KI-gestützte Kostenschätzung nach DIN 276
KI unterstützt bei der DIN 276-Kostenschätzung in LPH 2 und 3: Kennwertvergleiche, automatische Kostengruppen-Zuordnung und plausible Schätzansätze auf Basis ähnlicher Referenzprojekte.
Es ist Donnerstag, 9:40 Uhr.
Architekt Markus Brenner hat gerade die Schlussabrechnung eines Mehrfamilienhauses in Nürnberg auf dem Tisch. 23 Einheiten, Neubau, mittlerer Standard. Schlussabrechnungssumme: 4,2 Millionen Euro. Seine Kostenschätzung aus LPH 2, vor anderthalb Jahren: 3,4 Millionen. Abweichung: 24 Prozent.
Der Bauherr ist nicht erfreut. Er fragt, warum die Abweichung so groß ist. Markus erklärt: gestiegene Materialpreise, ein unerwarteter Gründungsaufwand, ein Nachtrag im Trockenbau wegen statischer Anforderungen, die erst in LPH 4 erkennbar wurden. Das stimmt alles — aber der Bauherr hatte sein Budget auf der Basis von 3,4 Millionen kalkuliert. Er hat einen Kredit in dieser Höhe aufgenommen. Jetzt steht er 800.000 Euro im Defizit.
Die Frage, die der Bauherr nicht laut stellt, aber denkt: Hätte man das früher wissen können?
In manchen Fällen: ja. In anderen nicht. Der Unterschied liegt darin, ob die Kostenschätzung in LPH 2 auf dokumentierten Vergleichswerten basiert — oder auf dem Bauchgefühl des Planers.
Das echte Ausmaß des Problems
Kostenschätzungen nach DIN 276 in den frühen Leistungsphasen 2 und 3 gehören zu den haftungsintensivsten Leistungen im Architekturbüro. Die zulässige Toleranz ist in der Rechtsprechung umstritten: Während DIN 276 eine Genauigkeit von ±20 bis 30 Prozent für Kostenschätzungen in LPH 2 als üblich definiert, haben Gerichte in Streitfällen Architektenhaftung auch bei Abweichungen von 20–30 Prozent bejaht, wenn die Schätzmethodik nicht nachvollziehbar dokumentiert war.
Das strukturelle Problem: Kostenschätzungen in frühen Phasen basieren auf Kennwerten (Kosten pro Quadratmeter BGF, Kosten pro Kubikmeter BRI), die aus Erfahrung, Fachdatenbanken und Vergleichsprojekten zusammengesetzt werden. Diese Zusammensetzung ist selten transparent gemacht. Wer fragt: “Warum 2.800 €/m² BGF und nicht 2.400 €?” hört oft: “Das ist erfahrungsgemäß der richtige Ansatz.” Das ist juristisch schwach.
Laut Erhebungen der Bundesarchitektenkammer sind Kostenkonflikte zwischen Architekten und Bauherren einer der häufigsten Streitgründe. Die meisten Konflikte entstehen nicht, weil Architekten grob falsch lagen, sondern weil Bauherren glaubten, eine fixe Zusage erhalten zu haben — und weil die Schätzmethodik nicht schriftlich erklärt war.
KI verändert nicht das grundsätzliche Schätzrisiko. Es hilft, die Schätzbasis zu dokumentieren, Referenzwerte systematisch auszuwerten und Abweichungen früh zu erkennen.
Mit vs. ohne KI — ein ehrlicher Vergleich
| Kennzahl | Ohne KI-Unterstützung | Mit KI-Unterstützung |
|---|---|---|
| Schätzbasis-Dokumentation | Oft undokumentiert oder nur intern bekannt | Nachvollziehbare Referenzliste mit Quellenangabe |
| Referenzprojekt-Auswertung | Manuelle Suche im Büroarchiv | Strukturierte Auswertung eigener Projekthistorie |
| Abweichung Schätzung vs. Abrechnung | 20–40 % (branchentypisch) | Erfahrungsgemäß 15–25 % mit systematischer Methodik¹ |
| Zeitaufwand für Kostenschätzung LPH 2 | 4–8 Stunden (inkl. Recherche) | 3–6 Stunden (Recherche kürzer durch KI-Auswertung) |
| Haftungsabsicherung | Schwach bei undokumentierter Methodik | Stärker durch nachvollziehbare Referenzliste |
¹ Eigene Einschätzung basierend auf Erfahrungswerten; keine repräsentative Studie verfügbar.
