Startseite Qualitätsbetriebe.comQualitätsbetriebe.com     Bauherrenhilfe.tvBauherrenhilfe.tv    
GEPRÜFTE BAUSTELLEN IM JAHR
Vorsicht bei diesen Firmen  Spenden gegen Pfusch am Bau  Newsletter abonnieren  Bessere-Welt-Prämie

KI-Bau

Maschinen sehen mehr, als wir glauben: Wie Computer Vision die Baustelle sichtbar macht.

Kategorie: KI & Bau

[KI-Beitrag 11_PDF] Die bauma 2025 war die 34. Auflage der weltgrößten Fachmesse für Baumaschinen, Baustoffmaschinen, Bergbaumaschinen, Baufahrzeuge und Baugeräte. Sie fand vom 7. bis 13. April 2025 auf dem Messegelände in München statt. Die Messe setzte thematische Schwerpunkte in den Bereichen Klimaneutralität, alternative Antriebskonzepte, vernetztes und nachhaltiges Bauen sowie Digitalisierung und Innovationen im Mining-Bereich. Ich war vor Ort, habe verschiedene Ausstellungsbereiche besucht und mich insbesondere auf die Themen Digitalisierung und Künstliche Intelligenz konzentriert. Im Fokus steht dabei ein KI-Anwendungsfall, der es ermöglicht, die Anzahl von Objekten anhand einer Fotoaufnahme zu ermitteln. Die bauma 2025 (7. bis 13. April 2025) ist vorbei und bot erneut spannende Einblicke in die Welt der Baumaschinen und Überraschung: Auch hier ist Künstliche Intelligenz (KI) allgegenwärtig. Von neu gedachten Muffenverbindungen für Bewehrungseisen über optimierte Bohrköpfe bis hin zur KI-gestützten Datenerfassung zeigte sich deutlich: KI wird ein wesentlicher Bestandteil der Baustelle der Zukunft. Während meines Messebesuchs gab es für KI-Interessierte viel zu entdecken. Ein Beispiel sind die autonomen Baumaschinen von Liebherr, die kontinuierlich Leistungsdaten wie Energieverbrauch und Verschleiß erfassen, analysieren und optimieren. Ein weiteres Beispiel sind intelligente Überwachungssysteme, die mithilfe KI-gestützter Kameras Bewegungsmuster in Echtzeit analysieren. Die KI erkennt dabei Personen, Fahrzeuge und allgemeine Bewegungen in der Umgebung. Die moderne Baustelle, auf der ein Bauwerk schrittweise realisiert wird, bietet zahlreiche Dinge, die „gesehen“ werden können. Dazu zählt auch das entstehende Bauwerk selbst. Hier kann KI bereits während der Bauphase kontinuierlich den Fortschritt überwachen, den Ist-Zustand erfassen und diesen mit dem Soll, etwa den Projektplänen oder einem BIM-Modell, abgleichen.[1] Nicht nur Menschen können auf der bauma etwas sehen – auch Maschinen sind mittlerweile in der Lage, ihre Umgebung zu erfassen und menschliche Wahrnehmung zu simulieren. In vorherigen Beiträgen haben wir bereits einen Einblick in den Bereich der Computer Vision (CV) erhalten, ein Teilgebiet der Künstlichen Intelligenz, das Maschinen das „Sehen“ und anschließende „Verstehen“ ihrer Umgebung ermöglicht. Fast schon versteckt befand sich auf dem Messestand der Doka Österreich GmbH (ein Anbieter von Schalungs- und Gerüstsystemen für den Betonbau) ein Bereich, der einer Computer-Vision-Anwendung gewidmet war. Im Gespräch mit einem Entwickler von Doka wurde mir ein Tool vorgestellt, das derzeit ausschließlich firmenintern eingesetzt wird, aber künftig auch als App für Bauunternehmen verfügbar sein soll. Dabei wird ein möglichst rechtwinklig aufgenommenes Foto, etwa von einem Bündel Bewehrungsstäbe oder einem Stapel Kanthölzer, analysiert. Das KI-System verarbeitet das Bild und gibt die Anzahl der erkennbaren Kanthölzer…

Weiterlesen

Wie vermittle ich meiner KI Branchenwissen aus dem Bauwesen?

