Abschnitt B — Ein neuer Kontinent

Unser Jahr begann mit einem weit verbreiteten – jedoch aus unserer Sicht mittlerweile aufgeklärten – Missverständnis:

Wenn Maschinen in Zukunft eigenständig planen können, müssen wir lediglich die richtigen Maschinen suchen und finden.

Je länger wir uns mit den neuen technologischen Möglichkeiten beschäftigt haben, desto eindeutiger hat sich für uns herausgestellt: Die heute verfügbaren neuen digitalen Systeme können nicht eigenständig planen. Sie können Planern helfen, ihre Intention besser zum Ausdruck zu bringen. Können in vielen organisatorischen und repetitiven Aspekten des Planungsalltags unterstützen. Und können in Zukunft möglicherweise sogar dafür sorgen, dass die Komplexität des Planungsprozesses für eine breite Öffentlichkeit handhabbar und zugänglich ist.

Ian Keough – der Gründer von Hypar – trifft den Punkt in seinem Artikel, in dem er darstellt, dass wir bislang nur Maschinen besitzen, die Pläne von Häusern erzeugen (CAD) oder Bilder von Häusern (KI) – dass wir aber bislang keine Maschinen entwickelt haben, die eigenständig ein Haus entwerfen könnten.

Der Komplexitätsgrad von Planung liegt nach unserer Einschätzung weit über dem, was sich heute glaubwürdig digitalisieren lässt. Eine Taxibestellung lässt sich digitalisieren. Eine Flugbuchung lässt sich digitalisieren. Eine Planung hingegen beinhaltet sehr viele, komplexe Sachverhalte — Bezüge zu einem realen Baustandort, menschliche und zwischenmenschliche Bezüge, regulative und rechtliche Bezüge.

Selbst wenn es technisch möglich wäre, einen vollautomatischen Planungsprozess ohne Kontakt zu Architekten, Behörden und Baufirmen zu absolvieren: Schwer vorstellbar, dass ein Bauherr, alleine auf dem Sofa, per Gesichtserkennung 15 Millionen Euro überweist und wartet, dass am nächsten Tag ein Haus geliefert wird.

Quelle: Artikel — A New Foundation For Building Design.

Eine Liste, die schneller wächst, als wir testen können

Auch wir begannen das Jahr mit einer Liste und einem Feld systematischen Ausprobierens. Das Werkzeug bestimmt das Werkstück. Also ist Testen unerlässlich. Ebenso, wie man den Umgang mit Pinsel und Farbe üben muss, ist die Auseinandersetzung mit zahllosen neuen Lösungen eine lohnende Beschäftigung, für die man sich etwas Zeit neben dem Arbeitsalltag reservieren sollte.

Im Abschnitt C dieses Buches haben wir versucht, die Werkzeuge vorzustellen, die bei uns einen Eindruck hinterlassen haben. Es ist jedoch zu beachten, dass nahezu täglich neue Startups und neue Funktionen hinzukommen.

Unser erstes Fazit:

Alle Werkzeuge, die einen automatischen Ansatz zur Herstellung von Planung mittels ausgefeilter Algorithmen verfolgen, konnten sich bei uns im Büro nicht behaupten.

Hinter den Startups steht eine bewundernswerte, fähige Community von sehr intelligenten Gründern und Erfindern, deren Beitrag zu Planung und Architektur gehört werden muss.

Wir gehen davon aus, dass das Potential dieser neuen digitalen Planungswerkzeuge in Zukunft wie eine externe Ressource in unsere Projektstrukturen integriert werden wird.

Handgeschrieben, Februar 2026.

In der Auseinandersetzung mit neuen digitalen Planungswerkzeugen fühlen wir uns bis heute immer wieder an die Vermessung eines noch unbekannten Kontinents erinnert. Wir stehen vor einer Technologie, deren Tragweite sich heute bestenfalls erahnen lässt.

Die Gruppe an ernsthaften Expediteuren ist überschaubar. Man erkennt sie üblicherweise daran, dass sie sich im Hintergrund halten, während die große Mehrheit an Deck ihres Kreuzfahrtschiffs vor dem Hintergrund der noch unbekannten Küstenlinie große Referate halten.

