Baugenehmigungsunterlagen automatisieren

Das echte Ausmaß des Problems

Ein Bauantrag nach LPH 4/5 der HOAI ist kein einzelnes Dokument. Es ist ein Konvolut aus 15 bis 40 Einzelunterlagen — abhängig von Bundesland, Gemeinde, Gebäudeart und Sonderthemen wie Denkmalschutz, Hangbebauung oder Überschreitung von Bebauungsplan-Parametern. Und jedes Bundesland hat seine eigene Landesbauordnung mit eigenen Formularvorlagen, Anforderungen und Stolperstellen.

In Deutschland gibt es 16 verschiedene Landesbauordnungen. Dazu kommen kommunale Gestaltungssatzungen, Ortsbildsatzungen und gültige Bebauungspläne verschiedener Jahrgänge mit unterschiedlichem Textstand. Was in Bayern funktioniert, kann in Brandenburg nachgefordert werden. Was für ein Neubau gilt, ist für einen Umbau mit denkmalgeschützter Substanz ein völlig anderes Set an Anforderungen.

Laut einer Analyse des Digitalbauprojekts des Bundes aus 2024 scheitern mehr als 40 Prozent aller Bauanträge im ersten Anlauf an formalen oder inhaltlichen Unvollständigkeiten — nicht an planungsrechtlichen Widersprüchen, sondern an vermeidbaren Fehler. Jeder Rücklauf kostet das Büro Zeit: Nacharbeit, Neueinreichung, erneutes Warten auf Bearbeitungsslot. Bei überlasteten Baubehörden können das 4 bis 12 Wochen pro Rücklauf sein.

Die finanzielle Konsequenz für Planungsbüros ist doppelt: Direktkosten durch Mehraufwand, und Indirektkosten durch verärgerte Bauherren, die bei Bauzeitverzögerungen schadenersatzrechtliche Fragen stellen.

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Eigene Einschätzung basierend auf typischen Fehlermustern; keine repräsentative Studie verfügbar.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5) Die Prüfung auf Vollständigkeit, der Bebauungsplan-Abgleich und das Formulieren von Begründungsschreiben sind repetitive, dokumentenintensive Aufgaben — genau das, wo KI konkreten Zeitgewinn bringt. 2–4 Stunden pro Antrag sind realistisch einzusparen. Das macht diesen Anwendungsfall zu einem der zeitwirksamsten in dieser Kategorie.

Kosteneinsparung — mittel (3/5) Die Einsparung entsteht indirekt: weniger Rückläufe, weniger Nacharbeit, weniger Verzögerungskosten. Ein vermiedener Rücklauf spart je nach Projekt 300 bis 2.000 Euro Mehraufwand. Das ist real, aber schwerer zu buchhalten als direkte Kosteneinsparungen. Wer monatlich 3–5 Bauanträge einreicht, merkt den Effekt schnell; wer ein Büro mit wenigen großen Projekten führt, weniger.

Schnelle Umsetzung — mittel (3/5) Kein technisches Setup nötig: Die meisten Aufgaben lassen sich mit ChatGPT oder Claude sofort starten — als PDF-Upload mit gezielten Prüffragen. Ein ausgereifter Workflow mit Checklisten-Templates und Prompt-Bibliothek braucht 2–4 Wochen Aufbau. Das ist handhabbar, aber nicht trivial — weil die Qualität der Prüfung stark von der Güte der Prompts abhängt.

ROI-Sicherheit — hoch (4/5) Der Nutzen ist direkt messbar: Rücklaufquote vorher und nachher. Wer drei Monate lang systematisch KI-gestützt prüft und mit dem Vorjahresdurchschnitt vergleicht, hat klare Daten. Das macht diesen Use Case zu einem der ROI-sichersten in dieser Kategorie — besser als Visualisierungstools oder konzeptionelle Entwurfshilfen.

Skalierbarkeit — niedrig (2/5) Das ist der ehrliche Schwachpunkt: Baurecht in Deutschland ist stark fragmentiert. Ein Prompt-System, das für nordrhein-westfälische Baubehörden funktioniert, braucht Anpassungen für Bayern, Berlin oder Brandenburg. Die 16 Landesbauordnungen plus kommunale Sonderregelungen bedeuten, dass kein universelles Checklist-System existiert, das ohne regionale Anpassung skaliert. Büros mit Projekten in mehreren Bundesländern müssen mehrere Varianten pflegen.

