Die unmittelbare Umgebung von Wohngebäuden hat einen erheblichen Einfluss auf das Wohlbefinden der Bewohner und damit auf den Wert von Immobilien. Inzwischen gibt es eine große Menge an verfügbaren multimodalen, halbstrukturierten und unstrukturierten nützlichen Informationen, die in Lagebewertungsmodelle integriert werden können. Die Integration alternativer Daten­extraktionsansätze, z. B. für visuelle oder textuelle Daten, sowie die Fähigkeit, größere Datensätze mit Hilfe von maschinellem Lernen zu verarbeiten, können die Schwierigkeiten bei der Modellierung erheblich verringern und gleichzeitig Daten aus neuen Quellen und Modalitäten einbeziehen. Wir stellen daher die Hypothese auf, dass die Informationsqualität bei den Daten für eine automatisierte Bewertung weniger Verzerrung aufweist, wenn die Datenannotation von mehreren unabhängigen Personen vorgenommen wird. Darüber hinaus sollten wiederholte Schätzungen einer Person auch die Gesamtfehlervarianz verringern und infolgedessen den Erwartungsbereich der Schätzungen verkleinern, was zu robusteren Ergebnissen führen sollte. Die Grundlage unseres Ansatzes zur Lagebewertung ist eine von Menschen vorgenommene Bewertung von Bildern der unmittelbaren Wohnumgebung unter Verwendung von Elo-Rating, Alternative Forced Choice und einer Back-End-Berechnung von Qualitätspunkten. Der i. d. R. große Aufwand, der für manuelle Ground-Truth-Annotationen erforderlich ist, rechtfertigt Erzeugung synthetischer Daten im Hinblick auf die benötigte Datenmenge für Machine Learning Modelle. Daher verwenden wir ein neuronales Netz für die Regressionsaufgabe, um neue synthetische Daten unter Einbeziehung menschlicher Schätzungen zu generieren und testen den Effekt synthetischer Daten in einem hedonischen Modell. Die experimentellen Ergebnisse zeigen, dass die Qualität der unmittelbaren Umgebung anhand der vorhergesagten Scores zuverlässig ermittelt werden kann. Der vorgestellte Ansatz ist nicht rechenintensiv, kann subjektive Bewertungen von visuellen Merkmalen durch mehrere Personen effizient fusionieren und leicht an maschinelle Lernansätze im weiteren Sinne adaptiert oder auf andere Anwendungsfälle übertragen werden.