Area Insights MCP: Preise, Angebot und Vermarktungsdauer für jeden Berliner Bezirk, gefragt im Klartext

Das Area Insights MCP von CASAFARI verbindet KI-Assistenten wie Claude, ChatGPT oder Cursor direkt mit strukturierten Immobilienmarktdaten auf Bezirksebene. Über sieben spezialisierte Werkzeuge erhalten Sie Preisreihen, Verteilungen, Wachstumsraten und Heatmaps für jeden Berliner Bezirk in natürlicher Sprache, ohne Dashboards zu öffnen. Der Einstieg ist über den Free-Plan mit 1.000 Tokens für 30 Tage ohne Kreditkarte möglich; die Anmeldung erfolgt via OAuth 2.1 im Browser. Nach den jüngsten Daten des Statistischen Bundesamtes (Destatis, Häuserpreisindex Q4 2025: +3,0 % zum Vorjahr) fordert die Markterholung differenzierte Antworten für jeden einzelnen Kiez.

Warum eine Frage an den Assistenten heute mehr sagt als der Bundesdurchschnitt

Stellen Sie sich eine Immobilienmaklerin vor, die an einem Dienstagabend in Berlin-Friedrichshain ihr Verkäufergespräch für den nächsten Morgen vorbereitet. Der Eigentümer einer Etagenwohnung verweist auf Zeitungsberichte über steigende Immobilienpreise und erwartet einen spürbaren Aufschlag. Die Maklerin benötigt keine bundesweiten Durchschnitte, sondern präzise lokale Evidenz: Wie haben sich die Angebotspreise für Eigentumswohnungen im Friedrichshain-Nord-Kiez in den vergangenen 24 Monaten entwickelt? Wie verteilt sich das aktuelle Angebot im Umkreis von einem Kilometer, und wie lange stehen vergleichbare Objekte derzeit auf dem Markt?

Die makroökonomische Kulisse zeigt zwar den Wendepunkt des Marktes, greift für die konkrete Wertermittlung jedoch zu kurz. Nach der Preiskorrektur von rund 13 % zwischen Mitte 2022 und Anfang 2024, die die Deutsche Bundesbank zur Preiskorrektur 2022 bis 2024 auf Basis von Destatis-Daten beschreibt, hat der deutsche Wohnimmobilienmarkt wieder Fahrt aufgenommen. Laut Häuserpreisindex des Statistischen Bundesamts, 4. Quartal 2025 stiegen die Wohnimmobilienpreise im vierten Quartal 2025 um 3,0 % gegenüber dem Vorjahresquartal. Dies war bereits der fünfte Anstieg in Folge, nachdem Destatis für das erste Quartal 2025 ein Plus von 3,8 %, für das zweite Quartal +3,2 % und für das dritte Quartal +3,3 % gemeldet hatte. Auch der vdp-Immobilienpreisindex, 4. Quartal 2025 des Verbandes deutscher Pfandbriefbanken stieg im Gesamtindex um 4,0 % auf 185,6 Punkte (Wohnimmobilien: +4,2 %).

Ein bundesweiter oder gesamtstädtischer Trend erklärt jedoch nicht, warum die Vermarktungsdauer in Neukölln anders verläuft als in Pankow oder Steglitz-Zehlendorf. Entscheidend ist die lokale Dynamik. Wer in der Praxis berät, bewertet oder investiert, braucht Antworten auf Kiez- und Bezirksebene – und zwar ohne zeitaufwendige Exporte oder manuelle Tabellenkalkulationen.

Was ist Area Insights MCP, und was unterscheidet es von einem Dashboard?

CASAFARI MCP bringt die Marktdatenbank von CASAFARI direkt in KI-gestützte Arbeitsumgebungen. Der spezifische Server für die Gebietsübersicht (Area Insights) stellt dem KI-Assistenten die aggregierten Daten historischer und aktueller Angebote zur Verfügung. Anstatt in einem klassischen Web-Dashboard Filter zu setzen und Datenreihen als CSV-Datei zu exportieren, stellen Sie Ihre Frage in gewohntem Deutsch. Der Assistent wählt selbstständig die passenden Funktionsaufrufe, verarbeitet die Ergebnisse und fasst sie in Texten, Tabellen oder vergleichenden Analysen zusammen.

