ableiten.
4. Methoden-Memo schreiben.

Phase 5 – Audit-Vorbereitung und Bericht (Woche 15-18)

1. Methoden-Memo vorab an Prüfer oder Bank geben, nicht erst in der Prüfung.
2. Datenherkunftsregister finalisieren: eine Zeile je Datenpunkt mit Quelle, Datum, Versionsstand.
3. Verbesserungsplan mit dem Vorstand abstimmen (Budget, Personal, Meilensteine).
4. Stakeholder-Briefing: Vorstand, Aufsichtsrat, gegebenenfalls Investoren und Bank.

Phase 6 – Coverage-Ausbau von 30 % auf 80 % (Jahr 1-3)

1. Energieausweis-Erfassung in Schichten ohne Ausweise, Anleitung im Ratgeber Energieausweis-Massenerfassung Portfolio. Für Nichtwohngebäude muss ein Ausweis, der ab 01.01.2027 bei Verkauf, Vermietung, Verpachtung oder Mietvertragsverlängerung neu auszustellen ist, ein Bedarfsausweis sein; ein noch gültiger Ausweis bleibt verwendbar (§ 80 Abs. 3 GModG).
2. Fernablesbare Zähler und Submetering: Die Nachrüstung bis 31.12.2026 (§ 5 HeizkostenV) mit einem Datenexport des Messdienstes verbinden; weiteres Submetering zuerst dort, wo der CO₂-Beitrag hoch und die Datenqualität niedrig ist.
3. Mieter-Engagement für Scope-3-Daten, vor allem im Gewerbe.
4. Methoden-Review: die genutzte Typologie-Fassung regelmäßig gegen neuere IWU-Veröffentlichungen prüfen.

Wie schnell die Datenqualität steigt, hängt vor allem an Messdienstverträgen (DQS 1–2) und Ausweiserfassung (DQS 3); der Beispielpfad oben rechnet mit 8 bis 15 Prozentpunkten mehr DQS 1–2 pro Jahr.

Methoden-Memo: Mindestbestandteile

Ein Methoden-Memo enthält: Berichtsbereich (Objekte, Konsolidierungskreis), Datenpunkt-Übersicht mit Quellen, Datenqualitätshierarchie, Schätzverfahren je Datenpunkt (Typologie, Zensus, KNN), Emissionsfaktoren (Quelle, Jahr, Brennwert- oder Heizwertbezug, Aktualisierung), Witterungsbereinigung, Hochrechnung und Gewichtung, Unsicherheit und Sensitivität, Restatement-Politik und den Verbesserungsplan mit DQS-Pfad.

Häufige Fehler

1. Nationalen Durchschnitt als Primärmethodik nutzen

Ein nationaler Durchschnitt ohne Gebäudespezifika ist die schwächste Schätzung: mit bekannter Fläche DQS 4, ohne Fläche DQS 5. Für ein professionelles Portfolio taugt er nur als Notbehelf für einzelne Lücken.

2. Keine Dokumentation der Methodik

Methoden-Memos entstehen oft zu spät und zu dünn. Ohne nachvollziehbare Dokumentation ist der Bericht nicht prüfbar.

3. Methodenwechsel ohne Restatement

Wer zwischen Jahren die Methode wechselt (etwa auf eine neuere Typologie-Fassung), muss die Vergleichszahlen anpassen, soweit das praktikabel ist, und den Wechsel begründen (ESRS 1 §95; ESRS 2 BP-2 §13). PCAF verlangt von Banken zusätzlich eine Regel zur Neuberechnung des Basisjahres.

4. Verschweigen der Datenqualität

Schwache Daten zu kaschieren ist der falsche Reflex. Wer ein DQS-4-Portfolio als DQS 2 darstellt, riskiert Greenwashing-Vorwürfe.

5. Keine Sensitivitätsanalyse

Ohne Sensitivitätsanalyse lässt sich nicht zeigen, ob Annahmen das Ergebnis dominieren. Eine naheliegende Frage von Prüfer oder Bank: „Was passiert, wenn die Typologiewerte 20 % höher liegen?“

6. Vergessen von Scope 3 / Mieterverbräuchen

Mieterverbräuche sind bei vermieteten Immobilien Scope 3 Kategorie 13 (vermietete Sachanlagen) und bei Wesentlichkeit CSRD-relevant. Schätzungen mit Branchendurchschnitten und Proxys sind zulässig (ESRS 1 AR 17); die IWU-Typologie deckt allerdings nur Heizung und Warmwasser ab, nicht den Haushaltsstrom.

7. Kein Update-Plan

ESRS 2 BP-2 verlangt bei geschätzten Wertschöpfungskettendaten die geplanten Maßnahmen zur Verbesserung der Genauigkeit (§10).

8. Falsche Anwendung von Benchmarks

Büro-Vergleichswerte auf Wohngebäude oder Hotelwerte auf Apartments sind typische Fehler in Mischportfolios; je Nutzungsart gehört eine eigene Quelle dazu. Mehr dazu im ESG-Benchmarking-Methoden-Vergleich.

