KI-Services in LIBAL: Informationen am Bauteil statt Dokumente in der Ablage

Kurzfassung: LIBAL setzt KI dort ein, wo im Bauwesen der grösste Engpass liegt: bei der Frage, ob die gelieferten Informationen zu einem Bauteil überhaupt stimmen und vollständig sind. Vier Services sind heute im Betrieb. Die Datenextraktion holt Informationen aus gelieferten Dokumenten auf Anlagen und Produkte. Die Erschliessung der Bestandsdokumentation macht aus gewachsenen Archiven eine strukturierte Datenbasis. Die Plausibilisierung der Informationslieferung bewertet je Bauteil mit einem Score von 0 bis 100, ob geforderte Attribute und Dokumente tatsächlich belegt sind. Der Building Assistant beantwortet Fragen zum Gebäude. Allen gemeinsam: Jede Aussage kommt mit Begründung und Verweis auf die Fundstelle im Dokument.

Das eigentliche Problem: Die meisten Datenumgebungen sind Dokumentenablagen

Was in der Branche als Common Data Environment betrieben wird, ist in der Praxis meist eine gemeinsame Dokumentenablage: PDFs, Pläne, Listen, abgelegt, versioniert, freigegeben. Auf den ersten Blick ist die Arbeit erledigt. Auf den zweiten fehlt genau das, was den Betrieb trägt.

Ein Beispiel aus dem Alltag: Für ein einziges Fenster können rund 80 Attribute gefordert sein, zusammengetragen von fünf bis sechs verschiedenen Beteiligten. Der U-Wert kommt vom Bauphysiker, die Wartungspflicht vom Unternehmer, die Garantie vom Lieferanten. Diese Informationen liegen verteilt über Energienachweis, Datenblatt, Ausschreibung und Betriebsanleitung, in Fliesstext, in Tabellen, teils mehrfach und teils widersprüchlich.

Setzt man auf diesen Bestand einen KI-Chatbot, bleibt das Ergebnis oberflächlich: Das Modell findet drei Fundstellen mit drei unterschiedlichen Aussagen und weiss nicht, welche davon die gültige ist. KI auf Dokumenten ist nur so gut wie die Struktur darunter. Deshalb setzen wir eine Ebene tiefer an, bei der Information am Bauteil, mit Quelle und Verantwortlichkeit.

Service 1: Datenextraktion aus Dokumenten auf Anlagen und Produkte

Aus dem Forschungsprojekt SBIS (Smart Building Information Service), das LIBAL gemeinsam mit der ZHAW und der FHNW mit Förderung durch Innosuisse betreibt, stammt der erste Baustein: die automatisierte Extraktion von Informationen aus gelieferten Dokumenten und die Zuordnung auf Anlagen und Produkte.

Die Verarbeitung läuft mehrstufig. Zuerst werden die Dokumente eingelesen (PDF, Word, Excel) und ihre Struktur erkannt, also Tabellen, Überschriften und Fliesstext. Danach wird der Inhalt in fachlich sinnvolle Abschnitte zerlegt, die geforderten Werte je Attribut extrahiert, den richtigen Objekten zugeordnet und gegen die zulässigen Wertebereiche geprüft. Aus einem Ordner voller Datenblätter wird so eine strukturierte, objektbezogene Datenbasis für Anlagen und Produkte.

Service 2: Aus der Bestandsdokumentation eine strukturierte Datenbasis machen

Der zweite Service adressiert den Bestand: Gebäude, die seit Jahren betrieben werden, ohne dass je eine strukturierte Datenbasis entstanden ist. Vorhanden ist stattdessen ein über die Jahre gewachsenes Archiv aus Abnahmeprotokollen, Steuer- und Regelbeschrieben, Checklisten und Datenblättern. In einer aktuellen Auswertung waren es über 900 Dokumente zu einer einzigen Liegenschaft.

