Markus Nussbaum Archive - Bauherrenhilfe.org | Baugutachten, Baubegleitung, Bauarbeitenkoordinator, Rechtsberatung in Kooperation mit Rechtsanwälten

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…

Kategorie: KI & Bau

PDF_DeepSeek gegen OpenAI und Co. In den letzten Beiträgen haben wir bereits erfahren, dass hinter den bekannten KI-Chatbots (wie ChatGPT) komplexe neuronale Netzwerke stehen. Im Hintergrund arbeiten Modelle (genauer gesagt Transformer-Modelle als modernste Form neuronaler Netzwerke), die mit riesigen Datenmengen trainiert wurden, um unsere (menschliche) Sprache zu „verstehen“ und anschließend kontextbezogen neue Texte zu generieren (also passende Antworten zu formulieren). Solche Konzepte zur Textverarbeitung und Textgenerierung werden übergeordnet als Large Language Models (LLM, auf Deutsch: großes Sprachmodell) bezeichnet. Im Jänner 2025 wurde ein neues LLM veröffentlicht, das die KI-Welt derzeit intensiv beschäftigt und teilweise sogar auf den Kopf stellt. Es geht um die KI-Modelle DeepSeek-R1 und DeepSeek-V3 des Unternehmens DeepSeek aus China. Zunächst wurde DeepSeek-V3 am 24. Dezember 2024 veröffentlicht. Am 20. Januar 2025, also zu Neujahr, folgte anschließend DeepSeek-R1. Dieser Release sorgt nun für großes Aufsehen. Im Vergleich zu bekannten Modellen wie GPT-4o (eingesetzt in ChatGPT von OpenAI, USA), Llama 3.1-405B (Meta AI, USA), Gemini (Google DeepMind, USA) oder Claude 3.5 Sonnet (Anthropic, USA) scheint DeepSeek in nahezu allen Kategorien überlegen zu sein. Mit Kategorien ist in diesem Zusammenhang die Bewertung verschiedener KI-Modelle anhand von Benchmark-Tests gemeint. Durch diese standardisierten Tests ist es möglich, die Leistung eines Modells mit anderen zu vergleichen und zu evaluieren. Solche Benchmarks existieren beispielsweise in den Bereichen Mathematik, Coding (Programmierung), Allgemeinwissen, Sprachverständnis und weiteren Disziplinen. Die getesteten Modelle werden anhand von Prozentpunkten bewertet. Allerdings sollte nicht unerwähnt bleiben, dass Benchmarks grundsätzlich nur eine Orientierung bieten und kritisch hinterfragt werden sollten. Interessanterweise wird auf den Webseiten der jeweiligen Entwickler das „eigene“ Modell in Benchmark-Tests überwiegend als führend präsentiert. Aus meiner Sicht werden dabei bessere Modelle teilweise gar nicht in den Vergleich mit aufgenommen. Was macht DeepSeek bisher aus? Jedes LLM ist im Detail unterschiedlich aufgebaut (als Basis ein Transformer-Modell mit eigenen Modifikationen). Die oben genannten Sprachmodelle nutzen verschiedene Techniken, um die Ergebnisse zu optimieren und den Betrieb effizienter zu gestalten. Zudem spielt auch die Größe der Modelle eine entscheidende Rolle. Sie wird anhand der Anzahl der Parameter angegeben. Diese können als „Stellschrauben“ des Modells betrachtet werden. Ein Modell mit einer hohen Anzahl an Parametern kann leistungsfähiger und komplexer sein. Die Daten zu DeepSeek (V3 und R1) stammen aus dem offiziellen Paper von DeepSeek, das auf GitHub veröffentlicht wurde. GitHub ist eine Online-Plattform, auf der Entwickler Softwareprojekte speichern und gemeinsam verwalten können. DeepSeek-V3 verfügt offiziell…

