zentrale einflussfaktoren für die performance von ... · betriebs von zentraler bedeutung. im...
Post on 30-Apr-2020
3 Views
Preview:
TRANSCRIPT
Zentrale Einflussfaktoren für die Performance von Hotelimmobilien
1
Zentrale Einflussfaktoren für die
Performance von Hotelimmobilien Oliver Giger
1 Einleitung
Bei der Entwicklung von Hotelprojekten ist der Businessplan der Investition und des
Betriebs von zentraler Bedeutung. Im Businessplan wird der wirtschaftliche Nach-
weis erbracht, dass der Betrieb nachhaltig möglich sein kann, und er dient dem In-
vestor als Mittel zur Bestimmung einer tragfähigen Pacht. In der Betriebsrechnung
in diesem Businessplan sind zwei Faktoren für den operativen Hotelbetrieb von zent-
raler Bedeutung: zum einen sind dies die prognostizierten Zimmerbelegungen, zum
andern die erwarteten Zimmerpreise pro Nacht. Beide Werte werden üblicherweise
durch Marktanalysen und aufgrund von Erfahrungswerten ermittelt.
Es gibt verschiedene etablierte Annahmen, welche für die Prognose der Zimmerbe-
legung und -preise verwendet werden. So soll das ideale Hotel beispielsweise mög-
lichst nahe am Stadtzentrum, in unmittelbarer Nachbarschaft eines Hauptbahnhofs
gelegen sein und über einen internationalen Brand verfügen. Üblicherweise werden
von der Marktanalyse auf das einzelne Projekt Rückschlüsse gezogen und entspre-
chend der Positionierung, der Lage, des Brands etc. Auf- oder Abschläge auf die
Zimmerbelegung und -preise getätigt. Diese Auf- oder Abschläge um der individu-
ellen Marktsituation gerecht zu werden, basieren auf der Grundlage von Erfahrungs-
werten und Annahmen. Die Lage in der Projektentwicklung nimmt dabei eine ent-
scheidende Rolle ein, da diese von Beginn weg bekannt ist, und es erstrebenswert
ist, aufgrund der Lage erwartete Performancewerte abzuleiten.
Die Zimmerbelegung und der Zimmerpreis sind erfolgskritische Faktoren für den
Betrieb eines Hotels und die Gewährleistung einer Investitionsrendite. Jedoch fehlen
statistische Untersuchungen in der Schweiz im Kontext der Projektentwicklung
gänzlich. Diese Forschungsarbeit hat zum Ziel zentrale Einflussfaktoren, welche in
der Phase der Projektentwicklung bekannt sind, auf die künftige Zimmerbelegung
und -preis zu untersuchen. Es wird überprüft, welchen Einfluss die folgenden Ein-
flussfaktoren auf die beiden Kenngrössen haben: Hotelgrösse (Anzahl Zimmer), in-
ternationaler Brand, sowie die Distanzen zum nahegelegensten Bahnhof, Stadtzent-
rum, Flughafen, Autobahnanschluss und Stationen des öffentlichen Nahverkehrs
(Bus, Tram, Schiff, Metro und Bergbahn).
O. Giger
2
2 Bewertung von Hotelprojekten
2.1 Die Wirtschaftlichkeitssimulation
Zentraler Aspekt einer Hotelprojektentwicklung ist die Wirtschaftlichkeitssimula-
tion1, welche die Betriebsrechnung des Hotels und die Investitionsrechnung vereint.
Aufgrund der langen Dauer der Mietverhältnisse, der Grössenordnung der Investi-
tion und der Komplexität der Mietverträge ist der Planungshorizont einer Simulation
auf üblicherweise 15 Jahre ausgerichtet. Die Simulation bietet die Möglichkeiten, in
einem frühen Projektstadium die Konzepte auch auf einer monetären Ebene zu ver-
gleichen. Im weiteren Verlauf ist die Simulation ein Instrument für die Betreiberaus-
wahl, die Wahrung der wirtschaftlichen Interessen während des Baus etc. Dazu muss
die Simulation aber bereits schon zu Beginn einen sehr hohen Detailierungsgrad und
belastbare Kennwerte aufweisen.
Fig. 1: Einflussfaktoren der Wirtschaftlichkeitssimulation
In der Simulation sind diverse wichtige exogene Einflussfaktoren für die Hotelent-
wicklung und den zukünftigen Hotelbetrieb berücksichtigt. Die meisten Einflussfak-
toren können aufgrund von Benchmarks basierend auf historischen Werten ermittelt
1 Vgl. Giger 2015
Zentrale Einflussfaktoren für die Performance von Hotelimmobilien
3
werden – wie etwa die Baukosten, Liegenschaftskosten – oder es liegen Auswertun-
gen von statistischen Behörden oder Verbänden vor. Bei der Ermittlung der Zim-
merbelegung und -preise kann nicht auf bestehende Daten oder Benchmarks zurück-
gegriffen werden. Diese Werte sind sehr spezifisch und je nach Lage grossen
Schwankungen ausgesetzt. Mittels aufwendigen Marktanalysen wird üblicherweise
versucht, sich diesen Werten anzunähern; statistische Modelle zur Ermittlung fehlen.