Ehrlich wäre einzuräumen: Bislang haben wir von dem neuen Land nicht viel mehr als ein paar Blattmuster und zwei Vögel eingesammelt. Wir befinden uns nicht in einer Phase der Konsolidierung, sondern ganz am Anfang einer Expedition, deren Ziel und Ausgang weit über das hinausgehen, was wir derzeit in Werkzeuglisten und Seminarkonzepten abgebildet bekommen.

Wer sich die Wirkmächtigkeit dieser Technologie vergegenwärtigen möchte, findet vielleicht auch in der Geschichte des Automobils eine brauchbare Analogie. Bertha Benz fuhr mit einer Konstruktion von Apotheke zu Apotheke — alle paar Kilometer musste Spiritus nachgekauft werden, die Straßen waren auf dieses Gefährt nicht eingerichtet, das Ergebnis wirkte wenig verheißungsvoll. Ein Jahrhundert später ist unsere gesamte wirtschaftliche und gesellschaftliche Ordnung auf diese Technologie abgestellt. Das ist das Maß der Transformation, das wir heute im Blick behalten sollten — nicht den aktuellen Stand der Werkzeuge.

KI generiert mit Claude, Februar 2026.

Bisherige Autorensoftware — Word, CAD, BIM — erzeugt keine eigenständige Information. Der Nutzer kontrolliert jeden Aspekt der Eingabe. Das Werkzeug führt aus, was angewiesen wird. KI funktioniert anders: Sie basiert auf einem enormen Trainingsdatensatz und ermöglicht Interaktion in freier Sprache. Jede Interaktion ist ein einmaliges, situationsspezifisches Ereignis.

Das ist konzeptionell bedeutsam — und zwar nicht trotz, sondern wegen der Eigenart unseres Berufs. Jedes Gebäude wird nur einmal gebaut. Jedes Projekt ist ein singuläres Vorhaben mit eigenem Kontext, eigenem Bauherrn, eigenen Anforderungen. Diese Einmaligkeit ist kein Nachteil gegenüber digitalisierbaren Serienprozessen — sie ist der Grund, warum KI für Planung und Architektur strukturell besser geeignet ist als für viele andere Branchen. Die Technologie passt zur Aufgabe.

KI generiert mit Claude, Februar 2026.

Wie man sich dem Thema nähert, hängt davon ab, was man erreichen will. Grob lassen sich zwei Ebenen unterscheiden.

Die erste betrifft spezialisierte Werkzeuge für Teilaufgaben — Tools, die konkrete, begrenzte Probleme lösen: Grundstücksrecherche, Ausschreibungstexte, Energieprognosen. Der Einstieg ist vergleichsweise niedrigschwellig, die Integration in bestehende Abläufe direkt möglich. Hier lässt sich schnell ein erster Eindruck gewinnen, ohne den gesamten Planungsprozess in Frage zu stellen.

Die zweite Ebene ist anspruchsvoller. Sie betrifft KI als Methodik — als Denkwerkzeug zur Erweiterung und Optimierung des eigenen Leistungsprofils. Hier ist der Lernaufwand höher, das Potential aber erheblich größer. Wer auf dieser Ebene arbeiten will, muss bereit sein, Abläufe grundsätzlich zu überdenken.

Beide Ebenen setzen jedoch dasselbe voraus: praktische Erfahrung. KI erschließt sich nicht durch Beobachtung. Sie erschließt sich durch Anwendung.

KI generiert mit Claude, Februar 2026.

KI wird das Berufsbild verändern — in welcher Form und in welchem Ausmaß ist noch offen. Die Haltung, sich mit der Technik lieber nicht auseinanderzusetzen, weil der eigene Arbeitsplatz in Gefahr sein könnte, ist keine Antwort auf diese Frage. Sie führt lediglich dazu, dass man die Entwicklung passiv erduldet, statt sie mitzugestalten.