Der KI-Service übernimmt diesen Dokumentenbestand als Paket, erkennt darin die Anlagen und Systeme und überführt sie in eine strukturierte Form mit Anlagen, Bauteilen, Typen, Attributen und den zugehörigen Dokumenten. Drei Eigenschaften machen den Unterschied:

Die Informationsanforderung steuert die Extraktion. Beim Import lässt sich mitgeben, welche Eigenschaften je Anlage gesucht werden sollen, etwa die Stufe-1-Attribute eines Elementplans: Anlagenkennzeichnung nach AKS, Arbeitsgattung nach BKP, ausführender Unternehmer, Abnahmedatum, Garantiefristen. Die KI arbeitet damit gegen ein definiertes Soll und nicht gegen ein diffuses „alles Wichtige“.

Die KI weiss, wo sie suchen muss. Die Quellen sind fachlich unterschiedlich ergiebig. Abnahmeprotokolle nach SIA 118 tragen den Löwenanteil, in der Auswertung deckten sie sieben von acht Basisattributen ab, von der Ausführungsfirma über das Abnahmedatum bis zu Garantiebeginn und Garantieende. Kennzeichnung und Anlagenstruktur stammen aus den Steuer- und Regelbeschrieben.

Fehlende Werte werden ausgewiesen, nicht geraten. Was in den Unterlagen nicht steht, erscheint ausdrücklich als nicht belegt. Der Raumbezug etwa ist im Bestand praktisch nie dokumentiert, in besagter Liegenschaft in einem einzigen von über 900 Dokumenten. Diese Lücke sichtbar zu machen ist wertvoller, als sie plausibel zu füllen.

Gescannte PDFs ohne Textebene, rund ein Drittel des Bestands, werden vorgängig per Texterkennung erschlossen. Am Ende steht keine durchsuchbare Ablage, sondern eine Datenbasis, an der die Information am Objekt hängt.

Service 3: Die Informationslieferung plausibilisieren mit Score, Begründung und Nachweis

Wie gross die Aufgabe ist, zeigt ein aktuelles Referenzprojekt. Für das Projekt Dreiklang am Kantonsspital Aarau rechnen die Fachabteilungen mit rund 60'000 Dokumenten in der Informationslieferung. Jedes einzelne davon manuell zu sichten, dem richtigen Bauteil zuzuordnen und auf inhaltliche Vollständigkeit zu prüfen, ist mit vertretbarem Aufwand nicht zu stemmen. In der Praxis führt das zur Stichprobe, und was die Stichprobe nicht erwischt, fällt erst im Betrieb auf, wenn die Angabe zur Wartung oder zur Garantie gebraucht wird und fehlt.

Genau hier setzt der Service an. Er beantwortet je Bauteil die Frage: Passt die Informationslieferung, und woran erkennt man das?

So funktioniert er:

Ein Score pro Lieferobjekt, nicht pro Dokument. Bewertet wird je Typ, Anlage oder Gewerk auf einer Skala von 0 bis 100, aufgeteilt in einen Dokumenten-Score (sind die geforderten Dokumentbereiche geliefert?) und einen Attribut-Score (sind die geforderten Eigenschaften belegt?).

Inhalt zählt, nicht der Dateiname. Ein Ordner „Datenblatt“ genügt nicht, er muss auch ein Datenblatt enthalten. Bewertet wird, was im Dokument steht.

Attributwerte brauchen einen Nachweis. Ein am Typ gepflegter Wert allein reicht nicht. Herstellerangabe, Seriennummer oder Garantiedatum gelten dann als plausibel, wenn sie sich in den hinterlegten Unterlagen wiederfinden.

Jede Bewertung ist begründet und belegt. Statt einer nackten Zahl liefert der Service je Attribut einen Befund mit Referenz auf den konkreten Dokumentabschnitt, zum Beispiel: Das Dokument nennt das Gerät und verweist auf die Modellnummer, damit ist Modell/Typ plausibel belegt.

Automatisch im Prozess. Die Prüfung startet, sobald ein Informationslieferungs-Task auf „In Prüfung“ wechselt. Das Resultat erscheint direkt am Task und aggregiert im Qualitäts-Dashboard: wie viele Lieferobjekte plausibel sind und welche nicht, jeweils mit Begründung.

