KI-Bauplanerkennung und Massenermittlung
KI liest Baupläne automatisch aus und ermittelt Massen für die Kalkulation.
Das Problem
Massenermittlung aus Plänen ist zeitaufwändig und fehleranfällig.
Die Lösung
KI-Bildanalyse erkennt Bauteile in Plänen und berechnet automatisch Mengen und Flächen.
Der Nutzen
90% schnellere Massenermittlung, weniger Kalkulationsfehler.
Produktansatz
Plan-Upload-Tool mit KI-Erkennung und Export in Kalkulationssoftware.
Das echte Ausmaß des Problems
In einem mittelständischen Bauunternehmen oder Planungsbüro verbringen Kalkulator:innen einen erheblichen Teil ihrer Arbeitszeit damit, Pläne zu lesen und Mengen abzuzählen. Eine Massenermittlung für ein mittelgroßes Gewerbebauprojekt — 2.000 bis 5.000 Quadratmeter — dauert manuell zwei bis fünf Arbeitstage. Das ist keine Ausnahme, das ist der Normalfall.
Dabei ist die Aufgabe strukturell immer dieselbe: Aus einem Grundriss müssen Wandlängen, Fensterflächen, Türöffnungen, Bodenflächen, Deckenhöhen und Raumvolumina ermittelt werden. Aus Schnitten kommen Dämmstärken und Dachgeometrien. Aus Bewehrungsplänen folgen Stahlmengen. Wer das manuell macht, zählt Pixel, legt Lineal an, rechnet um — und macht dabei Fehler. Nicht wegen mangelnder Sorgfalt, sondern wegen der schieren Menge. Studien aus dem Bauwesen zeigen, dass manuelle Massenermittlungen eine Fehlerquote von 5 bis 15 Prozent haben. Bei einem Angebot von 800.000 Euro bedeuten 10 Prozent Fehler 80.000 Euro falsch kalkuliert — entweder zu günstig (und du baust drauf los mit Verlust) oder zu teuer (und du bekommst den Auftrag nicht).
Die Personalknappheit macht es schlimmer: Erfahrene Kalkulator:innen sind rar und teuer. Gleichzeitig wächst der Ausschreibungsdruck — mehr Angebote, weniger Zeit pro Angebot. Wer drei Wochen für eine Kalkulation braucht, verliert Aufträge an Wettbewerber, die schneller reagieren.
So funktioniert es in der Praxis
KI-gestützte Planauswertung läuft in drei Schritten: Du lädst den Bauplan hoch — PDF, DWG oder eingescanntes Papier —, die KI analysiert das Bild und erkennt Bauteile, du erhältst eine strukturierte Mengenliste als Export.
Konkret: Das KI-Modell wurde trainiert, Baupläne zu verstehen. Es erkennt Wände anhand ihrer Linienführung und Schraffur, unterscheidet tragende von nicht-tragenden Wänden, liest Maßketten aus und berechnet aus ihnen Längen und Flächen. Türen, Fenster und Öffnungen werden als Objekte erkannt und aus der Nettofläche herausgerechnet. Das Ergebnis ist eine Mengenliste: 180 Laufmeter Außenwand 30cm, 240 Laufmeter Innenwand 11,5cm, 42 Fensteröffnungen à 1,20m × 1,60m.
Diese Liste wird direkt in Kalkulationssoftware (ARRIBA, iTWO, ORCA) oder in das Leistungsverzeichnis exportiert. Der Kalkulator prüft das Ergebnis, korrigiert wo nötig — und hat damit in zwei Stunden erreicht, wofür er früher zwei Tage gebraucht hätte. Die eigentliche Kalkulator-Arbeit — Preise festlegen, Risikozuschläge einschätzen, Subunternehmer bewerten — bleibt Menschensache. Die Massenermittlung, die bisher den größten Zeitblock fraß, fällt weitgehend weg.
Für BIM-basierte Projekte (IFC-Dateien) ist die Massenermittlung häufig bereits im Modell hinterlegt — hier ist KI weniger relevant. Der Use Case gilt primär für die sehr große Menge an Projekten, die noch mit 2D-Plänen arbeiten.
Welche Tools passen hierzu
Togal.AI ist einer der bekanntesten spezialisierten Anbieter für KI-gestützte Massenermittlung. Das System wurde explizit auf Baupläne trainiert und erkennt sehr präzise Wände, Öffnungen, Flächen. Export in gängige Kalkulations- und LV-Software. Preise abhängig vom Projektvolumen — typisch 200–800 Euro pro Monat für ein mittelständisches Unternehmen.
Bluebeam Revu (mit Automatisierungsfunktionen) ist in deutschen Planungsbüros weit verbreitet und bietet automatische Mengenerkennung mit stetig wachsenden KI-Features. Gut, wenn du Bluebeam ohnehin schon nutzt.