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…

Kategorie: KI & Bau, Presse, WEITERE NEWS

PDF_Mit welcher KI soll ich nun sprechen? Bereits im ersten Beitrag wurde die derzeit bekannteste Künstliche Intelligenz „ChatGPT“ von OpenAI erwähnt. Laut der neuen KI-Verordnung (AI-Act) handelt es sich dabei um sogenannte KI-Modelle mit allgemeinem Verwendungszweck (General Purpose AI Models, kurz: GPAI-Models). Diese Modelle werden nicht für eine spezifische Aufgabe entwickelt und können daher flexibel für zahlreiche Anwendungen in der Verarbeitung und Generierung unstrukturierter Texte, Bilder, Audios und Videos eingesetzt werden. In einem der vorherigen Beiträge wurde die Unterscheidung von KI in „starke“ KI (auf einer Ebene mit dem Menschen) und „schwache“ KI (nur für eine spezifische Aufgabe ausgelegt) erläutert. GPAI-Modelle bewegen sich zwischen diesen Kategorien, werden jedoch eher als fortschrittliche „schwache“ KI betrachtet. Mit welchen GPAI-Modellen haben wir es also zu tun und wie funktionieren diese? Hinter dem uns bekannten Chatbot „ChatGPT“ von OpenAI steckt ein komplexes „Transformer-Modell“, das zu den GPAI-Modellen (laut AI Act) gezählt werden kann und übergeordnet als „Large Language Model“ (LLM, „großes Sprachmodell“) bezeichnet wird. Diese Transformer basieren auf fortschrittlichen neuronalen Netzwerken, die in den nächsten Beiträgen näher betrachtet werden. Die Sprachmodelle hinter ChatGPT heißen beispielsweise GPT-4 oder GPT-4o (veraltet ist GPT-3.5). GPT steht für „Generative Pre-trained Transformer“. Kurz gesagt: Das Modell wurde vorher mit großen Datensätzen trainiert und kann bei einer neuen Eingabe die Beziehungen zwischen Wörtern in einem Satz erkennen, um so einen passenden Output zu generieren. Der Begriff ChatGPT bezeichnet „nur“ die Benutzeroberfläche bzw. die Chatbot-App, über die Menschen mit dem Sprachmodell interagieren können. Mittlerweile sind die typischen Sprachmodelle nicht mehr nur Sprachmodelle, sondern vielmehr „multimodale“ Modelle. Neben der Fähigkeit, Sprache bzw. Texte zu verarbeiten, verfügen sie auch über weitere „Modi“ wie die Audio- und Bildverarbeitung. Sprache in Form von Texten war in den veralteten Modellen wie GPT-3.5 der einzige „(Daten-)Modus“. Die Modelle von OpenAI (z. B. GPT-4) sind jedoch nicht die einzigen großen KI-Modelle. Beispielsweise gibt es auch KI-Modelle von Meta AI (Llama 3.1-405B), Mistral AI (Mistral Large 2), Google DeepMind (Gemini 1.0 Ultra) oder Anthropic (Claude 2). Diese KI-Modelle sind jeweils im Hintergrund einer eigenen Benutzeroberfläche implementiert. Die Benutzeroberfläche (die Chatbot-App) für Mistral Large 2 heißt „le Chat“. Die Unterscheidung zwischen dem KI-Modell (z. B. GPT-4 oder Mistral Large 2) und der Benutzer-App (z. B. ChatGPT oder le Chat) ist wichtig, da die KI-Modelle für die Anwendungen im eigenen Unternehmen von Bedeutung sind. Der Chatbot „Microsoft Copilot“ nutzt beispielhaft ebenfalls das Sprachmodell GPT-4. Es…

