Swissbau im Zeichen der Nachhaltigkeit

Auch in der Baubranche schreitet die Digitalisierung schnell voran. Ein wichtiger Faktor bildet der Einsatz von Künstlicher Intelligenz (KI). Immer mehr Architektur- und Planungsbüros nutzen zunehmend innovative KI-Tools. Die KI ermöglicht eine erhebliche Prozessautomatisierung und revolutioniert die Architektur. Dies verändert zunehmend das Berufsbild des Architekten. Ein effizientes Tool für die Bauplanung wurde von keeValue AG erstellt. Diese Firma wurde 2014 von Architekten gegründet und besteht heute aus einem interdisziplinären Team mit Betriebswissenschaftlern, Softwareentwicklern und Machine Learning Spezialisten. Heute bietet sie mit ihren Produkten und Services einzigartige Lösungen zur Schätzung von Baukosten, Betriebskosten und Unterhaltskosten, aber auch für die Ermittlung von Terminen für Neubauten und bestehende Liegenschaften an. Zudem können neben den ökonomischen Eckwerten von Gebäuden auch die ökologischen Faktoren, wie die CO2-Bilanz, die graue Energie und die Energieeffizienz des Bauvorhabens aufgezeigt werden.

Über drei Jahre arbeitete keeValue AG mit der Fachhochschule Nordwestschweiz (FHNW) an den ersten Modulen, die heute auf ein- und derselben Plattform vereint sind. Daraus ist ein Werkzeug geworden, das nach Eingabe des geplanten Gebäudes ziemlich präzise Kosten-Schätzungen ermöglicht.

KI in der Bauplanung: präzise Kosten, nachhaltige Entscheide, wenig Aufwand – geht das wirklich?

Stefan Cadosch, CEO keeValue AG, dipl. Arch ETH/SIA, erklärte in seinem Referat «Megatrends: Warum KI und ESG jetzt entscheidend sind», worauf in Zukunft beim Bauen besonders geachtet werden muss.

«70% der Bau-Projekte überschreiten das Budget und den Zeitplan. Die Unsicherheit in frühen Phasen bildet die teuerste Fehlerquelle», erklärte Stefan Cadosch gleich zu Beginn seines Referats. Dabei führen lange Planungs- und Bauzeiten und zu hohe Kosten zu einer Stagnation der Produktivität in der Bauindustrie. Mit dem Einsatz von KI kann die Planung viel effizienter gestaltet werden. Stefan Cadosch weiss wovon er spricht. Während zehn Jahren stand er dem Schweizerischen Ingenieur- und Architektenverein (SIA) als Präsident vor, bis er 2021 zurücktrat. Danach begann er eine neue Karriere bei keeValue AG, einem Unternehmen, das mit Hilfe der künstlichen Intelligenz Instrumente zur Kostenschätzung von Neubau-und Umbauprojekten, von Betrieb, Unterhalt und Lebenszykluskosten entwickelt.

KI ist objektiver als eine intuitive Schätzung

KI ist in frühen Bau-Phasen objektiver als die Experten. Zu diesem Zeitpunkt liegen die Menschen mit Schätzungen eines Bau-Projekts systematisch daneben. Dabei führen zu grosser Optimismus, falsche Einschätzungen bei Vergleichen mit anderen Projekten sowie politische Kostenschätzungen oft zu einer zu niedrigen Einschätzung der Kosten. Maschinelle Modelle zeigen in Vergleichsstudien geringere Abweichungen als erfahrene Planer. Stefan Cadosch weiss: «Auch wenn es sich falsch anfühlt, zeigt die Erfahrung immer wieder, dass intuitive Schätzungen schlechter sind als einfache, datenbasierte Verfahren. Das ist kein Einzelfall, sondern ein stabiles Muster».

Ein wenig bekannter Effekt aus der Prognoseforschung zeigt, dass ab einem gewissen Punkt die Fehlerquote mit zunehmender Detailtiefe steigt, weil Menschen neue Informationen überbewerten, während Modelle Informationen konsistent gewichten. Für Bauprojekte bedeutet dies, dass ein datenbasiertes Machine-Learning Modell häufig eine detaillierte manuelle Schätzung in frühen Phasen schlägt.