Kategorie: KI & Bau, Presse

PDF_Wie vermittle ich meiner KI Branchenwissen aus dem Bauwesen? KI-Sprachmodelle stoßen bei bauspezifischen Aufgaben schnell an ihre Grenzen, etwa bei der Bemessung eines Holzträgers nach Eurocode. Ursache ist meist das Fehlen von Fachwissen im Trainingsdatensatz. Durch Prompt Engineering lässt sich die Ausgabequalität verbessern, indem der KI präzise Rollen und Kontexte vorgegeben werden. Ergänzend ermöglicht RAG (Retrieval Augmented Generation) den Zugriff auf externe Datenquellen wie Normen oder Richtlinien, ohne das Modell selbst zu verändern. Fine-Tuning hingegen integriert dauerhaft spezifisches Wissen direkt in das Modell. Eine Kombination aller Ansätze könnte eine fundierte Grundlage für den erfolgreichen Einsatz von KI in der Bauwirtschaft schaffen. In der Interaktion mit bekannten KI-Chatbots wie ChatGPT oder DeepSeek merkt man relativ schnell, dass die Qualität des Outputs (also der Ausgabe der KI) an ihre Grenzen stößt, wenn es um bauspezifische Themen geht. In einem Leistungstest habe ich mehrere KI-Modelle (z. B. GPT-4o oder Llama 3.3) mit der Aufgabe betraut, einen Holzträger gemäß Eurocode zu bemessen. Schon beim richtigen Einsatz von Beiwerten kam es zu ersten Problemen. Zur Erinnerung: Solche KI-Modelle werden auch als LLMs (Large Language Models bzw. große Sprachmodelle) bezeichnet. Ein LLM erhält durch meine Chateingabe einen Input, der verarbeitet und ausgewertet wird, um zu „verstehen“, welcher Output am wahrscheinlichsten zu meiner Eingabe passt. Diese Eingabe wird auch als „Prompt“ bezeichnet, da ich damit einen Befehl oder eine Anfrage an das KI-Modell richte. Ein kleines Beispiel zur Veranschaulichung: Meine Anfrage (Eingabe) an ein beliebiges KI-Modell: „Was ist die Hauptstadt von Österreich?“ Die Ausgabe des KI-Modells: „Die Hauptstadt von Österreich ist Wien.“ Die Antwort ist selbstverständlich richtig, das ist doch logisches Allgemeinwissen, oder? Stellen wir uns ein KI-Modell einmal wie ein Kind vor, dem die unterschiedlichsten Dinge beigebracht werden. Wenn ich diesem Kind nie erkläre, dass Wien die Hauptstadt von Österreich ist, wird es diese Frage auch niemals beantworten können. Ähnlich funktioniert es bei KI-Modellen. Wenn wir in ChatGPT (der Chatoberfläche) mit dem KI-Modell (z. B. GPT-4o) interagieren, „sprechen“ wir mit einem trainierten KI-System. Analog zum Kind kann man sagen: Es hat die Schule abgeschlossen und geht nun hinaus in die weite Welt. Die Schule „trainiert“ das Kind. Bevor wir also mit einem KI-Chatbot sinnvoll interagieren können, muss er trainiert worden sein, genauso wie ein Kind ein gewisses „Weltverständnis“ aufbauen muss. In diesem Training werden dem KI-Modell unzählige Daten über die Welt gezeigt (Internetseiten, Bücher, Allgemeinwissen, Mathematik usw.). Unter anderem auch Informationen…

Weiterlesen

Wie das menschliche Gehirn Künstliche Intelligenz inspiriert: Künstliche Neuronale Netzwerke

Kategorie: KI & Bau

PDF_Künstliche Neuronale Netzwerke Um Daten auszuwerten, gibt es viele Möglichkeiten. Für sehr große Datenmengen, wie sie in populären Chatbots (z. B. ChatGPT) vorkommen, werden sogenannte neuronale Netzwerke (NN) eingesetzt. Zur Wiederholung: Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz (KI). Das maschinelle Lernen umfasst unterschiedliche Algorithmen, um eine KI zu „trainieren“. Die modernsten KI-Modelle basieren auf NN, die als Teil des maschinellen Lernens genutzt werden. Ziel eines jeden Lernalgorithmus ist es, auf Basis gegebener Eingabe- und Ausgabedaten ein Vorhersagemodell zu entwickeln, das auch auf neue, unbekannte Eingabedaten angewendet werden kann. Warum neuronale Netzwerke Regeln selbst entwickeln Die „Regeln“ für dieses Vorhersagemodell werden jedoch nicht vom Menschen (also dem Programmierer) selbst geschrieben. Ein Beispiel für solche Regeln wären typische Wenn-Dann-Beziehungen, wie etwa: „Wenn Sensor nass, dann Fenster schließen.“ In unserer komplexen Welt ist es für einen Menschen (auch aus Zeitgründen und vielen Unsicherheiten) nicht möglich, Regeln für jede denkbare Situation zu verfassen. Daher überlassen wir in vielen Fällen neuronalen Netzwerken (NN) die Aufgabe, diese komplexen Regeln zu entwickeln (beispielsweise Regeln, die es einem Computer ermöglichen, selbstständig ein Bild von einer Brücke zu erkennen). NN sind in der Lage, Muster und Beziehungen zwischen Eingabe- und Ausgabedaten zu erkennen, um daraus zahlreiche Regeln für einen spezifischen Anwendungsfall (wie etwa die Bilderkennung) abzuleiten. Das Konzept neuronaler Netzwerke Gehen wir auf das Konzept hinter neuronalen Netzwerken (NN) ein. Unser Gehirn besteht aus zahlreichen Nervenzellen (Neuronen), die untereinander Informationen austauschen. Ein Neuron erhält einen Input (einen elektrischen Impuls) und leitet dieses Signal (die Information) an verbundene Neuronen weiter, wenn ein bestimmter „Schwellenwert“ erreicht wird (das Neuron „feuert“). Diese verbundenen Neuronen können wiederum so erregt werden, dass sie das eingehende Signal an weitere Neuronen weiterleiten oder nicht (der Output eines Neurons wird zum Input des nächsten Neurons). Schließlich führt das „Feuern“ bestimmter Neuronen untereinander zu einer Ausgabe (z. B. „Ich habe das verstanden!“). Diese Prozesse im Gehirn laufen wahnsinnig schnell und kontinuierlich ab. Künstliche neuronale Netzwerke (NN) orientieren sich an diesem Konzept, haben jedoch nur bedingt Ähnlichkeit mit dem biologischen Gehirn. Das einfachste neuronale Netzwerk ist in Abbildung 1 dargestellt. Deep Learning: Die Komplexität neuronaler Netzwerke verstehen Ein neuronales Netzwerk (NN) ist in der Praxis deutlich komplexer aufgebaut, als es hier dargestellt wird. Das vorliegende NN verfügt über eine Eingabe- und eine Ausgabeschicht, die jeweils eine bestimmte Anzahl von Neuronen enthalten. Tatsächlich befinden sich in einem NN zwischen der…

