KI trainieren im Architekturbüro: Was wirklich zählt

Mittwochnachmittag, Projektbesprechung in einem mittelständischen Architekturbüro: Die Bauleiterin sucht den Lösungsansatz für eine Attikaentwässerung. Das Büro hatte vor drei Jahren bei einem vergleichbaren Sanierungsprojekt so eine Lösung bereits einmal durchdacht. Niemand im Raum erinnert sich jedoch an den Projekt­namen. Die Pläne liegen irgendwo im Archiv. Der zuständige Planer hat das Büro vor einem Jahr verlassen. Die Ablage folgt – wie in vielen Büros – eher gewachsenen Gewohnheiten als einem System. Am Ende muss man komplett neu beginnen, mit allen Kosten, die das verursacht.

Es überrascht deshalb nicht, dass immer mehr Architekturbüros über den gezielten Einsatz von Künstlicher Intelligenz nachdenken. Eine Basis ist auch in Architekturbüros insofern schon gelegt, als das Nutzen generativer KIs wie ChatGPT im Alltag bei einfacheren Aufgaben bereits gang und gäbe ist. Und klar ist unterdessen auch, dass ein richtig großer Mehrwert von KI erst dann entsteht, wenn ein KI-System auf das eigene, über Jahre angesammelte Projektwissen zurückgreifen kann: die Bürostandards, die bewährten Details, die Erfahrungen aus abgeschlossenen Bauvorhaben. „KI trainieren“ sollte dabei kein IT-Projekt sein, das man an einen externen Dienstleister delegiert und dann vergisst. Es ist eine organisatorische Aufgabe, die das Büro selbst gestalten muss!

Training, Fine-Tuning, RAG

Wer „KI trainieren“ hört, denkt vielleicht an die Neuprogrammierung eines Sprachmodells. Das ist für die allermeisten Architekturbüros weder nötig noch sinnvoll. Echtes Fine-Tuning, sprich das Nachjustieren der Modellgewichte mit eigenen Daten, ist teuer, pflegeintensiv und für die Anwendungsfälle eines Planungsbüros meist überdimensioniert. Relevanter ist derweil ein Verfahren namens ­Retrieval-Augmented Generation (RAG): Ein bestehendes Sprachmodell bleibt unverändert, bekommt aber bei jeder Anfrage zusätzlich Zugriff auf eine kuratierte Wissensbasis aus dem eigenen Büro mit Planungsunterlagen, Baubeschreibungen, Protokollen, Detailkatalogen. Die KI sucht in diesen Dokumenten nach den relevanten Passagen und formuliert die Antwort auf dieser Grundlage, anstatt aus seinem allgemeinen, nicht bürospezifischen Trainingswissen zu schöpfen.

Neben dem Eigenbau einer solchen Wissensbasis gibt es für viele Büros inzwischen Alternativen: Wer für die Projektabwicklung bereits eine cloudbasierte Plattform nutzt, auf der Pläne, Protokolle, Aufgaben und Kommunikation laufen, findet dort zunehmend bereits integrierte KI-Funktionen vor. In diesem Fall übernimmt der Plattformanbieter die eigentliche Modellpflege und -weiterentwicklung. Das Büro selbst muss somit kein eigenes RAG-System aufsetzen. Der Trainingsaufwand verschiebt sich von der Technik auf die gelebte Disziplin im Alltag: Je konsequenter und strukturierter die eigenen Projektdaten von allen Mitarbeitenden in der ohnehin genutzten Plattform gepflegt werden, ­desto präziser kann die integrierte KI darauf zugreifen und antworten.

Es braucht keine IT-Spezialisten

Die gute Nachricht dabei ist: Ein Architekturbüro muss für ein solches Projekt keine Informatiker einstellen. Gebraucht wird erstens eine Person mit Entscheidungskompetenz und Rückhalt der Geschäftsführung. Sie trägt das Vorhaben über die unvermeidliche Durststrecke. Ähnlich wie bei jeder BIM-Implementierung braucht es auch hier jemanden, der das Thema nicht nebenbei, sondern mit Priorität verfolgt. Zweitens braucht es jemanden mit gutem Verständnis der eigenen Büroprozesse. Wer weiß, wo welches Wissen liegt, welche Dokumente verlässlich sind und welche veraltet, ist wichtiger als technisches Tiefenwissen über Sprachmodelle.

Drittens hilft eine Ansprechperson für IT-Fragen. Diese muss nicht zwingend intern sitzen. Viele Büros arbeiten mit externen Dienstleistern oder, im Fall einer bereits genutzten Plattform, mit dem Support des Anbieters. Entscheidend ist, dass diese Aufgaben nicht bei einer ohnehin überlas­teten Person landen, die das Projekt „zwischendurch“ macht. Genau das ist einer der häufigsten Gründe, warum solche Vorhaben bereits nach der Pilotphase versanden.