Schon die Römer kannten zu teure Baukosten

Das Problem der zu teuren Baukosten ist nicht ein neuzeitliches Phänomen, bereits die Römer taten sich damit schwer. So beschreibt der römische Schriftsteller Aulus Gellius (2. Jh. n. Chr.) den Besuch eines Freundes und Bauherrn wie folgt:

«Bei ihm standen mehrere Architekten, die mit dem Bau neuer Bäder beauftragt wurden und dem Bauherrn verschiedene Pläne für Bäder auf kleinen Pergamentstücken zeigten. Als dieser einen Plan ausgewählt hatte, erkundigte er sich nach den Kosten für die Fertigstellung des gesamten Projekts. Und als der Architekt sagte, dass es wahrscheinlich etwa dreihunderttausend Sesterzen kosten würde, sagte einer der Freunde des Bauherrn: «Und weitere fünfzigtausend mehr…»

Kostenrisiken frühzeitig erkennen

Stefan Cadosch wies auf einen sehr wichtigen Punkt hin: «Mit KI können Kostenrisiken erkannt werden, bevor sie als Entscheidungen sichtbar werden. Kostenrisiken entstehen früh, wirken spät und lassen sich nur über Vergleichsklassen und Varianzreduktion robust steuern. KI reduziert die Streuung von Prognosen signifikant, nicht weil sie perfekt ist, sondern weil sie konsistent rechnet. Für Bauherrschaften ist dies relevanter als ein exakter Mittelwert.»

Kostenbilanzen und Ökomodelle basieren auf denselben mathematischen Strukturen. Beide beruhen auf Mengen, Materialklassen, Systemzuordnungen und der Summe der Bauteile. Die Trennung ist nicht technisch, sondern historisch. KI ist in der Lage beide Dimensionen ohne grossen Mehraufwand simultan zu berechnen. Dass dies nur selten gemacht wird ist kein Rechenproblem, sondern ein Toolproblem.

Ökobilanzen sind heute methodisch korrekt, aber praktisch wirkungslos, nicht wegen falscher Daten, sondern wegen des Zeitpunkts. In über 90% der Projekte werden die Ökobilanzen berechnet, wenn Volumen, Tragstruktur und Materiallogik bereits fixiert sind. In dieser Phase sind die Einsparpotentiale nahe bei null, deshalb gehören Ökobilanzen in frühere Projektphasen.

KI schiebt die Entscheidungsfreiheit nach vorne. Zu Beginn des Projekts sind Änderungen kostengünstig, die Entscheidungen jedoch unsicher. Ist das Projekt fortgeschritten, sind die Entscheidungen sicher, die Änderungen jedoch teuer. Stefan Cadosch resümierte: «Die KI verschiebt die Sicherheit nach vorne, nicht auf 100% aber ausreichend, um Alternativen zu prüfen. Dies ist der eigentliche ökonomische Nutzen.»

Und er präzisierte: «Unsere Modelle lernen ständig dazu. Dies führt dazu, dass die Schätzungen der Kosten eines geplanten Gebäudes immer genauer werden.»

Der Fluch der ersten Zahl

Die gefährlichste Zahl ist nicht falsch, sondern sie wurde zu früh akzeptiert. Die erste Kostenzahl wirkt wie ein physikalischer Anker, denn sie definiert was als realistisch gilt. KI reduziert den Fehler nicht auf null, sie reduziert jedoch die Wahrscheinlichkeit, dass eine zufällige Zahl zur Wahrheit wird und sie reduziert die Ungenauigkeit auf unter 10%. Diese Tools funktionieren heute, was vor 10 Jahren nicht möglich gewesen wäre, denn folgende drei Faktoren sind erstmals gleichzeitig vorhanden: es gibt genügend vergleichbare Projektdaten, eine stabile Rechenleistung und die Akzeptanz von probabilistischen Aussagen. Wenn einer dieser Faktoren fehlt, scheitert das System. Stefan Cadosch resümierte: «KI im Bauwesen ersetzt keine Planung. Sie erlaubt jedoch breite Simulationen und Variantenprüfungen. Sie ersetzt unbegründete Sicherheit durch quantifizierte Unsicherheit. Das ist unbequem und genau deshalb so wirksam.»                                       

Im Anschluss an Stefan Cadoschs Referat gab Daniel Hunziker, keeValue AG, Business Development, eine Demonstration der Tools von keeValue AG. Er zeigte ausführlich, wie man verschiedene Parameter für ein geplantes Gebäude eingeben und damit auch jeweils mehrere Varianten berechnen kann. So kann z.B. ein Gebäude eher schlicht oder kompliziert oder luxuriös gestaltet werden, was sich natürlich sofort im Preis auswirkt.

Das Tool liefert für alle Positionen des Baukostenplans – also auch für die Sanitärbranche – einen wesentlichen Beitrag, weil es die Kosten von Sanitärinstallationen bereits in frühen Projektphasen realitätsnah abbildet. Dabei werden Quantität, Komplexität und Qualitätsniveau der gesamten Anlage nutzungsabhängig bewertet, Apparatedichten korrekt berücksichtigt und auf einer breiten Vergleichsdatenbasis belastbare Kostenaussagen ermöglicht. Bei grossen Mehrfamilienhäusern berechnet das Tool z.B. automatisch die Anzahl Bäder, Küchen, Toiletten und Waschbecken und macht entsprechende Vorschläge. Die Resultate der Kostenanalyse können jeweils als PDF-Datei oder als Excel-Tabelle dargestellt werden.

Der vollständige Beitrag ist in p+i 01/26 erschienen