Einschätzung auf einen Blick
Zeitersparnis — gering (2/5) Das ist der schwächste Wert in dieser Kategorie — und er ist bewusst gesetzt. KI spart bei der Kostenschätzung nicht primär Zeit, sondern Fehler. Die Recherche für Vergleichskennwerte geht schneller; die eigentliche Schätzarbeit bleibt komplex und erfordert dasselbe Fachurteil wie zuvor. Wer KI-Kostenschätzung primär wegen Zeitersparnis einführt, wird enttäuscht sein. Der Nutzen liegt woanders.
Kosteneinsparung — hoch (4/5) Ein vermiedener Kostennachtragsstreit kostet im Mittel 10.000–50.000 Euro Anwaltskosten, Planungsaufwand und Vertrauensverlust. Eine realistischere Erstschätzung, die weniger Erwartungsgefälle erzeugt, reduziert dieses Risiko. Der Nutzen ist real — aber er tritt in negativer Form auf: Du hast Konflikte vermieden, die du nicht direkt sehen kannst. Das macht den ROI-Nachweis schwer.
Schnelle Umsetzung — mittel (3/5) Der Einstieg ist nicht trivial: Du brauchst eine aufbereitete Projekthistorie, strukturierte Kennwerte aus Abschlussrechnungen und eine BKI-Datenbasis als Referenz. Das ist in 2–4 Wochen machbar — aber nicht sofort. Im Vergleich zur Entwurfsvisualisierung oder den Ausschreibungstexten dauert die Vorbereitung länger.
ROI-Sicherheit — sehr hoch (5/5) Das ist die stärkste Achse — und sie ist der Grund, warum dieser Use Case trotz geringer Zeitersparnis im Architektur-Toolset unverzichtbar ist. Die Abweichung zwischen Schätzung und Abrechnung ist messbar, über Jahre vergleichbar und direkt an Kostenpositionen belegbar. Wer systematisch misst und seine Methodik verbessert, sieht über fünf Jahre, wie seine Schätzgenauigkeit steigt. Das ist selten im Planungswesen: ein echter, messbarer Qualitätskennwert.
Skalierbarkeit — mittel (3/5) Die Methodik skaliert mit der eigenen Projekthistorie: Je mehr abgerechnete Projekte in der Referenzdatenbank stehen, desto genauer werden die Vergleichswerte. Das ist ein Unterschied zu den meisten anderen KI-Anwendungsfällen, wo die Qualität vom ersten Tag an konstant ist. Hier wächst die Qualität mit der Zeit.
Richtwerte — stark abhängig von Projekttypen-Mix, geografischem Schwerpunkt und Qualität der eigenen Projekthistorie.
Was KI bei Kostenschätzungen konkret macht
KI kann bei DIN 276-Kostenschätzungen in drei Bereichen helfen — und in einem entscheidenden Bereich definitiv nicht.
Bereich 1: Referenzprojekt-Auswertung
Du lädst die Schlussrechnungen oder die abgerechneten Kostenzusammenstellungen deiner letzten 10–15 Projekte hoch. Ein LLM strukturiert die Kennwerte nach Gebäudetyp, BGF, Ausstattungsstandard und Abrechnungsjahr. Das Ergebnis ist eine projektspezifische Vergleichstabelle: “Welche m²-BGF-Kennwerte hatte unser Büro für vergleichbare Wohngebäude, mittlerer Standard, 2021–2024?”
Dieser Schritt funktioniert besonders gut, wenn deine alten Kostenzusammenstellungen als PDFs vorliegen — du brauchst keine aufwändige Datenbank, nur ein strukturiertes Auswertungstool.
Bereich 2: BKI-Kennwertabgleich
Die BKI BauKosten-Datenbank liefert statistisch gesicherte Kennwerte aus tatsächlich abgerechneten Projekten — unterteilt nach Gebäudetyp, Ausstattungsstandard und Region. Ein LLM kann dir helfen, den richtigen Kennwertbereich für dein Projekt zu identifizieren, wenn du die Projektparameter beschreibst: Gebäudetyp, BGF, Stockwerkzahl, Ausstattungsstandard, Bundesland. Das System schlägt vor, welche BKI-Kategorie am besten passt und was die Streubreite bedeutet.
