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. Die Holz-Meyer GmbH ist spezialisiert auf Planung und Umsetzung individueller Holzkonstruktionen, insbesondere im Bereich Dachstühle.
Grundlage für die Angebotserstellung und Auftragsabwicklung sind umfangreiche Bauunterlagen wie Pläne, Statiken und technische Zeichnungen. Vor jeder Angebotserstellung müssen diese gesichtet werden, um sicherzustellen, dass alle fertigungsrelevanten Informationen vorliegen. Die erste Sichtung dieser Unterlagen erfolgt im Vertrieb und ist bislang manuell, erfahrungsbasiert und wenig standardisiert.
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 eine KI-basierte Analyse der Dokumente diesen Prüfungsprozess automatisieren und effizienter gestalten kann.
Herausforderung
Die Analyse der Bauunterlagen ist durch mehrere Faktoren besonders komplex:
Hohe Varianz und Datenheterogenität
- Unterschiedliche Dokumenttypen (Grundrisse, Schnitte, Statiken)
- Fehlende oder uneinheitliche Benennung
- Mischung aus Vektor-PDFs, Scans und handschriftlichen Ergänzungen
- Fragmentierte und unstrukturierte Dokumente
Diese Vielfalt macht eine rein regelbasierte Verarbeitung unmöglich.
Große Datenmengen und technische Anforderungen
- Sehr große Dateien mit hoher Auflösung
- Mehrere hundert Seiten pro Projekt
- Unterschiedliche Informationsquellen (Text, Bild, Metadaten)
Fehlende Standardisierung
- Kein durchgängig definierter Prüfprozess (SOP)
- Implizite Informationen (z. B. Leistungsphasen) müssen oft interpretiert werden
- Unterschiedliche Planstände innerhalb eines Projekts
Anforderungen an die Prüfung
Für die Angebotserstellung müssen u. a. folgende Fragen beantwortet werden:
- Sind alle notwendigen Unterlagen vorhanden?
- Sind die Dokumente aktuell und freigegeben?
- Ist der Planungsstand ausreichend für die Umsetzung?
Lösung
Im Projekt wurde ein Ansatz zur KI-gestützten Vorabprüfung von Bauunterlagen entwickelt.
Kernbestandteile der Lösung:
- Automatisierte Analyse von Dokumenten mittels KI (Text- und Bildverarbeitung)
- rechtliche Rahmenwerke als strukturelle Leitplanken der Prüflogik
- Aufbau eines regelbasierten Bewertungssystems (Ampel: Rot/Gelb/Grün)
- Generierung verständlicher Ergebnisse für den Vertrieb
Ein zentraler Aspekt war dabei die Kombination verschiedener Analyseverfahren:
- Textbasierte Auswertung (z. B. für Statiken)
- Visuelle Analyse (z. B. für Pläne und Zeichnungen)
- OCR-Verfahren zur Verarbeitung eingescannter Textdokumente
Umsetzung
Intelligente Dokumentenverarbeitung
Die Dokumente wurden zunächst technisch klassifiziert:
- Vektor-Text (direkt auslesbar)
- Rasterbilder (visuelle Analyse notwendig)
- OCR-Text (rekonstruiert aus Scans)
Darauf aufbauend wurden drei Verarbeitungsszenarien definiert:
- Textbasierte Analyse für strukturierte Dokumente
- OCR-gestützte Analyse für gescannte Inhalte
- Vision-basierte Analyse für Pläne und Zeichnungen
Workflow und Systemarchitektur
Die Umsetzung erfolgte in einer modularen Workflow-Architektur:
- Automatisierte Zerlegung der Dokumente in Seiten
- Klassifikation der Inhalte („Text vs. Bild“)
- Extraktion relevanter Informationen mittels KI
- Bewertung anhand definierter Regeln
- Visualisierung der Ergebnisse
Ein zentraler Bestandteil der Umsetzung ist die sogenannte „Scout Strategy“. Sie ist notwendig, um die effiziente Verarbeitung der sehr heterogenen und umfangreichen Bauunterlagen überhaupt zu ermöglichen:
- Vorab-Analyse zur Entscheidung, welche Analyseform für eine Seite sinnvoll ist
- Vermeidung unnötig rechenintensiver Bildanalysen
- Effiziente Verarbeitung großer Datenmengen
Ergebnisdarstellung und Nutzeroberfläche
Die Ergebnisse werden in mehreren Formaten bereitgestellt:
- Interaktives HTML-Dashboard mit Ampelsystem
- Visuelle Hervorhebung relevanter Stellen im Dokument
- Strukturierte Datensätze (JSON) für Weiterverarbeitung
Dies ermöglicht eine schnelle Orientierung und Unterstützung der Entscheidungsfindung im Vertrieb.
Qualitätssicherung und Validierung
Ein besonderer Fokus lag auf der Nachvollziehbarkeit der KI-Ergebnisse:
- Evidenzbasierte Entscheidungen (mit Zitaten und Belegen)
- Visuelle Markierungen der Fundstellen im Dokument
- Logische Konsistenzprüfungen durch regelbasierte Validierung
- Klare Kennzeichnung fehlender Informationen („unknown“ statt Schätzung)
Zentrale Erkenntnisse
- KI kann die Vorabprüfung von Bauunterlagen punkuell unterstützen
- Die Kombination aus Text-, OCR- und Bildanalyse ist entscheidend
- Datenqualität und Struktur haben großen Einfluss auf die Ergebnisse
Grenzen der aktuellen Lösung
- Eingeschränkte Genauigkeit bei visueller Analyse komplexer Pläne
- Keine automatisierten Cross-Checks zwischen Dokumenten
- Hoher Rechenaufwand bei großen Datenmengen
- Teilweise fehlende Detailerkennung (z. B. Maßketten)
Fazit und Ausblick
Das Projekt zeigt, dass eine KI-gestützte Vorabprüfung von Bauunterlagen grundsätzlich möglich und sinnvoll ist.
Besonders großes Potenzial besteht in:
- der Standardisierung von Prüfprozessen (SOP)
- der Automatisierung wiederkehrender Aufgaben
- der Verbesserung der Datenqualität und Struktur
Für zukünftige Entwicklungen wären insbesondere folgende Aspekte relevant:
- leistungsfähigere Vision-Modelle
- automatisierte Konsistenzprüfungen zwischen Dokumenten
- Erweiterung der Datenextraktion für die Angebotserstellung
- Weiterentwicklung zu einem interaktiven, editierbaren System
Mehrwert für KMU
Das Projekt zeigt exemplarisch:
- wie komplexe, unstrukturierte Daten mit KI verarbeitet werden können
- wie sich manuelle Prüfprozesse systematisieren und automatisieren lassen
- welche Voraussetzungen für den erfolgreichen Einsatz von KI im Unternehmen notwendig sind
Damit bietet es eine praxisnahe Grundlage für KMU, die ihre Prozesse im Bereich Dokumentenanalyse und Angebotserstellung digitalisieren möchten.