Eine Branche, die sich als Kind der Aufklärung versteht — die Mathematik, Analyse und Prüfen zu ihren Grundtugenden zählt — sollte mit Experimenten antworten, nicht mit Meinungen. Die Auseinandersetzung mit KI ist kein Selbstzweck. Sie ist der einzige Weg, eine fundierte Einschätzung zu entwickeln und auf dieser Grundlage zu entscheiden, was sich verändern soll und was nicht.

KI generiert mit Claude, Februar 2026.

Die Frage, ob und wann KI die Arbeit von Architekten übernehmen wird, ist nicht nur technischer Natur. Sie berührt auch existenzielle Ängste und die Frage nach der Zukunft des Berufsbildes. Bis heute mutmaßen Influencer, Journalisten und vermeintliche Experten. Unsere Antwort darauf hat sich über die Jahre nicht verändert: Planung ist ein zwischenmenschlicher Prozess, den eine Künstliche Intelligenz nicht vollumfänglich abdecken kann:

KI ist nicht bauvorlageberechtigt — und es ist unwahrscheinlich, dass sich daran etwas ändern wird. In Jahren der Recherche und im direkten Kontakt mit Startups, Entwicklern und Gründern ist uns niemand begegnet, der Ambitionen gezeigt hätte, eine Kammereintragung anzustreben. Die Haftungsfrage ist damit schnell geklärt: Wer die rechtliche Verantwortung für einen Bauantrag trägt, steht schon heute fest — und das ist nicht das Modell. Wer das nicht für ausreichend hält, kann die Überlegung mit der Berufshaftpflicht zu Ende denken. Auch hier haben wir kein Startup angetroffen, das eine entsprechende Versicherung für seine KI-Ausgaben anstrebt.

KI generiert mit Claude, Januar 2026 – redaktionell bearbeitet Januar 2026.

Der Grund liegt in der Natur dessen, was Planung ausmacht. Planung ist kein algorithmisch lösbares Problem. Sie erfordert Vision, Intention und kreative Entscheidungen — Fähigkeiten, die an menschliche Erfahrung, Intuition und die Fähigkeit zur Interpretation komplexer, widersprüchlicher Anforderungen gebunden sind.

Jedes Planungsprojekt hat einen Bauherrn mit einer Anforderung, ein lokal verortetes Grundstück, mehrere Fachplanungsbeiträge, die koordiniert werden müssen, Behörden, die etwas genehmigen, und Anwohner, die betroffen sind. Diese Konstellation ist jedes Mal anders — und es ist die Aufgabe der Architekten, diesen Prozess zu moderieren, ihm eine Richtung zu geben und dafür zu sorgen, dass alle Beiträge möglichst bündig zusammenkommen.

In Jahren ausgiebiger Recherche haben wir bislang kein digitales System finden können, das diese Kommunikationsaufgabe im erforderlichen Umfang abdecken könnte. Wer für ein leeres Grundstück ein genehmigungsfähiges Konzept entwickeln soll, wird feststellen: Die KI kann je nach Fragestellung zahllose Varianten möglicher Versatzstücke liefern. Sie kann jedoch aus sich selbst heraus, ohne externe Anleitung oder Impulse, keine strukturell zusammenhängende Argumentation entwickeln.

Vielleicht lässt sich die Arbeit des Architekten auch so beschreiben: Strukturen zu schaffen, wo es noch keine offensichtlichen Strukturen gibt. Lösungsansätze formulieren, wo diese fehlen. Kurz: Für Leerstellen eine Vision zu formulieren und diese mit allen Beteiligten abzugleichen.

KI kann diesen Prozess unterstützen, kann Recherchen übernehmen, kann Varianten generieren, kann dokumentieren — aber die konzeptionelle Kernarbeit bleibt, wo sie immer war.

KI generiert mit Claude, Januar 2026 – redaktionell bearbeitet Januar 2026.