Bereich 3: Kostengruppen-Strukturierung nach DIN 276
Wenn du einen frühen Kostenentwurf hast, kann KI helfen, ihn auf Vollständigkeit gegen die DIN 276-Kostengruppen zu prüfen: Sind alle Kostengruppen (300 bis 700) mit Ansätzen belegt? Welche Nebenkosten (KG 700) wurden vergessen? Diese Vollständigkeitsprüfung ist kein Rechenvorgang — sie ist eine strukturelle Checkliste, die KI zuverlässig und schnell abarbeitet.
Was KI definitiv nicht kann:
Standortspezifische Risiken einpreisen: Schlechter Baugrund, komplizierte Erschließung, Altlastenverdacht, besondere Logistikkosten auf einem engen Stadtgrundstück — das sind Faktoren, die kein Kennwert und kein KI-System kennt. Hier bleibt das Planerfachurteil unersetzlich.
Aktuelle Marktpreise berechnen: Lohnkosten, Materialpreise und Auslastung der Bauunternehmen unterliegen starken regionalen und zeitlichen Schwankungen. Die BKI-Datenbasis hinkt dem Markt um 2–3 Jahre nach — KI kann das nicht ausgleichen.
Rechtssichere Kostenzusagen machen: Eine KI-gestützte Kostenschätzung ist kein Gutachten. Sie ist Planungsunterlage, keine rechtsverbindliche Kostenadditionalität.
Konkrete Werkzeuge — was wann passt
BKI BauKosten (ab 269 €) Die unverzichtbare Referenzdatenbank. Ohne BKI fehlt dir die institutionell anerkannte Grundlage für Kostenschätzungen. Der BKI-Kostenplaner (ab 712 €) bietet zusätzlich BIM-Integration und GAEB-Export — sinnvoll für Büros, die bereits mit Revit oder Archicad arbeiten. Die 4-Wochen-Testversion erlaubt einen kostenlosen Einstieg.
ChatGPT (GPT-4o) oder Claude (ab 20–25 €/Monat) Für die Auswertung eigener Projekthistorie: Du lädst die abgerechneten Kostenzusammenstellungen hoch und bittest das Modell, Kennwerte zu strukturieren, Ausreißer zu identifizieren und Vergleichskategorien zu bilden. Das ist keine Spezialsoftware — ein gutes LLM mit PDF-Upload reicht für diese Aufgabe.
Julius AI (ab ca. 20 USD/Monat) Wenn du eine strukturierte Tabelle aus deinen Projektdaten aufgebaut hast (z. B. in Excel: BGF, Abrechnungssumme, KG 300, KG 400 je Projekt), kann Julius AI statistische Auswertungen durchführen, Ausreißer visualisieren und Trendanalysen erstellen. Das ist der nächste Schritt nach dem einfachen LLM-Ansatz — sinnvoll für Büros mit 20+ abgerechneten Referenzprojekten.
| Situation | Empfehlung |
|---|---|
| Erste Kostenschätzung, keine eigene Projekthistorie | BKI BauKosten — externe Referenzdaten |
| Auswertung eigener abgerechneter Projekte | ChatGPT/Claude mit PDF-Upload |
| Statistische Analyse eigener Kostendaten in Excel | Julius AI — Visualisierung und Trendanalyse |
| Energetische Nachweise + Kostenschätzung kombiniert | BKI Energieplaner + BKI Kostenplaner |
Datenschutz und Datenhaltung
Kostenschätzungen enthalten Projektdaten deiner Auftraggeber: Grundstücksadressen, Budgetrahmen, manchmal auch Eigentümerangaben. Sobald du diese Daten in US-amerikanische Cloud-Tools hochlädst, greift DSGVO.
ChatGPT und Claude (API): In der API-Version werden Eingabedaten nicht für das Training genutzt. Ein Auftragsverarbeitungsvertrag (AVV) ist über die Business-Portale verfügbar und muss vor dem Produktivbetrieb abgeschlossen sein.
BKI BauKosten: Desktop-Software ohne Cloud-Upload — Projektdaten verlassen nicht deinen Rechner. Das ist der datenschutzkonforme Standard für sensible Bauherrendaten.