Eigenbau oder Plattform-Lösung

Die technische Hürde unterscheidet sich je nach gewähltem Weg. Für ein eigenes RAG-System braucht es keine eigene Serverinfrastruktur, aber doch eine bewusste Anbindung an die bestehende IT-Landschaft des Büros. Dazu gehören das Dokumentenmanagement, gegebenenfalls das ERP- oder Projektmanagementsystem, die Plan- und Modellablage. Wer hier mit fünf verschiedenen, nicht miteinander sprechenden Systemen arbeitet, hat mit zusätzlicher Reibung zu kämpfen, bevor das eigentliche Projekt beginnt.

Bei der Nutzung einer KI-Funktion innerhalb einer bereits eingesetzten Projektplattform entfällt dieser Integrationsaufwand weitgehend, weil die Projektdaten ohnehin schon zentral in dieser Umgebung liegen. Die Frage ist dann umso mehr, wie konsequent diese Daten gepflegt werden und ob da eine Qualitätssicherung dieser Daten gemacht wird. Dieser Aufwand ist nicht zu unterschätzen und wird im Alltag oft vernachlässigt.

Ein weiterer, oft unterschätzter Punkt gilt für beide Wege gleichermaßen: der Datenschutz. Bauherrenunterlagen, Verträge und auch Personendaten landen in jeder Wissensbasis, egal ob selbst gebaut oder Teil einer Plattform. Bevor ein System produktiv geht, braucht es Klarheit darüber, wo die Daten verarbeitet werden, wer Zugriff hat und ob eine Mandantentrennung (wichtig bei vertraulichen Projekten) technisch sauber umgesetzt ist. Seriöse Anbieter machen hier transparent, ob mit Kundendaten trainiert wird, wo die Server stehen und wie bestehende Berechtigungskonzepte greifen. Das gehört zu den Fragen, die ein Büro vor der Entscheidung für eine Lösung stellen sollte.

Daten sind das eigentliche Nadelöhr

Mit der Datenbasis steht und fällt das Projekt. Alle, die schon einmal versucht haben, ein Büroarchiv zu digitalisieren, können ein Lied davon singen. Relevant sind etwa Baubeschreibungen und Leis­tungsverzeichnisse vergangener Projekte, Standarddetails und Regelquerschnitte, Protokolle aus Bauherren- und Baubesprechungen, Mängellisten samt dokumentierter Lösungen sowie interne Vorgaben zu Bürostandards. Das Problem dabei ist, dass diese Informationen meist verteilt liegen, in unterschiedlichen Formaten, mit unklarer Aktualität und teils als eingescannte PDFs ohne durchsuchbaren Text. Bevor überhaupt etwas „trainiert“ werden kann, müssen diese Bestände bereinigt, vereinheitlicht und mit Metadaten wie Projekt, Datum, Status oder Verantwortlichkeit versehen werden. Das ist eine mühsame, wenig glamouröse Arbeit. Sie entscheidet aber über die Qualität der späteren Ergebnisse. Das gilt für den Eigenbau genauso wie für die Nutzung einer bestehenden Lösung. Wer veraltete Versionen, widersprüchliche Vorgaben oder Dubletten einspeist, bekommt ein System, das selbstbewusst falsche Antworten liefert. Das birgt ein ähnliches Risiko wie unkontrollierte Excel-Nachweise: Das Werkzeug ist selten das Problem. Entscheidend ist, ob die Daten vollständig und korrekt sind.

Zeit- und Kostenaufwand realistisch rechnen

Ein erster nutzbarer Piloten-Use-Case könnte etwa eine durchsuchbare Wissensbasis für ein einzelnes Fachgebiet wie Brandschutz- oder Ausschreibungstexte sein. Das lässt sich im Eigenbau in der Regel innerhalb einiger Wochen bis wenige Monate aufbauen, vorausgesetzt die Datenbasis ist nicht komplett ungeordnet. Der realistische Aufwand für ein kleines bis mittelgroßes Büro liegt dabei im Bereich von einigen Tausend bis niedrigen fünfstelligen Eurobeträgen. Hinzu kommt der interne Zeitaufwand für die Datenaufbereitung. Dieser wird erfahrungsgemäß unterschätzt.

Wer stattdessen den zweiten Weg geht und eine KI-Funktion innerhalb einer bestehenden Plattform nutzt, zahlt in der Regel keinen separaten Entwicklungsaufwand, sondern einen Aufpreis auf die Lizenz. Der eigentliche Aufwand ist dann die Zeit, die man sich nimmt, um Projekte in der Plattform richtig zu dokumentieren. In beiden Fällen gilt: Es handelt sich nicht um eine einmalige Investition, sondern um einen laufenden Prozess. Eine Wissensbasis, die nicht gepflegt wird, veraltet genauso wie ein Planarchiv, das niemand mehr aktualisiert.

Klassische Stolpersteine

Drei Fehler kommen im beruflichen Alltag besonders häufig vor:

Zu groß anfangen: Viele Büros möchten gleich das gesamte Wissen ihres Unternehmens in einer KI abbilden. Das macht das Projekt unnötig komplex. Sinnvoller ist es, mit einem klar abgegrenzten Anwendungsfall zu starten und erste Erfahrungen zu sammeln.