Was kostet das?

Belastbare, öffentlich zugängliche Kostenzahlen für das Schließen von ESG-Datenlücken haben wir nicht gefunden (Stand Oktober 2026). Die wichtigsten Kostentreiber:

Quellen: HeizkostenV, BetrKV, GModG, DWD · Stand: Oktober 2026

Wichtig: Der Aufwand verteilt sich auf mehrere Jahre. Den ersten Bericht erstellen Sie mit Typologiewerten (DQS 4), während die Datenqualität schrittweise steigt.

Fazit

Datenlücken sind keine Disqualifikation: ESRS 1 erlaubt Schätzungen mit offengelegter Unsicherheit, die EBA-Leitlinien erlauben Banken Proxys, und PCAF stuft Schätzungen transparent ein. Die Antwort auf die Frage „Können wir mit 30 Prozent Datenabdeckung belastbar berichten?“ liegt in der Kombination aus PCAF-Datenqualität, IWU-Typologie, Zensus 2022, Schichtbildung und Sensitivitätsanalyse.

Transparenz schlägt Präzision: Ein nachvollziehbar als DQS 4 deklariertes Portfolio ist prüfbar. Ein als DQS 2 verkauftes Portfolio ohne saubere Methodik ist es nicht und im schlechtesten Fall ein Greenwashing-Risiko.

Für die Vorstandskommunikation heißt das: Datenqualität offen ausweisen, die Methodenwahl (Typologie, amtliche Vergleichswerte, Zensus) begründen und einen Verbesserungspfad zeigen, im Beispiel von DQS 3,7 auf 2,2 in vier Jahren.

Oft beginnt die Lücke beim einzelnen Gebäude: Fläche, Baujahr oder Energieträger fehlen oder liegen nur auf Papier vor. reduco erzeugt aus der Adresse ein 3D-Gebäudemodell auf Basis amtlicher LoD2-Daten und berechnet Energiebedarf und CO₂-Bilanz, einen gebäudespezifischen Schätzwert statt eines Typologie-Durchschnitts. Eine eigene PCAF-Stufe für solche berechneten Bedarfswerte gibt es nicht; die Einstufung legen Sie im Methoden-Memo mit Prüfer oder Bank fest. Mehr zur Gebäudeanalyse für Portfolios · Kostenlos starten

Häufige Fragen

Erlaubt die CSRD wirklich Schätzwerte für CO₂-Daten?

Ja. ESRS 1 erlaubt Schätzungen, wenn Annahmen und Schätzungen genau beschrieben sind (§89), für Wertschöpfungskettendaten ausdrücklich mit Branchendurchschnitten und Proxys (§69, AR 17); ESRS E1 verlangt für Scope 3 geeignete Schätzungen und die Angabe des Primärdatenanteils (AR 46). Unzulässig sind undokumentierte oder bewusst falsche Schätzungen. Geprüft wird nach der Omnibus-Richtlinie nur mit begrenzter Sicherheit; in Deutschland prüft der Abschlussprüfer die nichtfinanzielle Erklärung bis zur CSRD-Umsetzung nur auf ihr Vorliegen (§ 317 Abs. 2 Satz 4 HGB).

Was ist der Unterschied zwischen Proxy-Wert und Default-Wert?

Ein Proxy-Wert wird aus Gebäudemerkmalen abgeleitet (etwa der IWU-Typwert), ein Default-Wert ist ein Standardwert ohne Gebäudespezifika (etwa ein nationaler Durchschnitt je m²). Nach PCAF erreichen beide mit bekannter Fläche DQS 4; Werte je Gebäude ohne Fläche fallen auf DQS 5.

Was bedeutet PCAF Data Quality Score 4 konkret?

Der Verbrauch wurde nicht gemessen, sondern je m² aus Statistik nach Gebäudetyp und Lage geschätzt und mit der Fläche multipliziert, etwa mit der IWU-Typologie oder den amtlichen Vergleichswerten für Nichtwohngebäude. Den DQS-4-Anteil weisen Sie offen aus.

Welche Genauigkeit hat eine IWU/TABULA-Schätzung?

Eine allgemeingültige Fehlerspanne gibt es nicht. Das IWU hat die Altbau-Kennwerte an typische Verbrauchswerte angepasst, betont aber, dass die Typologie die Bandbreite der Praxis nicht abbildet. Die tatsächliche Abweichung zeigt nur der Vergleich mit gemessenen Gebäuden im eigenen Portfolio.

Kann ich mit 30 Prozent Datenabdeckung wirklich CSRD-konform berichten?

Ja, sofern die gemessene Stichprobe repräsentativ ist, die übrigen 70 Prozent dokumentiert geschätzt werden, die Datenqualität je Gebäude ausgewiesen wird und ein Verbesserungsplan besteht (ESRS 2 BP-2 §10). Für die meisten Bestandshalter stellt sich die Frage allerdings beim Bankfragebogen, nicht beim CSRD-Bericht; dort gelten dieselben Grundsätze.