Richtwerte — stark abhängig von Projektvolumen, Bundesland und Antragskomplexität.

Was KI bei Bauantragsunterlagen konkret macht

KI kann bei Bauanträgen in drei klar abgegrenzten Bereichen helfen — und in zwei Bereichen definitiv nicht.

Was funktioniert:

Vollständigkeitsprüfung: Du lädst den Inhalt des Bauantragsordners als Liste oder PDF-Text hoch und fragst: „Prüfe auf Vollständigkeit gegen die Anforderungen der [Gemeinde X]-Baugenehmigungsordnung.” Das System vergleicht gegen eine Referenzcheckliste und markiert fehlende Unterlagen. Voraussetzung: Die Referenzcheckliste muss im Prompt vorhanden sein — entweder direkt eingefügt oder als eigenes Dokument.

Bebauungsplan-Abgleich: Du lädst den textlichen Teil eines Bebauungsplans hoch und fragst: „Mein Entwurf hat folgende Parameter: [GRZ 0,32, GFZ 0,64, Traufhöhe 6,5 m, Dachneigung 38°]. Welche Festsetzungen des Bebauungsplans werden eingehalten, welche überschritten?” Das Ergebnis ist eine strukturierte Liste mit Quellenangabe zu den jeweiligen Bebauungsplan-Paragraphen.

Begründungsschreiben und Abweichungsanträge: Du gibst an, von welcher Festsetzung du abweichst und warum (städtebauliche, funktionale oder gestalterische Gründe), und bittest die KI, einen Entwurf für das Begründungsschreiben zu erstellen. Das Ergebnis ist ein juristisch strukturierter Textentwurf, den du prüfst, anpasst und mit deiner Unterschrift versieht. Die Formulierungen folgen den üblichen Begründungsmustern nach § 31 BauGB.

Was nicht funktioniert:

Rechtsbindende Aussagen: KI kann nicht einschätzen, ob eine Abweichung nach Ermessen der Baubehörde genehmigt wird. Das ist eine Beurteilung, die von Behördenpraxis, Ortskenntnissen und politischen Faktoren abhängt — keine Textsuchaufgabe.

Planzeichnerische Prüfung: KI kann keine gescannten Pläne auf Maßstabsgenauigkeit oder zeichnerische Konsistenz prüfen. Das bleibt eine manuelle Aufgabe.

Der kritische Prüfschritt: KI irrt sich

Halluzinationen sind bei Rechtstext-Anwendungen ein besonderes Risiko. Ein LLM, das einen Bebauungsplan aus dem Jahr 1978 analysiert, kann veraltete Normbegriffe falsch einordnen oder Textabschnitte aus anderen Rechtsquellen vermischen. Jede KI-Aussage zu konkreten Bebauungsplan-Festsetzungen muss gegen das Original-Dokument gegengeprüft werden. Das ist kein optionaler Schritt, sondern Pflicht — und sollte explizit in eurem internen Qualitätsprozess verankert sein.

Konkrete Werkzeuge — was wann passt

ChatGPT (GPT-4o) oder Claude — Für die meisten Aufgaben reicht ein generisches LLM mit PDF-Upload. Du lädst den Bebauungsplan oder die Baubeschreibung hoch und arbeitest mit gezielten Prüffragen. Kosten: 20–25 €/Monat. Einstieg: sofort. Grenze: Das System kennt keine aktuellen Landesbauordnungen aus eigener Datenbasis — diese müssen als Referenztext mitgegeben werden.

Perplexity Pro — Wenn du während der Prüfarbeit aktuelle Normen oder Rechtsprechung recherchieren musst, kombiniert Perplexity Websuche und Dokumentenanalyse. Besonders nützlich für Fragen wie: „Hat die Gemeinde [X] eine Stellplatzsatzung, und falls ja, was sind die aktuellen Anforderungen?” Kosten: 20 USD/Monat.

NotebookLM — Wenn du viele Bebauungspläne und Ortsatzungen für ein bestimmtes Gemeindegebiet zentral verwalten willst, bietet NotebookLM eine RAG-basierte Suche über alle hochgeladenen Dokumente. Du fragst direkt, aus welchem Plan welche Regelung stammt — mit Quellenangabe. Kostenlos für die Basisfunktion, Google One AI Premium für mehr Volumen (ca. 22 €/Monat).