Hier liegt ein Widerspruch, der sich erst nach einiger Beschäftigung mit dem Thema erschließt. Architekten mit mehreren Jahrzehnten Berufserfahrung brauchen keine KI, die erklärt, wie Architektur herzustellen ist. Mit Erfahrung kommen das notwendige Wissen und Handwerkszeug, um Ergebnisse — ob von einer KI erstellt oder einem jüngeren Kollegen — zu prüfen und zu einer schnellen Einschätzung zu kommen, ob wesentliche Gesichtspunkte fehlen.

Am anderen Ende der Skala stehen jüngere Semester, die gerade aus dem Studium kommen. Sie finden zur Technik ungleich schneller Zugang, haben eine andere digitale Affinität und kommen in kürzerer Zeit weiter. Aber ihnen fehlen die Bewertungsmaßstäbe: Sie können KI deutlich besser bedienen, als ältere Kollegen es je werden — aber sie können nicht beurteilen, ob das Ergebnis brauchbar ist. Das implizite Wissen darüber, was funktioniert und was nicht, lässt sich nicht aus Trainingsdaten destillieren.

Dieses Paradoxon ist entscheidend für die Zukunft des Berufsbildes. Die Herausforderung besteht darin, beide Welten zusammenzubringen. Eine mögliche Antwort liegt sicherlich darin, Erfahrungswissen zu externalisieren und für jüngere Kollegen zugänglich zu machen. Wie gelingt es in Zukunft, am Ende eines Projektes nicht einfach einen Haufen Projektdaten auf dem Server zu hinterlassen — sondern dieses Wissen stattdessen in lebendige, abfragbare Informationen zu verwandeln.

Eine zweite Antwort sitzt schon heute direkt neben uns: Jüngere Kolleginnen und Kollegen adaptieren diese Technologie in einer Geschwindigkeit, die regelmäßig überrascht. Was wir in Wochen erarbeiten, haben sie in Tagen verstanden. Die Frage ist, inwieweit wir weiterhin darauf bestehen, der Jugend unreflektiert unser Erfahrungswissen weiterzugeben — und beispielsweise, wie wir in wochenlanger Kleinarbeit in Excel eine sechsdimensionale Türliste aufbauen — oder ob wir anfangen, auch sie zu fragen, wie sie ein Problem mit ihren Mitteln lösen würden. Ihnen fehlt die Berufserfahrung, um zu beurteilen, ob das Ergebnis taugt. Uns fehlt möglicherweise die Geschwindigkeit im Umgang mit der Technologie. Beides zusammen ergibt mehr als beides getrennt.

KI generiert mit Claude, Januar 2026 – redaktionell bearbeitet Januar 2026.

KI wird das Berufsbild verändern. Nicht, indem sie Architekten ersetzt, sondern indem sie die Arbeitsteilung innerhalb von Planungsprozessen neu ordnet. Routinen, die heute Zeit kosten, werden schneller erledigt. Entscheidungsgrundlagen entstehen früher. Das verlagert den Schwerpunkt der eigentlichen Arbeit — weg von der Informationsverarbeitung, hin zur Urteilsbildung.

Wer heute wartet, bis sich dieser Wandel von allein erklärt, wird die Chance verpassen, ihn mitzugestalten. Die Frage ist nicht, ob KI den Beruf verändert. Die Frage ist, ob man dabei ist, wenn die Antworten darauf entwickelt werden.

KI generiert mit Claude, Januar 2026 – redaktionell bearbeitet Januar 2026.

Die Auseinandersetzung mit neuen digitalen Werkzeugen zwingt zu einer Frage, die man sich im Büroalltag selten stellt: Warum planen wir eigentlich so, wie wir planen?

KI generiert mit Claude, Januar 2026 – redaktionell bearbeitet Januar 2026.

Die Geschichte der Planungswerkzeuge ist eine Geschichte des Medienwechsels. Wer sein erstes Praktikum vor Jahrzehnten absolvierte, lernte Planung als handwerkliche Disziplin: Tintenstift auf Transparentpapier, schwarze Linien auf Pergament. Eine Abstraktionsebene, die präzise Kontrolle erforderte und präzise Kontrolle ermöglichte. Als diese Darstellungsweise in den digitalen Raum transponiert wurde — zunächst in CAD, dann in BIM — blieb die Methodik im Kern dieselbe. Grundrisse, Ansichten, Schnitte, Maßketten, Beschriftungen. Die Plattform hat gewechselt. Die Logik nicht.