2.2 Bedeutung für das Investment
Ziel des Mietvertrags einer Hotelimmobilie muss es sein, dass der Hotelbetreiber
nachhaltige Gewinne erwirtschaften kann und der Investor eine optimale Rendite
generiert. Um genau diese Win-Win Situation zu schaffen, bedarf es der analytischen
Betrachtung mittels Simulation. Aus diesem Grund hat der Investor ein sehr grosses
Interesse daran, die zu erwartenden Zimmerbelegungen und -preise seines Projektes
zu kennen. Denn diese zwei Werte haben eine grosse Hebelwirkung in der Simula-
tion. Auf der Basis auf einer fundierten Simulation lassen sich geeignete Mietver-
tragsmodelle und -konditionen ableiten, welche eine faire Geschäftsbeziehung er-
möglichen. Es ist nahliegend, dass im Falle eines Umsatzmietvertrags die
Zimmerbelegungen und -preise die zentralen Treiber des Umsatzes und somit der
Miete sind. Aber auch bei anderen Mietmodellen, wie bspw. bei der Festmiete ist
eine Simulation unabdingbar, um die optimale Miethöhe zu berechnen.
3 Forschungsdesign
3.1 Datengrundlage
Für diese Forschungsarbeit werden die Daten von möglichst vielen Hotels im
Schweizer Markt benötigt. Diese Daten werden u.a. vom Schweizerischem Bundes-
amt für Statistik (BFS) und von dem in den Vereinigten Staaten ansässigen Unter-
nehmen STR, Inc. erfasst.
Sämtliche Schweizer Beherbergungsbetriebe sind verpflichtet, die Anzahl Ankünfte
und Logiernächte pro Herkunftsland der Gäste sowie Anzahl Betriebe, Zimmer und
Betten zu melden.2 Diese Daten werden vom BFS auf monatlicher Basis gesammelt
und ausgewertet. Ein grosser Vorteil dieses Datenbestandes ist, dass Sie die Grund-
gesamtheit der Schweizer Hotels beinhaltet. Jedoch werden nur die Zimmerbelegun-
gen und nicht die generierten Zimmerpreise ermittelt.
2 Vgl. Bundesamt für Statistik 2016, o.S.
O. Giger
4
Anders verhält es sich bei den Daten von STR. Die Hotels liefern ihre Daten auf
freiwilliger Basis. Die Datenlieferung erfolgt wahlweise täglich, wöchentlich oder
monatlich. Bei STR ist die Bandbreite der erhobenen Daten grösser als beim BFS.
Neben der Anzahl am Markt verfügbaren oder verkauften Zimmer werden auch fi-
nanzielle Kennzahlen wie der Zimmerpreis oder diverse Rentabilitätskennzahlen er-
hoben. In der Schweiz hat STR 278 Hotels im Programm.3 Die Datensätze von STR
verfügen zwar über die für diese Forschung benötigten Daten zu der Zimmerbele-
gung und des Zimmerpreises, jedoch ist die Stichprobe nicht repräsentativ für den
Schweizer Hotelmarkt. Diese Hotels weisen im Vergleich zum Durchschnitt der
Schweizer Hotels eine erheblich grössere Zimmeranzahl auf, viele sind international
gebrandet, verfügen über eine höhere (Sterne-)Kategorisierung und erzielten signi-
fikant höhere Zimmerbelegungen. Aus diesem Grund wird in diesem Artikel nur auf
die Analyseergebnisse der Daten des BFS eingegangen.
3.2 Analysetool
Die Datenschutzbestimmungen der beiden Datenanbietern BFS und STR erlauben
es nicht, dass die Daten von Externen eingesehen werden und noch weniger, dass die
Daten die Häuser der Organisationen verlassen. Diese restriktiven Datenschutzbe-
stimmungen bedürfen kreativer Wege, um die Daten trotzdem analysieren zu kön-
nen. Im Zuge dieser Arbeit wird ein Analysetool erstellt, mit welchem die Anbieter
die Analysen selbst durchführen können. Einzig die Ergebnisse, welche keine Rück-
schlüsse auf einzelne Hotels zulassen, stehen dieser Forschungsarbeit zu Verfügung.
Konfrontiert mit der Problematik, die Analyse nicht selbst durchführen zu können
und Einfluss zu nehmen, müssen diverse Aspekte im Voraus bedacht werden. So
sind im Analysetool verschiedene Analysemethoden implementiert; (Multiple-) Re-
gression, Rangkorrelation und Korrelation. Dies dient der Überprüfung der Ergeb-
nisse – sämtliche Methoden sollten ähnliche Resultate erzielen – und bietet eine
gewisse Flexibilität bei der Interpretation der Ergebnisse – die Methoden werden
verschieden starke Effekte messen. Auch wird die Schweiz mittels verschiedener
Kriterien gegliedert und sämtliche Teilgebiete analysiert (vgl. Kapitel 3.3).