Grundlage ist das bereinigte und deduplizierte Property Graph von CASAFARI. Da ein und dieselbe Wohnung auf mehreren deutschen Immobilienportalen oder Maklerwebseiten mit leicht abweichenden Angaben inseriert sein kann, konsolidiert das System diese Dubletten zu einem einzigen Objektdatensatz mit einer lückenlosen Preis- und Status-Historie. Dadurch spiegeln die aggregierten Marktdaten das reale Angebot und nicht die Mehrfachzählung von Inseraten wider.

Damit Ihr Assistent Ortsnamen wie „Berlin-Pankow“ oder „Prenzlauer Berg“ in die internen Standort-IDs übersetzen kann, nutzt er transparent den Server Location Lookup. Wenn Sie den Assistenten nach einem bestimmten Stadtteil fragen, prüft er zunächst den Ort über den Location Lookup und führt anschließend die gewünschte Marktanalyse durch. Sollte eine spezifische Nachbarschaft einmal nicht auf Anhieb zugeordnet werden, hilft unser Leitfaden weiter, wenn ein Ort nicht gefunden wird.

Die sieben Werkzeuge, und welche Frage jedes beantwortet

Der Server Area Insights stellt Ihrem KI-Assistenten sieben klar definierte Werkzeuge zur Verfügung. In der Area-Insights-Dokumentation für Entwickler (auf Englisch) sind die Schnittstellen exakt aufgeführt. Jedes Werkzeug deckt eine spezifische Fragestellung ab:

1. get_time_series_data: Liefert Zeitreihen zu durchschnittlichen Angebotspreisen und Quadratmeterpreisen, zur Anzahl der Objekte auf dem Markt sowie zur Marktaktivität (neue, verkaufte oder vermietete Objekte, Preiserhöhungen und -senkungen). Beispiel: „Wie hat sich der mittlere Quadratmeterpreis für Eigentumswohnungen in Prenzlauer Berg seit Januar 2022 entwickelt?“
2. get_time_series_operations: Berechnet mathematische Transformationen über Zeitreihen. Dazu gehören CAGR (durchschnittliche jährliche Wachstumsrate), delta_pct (prozentuale Veränderung zwischen zwei Zeitpunkten) und die Volatilität (Schwankungsbreite der Preise). Beispiel: „Welche Berliner Bezirke zeigten bei den Mietpreisen in den letzten drei Jahren die geringste Schwankung?“ Fachliche Hintergründe zur Einordnung finden Sie im Artikel Preisvolatilität mit Daten einordnen.
3. get_price_distribution: Liefert die Verteilung der Angebotspreise in einem Gebiet nach Preisintervallen, jeweils mit der Anzahl der Objekte und der Markierung des Intervalls, in dem der Mittelwert liegt. Beispiel: „Wie verteilen sich die Angebotspreise von Wohnungen mit zwei Schlafzimmern in Charlottenburg-Wilmersdorf?“
4. get_bedrooms_distribution: Erfasst die Verteilung des Angebots nach der Anzahl der Schlafzimmer, jeweils mit Objektanzahl, Durchschnittspreis und durchschnittlichem Quadratmeterpreis.
5. get_time_on_market_distribution: Zeigt die durchschnittliche Verweildauer der Objekte auf dem Markt (in Tagen und Monaten) nach Preisklassen. Beispiel: „Wie lange stehen Einfamilienhäuser in Steglitz-Zehlendorf im Schnitt zum Verkauf?“ Ergänzend erläutert unser Beitrag, was die Tage auf dem Markt über ein Objekt verraten.
6. get_heatmap: Erzeugt eine gebietsbezogene Übersicht, mit der Preisniveaus oder Veränderungen geografisch verglichen werden können. Mehr dazu lesen Sie im Hilfeartikel zur Heatmap.
7. get_current_datetime: Ein Hilfswerkzeug, mit dem der Assistent das Tagesdatum abfragt. Dadurch kann er relative Zeitangaben wie „in den letzten 24 Monaten“ präzise in Start- und Enddaten umrechnen.

So sieht eine Marktabfrage für Berlin im Assistenten aus

In der Praxis verläuft der Dialog natürlich und ohne technischen Aufwand. Eine typische Abfrage zur Vorbereitung einer Marktanalyse kann aus drei aufeinander aufbauenden Fragen bestehen:

Zuerst bitten Sie den Assistenten: „Vergleiche die Entwicklung der Quadratmeterpreise für Eigentumswohnungen im Bestand zwischen Pankow und Neukölln seit Anfang 2022.“ Der Assistent nutzt Location Lookup zur Ermittlung der Standort-IDs beider Bezirke, ruft über get_time_series_data die Quartalswerte ab und fasst die Entwicklung übersichtlich zusammen.