PlanSwift bietet ähnliche Funktionen mit guter Integration in US-amerikanische Kalkulationssoftware. In Deutschland weniger verbreitet, aber für Unternehmen mit internationalen Projekten relevant.
ChatGPT kann bei gescannten Plänen grundlegende Bildanalyse leisten, ist aber kein Ersatz für spezialisierte Tools: Maßketten werden nicht zuverlässig gelesen, Mengenberechnungen sind ungenau. Sinnvoll als Experiment oder für sehr einfache Fragen zum Plan — nicht für produktive Massenermittlung.
Was es kostet — realistisch gerechnet
Spezialisiertes Tool (z. B. Togal.AI oder vergleichbar):
- Monatliche Lizenz: 200–800 Euro, je nach Nutzeranzahl und Projektvolumen
- Einarbeitung: 1–2 Tage pro Kalkulator:in
- Keine technische Integration nötig (Web-Upload)
ROI-Rechnung am Beispiel: Ein Kalkulator mit 55.000 Euro Jahresgehalt kostet brutto inkl. Lohnnebenkosten ca. 75.000 Euro — das sind rund 38 Euro pro Stunde. Wenn er durch KI-Massenermittlung pro Projekt 1,5 Tage (12 Stunden) einspart und dein Büro 20 Angebote pro Monat kalkuliert, sind das 240 gesparte Stunden monatlich — rechnerisch 9.120 Euro Personalkosten. Selbst wenn die reale Einsparung nur ein Drittel davon ist (80 Stunden), übersteigt sie die Tool-Kosten um das Dreifache. Der eigentliche Vorteil ist aber oft ein anderer: nicht Personaleinsparung, sondern mehr Angebote in derselben Zeit — und damit mehr Aufträge.
Realistischer Zeitplan
| Phase | Dauer | Was passiert | Typisches Risiko |
|---|---|---|---|
| Tool-Evaluation | Woche 1–2 | 2–3 Anbieter mit echten Projekten testen — eigene Pläne hochladen, Ergebnis prüfen | Test mit zu einfachen Plänen — echte Komplexität nicht abgebildet |
| Pilotprojekt | Woche 3–5 | Ein echtes Angebotsprojekt komplett mit KI-Tool kalkulieren, Ergebnis mit manueller Methode vergleichen | Zu viel Vertrauen ins Ergebnis ohne Gegenkontrolle — Fehler nicht bemerkt |
| Einarbeitung Team | Woche 5–7 | Alle Kalkulator:innen einweisen, Workflow definieren (wann KI, wann manuell) | Einzelne Kalkulator:innen nutzen Tool nicht — keine einheitliche Nutzung |
| Produktivbetrieb | Ab Woche 8 | KI-Massenermittlung als Standard für alle neuen Projekte | Qualitätsprüfung fehlt — Mengen werden ungeprüft übernommen |
Häufige Einwände
„Unsere Pläne sind oft handgezeichnet oder schlecht eingescannt — das kann die KI nicht lesen.” Das ist ein berechtigter Einwand für ältere Bestandspläne. Moderne KI-Systeme kommen mit vielen Planqualitäten zurecht — aber bei wirklich schlechter Scanqualität oder freihand gezeichneten Skizzen sind die Ergebnisse unsicher. Die ehrliche Antwort: Für Bestandsunterlagen aus den 1970ern oder 80ern ist manuelles Abgreifen oft nach wie vor der verlässlichere Weg. Für alle Projekte, die in den letzten 15 Jahren digital geplant wurden — und das ist die große Mehrheit — funktioniert KI-Erkennung sehr gut.
„Wenn die KI einen Fehler macht und ich den nicht bemerke, hafte ich für falsche Kalkulation.” Die Haftungsfrage bleibt unverändert bei dir — genauso wie heute, wenn eine Mitarbeiterin einen Rechenfehler macht, den du nicht entdeckst. Der Unterschied: Gute KI-Tools kennzeichnen Unsicherheiten und zeigen an, wo die Erkennung unsicher war. Du prüfst die markierten Stellen und gibst das Gesamtergebnis frei. Das ist kein blinder Automatismus — es ist eine andere Arbeitsteilung: Die KI erledigt die Routine, du prüfst das kritische Zehntel.
Wenn du wissen willst, wie viel Zeit deine Kalkulator:innen realistisch einsparen könnten — und welches Tool zu euren Planformaten und eurer Kalkulationssoftware passt — meld dich für ein kurzes Gespräch.
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
Automatische Leistungsverzeichnis-Erstellung
KI generiert aus Projektbeschreibungen und Plänen vollständige Leistungsverzeichnisse.
Mehr erfahrenKI-Mängelerfassung per Smartphone
KI analysiert Fotos von Baustellen und erkennt automatisch Mängel und Abweichungen.
Mehr erfahrenKI-gestützte BIM-Dokumentenanalyse
KI durchsucht BIM-Modelle und Planunterlagen nach Konflikten, Fehlern und Unvollständigkeiten.
Mehr erfahren