Das Analysetool ist halbautomatisiert aufgebaut. Der Benutzer wird lediglich benö-
tigt um die Rohdaten in die Applikation einzugeben und verschiedene Zwischen-
schritte anzustossen. In den ersten Schritten werden die Daten mit diversen Attribu-
ten ergänzt. So ist in den Daten vom BFS nicht vermerkt, ob ein Hotel einen
internationalen Brand besitzt. Diese Information wird in der Applikation mittels
3 Vgl. STR, Inc. 2016, o.S.
Zentrale Einflussfaktoren für die Performance von Hotelimmobilien
5
Keyword-Suche hinzugefügt. Auch wird definiert in welchen Teilgebieten der ver-
schiedenen räumlichen Gliederungen sich ein Hotel befindet. Am aufwändigsten
sind allerdings die Berechnungen der Distanzen zu den nahegelegensten Stadtzen-
tren, Bahnhöfen, Flughäfen etc.4 Hierfür ist in der Applikation ein Katalog mit all
den Koordinaten dieser Punkte enthalten. Die Applikation ermittelt für alle Hotels
die nahegelegensten Punkte je Kategorie (Stadtzentren, Bahnhöfe, Flughäfen etc.)
und fügt deren Name sowie die Distanzen den Hotelattributen hinzu.
In den nächsten Schritten werden die Daten für die verschiedenen Analysemethoden
aufbereitet. Die Methoden verlangen spezifische Formatierungen und auch Vorbe-
rechnungen sind notwendig. Sind diese Vorbereitungen abgeschlossen, werden die
eigentlichen Berechnungen der Analysen durchgeführt. Dazu gehört auch, die Streu-
ung der einzelnen Variablen pro Teilgebiet zu beschreiben und diverse andere sta-
tistische Werte zu berechnen. Dies mit dem Ziel pro Teilgebiet eine möglichst aus-
führliche statistische Betrachtung zu erhalten. In einem letzten Schritt erstellt die
Applikation eine Datei, welche nur die Analyseergebnisse enthält und konform mit
den Datenschutzbestimmungen der Anbieter ist. Diese Datei kann die Häuser der
Anbieter verlassen und ist die Grundlage dieser Forschungsarbeit.
3.3 Räumliche Gliederung
Einerseits wird die Schweiz als Ganzes sowie diverse Teilgebiete analysiert. Die
Schweiz wird nach verschiedenen Kriterien unterteilt. Die Gliederungen finden nach
Kantonen, urbanen Gebieten und Tourismusgebieten statt. Die Gliederung nach
Kantonen wurde aus öffentlich-rechtlichen Gesichtspunkten gewählt; durch den Fö-
deralismus haben die Kantone eigene Beherbergungsgesetze und Tourismusförder-
programme. Bei der Unterteilung nach urbanen Gebieten sind die Schweizer Ge-
meinden nach den folgenden Kategorien gegliedert worden; Grossstädte,
Kleinstädte, Agglomerationen, ländliche Gebiete und Alpiner Raum.
Das BFS hat eine räumliche Gliederung der Schweiz aufgrund von touristischen As-
pekten vorgenommen. Aus dieser räumlichen Unterteilung bilden sich die 14 Tou-
rismusregionen (vgl. Fig. 2) heraus.5 Diese Gliederung ist ideal für diese Forschung
geeignet, da die Gebiete aufgrund des Einzugsgebiets eines Zentrums oder einer
Destination definiert sind. Historisch gesetzte Grenzen, welche ohne Relevanz für
den Tourismus sind, werden nicht prioritär beachtet.
4 Vgl. Bundesamt für Verkehr 2016, o.S.
5 Vgl. Bundesamt für Statistik 2015, o.S.
O. Giger
6
Neben den Unterteilungen der Schweiz wurden auch die neuen Städte/Gemeinden
mit der höchsten Anzahl an Logiernächten im Jahr 2015 untersucht. Sämtliche Er-
gebnisse sind in der Forschungsarbeit ersichtlich. In diesem Artikel wird nur auf die
Ergebnisse der Tourismusregionen eingegangen.