Kategorie: KI & Bau, Presse

PDF_Das unüberwachte maschinelle Lernen Der letzte KI-Beitrag beschreibt die Grundidee des überwachten Lernens (Supervised Learning) innerhalb des maschinellen Lernens (ML). Dabei wird dem KI-Modell (einem mathematischen Algorithmus) ein Input gegeben, um einen Output vorherzusagen (wir nutzen ein Vorhersagemodell). Das könnte zum Beispiel ein Bild von einer Brücke sein, das die KI als Brücke „klassifizieren“ (erkennen) soll. Während des Trainings sind Input (Beispiel) und Output (Beispiellösung) bekannt, da sie vom Menschen so definiert werden. Das unüberwachte Lernen (Unsupervised Learning) hingegen verfolgt einen anderen Ansatz. Hierbei erhält die KI keine Beispiele oder Beispiellösungen, sondern lediglich einen Datensatz. Der ML-Algorithmus soll versteckte Muster und Zusammenhänge zwischen den Datenpunkten im Datensatz erkennen. Ein beliebter Ansatz hierfür ist das sogenannte „Clustering“. Um dies etwas anschaulicher zu machen, folgt ein einfaches Beispiel aus der Bauwelt. Gegeben sind verschiedene Bauprojekte A bis E im Hochbau, für die in den Spalten unterschiedliche Merkmale eingetragen sind. Zunächst sind wir „faul“ und jedes Bauprojekt erhält eine eigene Gruppe. Das Ziel besteht jedoch darin, Muster und Zusammenhänge zwischen den Bauprojekten zu erkennen. Wir möchten Gruppen (Cluster) aus ähnlichen Bauprojekten bilden. Jedes Merkmal wird für das jeweilige Bauprojekt mit Punkten bewertet: Welche Bauprojekte sind sich nun untereinander „nahe“, um sie anschließend in eine bestimmte Anzahl von Gruppen einteilen zu können? Projekt D und E sind sich hinsichtlich aller Merkmale „nahe“. Nach welchem Maßstab sollen jedoch die Projekte A bis C gruppiert werden? Dominiert das Merkmal „Auftragsvolumen“, wären sich A und C näher als B. Oder bilden Projekt A und B eine passendere Gruppe hinsichtlich der Merkmale „Komplexität“ und „Projektrisiko“? Dies soll verdeutlichen, dass der ML-Algorithmus des unüberwachten Lernens nicht allmächtig ist und nicht mit einem Knopfdruck das „eine“ richtige Ergebnis liefern kann. Sachkundige Personen müssen definieren, nach welchem Maßstab die Bauprojekte in Gruppen eingeteilt werden sollen. Markus Nussbaum, Bauingenieur & KI-Beauftragter, in Kooperation mit tecTrain.at (Veröffentlicht am 16.12.2024)…

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…

Kategorie: KI & Bau, TOP-NEWS, WEITERE NEWS

PDF_Künstliche Intelligenz in der Bauwirtschaft Am Puls der Zeit! Die Bauherrenhilfe stellt allen Mitgliedern und Partnern einen „KI-Beauftragten“ zur Seite! Markus Nussbaum hat die HTL für Hochbau sowie die Fachhochschule für das Bauingenieurwesen erfolgreich abgeschlossen und bereits eine jahrelange Berufserfahrung hinter sich gebracht. Die Geburt oder doch noch das embryonale Stadium der Künstlichen Intelligenz in der Bauwirtschaft? Ein grober Überblick über den aktuellen Stand der Künstlichen Intelligenz (KI) in der Baubranche kann durch eine Befragung von Mitarbeitern unterschiedlicher Unternehmen dieser Branche gewonnen werden. Die Auswertung der durchgeführte Befragung entspricht nicht den Vorgaben einer „ordentlichen“ qualitativen Forschung. Sie kann aber das bestätigen, was aktuelle Studien zum Thema „Stand der Entwicklung und Anwendung von KI in der Bauwirtschaft“ ohnehin aufzeigen. Schon bei der Frage, in welchem Umfang KI aktuell im Unternehmen eingesetzt wird, zeigt sich, dass es keine richtige Umsetzung mit KI gibt. Dieser Umstand ist nachvollziehbar, wenn man bedenkt, dass KI derzeit noch einen großen Forschungscharakter aufweist und die Baubranche gerade dabei ist, die Grundsätze der Digitalisierung umzusetzen. Eine weitere Herausforderung ist das fehlende Wissen und Verständnis der Baubeteiligten in Bezug auf eine KI-Anwendung. Was zeichnet KI aus? Wie kann ich überhaupt beurteilen, ob in einem bestimmten Prozess eine KI beteiligt ist? Auch dieser Umstand ist nachvollziehbar, weil KI aktuell unterschiedlich interpretiert und definiert wird. Der Begriff „Künstliche Intelligenz“ wurde Mitte des 20. Jahrhunderts erstmals von John McCarthy folgendermaßen beschrieben: „[…] soll herausgefunden werden, wie man Maschinen dazu bringt, Sprache zu verwenden, Abstraktionen und Konzepte zu bilden, Probleme zu lösen, die derzeit dem Menschen vorbehalten sind, und sich selbst zu verbessern.“ Es geht also darum, Maschinen (Computern) Aufgaben zu übertragen, die bisher nur von Menschen besser erledigt werden konnten. Künstliche Intelligenz soll unsere Sprache verstehen, selbstständig lernen, Probleme lösen und Entscheidungen treffen können. Ein Großteil moderner (heutiger) KI basiert auf maschinellem Lernen (ML). Maschinelles Lernen ist eine KI-Technologie, die Maschinen befähigt, aus großen Datenmengen zu lernen, um Muster und Zusammenhänge in diesen Daten zu erkennen. Der Begriff „maschinelles Lernen“ ist dem Bereich der künstlichen Intelligenz untergeordnet. Ein ähnliches Prinzip findet sich beispielsweise bei der Nachbildung des menschlichen Sehens: Um Maschinen mit visueller Wahrnehmung (z. B. Bilder oder Videos) und mit der richtigen Interpretation dieser zu befähigen, nutzen wir „maschinelles Sehen“. Bekannt ist diese KI-Technologie als Computer Vision (CV). Aktuell gibt es keine KI, die über alle menschlichen Fähigkeiten verfügt oder gar…