Julius AI: US-amerikanischer Anbieter; für reine Kennwert-Statistiken (ohne Personendaten) unkritisch; sobald Projektnamen und Eigentümerangaben in den Daten stehen, ist ein AVV erforderlich.
Empfehlung: Anonymisiere Projektdaten vor dem Upload in externe Tools. Ersetze “Bauherr Müller, Musterstraße 12” durch “Projekt WB-023, Wohngebäude mittlerer Standard”. Die Kennwert-Auswertung funktioniert auch ohne personenbezogene Daten.
Was es kostet — realistisch gerechnet
Setup-Aufwand (einmalig):
- Eigene Projekthistorie aufbereiten (10–15 Projekte strukturieren): 8–16 Stunden
- BKI-Datenbank einrichten und testen: 4 Stunden
- Prompt-Set für Kostengliederungs-Prüfung entwickeln: 2–3 Stunden
Laufende Kosten (monatlich):
- BKI Baukosten: 269 € einmalig oder 712 € für Kostenplaner (Jahreskauf; ca. 22–60 €/Monat gerechnet)
- ChatGPT Plus oder Claude Pro: 20–25 €/Monat (wahrscheinlich ohnehin vorhanden)
- Julius AI: 0–20 USD/Monat (nur für statistische Auswertung der Projekthistorie)
Konservative ROI-Rechnung:
- 6 Kostenschätzungen pro Jahr, je 2 Stunden Qualitätsgewinn bei der Recherche: 12 Stunden/Jahr
- Interner Stundensatz: 80–120 €/Stunde → ca. 960–1.440 € Zeitersparnis/Jahr
- Wichtiger: Ein vermiedener Kostennachtragsstreit: 10.000–50.000 € Folgekosten vermieden
- Der ROI liegt nicht in der Zeitersparnis, sondern in der Risikovermeidung
Ehrliche Einschränkung: Wer ROI im Sinne von “monatlich messbarer Zeitersparnis” sucht, ist bei den Ausschreibungstexten oder der Entwurfsvisualisierung besser bedient. Dieser Use Case ist Investition in Qualität und Haftungsschutz — mit einem unregelmäßigen, aber erheblichen ROI im Konfliktfall.
Drei typische Einstiegsfehler
1. Eigene Projekthistorie nicht aufbereiten und trotzdem “KI für Kostenschätzung” einführen. Ohne strukturierte eigene Referenzdaten bleibt KI bei Kostenschätzungen ein Allgemeinwissen-Tool, das BKI-Kennwerte zitiert — das kannst du direkt in BKI nachschlagen. Der echte Nutzen liegt im Abgleich mit deiner eigenen Projekthistorie: Was hat dein Büro tatsächlich für vergleichbare Projekte berechnet? Das erfordert einmaligen Aufbereitungsaufwand.
2. BKI-Kennwerte unindexiert übernehmen. Die BKI-Datenbasis hinkt dem Markt um 2–3 Jahre nach. Wer BKI-Werte aus dem aktuellen Jahresbuch direkt als Schätzgrundlage nimmt, ohne den Baupreisindex des laufenden Quartals anzuwenden, liegt systematisch zu tief. Der Indexanpassungsschritt ist in BKI integriert — aber er muss bewusst durchgeführt werden.
3. Die Kostenschätzung als “KI-Ergebnis” kommunizieren. Kostenschätzungen sind deine Planungsleistung, nicht das Ergebnis eines Tools. Wenn ein Bauherr fragt: “Wie kommt ihr auf die Zahl?” ist “Das sagt die KI” keine Antwort — und keine Haftungsabsicherung. Die richtige Antwort: “Das basiert auf unseren eigenen Referenzprojekten und der BKI-Datenbank — hier sind die Vergleichswerte.” Das macht die Methodik nachvollziehbar und ist gleichzeitig die stärkere Haftungsposition.
4. Keine systematische Nachverfolgung der Schätzabweichungen. Der wichtigste Schritt, den die meisten Büros weglassen: Nach Projektabschluss die Kostenschätzung aus LPH 2 mit der Schlussabrechnung vergleichen und die Abweichung dokumentieren. Nur so lernst du, wo deine Schätzungen systematisch danebeniegen — und kannst die Methodik gezielt verbessern.