Fig. 2: Tourismusregionen der Schweiz
Nr. Tourismusregion Gebietsdefinition Logiernächte ‘15
1 Graubünden GR 4'717'301
2 Ostschweiz TG, SH (Teil), AI, AR, SG (Teil) 1'885'080
3 Zürich Region ZH, ZG, SH (T.), SG (T.), AG (T.), SZ (T.) 5'611'519
4 Luzern / Vierwaldstättersee LU, OW, NW, SZ (Teil), UR 3'606'647
5 Basel Region BS, BL, SO (Teil) 1'520'933
6 Bern Region BE (Teil), SO (Teil) 1'036'596
7 Berner Oberland BE (Teil) 3'722'045
8 Jura & Drei-Seen-Land NE, JU, BE (Teil), SO (Teil) 744'994
9 Genferseegebiet (Waadt) VD 2'674'260
10 Genf GE 2'952'659
11 Wallis VS 3'738'426
12 Tessin TI 2'180'345
13 Fribourg Region FR 451'868
14 Aargau Region AG (Teil), SO (Teil) 785'803
Tab. 1: Tourismusregionen der Schweiz
1
2 3
4
5
6
7
8
10
9
11
12
13
14
Tourismusregionen der Schweiz
Zentrale Einflussfaktoren für die Performance von Hotelimmobilien
7
4 Ergebnisse
Die Ergebnisse sind folgend für jede Tourismusregion dargestellt. Die fünf Regionen
mit der höchsten Anzahl an Logiernächten im Jahr 2015 (vgl. Tab. 1) sind weiter
unten detaillierter aufgeführt. Dabei fand eine Beschränkung auf die Einflussfakto-
ren mit den grössten Effektstärken pro Region statt. Die Analyseresultate basieren
auf den Daten des BFS aus dem Jahr 2015 und nur bezogen auf die Zimmerbelegun-
gen (ZB) und nicht die Zimmerpreise.
Korrelationsstärken
Zimmerbelegung
Tourismusregion Zim
mera
nza
hl
Bra
nd
Bahnho
f
Bahnho
f IC
Sta
dtz
entr
um
Auto
bahn
Flu
ghafe
n
Nahve
rkehr
Schweiz 0.19 0.12 0.10 0.10 0.16 0.01 0.06 0.10
Graubünden 0.19 0.04 0.06 -0.05 0.11 -0.09 -0.12 0.05
Ostschweiz 0.20 0.03 0.12 0.12 0.09 0.08 0.03 0.05
Zürich Region 0.17 0.14 0.21 0.38 0.26 0.34 0.41 0.11
Luzern / Vierwaldstättersee 0.14 0.11 0.20 0.18 0.16 0.11 0.06 0.07
Basel Region 0.18 0.11 0.28 0.38 0.37 0.36 0.46 0.17
Bern Region 0.31 0.22 0.22 0.38 0.37 0.34 0.01 0.20
Berner Oberland 0.18 0.02 0.23 0.23 0.24 -0.05 0.02 0.20
Jura & Drei-Seen-Land 0.20 0.17 0.15 0.33 0.34 0.33 -0.05 0.09
Genferseegebiet (VD) 0.22 0.13 0.11 0.21 0.32 0.24 0.02 0.14
Genf 0.13 0.04 0.41 0.49 0.47 -0.13 0.34 0.21
Wallis 0.14 0.05 0.07 -0.03 0.08 -0.18 0.04 0.04
Tessin 0.17 0.13 0.10 0.07 0.16 -0.04 0.10 0.12
Fribourg Region 0.14 0.05 0.20 0.02 0.15 0.08 0.00 -0.05
Region Aargau 0.20 0.12 0.05 0.03 0.08 0.08 0.01 0.05
Interpretation Effektstärke: 0.10 - 0.29 = schwach | 0.30 - 0.49 = mittel | 0.50+ = stark
Tab. 2: Analyseergebnisse der Tourismusregionen
Bei der Betrachtung der Analyseergebnisse können die aufgestellten Thesen nicht
falsifiziert werden. Die meisten Einflussfaktoren weisen in allen Regionen meist
mindestens schwache Effektstärken aus. In wenigen Fällen sind keine Zusammen-
hänge, oder gar Negative festzustellen. Ein in allen Regionen gemessener Zusammen
hang ist die positive Beeinflussung von einer höheren Zimmeranzahl auf die Zim-
merbelegung. Alle Regionen weisen eine schwache bis mittlere Effektstärke aus.
Die Effektstärken bei dem Brand fallen im Vergleich zu den anderen Kategorien
eher schwach aus. Dies hängt damit zusammen, dass nur 167 von den untersuchten
4'766 Hotels einen Brand aufweisen und somit eine Korrelationsanalyse erschweren.
O. Giger
8
Im Durchschnitt liegt die Zimmerbelegung bei Hotels mit einem Brand, welcher
weltweit bis zu 100 Hotels umfasst, 26% höher als der Durchschnitt der Schweizer
Hotels. Werden die Hotels mit einem Brand betrachtet, wo der Brand über 100 wei-
tere Häuser besitzt, werden schon 46% höhere Zimmerbelegungen als der Schweizer
Durchschnitt realisiert.
Im Vergleich der Distanzen zwischen Hotels und einem Bahnhof oder einem Bahn-
hof mit InterCity (IC)-Anschluss, hat eine geringere Distanz zu einem Bahnhof mit
IC-Anschluss die stärkeren Effekte auf die Zimmerbelegung. Vor allem in den urba-
nen Gebieten haben Bahnhöfe mit IC-Anschluss die stärksten Effekte aller unter-
suchten Einflussfaktoren auf die Zimmerbelegung. Ein ähnliches Muster ist auch bei
den Stadtzentren feststellbar, wenn auch nicht mit ganz denselben starken Ausschlä-
gen wie die Bahnhof mit IC-Anschluss, dafür sind die positiven Effekte auf die Zim-
merbelegung in allen Regionen zu beobachten.