Mitarbeitende nicht mitnehmen: Eine KI-Lösung funktioniert nur, wenn sie im Alltag auch genutzt wird. Verstehen die Mitarbeitenden den Nutzen nicht oder wissen sie nicht, wie sie zur Qualität der Daten beitragen können, bleibt die Akzeptanz gering. Diese Erfahrung haben viele Büros bereits bei der Einführung von BIM gemacht.

Ergebnisse ungeprüft übernehmen: Auch eine KI kann Fehler machen oder mit veralteten Informationen arbeiten. Deshalb sollten Antworten immer kritisch geprüft werden – insbesondere bevor sie in Ausschreibungen, Berichten oder die Kommunikation mit Bauherrschaften einfließen. Die Verantwortung bleibt letztlich beim Menschen.

Wenn die Plattform mitdenkt

Wie der zweite Weg aussehen kann, lässt sich an einem Beispiel vertiefen. Auf einer Baustelle musste eine bereits geplante Türöffnung verschoben werden. Das ist eine vermeintlich kleine Anpassung. Sie hat jedoch einen Einfluss auf Fluchtwege, Haustechnik und bereits abgenommene Ausführungsdetails. Normalerweise hat das zur Folge, dass mühsam nach den passenden Plänen, Protokollen und Freigaben über mehrere Gewerke und Projektbeteiligte hinweg gesucht werden muss, gefolgt von einer eigens dafür angesetzten Koordinationsrunde.

Weil in diesem Fall sämtliche Projektdaten bereits strukturiert in der Plattform abgelegt waren, konnte die dort integrierte KI anhand relevanter Unterlagen, Beschlüsse und fachlicher Einschätzungen innerhalb kurzer Zeit weiterhelfen. Der zuständige Architekt hat binnen einer Stunde eine belastbare Entscheidungsgrundlage erhalten, statt mehrere Tage auf eine Koordinationsrunde zu warten. Bemerkenswert an diesem Beispiel ist: Ohne die über Jahre aufgebaute, durchsuchbare Datenbasis der Plattform – verknüpfte Pläne, nachvollziehbare Protokolle, klar zugeordnete Beschlüsse – hätte auch die beste KI hier nichts gefunden. Das deckt sich mit der Beobachtung aus dem vorigen Abschnitt: Die Qualität der Antwort ist immer so gut wie die Qualität der zugrunde liegenden Daten. Wer eine solche Plattform schon im Projektalltag diszipliniert nutzt, „trainiert“ die KI in gewissem Sinn bereits mit.

Wie der Einstieg gelingt

Für den Anfang eignen sich somit Anwendungsfälle, die einen begrenzten, gut dokumentierten Wissensbereich betreffen und bei denen ein Fehler keine großen baulichen Konsequenzen hat. Eine Suche über abgeschlossene Projekte – „Wie haben wir die Attikaentwässerung beim Projekt X gelöst?“ – ist ein naheliegender Startpunkt. Sie adressiert genau das Problem aus der Eingangsszene. Ebenso nützlich ist es, wenn KI bei der Erstellung und Vorprüfung von Ausschreibungstexten und Leistungsverzeichnissen auf Basis bürointerner Standardformulierungen unterstützt.

Ein dritter, etwas anspruchsvollerer Anwendungsfall ist die Vorprüfung von Sanierungs- oder Umbauvarianten anhand dokumentierter Erfahrungswerte aus früheren, vergleichbaren Projekten. So eine Vorauswahl muss am Ende immer noch von Planerinnen und Planern verifiziert werden. Sie kann aber Diskussionen in der Entwurfsphase deutlich beschleunigen. Wer ohnehin schon eine Projektplattform mit integrierter KI nutzt, hat häufig den schnelleren Einstieg. Der Aufwand verschiebt sich dann von der technischen Einrichtung auf die tägliche Disziplin, die Daten richtig zu pflegen. Was sich für den Einstieg überhaupt nicht eignet, sind statisch oder bauphysikalisch relevante Berechnungen. Hier zeigen aktuelle Sprachmodelle nach wie vor Schwächen in verlässlicher Mathematik. Dabei gilt: Fehler haben hier dann ganz klar ein anderes Gewicht als bei einer Textformulierung.

Fazit: Werkzeug mit Sorgfaltspflicht

KI-Systeme, die mit dem eigenen Projektwissen arbeiten, sind kein Selbstläufer, aber auch kein Hexenwerk. Entscheidend sind saubere Prozesse, gepflegte Daten und eine bewusste Einführung. Grundsätzlich stehen Architekturbüros heute zwei Wege offen: der Aufbau einer eigenen Wissensbasis oder die Nutzung einer Projektplattform mit integrierter KI. Gerade für kleine und mittelgroße Büros ist Letzteres häufig der schnellere und pragmatischere Einstieg, weil die technische Infrastruktur und die KI bereits vorhanden sind. Der Fokus liegt dann nicht auf der Entwicklung der Technologie, sondern auf der Qualität der eigenen Projektdaten. Wer investiert, baut sich ein digitales Gedächtnis auf, das Wissen langfristig sichert und im Projektalltag verfügbar macht.