Wie kommuniziere ich Datenqualität gegenüber dem Vorstand?

Über drei Kennzahlen: den gewichteten Portfolio-DQS (1–5), die Verteilung der Stufen und den Verbesserungspfad über drei bis fünf Jahre.

Was kostet die Verbesserung von DQS 4 auf DQS 2 im Mittel?

Eine belastbare Durchschnittszahl haben wir nicht gefunden (Stand Oktober 2026). DQS 2 setzt gemessene Verbräuche aus Heizkosten-, Messdienst- oder Versorgerdaten voraus; ein Energieausweis hebt ein Gebäude nur auf DQS 3. Nicht fernablesbare Zähler sind grundsätzlich bis 31.12.2026 ohnehin nachzurüsten oder zu ersetzen (§ 5 HeizkostenV), und Miete und Verwendung der Erfassungsgeräte sind umlagefähige Betriebskosten (§ 2 Nr. 4 Buchst. a BetrKV).

Sind Schätzungen mit Maschinellem Lernen erlaubt?

Ja, wenn Modell und Version dokumentiert, die Trainingsdaten repräsentativ, die Validierung an zurückgehaltenen Messdaten belegt und die Modellunsicherheit offengelegt sind. Eigene Vorgaben für ML-Modelle enthalten die ESRS nicht; es gelten die allgemeinen Regeln für Schätzungen (ESRS 1 §§ 87–89, ESRS 2 BP-2).

Was passiert, wenn ich später bessere Daten bekomme?

Dann passen Sie die Vergleichszahlen an: ESRS 1 verlangt angepasste Vorjahreswerte, wenn neue Informationen Umstände belegen, die schon in der Vorperiode bestanden (§95), und unterscheidet Fehlerkorrekturen von Schätzungsänderungen (§101). Jede Anpassung ist zu erläutern (ESRS 2 BP-2 §13).

Wie gehe ich mit Mieterverbräuchen um (Scope 3 Kategorie 13)?

Drei Optionen: Abfrage beim Mieter mit Einwilligung oder Vertragsklausel, Schätzung über statistische Durchschnittswerte (Energieausweise und IWU-Typologie decken den Haushaltsstrom nicht ab) oder die dokumentierte Einschätzung, dass die Information nicht wesentlich ist. In Wohnportfolios ist die Schätzung meist der pragmatische Weg.

Wie verknüpfen sich Datenlücken mit der CRREM-Stranding-Analyse?

CRREM-Pfade brauchen Ausgangswerte je Gebäude; je unsicherer diese sind, desto unsicherer ist das berechnete CRREM Misalignment Year. Das kostenlose Excel-Werkzeug der CRREM Foundation wurde am 01.07.2026 eingestellt; Pfade und Rechenlogik stehen in der CRREM Library v2.05 weiter frei zur Verfügung. Mehr zum CRREM-Pfad und zu CRREM-Werkzeugen nach dem Excel-Aus.

Wer haftet, wenn meine Schätzungen sich als falsch herausstellen?

Verantwortlich ist die Geschäftsleitung. In Deutschland gilt bis zur CSRD-Umsetzung das Recht der nichtfinanziellen Erklärung, das u. a. große kapitalmarktorientierte Unternehmen und große Kreditinstitute mit mehr als 500 Beschäftigten erfasst (§§ 289b ff., 340a Abs. 1a HGB). Unrichtige Darstellungen können nach § 331 HGB strafbar, Verstöße gegen die Inhaltsvorgaben nach § 334 HGB bußgeldbewehrt sein. Eine dokumentierte Schätzung nach bestem Wissen, die sich später als ungenau erweist, ist in der Regel eine Schätzungsänderung und keine Fehlerkorrektur (ESRS 1 §101).

Weiterführende Ratgeber

• CO₂-Baseline für Immobilienportfolios: Methoden und Datenquellen für die Ersterfassung
• ESRS E1 Datenanforderungen für Immobilien: gebäudebezogene Datenpunkte nach ESRS E1
• PCAF Scope 3 Immobilien-Kreditportfolio: Methodik für Banken
• PCAF Datenqualitäts-Score Immobilien-Tabelle: DQS 1–5 mit deutschen Beispielen
• ESG-Datenmanagement Immobilien Grundlagen: Datenarchitektur und Governance
• KI in der Immobilienwirtschaft: Anwendungsfälle und Grenzen
• CSRD Immobilien Berichtspflicht: Rahmen, Fristen, Prüfung
• Energieausweis-Massenerfassung Portfolio: Aufbau einer Energieausweis-Datenbasis
• ESG-Software für Immobilien im Vergleich: Marktüberblick
• GRESB Rating verbessern: Score-Optimierung
• CRREM nach dem Excel-Aus: Werkzeuge für den CRREM-Abgleich je Gebäude
• SFDR PAI Indikatoren Immobilienfonds: Datenpunkte für Art. 8/9