Bei den Distanzen von den Hotels zu den Autobahnen, sind neben positiven auch
schwache negative Effekte feststellbar. In der Region Genf bspw. haben kurze Dis-
tanzen der Hotels zu den Autobahnanschlüssen eine negative Auswirkung auf die
Zimmerbelegung.
Die Nähe zu internationalen Flughäfen haben nur in den Tourismusregionen in wel-
chen diese gelegen sind einen positiven Einfluss auf die Zimmerbelegung. In den
besagten Regionen können mittlere, fast schon starke, Effektstären gemessen wer-
den. In den anderen Regionen haben die Distanzen zu den Flughäfen keinen statisti-
schen Einfluss auf die Zimmerbelegung der Hotels.
Der Einflussfaktor «Nahverkehr» definiert jeweils die Distanz zur nächstgelegenen
Station eines Nahverkehrsmittels des Hotels. Als Nahverkehrsmittel definiert sind
Bus, Schiff, Bergbahnen, Tram und Metro. Eine erstaunliche Erkenntnis ist, dass
eine geringe Entfernung des Hotels zu einer Station des öffentlichen Nahverkehrs
kaum messbare oder nur schwache, wenn auch meistens positive Effekte auf die Be-
legung hat. Ein Erklärungsansatz ist das dichte Nahverkehrsnetz der Schweiz; bei
75% der Hotels ist eine entsprechende Station in weniger als 200 Metern zu errei-
chen.
Zentrale Einflussfaktoren für die Performance von Hotelimmobilien
9
4.1 Zürich Region
Einflussfaktor Einfluss auf ZB Korrel. ZB
Distanz Flughafen Mittel 0.41
Distanz Bahnhof IC Mittel 0.38
Dis. Autobahnanschluss Mittel 0.34
Distanz Stadtzentrum Schwach 0.26
Tab. 3: Ergebnisse der Korrelationsanalysen (Zürich Region)
Mit dem statistischen Modell können in der Tourismusregion Zürich einige Zusam-
menhänge erklärt werden. So existieren Korrelationen von mittlerer Stärke zwischen
der Zimmerbelegung und den Distanzen von den Hotels zu Bahnhöfen mit IC An-
schluss, zu Autobahnanschlüssen und dem Flughafen Zürich. Ein schwacher Zusam-
menhang kann zwischen der Zimmerbelegung und der Distanz zu den verschiedenen
Stadtzentren in der Region Zürich gemessen werden.
Distanz Flughafen ≤1km 1-5km 5-10km 10-15km 15-20km >20.0km
Abweichung zur Ø-ZB - 15.64% 27.05% -8.41% -12.72% -23.41%
Distanz Bahnhof IC ≤.5 km .5-1km 1-2km 2-3km 3-4km >4.0km
Abweichung zur Ø-ZB 18.83% 30.12% 18.91% 21.65% 7.21% -16.23%
Dis. Autobahnanschluss ≤1km 1-5km 5-10km 10-15km 15-20km >20.0km
Abweichung zur Ø-ZB 18.20% 5.77% -27.40% -48.05% -48.75% -
Distanz Stadtzentrum ≤1km 1-5km 5-10km 10-15km 15-20km >20.0km
Abweichung zur Ø-ZB 16.35% 1.25% -7.99% -41.92% -7.02% -
Tab. 4: Kategorisierte Darstellung der Einflussfaktoren (Zürich Region)
Die Abweichungen der einzelnen Kategorien der Einflussfaktoren zur durchschnitt-
lichen Zimmerbelegung in der Region bekräftigen die Erkenntnisse aus den Korre-
lationsanalysen. Bei sämtlichen Faktoren sind bei kürzeren Distanzen positive Ab-
weichungen auf die durchschnittliche Zimmerbelegung und bei längeren Distanzen
negative Abweichungen zu beobachten. Besonders eindrücklich ist der Effekt bei
den Autobahnanschlüssen, Hotels die zwischen 5 und 10km von einem Autobahn-
anschluss entfernt liegen, erzielten bereits eine Abweichung von -27% auf den
Durchschnitt. Bei Distanzen über 10km waren es durchschnittlich gar über -48%.
Empfehlungen für Hotelentwicklungen: (aufgrund der untersuchten Einflussfaktoren)
Distanz zum Flughafen 1.0 - 10.0 km
Distanz zu Bahnhof IC 0.0 - 3.0 km
Distanz zu Autobahnanschluss 0.0 - 1.0 km
Distanz zum Stadtzentrum 0.0 - 1.0 km
O. Giger
10
4.2 Graubünden
Einflussfaktor Einfluss auf ZB Korrel. ZB
Distanz Bergbahnstation Schwach 0.20
Zimmeranzahl Schwach 0.19
Distanz Stadtzentrum Schwach 0.11
Brand Sehr schwach 0.05
Tab. 5: Ergebnisse der Korrelationsanalysen (Graubünden)
In der Tourismusregion Graubünden sind nur bei wenigen Einflussfaktoren statisti-
sche Korrelationen auf die Zimmerbelegung nachzuweisen. Schwache positive Ef-
fekte auf die Zimmerbelegung haben eine hohe Anzahl von Zimmern, sowie geringe
Distanzen zu den Stadtzentren (Chur, Davos, St. Moritz) und Bergbahnstationen.