Kategorie: KI & Bau

KI-Beitrag 1_PDF Die rasante Entwicklung künstlicher Intelligenz: Wie soll die Bauwirtschaft da bloß einsteigen? Die Bauherrenhilfe, unser KI-Beauftragter Markus, steht per sofort Mitglieds- und Partnerbetrieben kostenlos zur Seite. Dazu informieren wir auf unseren Seiten mit der Serie „KI und Bauwirtschaft – unnötig Stress oder große Chance?“ Spätestens durch die öffentliche und einfache Verwendung von ChatGPT erreichte der Hype um „künstliche Intelligenz“ (kurz KI) einen Höhepunkt in der Gesellschaft. Das Verarbeiten und Generieren neuer Daten war noch nie so einfach wie heute. Zahlreiche bestehende und neue KI-Technologien entwickeln sich mit enormer Geschwindigkeit und dabei stellen sich beispielsweise folgende Fragen: Welches Potenzial und welche Anwendungsfelder haben diese KI-Systeme z. B. in einem Bauunternehmen? Wie sollen beteiligte Unternehmen im Bauprozess auf die „Züge“ der „digitalen Transformation“ aufspringen? Über welche Herausforderungen bei der Einführung von KI-Systemen im Bauprozess wird aktuell und künftig diskutiert? Die Erwartungen in diese Technologie sind daher sehr hoch. Nicht zuletzt wird die Baubranche immer wieder damit konfrontiert, anderen Branchen im Bereich der Digitalisierung hinterherzuhinken. Nun sollen künstliche Intelligenz im Zusammenspiel mit anderen digitalen Methoden (z. B. BIM – Building Information Modeling) die digitale Transformation im Bauwesen vorantreiben. Die Aufmerksamkeit sollte dabei auch auf die Umsetzung von KI in kleinen und mittleren Unternehmen gerichtet sein. In diesen Unternehmen steckt großes Interesse, aber auch eine große Unsicherheit gegenüber einer KI-Anwendung. Nicht jedes Unternehmen kann die notwendigen Ressourcen aufbringen, auch weil nicht immer klar ist, welche Ressourcen erforderlich sind. In dieser Beitragsreihe erfahren Sie mehr über die grundlegende Funktionsweise von künstlicher Intelligenz, die aktuellen bzw. künftigen Anwendungsfelder von KI im Bauwesen und die Möglichkeiten sowie Herausforderungen, KI-Projekte im eigenen Unternehmen erfolgreich zu implementieren. Markus Nussbaum, Bauingenieur & KI-Beauftragter, in Kooperation mit tecTrain (Bildquelle: Bild von Pete Linforth auf Pixabay) (Veröffentlicht am 16.09.2024)…

Markus Nussbaum

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

Wie ein neuer Chatbot aus China das KI-Wettrennen interessant werden lässt: DeepSeek gegen OpenAI und Co.

Wie das menschliche Gehirn Künstliche Intelligenz inspiriert: Künstliche Neuronale Netzwerke

ChatGPT und viele andere: Mit welcher KI soll ich nun sprechen?

Finde bitte versteckte Muster: Das unüberwachte maschinelle Lernen

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

Der Weg zur digitalen Revolution: Künstliche Intelligenz in der Bauwirtschaft – Chancen, Herausforderungen und Perspektiven

KI in der Bauwirtschaft: Herausforderung oder Chance? – Eine Orientierungshilfe für Unternehmen

COOKIE-EINSTELLUNGEN