KI-basierte Analyse von Planungsunterlagen im Holzbau
Projektstatus
Planung
Durchführung
Dokumentation
Hintergrund
Die Holz-Meyer GmbH ist ein mittelständisches Unternehmen mit Sitz in Herzfelde. Ursprünglich 1998 als Holzhandel gegründet, hat sich das Unternehmen zu einem umfassenden Dienstleister im Holzbau entwickelt. Das Portfolio reicht heute von der Konzeption über Planung und Produktion bis hin zu Logistik und Ausführung. Die Kernkompetenz liegt dabei im Planen und Zuschneiden komplexer Holzkonstruktionen für den privaten und gewerblichen Bereich.
Herausforderung
Vor jeder Angebotserstellung müssen umfangreiche Planungsunterlagen gesichtet werden, um sicherzustellen, dass alle fertigungsrelevanten Informationen vorliegen. Da in diesem Schritt noch keine vertiefte fachliche Analyse nötig ist, wird diese Aufgabe oft interdisziplinär durch sachbearbeitendes Personal übernommen.
Die größte Hürde im Tagesgeschäft ist dabei die Bewältigung der Informationsflut und Daten-Heterogenität. Ein einzelnes Bauprojekt umfasst oft mehrere hundert bis tausend Seiten – ein unstrukturierter Mix aus technischen Zeichnungen, Statiken, Vektor-PDFs und Raster-Scans mit handschriftlichen Notizen. Die manuelle Prüfung dieser Datenflut auf Vollständigkeit und Status (z. B. Leistungsphase, Freigabe) ist extrem zeitaufwendig und fehleranfällig. Werden fehlende Informationen zu spät erkannt, entstehen durch einen „ewigen Prozess“ aus Rückfragen und Verzögerungen unnötige Kosten. Ziel des Projekts war daher die Evaluierung, inwiefern KI-basierte Sprachmodelle diesen Prüfungsprozess automatisieren und effizienter gestalten können.
Lösung
Entwickelt wurde eine automatisierte Pipeline zur "Vorab-Prüfung" (Phase 1), die eingehenden Bauakten analysiert, klassifiziert (z. B. Grundriss, Schnitt, Statik) und validiert:
- Evidenzbasierte Validierung: Um eine verifizierbare Entscheidungsfindung zu gewährleisten, generiert das System keine Bewertung ohne konkreten Nachweis. Jede KI-gestützte Aussage (z. B. zum Freigabestatus) wird transparent mit einem Textzitat oder einem visuellen Ausschnitt aus dem Originaldokument referenziert.
- Multi-Modale Analyse: Während Vision-Modelle für die visuelle Erfassung von Maßketten in Zeichnungen zuständig sind, analysieren Large Language Models (LLMs) die textlichen Strukturen der statischen Berechnungen.
Umsetzung
Die technische Realisierung basiert auf einer modularen Prozesssteuerung auf einer Workflow-Automatisierungsplattform. Ein vorangestelltes Auswahlverfahren entscheidet effizient, ob eine Seite textbasiert oder visuell ausgewertet werden muss. Ein zentraler Aspekt ist die Anpassungsfähigkeit: Der Systemaufbau ermöglicht den nahtlosen Austausch der KI-Bausteine. Abhängig von den Anforderungen an Rechenleistung oder Datensicherheit lassen sich sowohl intern betriebene Modelle als auch leistungsfähige externe Dienste in die Verarbeitungskette integrieren.
Mehrwert
Der entwickelte Lösungsansatz bietet dem Unternehmen ein interaktives Dashboard, welches Transparenz in die Menge der Bauunterlagen bringt:
- Objektive Bewertung: Eine farbliche Kodierung nach dem Ampelprinzip signalisiert unmittelbar kritische Mängel, wie etwa fehlende Lastannahmen oder vorhandene Sperrvermerke.
- Logische Konsistenz: Das System deckt inhaltliche Widersprüche auf, beispielsweise wenn die angegebene Leistungsphase 4 nicht zum Planstatus der Ausführungsplanung oder dem Maßstab 1:100 passt.
- Nachvollziehbarkeit: Dank der beweisgestützten Validierung lässt sich jedes Analyseergebnis direkt im Plan anhand grafischer Markierungsrahmen überprüfen.