Was diese Arbeitstechnik auszeichnet: Man hat vollständige Kontrolle über das Ergebnis. Der Strich sitzt genau dort, wo er soll. Das ist aufwändig und langwierig — aber es ist der einzige Weg, eine persönliche Aussage in die Arbeit einzubringen. Intention, Haltung, Witz: Diese Qualitäten entstehen in der handwerklichen Kontrolle. Werkzeuge, die automatisch generieren, produzieren glatte, leistungsfähige, austauschbare Ergebnisse. Was daran fehlt, muss der Mensch hinzufügen.

KI generiert mit Claude, Januar 2026 – redaktionell bearbeitet Januar 2026.

Wir stießen auf eine Werkzeuglandschaft, die wir bis dahin nicht kannten. Das Ergebnis einer ersten systematischen Recherche zu KI-Anwendungen in der Planung war so erstaunlich wie ernüchternd: Es gab bereits eine Vielzahl von Werkzeugen — und weder wir noch unsere Planungspartner in großen Generalplanungsteams wussten von irgendeinem davon.

Zwei Sphären, die füreinander bestimmt sind, haben bis heute nur wenige Berührungspunkte. Auf der einen Seite die Architekturpraxis mit etablierten Prozessen und Werkzeugen. Auf der anderen eine Startup-Welt, die neue Lösungen entwickelte — aber in der Praxis nicht ankam, weil die Kommunikationskanäle fehlten.

Eine wichtige Unterscheidung, die sich früh herausstellte: Nur ein Teil dieser neuen Werkzeuge ist originäre KI. Der andere Teil sind parametrische, algorithmische Systeme, die sich teilweise KI bedienen, aber nach anderen Prinzipien funktionieren. Parametrische Werkzeuge haben ein enges Leistungsspektrum — sie lösen präzise das Problem, für das sie entwickelt wurden, und kommen darüber nicht hinaus. Generative KI hingegen ist breiter einsetzbar, dafür schwerer vorhersehbar. Beide haben ihren Platz. Die Verwechslung der beiden führt regelmäßig zu falschen Erwartungen.

KI generiert mit Claude, Januar 2026 – redaktionell bearbeitet Januar 2026.

Die naheliegende Hoffnung wäre gewesen, die neue Werkzeuggeneration ließe sich einfach in die bestehende Planungslogik einfügen — ein Update, kein Systemwechsel. Diese Hoffnung hat sich nicht bestätigt.

Nach Jahren intensiver Beschäftigung mit der Frage, wie sich alte und neue Werkzeugwelten verbinden lassen, ist die Erkenntnis klar: Es wird kein linearer Übertrag. Die Integration ist möglich — aber sie erfordert, dass man Abläufe neu denkt, statt nur neue Werkzeuge in alte Strukturen einzusetzen.

Darin liegt zugleich das eigentliche Potential. Die neue Technologie ermöglicht es, aufgaben- und projektspezifisch in einem eng gesteckten Rahmen Lösungen zu entwickeln, für die man früher Wochen und externe Programmierer gebraucht hätte. Das macht sie anwendbar und integrierbar — aber nur für denjenigen, der sich die Fähigkeit erarbeitet hat, sie sinnvoll einzusetzen. Die neuen Werkzeuge nur zu kennen ist nicht ausreichend. Man muss sich die neue Funktionalität aneignen und verstehen, wie man diese kombiniert, ihre Ergebnisse einordnet und im eigenen Prozess zur Anwendung bringt.

KI generiert mit Claude, Januar 2026 – redaktionell bearbeitet Januar 2026.

Aus den Tests und Erkundungen dieser Jahre lassen sich zwei Erkenntnisse festhalten, die sich nicht relativiert haben.