Aber auch ein Brand hat positive Effekte auf die Zimmerbelegung in einem Hotel.
Ein Hotel mit einem Brand liegt durchschnittlich 14% oder 18% über der durch-
schnittlichen Zimmerbelegung der Tourismusregion.
Dis. Bergbahnstation ≤.1km .1-.2km .2-.5km .5-.75km .75-1km >1km
Abweichung zur Ø-ZB 12.50% 15.44% 3.25% 14.56% 30.14% -9.41%
Zimmeranzahl <19 20-49 50-99 100-149 150-199 >200
Abweichung zur Ø-ZB -9.74% 5.94% 21.16% 36.89% -21.82% 31.32%
Distanz Stadtzentrum ≤1km 1-5km 5-10km 10-15km 15-20km >20.0km
Abweichung zur Ø-ZB 18.71% 20.58% -7.04% 3.61% -3.48% -7.98%
Brand Kein Brand Brand < 100 Hotels Brand >= 100 Hotels
Abweichung zur Ø-ZB -0.40% 17.88% 14.18%
Tab. 6: Kategorisierte Darstellung der Einflussfaktoren (Graubünden)
Bei der Betrachtung der Abweichungen zur durchschnittlichen Zimmerbelegung der
Zimmeranzahl, sticht die Kategorie mit 150-199 Hotelzimmern hervor. Diese nega-
tive Abweichung von fast 22% ist nur insofern zu erklären, dass in diese Kategorie
nur fünf Hotels fallen und somit Ausreisser die Statistik massiv beeinflussen können.
Stadtzentren sind für die diversen Destinationen, welche in Graubünden existieren,
wahrscheinlich zu wenige definiert. Jedoch zeigt es sich, dass in einem Umkreis von
1km bis 5km um diese Zentren die höchsten positiven Abweichungen auf die Zim-
merbelegung realisiert wurden.
Empfehlungen für Hotelentwicklungen: (aufgrund der untersuchten Einflussfaktoren)
Zimmeranzahl > 50 Zimmer
Distanz zu Bergbahnstation 0.0 - 1.0 km
Distanz zum Stadtzentrum 0.0 - 5.0 km
Brand Ja
Zentrale Einflussfaktoren für die Performance von Hotelimmobilien
11
4.3 Wallis
Einflussfaktor Einfluss auf ZB Korrel. ZB
Dis. Autobahnanschluss Schwach -0.18
Zimmeranzahl Schwach 0.14
Distanz Bergbahnstation Schwach 0.12
Distanz Stadtzentrum Sehr schwach 0.08
Tab. 7: Ergebnisse der Korrelationsanalysen (Wallis)
Wie auch in der Tourismusregion Graubünden sind in der Region Wallis nur schwa-
che Effekte der Einflussfaktoren auf die Zimmerbelegung feststellbar. Dabei ist die
negative Beeinflussung der Distanzen der Hotels zum Autobahnanschluss am auf-
fälligsten. Entgegen der Hypothese, dass die Nähe zu einem Autobahnanschluss hö-
here Zimmerbelegungen generiert, bewirkt dies im Wallis eine grössere Distanz zur
Autobahn. Dies ist damit zu erklären, dass die Autobahn im Wallis durch das Rho-
netal gebaut ist und die Tourismusregionen in den Bergen liegen.
Dis. Autobahnanschluss ≤1km 1-5km 5-10km 10-15km 15-20km >20.0km
Abweichung zur Ø-ZB -32.53% -14.67% -2.13% -5.38% -6.34% 7.09%
Zimmeranzahl <19 20-49 50-99 100-149 150-199 >200
Abweichung zur Ø-ZB -9.46% 8.72% 3.19% 2.33% 76.21% -
Dis. Bergbahnstation ≤.1km .1-.2km .2-.5km .5-.75km .75-1km >1km
Abweichung zur Ø-ZB 7.95% 5.35% 10.54% 19.89% -28.46% -17.73%
Distanz Stadtzentrum ≤1km 1-5km 5-10km 10-15km 15-20km >20.0km
Abweichung zur Ø-ZB 26.24% -12.50% -12.21% -5.35% 1.62% -4.56%
Tab. 8: Kategorisierte Darstellung der Einflussfaktoren (Wallis)
Werden die Auswertungen der Auswirkungen der Zimmeranzahl betrachtet, sticht
die Kategorie mit 150-199 Hotelzimmern hervor. Die Hotels in dieser Kategorie er-
zielten eine 76% höhere Zimmerbelegung als der Durchschnitt der Region. In diese
Kategorie fallen jedoch nur vier Hotels, weshalb hier mit Ausreissern gerechnet wer-
den muss. Bei den Distanzen zu den Bergbahndestinationen und Stadtzentren gibt es
Ausschläge, welche wohl darauf zurückzuführen sind, dass die Hotels im Rhonetal
und in den Bergdestinationen unterschiedlichen Zusammenhängen unterliegen.