BKI BauKosten — Kein KI-Tool im eigentlichen Sinne, aber unverzichtbar für die Kostenschätzungen, die Teil der Bauantragsunterlagen sind: normkonforme DIN 276-Kostenschätzungen, die von Prüfbehörden und Banken akzeptiert werden.

Was du brauchst, aber kein Tool liefert: Eine strukturierte Checkliste, die auf dein Bundesland und deine häufigsten Gemeinden zugeschnitten ist. Das musst du einmalig selbst erarbeiten — dann aber wird sie zur wertvollsten Ressource in deinem KI-Setup.

Datenschutz und Datenhaltung

Bauantragsunterlagen enthalten personenbezogene Daten: Namen und Adressen von Bauherren, Grundstücksdaten, manchmal auch Angaben zu Eigentumsverhältnissen. Sobald du diese Dokumente in eine KI-Plattform hochlädst, fällt das unter die DSGVO.

Für die Praxis bedeutet das:

ChatGPT und Claude (API-Betrieb): In der API-Version von OpenAI und Anthropic werden Eingabedaten nicht für das Modelltraining verwendet. Ein Auftragsverarbeitungsvertrag (AVV) ist über die jeweiligen Business-Portale erhältlich und muss vor Produktivbetrieb abgeschlossen werden. Für die Consumer-Versionen (chatgpt.com) gilt das nicht — hier ist die Datenschutzlage unklar genug, dass du persönliche Bauherrendaten nicht hochladen solltest.

NotebookLM: Daten werden in der Google-Infrastruktur verarbeitet. Ein AVV mit Google ist über Google Workspace erhältlich. Für sensible Bauherrendaten empfiehlt sich die Variante über Google Workspace Business, nicht das kostenlose Privataccount.

Empfehlung für sensible Projekte: Anonymisiere Bauherrendaten vor dem Upload — ersetze Namen durch Platzhalter (“Bauherr A”), Grundstücksadressen durch Flurstücknummern. Die inhaltliche Prüfung auf Vollständigkeit funktioniert auch ohne echte Personendaten.

Was es kostet — realistisch gerechnet

Setup-Aufwand (einmalig):

• Checklisten-Entwicklung für deine 3–5 häufigsten Gemeinden: 1–2 Tage intern
• Prompt-Bibliothek aufbauen (Vollständigkeitsprüfung, Bebauungsplan-Abgleich, Begründungsschreiben): 4–8 Stunden
• Tool-Abonnements: 0 € Startkosten bei Nutzung bestehender ChatGPT/Claude-Abonnements

Laufende Kosten (monatlich):

• ChatGPT Plus oder Claude Pro: 20–25 €/Monat (wahrscheinlich ohnehin vorhanden)
• Keine zusätzliche Infrastruktur nötig

Konservative ROI-Rechnung:

• 4 Bauanträge pro Monat, je 2 Stunden Zeitersparnis bei Prüfung: 8 Stunden/Monat
• Interner Stundensatz Architekt: 80–120 €/Stunde
• Monatliche Zeitersparnis: 640–960 €
• Dazu: vermiedener Rücklauf bei 1 von 4 Anträgen (konservativ): 600–800 € Mehraufwand gespart
• Monatlicher Nutzen gesamt: 1.240–1.760 €
• Mehrkosten: faktisch 0 € (bei vorhandenem ChatGPT/Claude-Abo)

Das ist ein sehr günstiges Kosten-Nutzen-Verhältnis — weil die Tools keine Zusatzinvestition erfordern, sondern nur strukturierte Nutzung bestehender Werkzeuge.

Vier typische Einstiegsfehler

1. Die KI mit dem vollen Bebauungsplan-PDF beauftragen, ohne Textextraktion. Viele Bebauungspläne sind als gescannte PDFs ohne Textschicht abgelegt. Ein LLM kann keinen Text lesen, den es nicht sieht. Bevor du einen Bebauungsplan hochlädst, prüfe, ob der Text durchsuchbar ist (Strg+F im PDF-Reader). Gescannte Pläne müssen zuerst per OCR in durchsuchbaren Text umgewandelt werden — Tools wie Adobe Acrobat oder online OCR-Dienste erledigen das.