Weiterlesen

KI-Anwendungen für das eigene Unternehmen: Zuschauen oder mitgestalten?

Kategorie: KI & Bau

KI-Beitrag 3_PDF Die meisten Unternehmen in der Baubranche verfügen weder über eine interne Innovationsabteilung noch über Mitarbeiter, die sich intensiv mit neuen digitalen Technologien und Methoden beschäftigen. Laut der KMU Forschung Austria (2022) sind 99,8 % der Unternehmen im Bauwesen kleine und mittlere Unternehmen (KMU). Großunternehmen können sich leichter „modern“ aufstellen und Investitionen für KI-Projekte oder andere IT-Projekte tätigen. Die finanziellen Mittel von KMUs sind im Vergleich dazu nicht ausreichend, um eine KI-Implementierung im Unternehmen „einfach so“ auszuprobieren. Das bedeutet jedoch nicht, dass KI in diesen Unternehmen nicht funktionieren kann. In den meisten Fällen wäre es sogar falsch, direkt KI-Projekte radikal in die Unternehmensprozesse einzubauen. Nur weil diese Technologie vorhanden ist, heißt das noch lange nicht, dass man KI unbedingt einsetzen muss (technologiegetrieben). Im Nachhinein hat die KI dann häufig keinen größeren Nutzen und Gelder wurden umsonst ausgegeben. KI-Anwendungen müssen konkrete Geschäftsprobleme im Unternehmen lösen können. Bevor wir über moderne KI-Anwendungen sprechen können, müssen wir die Unternehmen in der Baubranche auf die Nutzung von KI vorbereiten. Dabei ist es von großer Bedeutung, die richtigen Fragen zu stellen: Welche Prozesse sind repetitiv und kosten viel Zeit? Welche Ideen haben die Mitarbeiter zum Thema KI? Wie sehen das Mindset und das Vertrauen der Mitarbeiter aus? Benötigen die Mitarbeiter Weiterbildungen im Bereich KI? Schließlich sind die betroffenen Mitarbeiter auch die künftigen KI-Nutzer. Oft scheitert es auch an der Kommunikation und fehlenden Wertschätzung. In Österreich ist es nicht üblich, Unwissen offen zuzugeben. Hier trifft das Konzept des „lebenslangen Lernens“ auf einen Widerspruch. Wie soll ein Quereinstieg für Menschen in den großen Bereich der KI möglich sein, wenn kein offenes Lernklima vorherrscht? Es soll eine Umgebung geschaffen werden, in der offene Fragen gestellt werden dürfen. Diese Umgebung muss durch die Führungskräfte gefördert werden. Es wird nicht selten vorkommen, dass im KI-Projektteam ein KI- oder Datenexperte über Fachthemen spricht, die für andere Besprechungsteilnehmer völlig unverständlich sind. Die Konsequenz: Diese Teilnehmer beteiligen sich nicht mehr am Gespräch und wertvoller Input geht verloren. Durch die Beobachtung bereits umgesetzter KI-Projekte in Großunternehmen kann ebenfalls viel gelernt werden. Die Erprobung von KI in der Praxis findet aktuell überwiegend dort statt, insbesondere in Zusammenarbeit mit der Forschung. KMUs müssen jedoch nicht nur Zuschauer sein, sondern können auch aktiv mitgestalten. Gerade die Zusammenarbeit und das Vernetzen mit anderen kleinen und mittleren Unternehmen, einschließlich Start-ups, kann für alle Beteiligten große Vorteile bringen.   Ich stehe…

Weiterlesen