Empfehlungen für Hotelentwicklungen: (aufgrund der untersuchten Einflussfaktoren)
Distanz zu Autobahnanschluss > 20 km
Zimmeranzahl 150 - 199 Zimmer
Distanz zu Bergbahnstation 0.0 - 0.8 km
Distanz zum Stadtzentrum 0.0 - 1.0 km
O. Giger
12
4.4 Berner Oberland
Einflussfaktor Einfluss auf ZB Korrel. ZB
Distanz Bergbahnstation Schwach 0.28
Distanz Stadtzentrum Schwach 0.24
Distanz Bahnhof Schwach 0.23
Zimmeranzahl Schwach 0.18
Tab. 9: Ergebnisse der Korrelationsanalysen (Berner Oberland)
Der stärkste gemessene Effekt der Einflussfaktoren auf die Zimmerbelegung im Ber-
ner Oberland, welcher knapp an der Schwelle von einer schwachen zur mittleren
Stärke liegt, ist die Distanz der Hotels zu den Bergbahnstationen. Jedoch wirkt sich
ein Standort zu nahe an einer Station (unter 100m) nicht positiv auf die Zimmerbe-
legung aus.
Bei den Stadtzentren sind im Berner Oberland nur Thun, Spiez und Interlaken als
solche definiert. Die touristischen Destinationen in den Bergen sind nicht als Zentren
erfasst und trotzdem ist ein Zusammenhang der Zentren zur Zimmerbelegung fest-
stellbar. Hotels, welche im Umkreis von unter einem km um diese Zentren gelegen
sind, haben eine 37% höhere Zimmerbelegung als der Durchschnitt im Berner Ober-
land.
Dis. Bergbahnstation ≤.1km .1-.2km .2-.5km .5-.75km .75-1km >1km
Abweichung zur Ø-ZB 1.57% 23.18% 16.56% 13.71% 15.64% -16.32%
Distanz Stadtzentrum ≤1km 1-5km 5-10km 10-15km 15-20km >20.0km
Abweichung zur Ø-ZB 37.40% 3.46% -12.41% 6.57% -5.29% -14.22%
Distanz Bahnhof ≤.5 km .5-1km 1-2km 2-3km 3-4km >4.0km
Abweichung zur Ø-ZB 8.72% 10.34% 3.65% -7.47% -17.41% -22.18%
Zimmeranzahl <19 20-49 50-99 100-149 150-199 >200
Abweichung zur Ø-ZB -13.97% 15.20% 8.56% 34.89% - -
Tab. 10: Kategorisierte Darstellung der Einflussfaktoren (Berner Oberland)
Schwache Zusammenhänge sind zudem bei den Distanzen zu Bahnhöfen und der
Anzahl Zimmer zu beobachten.
Empfehlungen für Hotelentwicklungen: (aufgrund der untersuchten Einflussfaktoren)
Distanz zu Bergbahnstation 0.1 - 1.0 km
Distanz zum Stadtzentrum 0.0 - 1.0 km
Distanz zu Bahnhof 0.0 - 1.0 km
Zimmeranzahl 20 - 149 Zimmer
Zentrale Einflussfaktoren für die Performance von Hotelimmobilien
13
4.5 Luzern / Vierwaldstättersee
Einflussfaktor Einfluss auf ZB Korrel. ZB
Distanz Bahnhof Schwach 0.20
Dis. Schiffanlegestelle Schwach 0.18
Dist Stadtzentrum Schwach 0.16
Zimmeranzahl Schwach 0.14
Tab. 11: Ergebnisse der Korrelationsanalysen (Luzern)
In der Region Luzern und Vierwaldstättersee haben Stationen des öffentlichen Ver-
kehrs die stärksten Effekte auf die Zimmerbelegung der Hotels. Neben den Distan-
zen zu Bahnhöfen und Schiffanlegestellen, können auch schwache Effektstärken der
Distanzen zu Bus- und Bergbahnstationen nachgewiesen werden. Bei dem Einfluss
der Distanzen zu Bahnhöfen zeigt sich, dass kurze Distanzen von Vorteil sind, je-
doch ist ein gewisser Abstand zum Bahnhof nötig, um Belegungen weit über dem
Durchschnitt zu realisieren. Derselbe Effekt ist auch bei den Schiffsanlegestellen zu
beobachten.