2. KI-Aussagen zu konkreten Rechtsfolgen ohne Gegenprüfung übernehmen. “Die Abstandsfläche nach §6 BauO NRW beträgt 3,0 m” — das klingt präzise. Wenn das Modell aber einen älteren Gesetzesstand trainiert hat, kann die Zahl falsch sein. Jede rechtliche Konkretisierung muss an der aktuellen Landesbauordnung oder dem aktuellen Bebauungsplan gegengeprüft werden. Das kostet 5 Minuten, vermeidet aber potenzielle Planungsfehler.

3. Eine universelle Checkliste für alle Bundesländer verwenden wollen. Bundesländer unterscheiden sich erheblich: NRW verlangt andere Formulare als Bayern, Brandenburg hat andere Anforderungen an Entwässerungspläne. Eine Checkliste, die für ein Bundesland entwickelt wurde, hat oft 30–40 % Fehleranteil in einem anderen. Entwickle für jedes häufig genutzte Bundesland eine separate Checkliste.

4. Den Workflow als Einmalarbeit sehen statt als Systempflege. Bauordnungen und Gemeinde-Formulare ändern sich. Eine Checkliste, die 2024 korrekt war, kann 2025 Lücken haben. Wer das KI-System einrichtet und nie wieder prüft, arbeitet irgendwann gegen veraltete Anforderungen. Plane eine halbjährliche Revision der Checklisten ein — nach jeder Gesetzesänderung oder wenn ein unerwarteter Rücklauf zeigt, dass etwas fehlt.

Was mit der Einführung wirklich passiert

Der technische Aufbau ist nicht das Problem. Das Problem ist Vertrauen.

Architektinnen und Architekten sind es gewohnt, dass ihre Qualitätssicherung auf eigener Fachkenntnis basiert. Ein System zu vertrauen, das Vollständigkeitsprüfungen macht, fühlt sich anfangs falsch an — nicht weil das Ergebnis schlechter ist, sondern weil man die Fehlerquellen nicht kennt. Das ist eine legitime Bedenken.

Die Lösung ist kein Vertrauensappell, sondern paralleles Testen: Prüfe drei Anträge sowohl manuell als auch KI-gestützt und vergleiche die Ergebnisse. Was hat die KI gefunden, was du übersehen hast? Was hast du gefunden, was die KI übersehen hat? Diese Evidenz schafft mehr Vertrauen als jede Erklärung.

Zwei typische Widerstandsmuster:

“Ich check das lieber selbst schnell durch.” Das stimmt — bis zu dem Punkt, wo “schnell” drei Stunden sind und die Müdigkeit nachmittags dafür sorgt, dass die fehlende Unterschrift auf Seite 3 übersehen wird. KI-Prüfung ist keine Alternative zur menschlichen Kontrolle, sondern eine erste Hürde, die die Fehlerrate senkt.

“Was, wenn die KI etwas Falsches sagt und ich es unterschreibe?” Das ist die berechtigte Haftungsfrage. Die Antwort: Du unterschreibst als Architektin oder Architekt — und du prüfst jede KI-Ausgabe. Die KI formuliert, du verantwortest. Das ist der gleiche Verantwortungsrahmen wie beim Einsatz von Architektenhilfskräften, die Dokumente vorprüfen.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„KI kennt unsere lokalen Baubehörden nicht.” Stimmt — und das ist kein Fehler, den KI behebt. Lokale Behördenpraxis, informelle Anforderungen und die Frage, ob ein bestimmtes Sachgebiet großzügig oder streng auslegt, ist nicht automatisierbar. Was KI leistet: formale Vollständigkeitsprüfung und strukturierte Textformulierung. Das entlastet, ersetzt aber keine Ortskenntnisse.

„Was ist mit dem Haftungsrisiko, wenn die KI falsch liegt?” Architekten haften für ihre Planungsleistungen — unabhängig davon, ob sie KI-Werkzeuge einsetzen oder nicht. Das Haftungsrecht ändert sich nicht durch KI-Nutzung: Du als verantwortliche Person prüfst und unterschreibst. Die KI ist ein Werkzeug, kein Auftragnehmer. Die Bundesarchitektenkammer hat in ihrer Stellungnahme zu KI-Haftung (2024) klargestellt: Wer KI-Ergebnisse übernimmt, ohne sie zu prüfen, handelt fahrlässig — wer sie als informierten Ausgangspunkt nutzt und prüft, bewegt sich im üblichen Sorgfaltsstandard.