Anschließend verfeinern Sie die Analyse: „Berechne für beide Bezirke die durchschnittliche jährliche Wachstumsrate (CAGR) sowie die Volatilität der Preise seit 2022.“ Der Assistent ruft get_time_series_operations auf und liefert die mathematischen Kennzahlen, ohne dass Sie Formeln manuell anwenden müssen.

Abschließend fragen Sie: „Zeige mir die Verteilung der Vermarktungsdauer in beiden Bezirken und erstelle eine Rangfolge aller Berliner Bezirke nach aktuellem Preisniveau.“ Über get_time_on_market_distribution und get_heatmap ordnet der Assistent die Verweildauer ein und liefert ein Ranking der Stadtteile.

Dieselben Abfragen funktionieren ebenso präzise für München (nach Stadtbezirken) oder Hamburg (nach Stadtteilen). Grundlagen zur allgemeinen Lage in der Hauptstadt bietet unser Leitfaden zum Berliner Immobilienmarkt. Wie ein vollständiger lokaler Marktbericht automatisiert zusammengestellt werden kann, beschreibt der Anwendungsfall lokaler Marktbericht (auf Englisch).

Verbindung in fünf Minuten: Claude, ChatGPT, Cursor und andere Clients

Die Einrichtung setzt keine Programmierkenntnisse voraus. Jeder MCP-fähige Client lässt sich in wenigen Minuten anbinden:

1. Rufen Sie in Ihrem Client (z. B. Claude Desktop, Claude.ai, ChatGPT im Developer Mode, Cursor, VS Code oder JetBrains Junie) die Einstellungen für MCP-Server oder benutzerdefinierte Konnektoren auf.
2. Tragen Sie die Server-URL für Area Insights ein: https://platform.casafari.com/mcp/area-insights (Verbindungstyp: Streamable HTTP).
3. Autorisieren Sie den Zugriff im Browser über OAuth 2.1. Sie benötigen keinen API-Schlüssel. Wenn Sie noch kein Konto besitzen, legen Sie es bei der ersten Anmeldung an (Free-Plan, ohne Kreditkarte).

Eine detaillierte Schritt-für-Schritt-Anleitung finden Sie in der Anleitung zum Verbinden eines Casafari MCP-Servers (auf Englisch). Neben den genannten Programmen werden unter anderem auch Claude Code, Codex CLI, Gemini CLI, Devin Desktop (ehemals Windsurf), Visual Studio, Zed, Cline, Kiro, Warp und goose unterstützt. Für Claude Code und Gemini CLI stehen zudem ein Plugin mit Skills bzw. eine Erweiterung sowie Codebeispiele im öffentlichen GitHub-Repository casafari/casafari-mcp (auf Englisch) bereit.

Wichtig für das Verständnis der Abrechnung: Datenabfragen werden bei CASAFARI durchgehend in Tokens abgerechnet. Das für die Authentifizierung genutzte Protokoll-Token heißt hingegen Access Token.

Was kostet es? Free-, Agent- und Custom-Plan

Für den Einstieg und professionelle Nutzung stehen abgestufte Tarife zur Verfügung:

• Free-Plan: Kostenfrei 1.000 Tokens für 30 Tage testen, keine Kreditkarte erforderlich.
• Agent-Plan: 49 € pro Monat bei jährlicher Zahlungsweise (oder 70 € bei monatlicher Abrechnung), jeweils zuzüglich Umsatzsteuer.
• Custom-Plan: Individuelle Vereinbarungen für größere Volumina und institutionelle Anforderungen.
• Zusatzverbrauch: Flexibel über Prepaid-Credits aufladbar.

Abfragen über den Location Lookup zur Zuordnung von Ortsnamen kosten 0 Tokens. Weitere Details zu Abrechnung und Guthaben finden Sie in den Plänen und Tokens in den Entwickler-FAQ (auf Englisch). Direkt zur Registrierung gelangen Sie, wenn Sie sich bei platform.casafari.com anmelden.

Für wen sich Area Insights MCP in Deutschland lohnt

Für Immobilienmakler wandelt das Werkzeug das Bauchgefühl in fundierte Argumente. Statt im Eigentümergespräch nur einen Einzelwert zu nennen, belegen Sie Ihre Preiseinschätzung mit Verteilungskennzahlen und der realen Vermarktungsdauer im Kiez.