Was mit der Einführung wirklich passiert
Kostenschätzung ist im Planungsbüro oft eine Einzelperson-Fähigkeit: Die erfahrene Person kennt die Zahlen, die jüngeren Mitarbeitenden nicht. Das ist ein Wissenstransfer-Problem — und genau hier hilft die systematisierte KI-Unterstützung.
Wenn die Referenzprojekte aufbereitet und strukturiert vorliegen, können auch jüngere Mitarbeitende begründete Erstschätzungen erstellen. Das entlastet die Senioren und verteilt das Wissen im Büro. Das ist kein Hype — es ist Wissensmanagement, das in Planungsbüros systematisch vernachlässigt wird.
Typisches Widerstandsmuster: “Ich hab das tausend Mal gemacht — ich weiß, wie das geht.” Das stimmt für die erfahrene Person. Aber wenn diese Person im Urlaub ist oder das Büro verlässt, ist das Wissen weg. Die aufbereitete Referenzdatenbank bleibt.
Zweites Muster: “Wir haften für die Zahlen — wir können das nicht einer KI überlassen.” Richtig. Deswegen bleibt das Urteil bei dir. KI bereitet die Datenbasis auf — du urteilst, welche Kennwerte für dieses spezifische Projekt angemessen sind. Das ist dieselbe Logik wie bei BKI: Du nimmst den Kennwert als Ausgangspunkt und passt ihn projektspezifisch an.
Realistischer Zeitplan mit Risikohinweisen
| Phase | Dauer | Was passiert | Typisches Risiko |
|---|---|---|---|
| Projekthistorie aufbereiten | Woche 1–2 | Abgerechnete Projekte der letzten 5 Jahre strukturieren | Alte Dokumente unvollständig oder uneinheitlich formatiert |
| BKI-Einführung und Abgleich | Woche 2–3 | BKI-Testversion einrichten, erste Vergleiche mit eigener Historie | BKI-Kategorie passt nicht gut auf Projekttyp — Anpassungsbedarf |
| Erste KI-gestützte Kostenschätzung | Monat 2 | Nächste Kostenschätzung systematisch dokumentiert erstellen | Mehraufwand durch Dokumentation anfangs größer als Nutzen |
| Abweichungsanalyse etablieren | Ab Monat 6 | Erste Projekte abgerechnet — Schätzung vs. Abrechnung vergleichen | Analyse wird vergessen weil Projekt schon abgeschlossen |
| Kontinuierliche Verbesserung | Laufend | Referenzbasis um neue Projekte erweitern | Historische Daten nicht regelmäßig aktualisiert |
Häufige Einwände — und was dahintersteckt
„Wir machen das schon immer mit BKI — wozu brauchen wir KI?” BKI allein gibt dir externe Referenzwerte. Was du damit nicht hast: einen strukturierten Vergleich mit deiner eigenen Bürohistorie. Dein Büro hat möglicherweise systematisch andere Kennwerte als der BKI-Durchschnitt — weil ihr bestimmte Gewerke besonders günstig oder teuer ausführt, weil eure Projektgröße vom Durchschnitt abweicht, oder weil ihr in Regionen aktiv seid, die im BKI-Index nicht gut abgebildet sind. Diesen büro-spezifischen Korrekturfaktor kannst du nur aus eigenen Daten ableiten.
„Kostenschätzungen sind bei uns immer individuell — das lässt sich nicht standardisieren.” Die Einschätzung der projektspezifischen Risiken ist individuell — die Methodik ihrer Dokumentation kann und sollte standardisiert sein. Welche Referenzprojekte wurden verglichen? Welcher BKI-Kennwert wurde als Ausgangspunkt gewählt? Welche Aufschläge wurden für welche Sonderumstände angesetzt? Diese Dokumentationsstruktur ist standardisierbar.
„Was ist, wenn die KI falsche Referenzwerte empfiehlt?” Du prüfst die Empfehlung. Jede KI-Ausgabe zur Kostenschätzung ist ein Ausgangspunkt für dein Urteil — kein Ergebnis. Das ist genau die Arbeitslogik, mit der du BKI-Werte verwendest: Du nimmst den Kennwert, bewertest seine Übertragbarkeit auf dein Projekt und passt ihn an. Die KI macht denselben Vorschlag schneller und mit mehr Referenzen.