Die erste: Intention, Haltung und kreative Entscheidung müssen nach wie vor vom Menschen kommen. Die Werkzeuge beschleunigen, variieren, dokumentieren — aber die Qualität eines Planungsergebnisses entsteht nach wie vor dort, wo ein Mensch bewusst gestaltet. Die Technik produziert das Austauschbare. Das Unverwechselbare bleibt menschliche Leistung.

Die zweite: Scheitern gehört zur Methode. Wer erwartet, dass KI-Werkzeuge zuverlässig und reproduzierbar dasselbe Ergebnis liefern wie konventionelle Software, wird enttäuscht. Es sind Wahrscheinlichkeitssysteme, keine starren Algorithmen. Was letzte Woche beim Erläuterungsbericht funktioniert hat, muss bei der gleichen Aufgabe in einem anderen Projekt nicht funktionieren. Aus den Frustrationen lernt man mehr als aus den schnellen Erfolgen — vorausgesetzt, man dokumentiert beides.

KI generiert mit Claude, Januar 2026 – redaktionell bearbeitet Januar 2026.

Die auf längere Sicht anvisierte Zukunft firmiert unter dem Begriff „Data Driven Design“ – ein Zustand, in dem Planung durch ein zentralisiertes Datenmodell repräsentiert ist und Software nur noch dazu dient, dieses Modell zu ergänzen, zu befragen oder daraus Abbildungen zu generieren.

„Single Source of Truth" ist ein vergleichsweise altes Konzept. Weder BIM-Modelle noch Cloud-basierte Projektkommunikationssysteme haben es bislang geschafft, widersprüchliche oder fehlende Projektinformation dauerhaft zu eliminieren.

Die aktuelle Situation ist Jahrzehnte nach der Einführung von Computer Aided Design ernüchternd: „Digitale Planung" besteht heute noch aus individuellen Dateien, die als PDF druckbar sein müssen und nicht in der Lage sind, miteinander in Dialog zu treten. Wir arbeiten in einer fragmentierten Datenlandschaft, die man bestenfalls als Elektrifizierung von Planung bezeichnen kann. Jede Software produziert eigene Dateiformate, jeder Fachplaner arbeitet in seinem eigenen System, der Austausch erfolgt über statische Dokumente – PDFs, die ausgedruckt, in Aktenordner geheftet und kartonweise zum Bauamt gefahren werden.

Das Problem liegt tiefer als in der Frage der Bauamtsabgabe. CAD- und BIM-Software dienen letztlich der Generierung von Grundrissen, Ansichten und Schnitten. Der Output bleibt in klassischen Dokumenten verhaftet. Jede Software ist eine Insel, jeder Austausch über Exporte, Schnittstellen und Konvertierungen eine potenzielle Fehlerquelle.

Die Vision von Data Driven Design ist eine andere: nicht mehr ein Sammelsurium fragmentierter Dateien, sondern eine zentrale Datenquelle, die die gesamte Planung und ihre Geschichte enthält. Software dient dann nur noch dazu, diesen Datensatz zu befragen und darzustellen.

Konkret würde das bedeuten: Anstatt textliche, tabellarische und grafische Planungsinhalte in separaten Dateien zu erarbeiten, deren vordergründiger Daseinszweck darin besteht, ein Druckbild zu erzeugen, greifen alle Planungsbeteiligten auf einen zentralen Datensatz zu, um diesen zu ergänzen oder daraus Darstellungen abzuleiten. Änderungen wären sofort für alle sichtbar, Kollisionen würden automatisch erkannt, die Geschichte jeder Entscheidung bliebe nachvollziehbar.

Ein erster praktischer Ansatz in diese Richtung ist Speckle, ein Londoner Startup. Speckle entwickelt Plugins, die einen konsistenten Datensatz verlustfrei zwischen verschiedenen Anwendungen transportieren. Ein integrierter Viewer erlaubt es, diesen Datensatz zu visualisieren und zu befragen – etwa für Nutzungstypen-Darstellungen oder in Verbindung mit Power BI für spezifische Auswertungen. Das ist mehr als ein Konverter: Es ist der Versuch, einen gemeinsamen Datenraum zu schaffen, in dem verschiedene Softwarelösungen koexistieren können.