Research- und Investment-Analysten sparen wertvolle Zeit beim Erstellen von Marktberichten. Die direkte Berechnung von CAGR, prozentualer Veränderung und Volatilität erlaubt es, Daten ohne manuellen Zwischenschritt in Präsentationen oder Berichte zu übernehmen. Einen breiteren Überblick zur Marktlage bietet auch unser Beitrag über die Entwicklung des deutschen Immobilienmarktes.

Investoren nutzen die Abfragen für ein schnelles Screening. Über den Vergleich von Preisvolatilität und Angebotsentwicklung lassen sich Chancen in aufstrebenden Lagen identifizieren, bevor eine detaillierte Einzelobjektprüfung mit Comparables erfolgt.

Die Maklerin in Friedrichshain benötigte an jenem Dienstagabend genau drei gezielte Fragen an ihren KI-Assistenten. Vor ihrem morgendlichen Termin hatte sie die Preisreihen, die reale Verweildauer und die Verteilung im Kiez übersichtlich vorliegen – fundiert, präzise und ohne eine einzige Tabelle manuell aufbereiten zu müssen.

Häufig gestellte Fragen

Was ist Area Insights MCP von CASAFARI?

Area Insights MCP ist ein spezialisierter MCP-Server von CASAFARI, der KI-Assistenten wie Claude oder ChatGPT Zugriff auf strukturierte Immobilienmarktdaten auf Gebiets- und Bezirksebene gibt. Über sieben integrierte Werkzeuge liefert der Server Zeitreihen zu Angebotspreisen und Angeboten, Verteilungsanalysen, Kennzahlen wie CAGR und Volatilität sowie gebietsbezogene Heatmaps. Nutzer stellen ihre Fragen in natürlicher Sprache, woraufhin der Assistent die passenden Daten direkt abruft und aufbereitet.

Wie verbinde ich ChatGPT oder Claude mit den Immobiliendaten von CASAFARI?

Die Verbindung erfolgt über das Model Context Protocol (MCP) per Streamable HTTP unter der Server-URL https://platform.casafari.com/mcp/area-insights. In unterstützten Clients wie Claude Desktop, Claude.ai oder ChatGPT (Developer Mode) fügen Sie die URL als benutzerdefinierten Konnektor hinzu. Die Autorisierung erfolgt einfach per OAuth 2.1 im Browser ohne manuelle Kopie von API-Schlüsseln; wer noch kein Konto hat, legt es bei der ersten Anmeldung im Free-Plan an.

Was kostet die Nutzung des Casafari MCP?

Der Einstieg erfolgt über den Free-Plan mit 1.000 Tokens für 30 Tage ohne Angabe einer Kreditkarte. Für die regelmäßige Nutzung steht der Agent-Plan ab 49 € pro Monat bei jährlicher Zahlung (oder 70 € bei monatlicher Abrechnung, zzgl. USt.) bereit, während individuelle Custom-Tarife nach Vertrag vereinbart werden. Ortsabfragen über den Location Lookup verbrauchen 0 Tokens, und zusätzlicher Bedarf lässt sich über Prepaid-Credits abdecken.

Welche Kennzahlen liefert Area Insights für die Preisentwicklung eines Bezirks?

Über das Werkzeug get_time_series_operations berechnet der Server fundamentale Entwicklungskennzahlen wie die durchschnittliche jährliche Wachstumsrate (CAGR), die prozentuale Veränderung zwischen zwei Stichtagen (delta_pct) und die Volatilität einer Preisreihe. Zusammen mit den Verteilungswerkzeugen für Preise, Schlafzimmer und Vermarktungsdauer sowie der Heatmap erhalten Sie ein vollständiges Bild der Preisdynamik und des Risikoprofils eines Stadtteils.

Wie haben sich die Immobilienpreise in Deutschland zuletzt entwickelt?

Nach Daten des Statistischen Bundesamtes (Destatis, Häuserpreisindex) stiegen die Wohnimmobilienpreise im vierten Quartal 2025 um 3,0 % gegenüber dem Vorjahresquartal, was den fünften Jahresanstieg in Folge markierte (Q1: +3,8 %, Q2: +3,2 %, Q3: +3,3 %). Auch der vdp-Index verzeichnete im vierten Quartal 2025 ein Plus von 4,0 % zum Vorjahr. Dieser Erholung ging laut Bundesbank eine Preiskorrektur von rund 13 % zwischen Mitte 2022 und Anfang 2024 voraus, wobei die Dynamik je nach Bezirk stark variiert.