Distanz Bahnhof ≤.5 km .5-1km 1-2km 2-3km 3-4km >4.0km
Abweichung zur Ø-ZB 0.25% 40.21% -0.34% 5.50% -16.11% -21.30%
Dis. Schiffanlegestelle ≤.1km .1-.2km .2-.5km .5-.75km .75-1km >1km
Abweichung zur Ø-ZB -15.62% 7.65% 25.93% 28.94% 47.66% -9.45%
Distanz Stadtzentrum ≤1km 1-5km 5-10km 10-15km 15-20km >20.0km
Abweichung zur Ø-ZB 32.85% 3.21% -3.22% -6.55% -32.21% -6.03%
Zimmeranzahl <19 20-49 50-99 100-149 150-199 >200
Abweichung zur Ø-ZB -15.05% 16.64% 25.30% 35.49% 28.55% -
Tab. 12: Kategorisierte Darstellung der Einflussfaktoren (Luzern)
Auch die Distanzen der Hotels zu den Stadtzentren haben schwache Einflüsse auf
die Zimmerbelegung. Positive Effekte auf die Belegung sind aber vor allem in kür-
zeren Distanzen zu den Zentren zu beobachten. Auch können schwache Effektstär-
ken bei dem Einfluss der Zimmeranzahl beobachtet werden.
Empfehlungen für Hotelentwicklungen: (aufgrund der untersuchten Einflussfaktoren)
Distanz zu Bahnhof 0.5 - 1.0 km
Distanz zu Schiffanlegestelle 0.2 - 1.0 km
Distanz zum Stadtzentrum 0.0 - 1.0 km
Zimmeranzahl 50 - 199 Zimmer
O. Giger
14
5 Fazit
Diese Forschungsarbeit hatte zum Ziel aufzuzeigen, welche bereits in der Projekt-
entwicklung bekannten Einflussfaktoren die Zimmerbelegung tangieren. Dies wurde
für diverse Gebiete in der Schweiz untersucht und aus den Ergebnissen lassen sich
Empfehlungen ableiten.
Die zu Beginn aufgestellten Thesen, konnten anhand der Unterteilung der Schweiz
nach Tourismusregionen nicht falsifiziert werden. Es gibt messbare Zusammen-
hänge zwischen den definierten Einflussfaktoren und der Zimmerbelegung der
Schweizer Hotels. In Ausnahmefällen lassen sich zwar negative Effektrichtungen
identifizieren, dies ist aber auf spezifische regionale Besonderheiten zurückzufüh-
ren. Kritisch muss dem Modell angemerkt werden, dass im Falle der Tourismusre-
gionen die Ergebnisse der Regressionsanalysen nicht verwendet werden können. Die
Einflussfaktoren erklären nur zwischen 6 und 28% der Zimmerbelegung. Dies be-
deutet, dass die Zimmerbelegungen zu einem Grossteil von anderen, nicht im Modell
enthaltenen, Faktoren beeinflusst werden. Ein solcher Faktor ist sicherlich der Zim-
merpreis, aber auch die Positionierung des Hotels, das Marketing, das Konzept, der
Zustand etc. sind Faktoren, welche die Zimmerbelegung beeinflussen. In urbanen
Gebieten liegt der Erklärungsgrad wesentlich höher, bis zu 55% werden dort erreicht.
Literaturverzeichnis
Bundesamt für Statistik (2015): Tourismusregionen, in: bfs.admin.ch, 2015. Online
verfügbar unter: http://www.bfs.admin.ch/bfs/portal/de/index/themen/10/03/blank/
key/01/02.Document.199400.pdf [abgerufen am 09.07.2016]
Bundesamt für Statistik (2016): Erhebungen, Quellen – Beherbergungsstatistik
(HESTA), in: bfs.admin.ch, 2016. Online verfügbar unter: http://www.bfs.ad-
min.ch/bfs/portal/de/index/infothek/erhebungen__quellen/blank/blank/ehesta/
02.html [abgerufen am 24.09.2016]
Bundesamt für Verkehr (2016): Haltestellen von öffentlichen Verkehrsmitteln, in:
bav.admin.ch, 2016. Online verfügbar unter: http://www.bav.admin.ch/dokumenta-
tion/publikationen/00475/01497/index.html?lang=de [abgerufen am 01.05.2016]
Giger, K. (2015): Simulation Modell NG, in: redKG.ch, 16.3.2015. Online verfügbar
unter: http://www.redkg.ch/Simulation%20NG%20MixedUse%20Development_
Muster.pdf [abgerufen am 28.07.2016]
STR, Inc. (2016): Allgemeine Informationen, in: STR, 2016. Online verfügbar unter:
https://www.strglobal.com/resources/faq/de-de [abgerufen am 24.07.2016]
Zentrale Einflussfaktoren für die Performance von Hotelimmobilien
15
Autorenverzeichnis
Oliver Giger, geboren 1984. Wirtschaftsingenieurstudium an der Fachhochschule
Nordwestschweiz, Brugg Windisch, Bachelor 2008. Master of Science in Business
Administration MBA, Fachhochschule St. Gallen, Master 2012. Master of Advanced
Studies in Real Estate, Universität Zürich, MAS 2016. Von 2008 bis 2014 Projekt-
leiter von diversen Softwareentwicklungen im Bereich Projekt Management und Bu-
siness Intelligence. Seit 2015 Partner Development bei red KG (www.redkg.ch), Be-
ratungsunternehmen für Investoren bei Hotel(re)developments, Schwerpunkte:
Marktstudien, Wirtschaftlichkeitssimulationen, Betreiberakquisitionen, Mietver-
träge.
top related