Dieser Beitrag wurde gemeinsam mit Lokesha Thimmegowda, Muppirala Venkata Krishna Kumar und Maraka Vishwadev von CBRE verfasst.

\n

CBRE ist das weltweit gr\u00f6\u00dfte Unternehmen f\u00fcr kommerzielle Immobilien-Services und Investitionen und bietet in \u00fcber 100 L\u00e4ndern umfassende Dienstleistungen an, darunter Kapitalm\u00e4rkte, Leasingberatung, Investmentmanagement, Projektmanagement und Facility Management.

\n

CBRE nutzt KI, um L\u00f6sungen im Bereich kommerzielle Immobilien durch fortschrittliche Analytik, automatisierte Workflows und pr\u00e4diktive Einblicke zu verbessern. Dabei spielt eine umfangreiche Datensammlung eine zentrale Rolle in der Transformation des Marktes. Mit der gr\u00f6\u00dften Datensammlung der Branche und einer umfassenden technologischen Suite hat das Unternehmen eine Vielzahl von KI-L\u00f6sungen implementiert, um die individuelle Produktivit\u00e4t zu steigern und breiter angelegte Transformationen zu unterst\u00fctzen.

\n

In diesem Blogbeitrag wird beschrieben, wie CBRE und AWS zusammenarbeiten, um den Zugang zu Informationen f\u00fcr Immobilienmanagement-Profis zu revolutionieren. Sie schufen eine moderne Such- und digitale Assistenten-Erfahrung, die den Zugriff auf verschiedene Arten von Immobiliendaten mithilfe von Amazon Bedrock, Amazon OpenSearch Service und anderen AWS-Features vereint.

\n\n

Herausforderung der einheitlichen Immobilienverwaltungssuche

\n

Das propriet\u00e4re PULSE-System von CBRE konsolidiert eine Vielzahl wichtiger Immobiliendaten. Zuvor mussten Immobilienverwalter durch Millionen von Dokumenten navigieren und zwischen verschiedenen Systemen wechseln, um Wartungsdetails zu finden. Diese Fragmentierung reduzierte die Produktivit\u00e4t und erschwerte die Einsichtnahme in wichtige Betriebsdaten.

\n\n

L\u00f6sungsarchitektur

\n

CBRE implementierte eine globale Suchl\u00f6sung innerhalb von PULSE, die von Amazon Bedrock unterst\u00fctzt wird. Dieses System erm\u00f6glicht eine nahtlose, intelligente und sichere Informationsabfrage \u00fcber unterschiedliche Datentypen.

\n\n

Ergebnisse und Auswirkungen

\n

Die Umsetzung hat die betriebliche Effizienz und Datenzuverl\u00e4ssigkeit verbessert, was zu:\n

    \n

  • Kosteneinsparungen: Durch die Reduzierung manueller Arbeitsstunden k\u00f6nnen wertvolle Ressourcen f\u00fcr strategische Aufgaben freigesetzt werden.
  • \n

  • Verbesserte Entscheidungsfindung: Ergebnisse mit 95% Genauigkeit verringern das Risiko von Fehlentscheidungen.
  • \n

  • Steigerung der Produktivit\u00e4t: Weniger Zeit f\u00fcr manuelle Aufgaben f\u00fchrt zu effizienteren Workflows.
  • \n

\n\n

Erfahren Sie mehr \u00fcber die L\u00f6sung und ihre Umsetzung unter: AWS Blog.