Nachvollziehbar und wiederholbar. Der Service liefert strukturierte Ergebnisse über eine Schnittstelle, mit fester Bewertungsregel. Derselbe Fall führt zum selben Resultat.

Damit verschiebt sich die Prüfung von der Stichprobe zur Vollprüfung und von der Formalie (Datei vorhanden) zur Substanz (Aussage belegt). Der Mensch bleibt Entscheider: Die KI bereitet vor, priorisiert und begründet, freigegeben wird im Review.

Service 4: Fragen ans Gebäude stellen mit dem Building Assistant

Der vierte Service ist der sichtbarste und zugleich derjenige, bei dem der Unterschied zu einem generischen Assistenten am deutlichsten wird. Aus dem SBIS-Projekt stammt der Building Assistant, ein Chatbot, mit dem sich Fragen zum Gebäude in natürlicher Sprache stellen lassen. Wann wurde diese Anlage abgenommen? Wer ist der Unternehmer? Bis wann läuft die Garantie? Wo finde ich die Wartungsanleitung zu diesem Gerät?

Der entscheidende Unterschied liegt im Vorgehen. Ein üblicher Dokumenten-Chatbot durchsucht alle PDFs nach ähnlich klingenden Textstellen und formuliert daraus eine Antwort, mit dem bekannten Problem, dass dieselbe Angabe an drei Orten unterschiedlich steht. Der Building Assistant geht den umgekehrten Weg:

Zuerst das Objekt. Er identifiziert eindeutig, um welche Anlage, welchen Typ oder welches Bauteil es geht, über die Objektkennung und nicht über Textähnlichkeit.

Dann dessen Kontext. Er liest die Attribute und die diesem Objekt zugeordneten Dokumente, nicht das gesamte Archiv.

Dann die Antwort, mit Beleg. Jede Aussage wird mit der Fundstelle im Quelldokument ausgewiesen. Wer prüfen will, gelangt mit einem Klick zur Stelle im PDF.

Damit gilt das Prinzip Evidence-based: Der Assistent antwortet aus den Projektdaten, nicht aus dem Weltwissen des Sprachmodells. Findet er keinen Beleg, sagt er das, statt eine plausible Formulierung zu erfinden. Antworten bleiben strikt auf Projekt und Liegenschaft begrenzt und respektieren die bestehenden Berechtigungen.

Die fachliche Grundlage stammt aus der Forschung. In der SBIS-Vorarbeit wurde aus einer Stakeholder-Analyse ein Fragenkatalog entwickelt und den Datenstrukturen zugeordnet. Ein Befund daraus prägt das Produkt bis heute: Ein kleiner Teil der Fragen deckt den Grossteil des tatsächlichen Bedarfs im Betrieb ab. Wer diese Fragen zuverlässig und belegt beantwortet, löst mehr als ein Assistent, der alles ein bisschen kann.

Technisch teilt sich der Assistent die Werkzeuge mit den anderen KI-Services, also dieselbe Objektauflösung und dieselbe dokumentbezogene Recherche. Was der Assistent im Dialog tut, tut die Plausibilisierung automatisiert über alle Lieferobjekte hinweg. Und weil diese Werkzeuge über Schnittstellen bereitstehen, ist derselbe Zugang auch für KI-Agenten und Drittsysteme offen, nicht nur für den Menschen im Browser.

Im Video sehen Sie den Ablauf: Frage an den Building Assistant, Antwort mit Quellenangabe, Klick auf den Beleg und Sprung an die betreffende Stelle im Dokument.

Was das für Bauherren und Betreiber bedeutet

Der Nutzen entsteht nicht in der Bauphase allein. Wer bei der Übergabe belegen kann, welche Informationen vollständig sind und welche fehlen, betreibt sein Gebäude über Jahrzehnte auf einer Datenbasis, der man trauen kann. Und schafft die Voraussetzung dafür, dass künftige KI-Systeme und Agenten überhaupt sinnvoll darauf arbeiten können.

Sie möchten wissen, wie vollständig Ihre Informationslieferung wirklich ist? Kontaktieren Sie uns für eine Demo, wir zeigen die Plausibilisierung an einem Ihrer Gewerke.

Häufige Fragen