Woran du merkst, dass das zu dir passt
- Du hast in den letzten 5 Jahren mindestens 10 Projekte abgerechnet, für die Kostenschätzungen und Schlussabrechnungen vorliegen
- Kostenschätzabweichungen sind bei dir ein wiederkehrendes Thema mit Bauherren — nicht ausnahmsweise, sondern regelmäßig
- Du erstellst pro Jahr 5+ Kostenschätzungen — der Aufwand für die Einrichtung amortisiert sich bei geringer Frequenz nicht
- Du möchtest deine Kostenschätzmethodik gegenüber Bauherren und im Streitfall dokumentieren können
Wann es sich (noch) nicht lohnt — drei harte Ausschlusskriterien:
-
Keine aufbereitete Projekthistorie vorhanden und nicht bereit, sie aufzubauen. Ohne eigene Referenzdaten bleibt der Mehrwert gegenüber BKI gering. Der Aufbereitungsaufwand (8–16 Stunden einmalig) ist nicht verhandelbar — er ist die Voraussetzung für den Nutzen.
-
Weniger als 5 Kostenschätzungen pro Jahr. Bei sehr niedrigem Schätzvolumen ist der Setup-Aufwand nicht gerechtfertigt. Ein Büro mit zwei Projekten pro Jahr schätzt aus Erfahrung — das lässt sich nicht sinnvoll systematisieren.
-
Ausschließlich Sonderprojekte ohne Vergleichsprojekte im deutschen Markt. Wer Museen, Industrieanlagen oder stark individualisierte Bauten plant, hat keine belastbare Referenzbasis. Dann sind externe Gutachter und sehr konservative Schätzansätze mit hohen Puffern der richtige Weg.
Das kannst du heute noch tun
Öffne deine letzte abgerechnete Kostenzusammenstellung als PDF in ChatGPT oder Claude und stelle diese Frage:
“Bitte strukturiere diese Kostenzusammenstellung nach DIN 276-Kostengruppen und berechne für jede Kostengruppe den Anteil an den Gesamtkosten. Berechne außerdem die Kosten pro m² BGF für die Gesamtmaßnahme und für KG 300 (Baukonstruktion) separat.”
Das dauert 10 Minuten. Das Ergebnis ist der erste Datenpunkt in deiner eigenen Projekthistorie — und zeigt dir, wie gut das System mit deinen Dokumenten umgeht.
Mitarbeiter:in
KI-Assistent
Quellen & Methodik
- Kostenschätzabweichungen und Toleranzen: DIN 276:2018 Kostenplanung im Bauwesen; Rechtsprechung zu Architekten-Haftung bei Kostenschätzungen (BGH VII ZR 64/13 u.a.)
- Kostenkonflikte als Streitgrund: Bundesarchitektenkammer, Tätigkeitsbericht 2024; Branchenberichte des AHO
- BKI-Datenbasis Zeitverzug: BKI BauKosten Produktbeschreibung und Methodikbeschreibung, Stand April 2026
- Baupreisindex: Statistisches Bundesamt, Baupreisindizes Hochbau, Stand Q1/2026
- ChatGPT Plus / Claude Pro Preise: Veröffentlichte Tarife der Anbieter, Stand April 2026
Diesen Inhalt teilen:
Interesse an diesem Use Case?
Schreib uns, wenn du mehr erfahren oder diesen Use Case für dein Unternehmen umsetzen möchtest. Wir melden uns zeitnah bei dir.
Weitere Use Cases
Baugenehmigungsunterlagen automatisieren
KI prüft Bebauungsplan und Landesbauordnung, erstellt Checklisten für Vollständigkeit und hilft beim Formulieren von Begründungsschreiben — bevor die Unterlagen zur Behörde gehen.
Mehr erfahrenKI-Entwurfsvisualisierung für Bauherren
KI-Bildgenerierung verwandelt frühe Entwurfsskizzen in überzeugende Visualisierungen — ohne externes Renderingstudio und ohne Wochen Wartezeit. Direkt aus dem BIM-Modell oder per Text-Prompt.
Mehr erfahrenGrundstücksanalyse und Bebauungspotenzial mit KI
KI analysiert Bebauungsplan, Abstandsflächen und GRZ/GFZ-Kennzahlen und zeigt in Minuten, was auf einem Grundstück baurechtlich machbar ist — ohne stundenlange manuelle Auswertung.
Mehr erfahren