„Unsere Projekte sind zu individuell, das lässt sich nicht automatisieren.” Bebauungsplan-Abgleich ist kein kreativer Akt — es ist eine strukturierte Vergleichsaufgabe. Selbst für sehr individuelle Projekte ist die Frage “Welche Festsetzungen des Bebauungsplans werden eingehalten, welche überschritten?” immer dieselbe Aufgabenstruktur. KI löst keine komplexen Planungsentscheidungen, aber sie reduziert den Dokumentationsaufwand für den Abgleich.

Woran du merkst, dass das zu dir passt

• Du reichst regelmäßig Bauanträge ein — mehr als 5 pro Jahr, und du hast mindestens einmal einen Rücklauf wegen formaler Fehler erlebt
• Du verbringst mehr als 2 Stunden pro Antrag mit Vollständigkeitsprüfung, Querlesen und Abgleichen — und du weißt, dass du dabei trotzdem noch Fehler machst
• Du arbeitest in mindestens einem Bundesland mit gut strukturierten digitalen Bebauungsplänen — PDF-Pläne ohne Textschicht machen den Start deutlich schwerer
• Du hast eine Mitarbeiterin oder einen Mitarbeiter, der für den Prüfprozess verantwortlich ist — der Workflow funktioniert nicht als “gelegentliche Nutzung”, sondern als eingespielter Schritt

Wann es sich (noch) nicht lohnt — drei harte Ausschlusskriterien:

1. Weniger als 4–5 Bauanträge pro Jahr. Der Aufwand für Checklisten-Entwicklung und Prompt-Bibliothek amortisiert sich bei sehr wenigen Anträgen nicht. Ein einzelner Architekt mit gelegentlichen Einfamilienhäusern hat keinen systematischen Rücklaufproblem — und kein systematisches Problem, das systematische Werkzeuge rechtfertigt.

2. Projekte hauptsächlich in Bundesländern mit gescannten, nicht-textuellen Bebauungsplänen. OCR ist ein vorgeschalteter Aufwand, der die Nutzung deutlich erschwert. Wenn 80 Prozent deiner Bebauungspläne als nicht-durchsuchbare Scans vorliegen, ist der Mehraufwand für OCR-Konvertierung höher als der Nutzen.

3. Kein definierter Prüfprozess vor Einreichung. Wenn es im Büro keinen festen Schritt “jemand überprüft nochmal alles vor Einreichung” gibt, löst ein KI-Tool das strukturelle Problem nicht. Dann ist die sinnvollere erste Maßnahme, diesen Prozessschritt überhaupt einzuführen — dann erst die KI-Unterstützung dazu.

Das kannst du heute noch tun

Öffne ChatGPT oder Claude und lade den textlichen Teil eines Bebauungsplans aus einem aktuellen oder kürzlich abgeschlossenen Projekt hoch. Stelle dann diese konkrete Frage:

“Bitte prüfe diesen Bebauungsplan-Text und erstelle eine Liste aller Festsetzungen, die für ein Wohngebäude relevant sind: Grundflächenzahl, Geschossflächenzahl, Traufhöhe, Firsthöhe, Dachneigung und Dachform, Abstandsflächen, Stellplatzzahl. Nenne für jede Festsetzung den genauen Paragraphen oder die Ziffer im Bebauungsplan.”

Das dauert 15 Minuten inklusive Upload. Was du danach weißt: ob das Konzept für eure Projekte funktioniert — und wie verlässlich das System mit euren konkreten Bebauungsplan-Dokumenten ist.

Für die systematische Vollständigkeitsprüfung vor der Einreichung brauchst du einen Prompt, der auf dein Bundesland und deine häufigsten Gemeindetypen zugeschnitten ist. Hier ist eine Grundstruktur:

Quellen & Methodik

• Rücklaufquoten Bauanträge: Bundesministerium für Wohnen, Stadtentwicklung und Bauwesen, “Digitaler Bauantrag — Statusbericht 2024”; kommunale Erfahrungsberichte aus Baunetz-Recherche
• 16 Landesbauordnungen: Rechtlicher Sachstand nach allgemeinen Rechtsquellen; Stand April 2026
• KI-Haftung Architekten: Bundesarchitektenkammer e.V., FAQ “Wer haftet für Fehler beim KI-Einsatz durch Architektinnen und Architekten”, Stand 2024
• Kostenschätzungen Prüfaufwand: Erfahrungswerte aus Planungsbüros, keine repräsentative Erhebung
• ChatGPT Plus / Claude Pro Preise: Veröffentlichte Tarife der Anbieter, Stand April 2026