Speckle ist in Teilbereichen anwendbar. Von einem vollständig ausgeformten Data Driven Design ist die Planungsbranche jedoch weit entfernt. Die Vision ist formuliert, erste Schritte sind gemacht – aber die aktuellen Softwaresysteme sind proprietär, geschlossen und wenig interoperabel. Die wirtschaftlichen Interessen der großen Hersteller stehen einer echten Öffnung entgegen.

Das Potenzial bleibt dennoch relevant. In einer Data-Driven-Design-Umgebung ließen sich Fragen wie „Welche Räume liegen auf der Südseite, welche Fläche haben sie, welche energetischen Konsequenzen hat ihre Anordnung?" unmittelbar beantworten – statt mit erheblichem manuellem Aufwand. Planungsentscheidungen könnten auf einer anderen Grundlage getroffen werden: nicht mehr „Ich glaube, das funktioniert so", sondern „Die Daten zeigen, dass diese Lösung diese Konsequenzen hat."

Abbildung: Foto der Bauantragsabgabe.

KI generiert mit Claude, Januar 2026 – redaktionell bearbeitet Januar 2026.

Unsere Recherche begann zunächst ungeplant und aus einer Laune heraus, später mit zunehmender Neugier. Wie kann es sein, dass es zum Thema „Digitalisierung in Planung und Architektur" derartig viel Neues zu wissen gibt? Wir beschäftigen uns gefühlt sieben Tage die Woche in Vollzeit mit allem, was für unseren Beruf als Architekten im Entferntesten relevant ist – und finden zu Beginn unserer Recherche in unseren fachlichen Blasen, Kreisen und Medien keinerlei Spuren von dieser Entwicklung? Auch die Kollegen aus anderen Planungsbüros, mit denen wir in unseren Generalplanungsteams täglich zusammenarbeiten, wussten zum damaligen Zeitpunkt davon: nichts?

Mittlerweile wissen wir: Die Entwicklung ist neu, und die Startup-Welt kommuniziert über LinkedIn, YouTube und Tech-Konferenzen. Die Architekturpraxis kommuniziert über Kammern, Fachzeitschriften und Fortbildungen. Die verfügbaren Informationen in sozialen Medien erwiesen sich als wenig hilfreich: entweder werblich, weil Startups ihre eigenen Werkzeuge vorstellen, oder oberflächlich, weil YouTube-Videos spektakuläre Ergebnisse zeigen, aber nicht die dahinterliegenden Prozesse und Grenzen. Außerdem ändert sich bis heute alles so schnell, dass Informationen innerhalb weniger Wochen veraltet sind.

Der Auslöser für unsere mittlerweile mehrjährige Recherche war banal: Man schaute sich ein Werkzeug an, zwei Tage später war der Erkenntnisgewinn im Alltagsrauschen verschwunden. So entstand die Überzeugung: Es wird Zeit, ein paar Dinge aufzuschreiben und systematisch abzulegen.

Unser Ziel war zu Beginn recht naiv: Wir wollten in unserem Büro ein Momentum von vier bis sechs Wochen erzeugen, um die gewonnenen Erkenntnisse sorgfältig zu ergänzen und zu dokumentieren. Unsere Erwartung: In ein paar Wochen sollte es möglich sein, die neue Technik dem Grunde nach verstanden zu haben – und dann geht es weiter wie gehabt. Diese Hoffnung wurde enttäuscht: Nach sechs Wochen standen wir nicht am Ende einer Reise, sondern mitten in einem gänzlich unbekannten Terrain, für das offensichtlich noch kein Kartenmaterial verfügbar war.

Unsere Vorgehensweise entsprach dem Reflex, mit dem Ingenieure neuen Aufgaben begegnen: Erstmal eine Liste erstellen und eine Struktur schaffen. Also erfassten wir alle Werkzeuge, die uns brauchbar erschienen, und sortierten sie nach ersten Kategorien: textverarbeitende Chatbots, bildverarbeitende Systeme, Werkzeuge für Grundstücksanalyse, Planung, Bauausführung, Nachhaltigkeit. Dann ein Sechs-Wochen-Testprogramm. Die Ergebnisse wurden unter se-g.com/digital veröffentlicht – mit kurzen Einschätzungen zu jedem getesteten Werkzeug und Fotostrecken zur Veranschaulichung.

