Was die Tiefenwirkung angeht, da kann es schon gut ausreichen wenn man Normal-Maps einsetzen kann, es kommt halt darauf an wie stark diese Tiefenwirkung sein sollte.
Wichtig ist immer, so wenige Polygone/Faces zu haben wie möglich, denn so ein Gebäude steht ja nicht nur 1 mal sondern einige Hundert oder gar Tausend mal in der Stadt, und wenn man z.B. 785 Tris/Dreiecke hat, weiß nicht ob die Unity-Engine auch Vierecke verarbeitet, so wie es aussieht wohl nur Dreiecke, dann sind das bei 100 Duplikaten schon 78.500 Dreiecke die halt eine Grafikkarte darstellen muss und bei 1000 sind das schon 785.000 Dreiecke.