Dass die Liste öffentlich zugänglich ist, war eine bewusste Entscheidung. Viele Büros würden solche Erkenntnisse als Wettbewerbsvorteil behalten. Uns erschien das wenig sinnvoll: Wer in großen Planungsteams arbeitet, hat nichts davon, wenn nur ein Büro die neuen Werkzeuge kennt. Neue Reibungsverluste an den Schnittstellen wären die Folge.

Die Dokumentation erwies sich als ein Projekt ohne absehbares Ende. Die Technik entwickelt sich schneller, als man nachkommt. Was vor drei Monaten eingeschränkt war, kann heute leistungsfähig sein. Was gestern funktionierte, kann morgen durch ein besseres Werkzeug ersetzt sein. Die Liste ist ein lebendes Dokument – kein abgeschlossener Befund.

Das Webinar, das sich daraus entwickelte, war eine logische Konsequenz. Wissen teilen, Ergebnisse anderer einsammeln, mit eigenen Erkenntnissen abgleichen. Aus einem monatlichen Austausch unter Gleichgesinnten wurde eine fortlaufende Praxis.

Die zentrale Erkenntnis nach diesem ersten Jahr: Es gibt kein Werkzeug, das einen eigenständigen Planungsbeitrag erstellt. Jedes Werkzeug leistet nur einen fragmentarischen Anteil dessen, was einen Planungsbeitrag ausmacht. In allen Tests setzten sich moderierte Systeme durch – Systeme, bei denen eine planende Person den Prozess lenkt. Vollautomatische Lösungen erwiesen sich als nicht praxistauglich. KI ersetzt nicht den Planer. Sie erweitert seinen Handlungsspielraum – wenn man weiß, wie man sie einsetzt.

Abbildung: Unsere Recherche-Website.

KI generiert mit Claude, Januar 2026 – redaktionell bearbeitet März 2026.

Unsere Tests begannen mit einer bewusst binären Frage: Kann die heute verfügbare Technik automatisch eine Planung erstellen — oder nicht? Die Antwort kam schnell: Nein.

Aber dieses Nein bedarf der Einordnung. Es bedeutet nicht, dass die Werkzeuge nutzlos sind. Es bedeutet, dass kein einzelnes Werkzeug einen vollwertigen Planungsbeitrag liefert. Jedes deckt nur einen kleinen, fragmentarischen Anteil dessen ab, was eine Planung ausmacht.

Die Konsequenz: Werkzeuge müssen in Reihe geschaltet werden. Ein parametrisches System generiert eine Baumasse auf dem Grundstück. Ein anderes organisiert Grundrisse. Ein Bildgenerator entwickelt Fassadenvarianten. Die CAD-Software präzisiert die Ergebnisse. Jeder Schritt produziert ein Zwischenergebnis, das manuell bewertet, angepasst und weitergegeben werden muss. Nutzbare Workflows entstehen erst durch die Kombination.

Sobald das richtige Werkzeug für eine eng definierte Aufgabe gefunden ist, ändert sich etwas grundlegend. Diese Aufgabe lässt sich dann nicht nur einmal abarbeiten, sondern zehnmal, fünfzigmal, hundertmal — mit gleicher Präzision und in einem Bruchteil der Zeit. Der Skalierungseffekt ist real. Er setzt aber voraus, dass die Aufgabe präzise genug gefasst ist. Wer versucht, offen formulierte Aufgaben zu skalieren, scheitert. Wer die eigenen Prozesse kennt und weiß, welche Teilschritte wiederkehrend und abgrenzbar sind, findet hier erhebliches Potenzial.

Eine Beobachtung zog sich durch alle Tests: Nur Werkzeuge, die eine Schnittstelle zur konventionellen Planungsarbeit bieten, haben sich behauptet. DWG-Import und -Export, Kommunikation mit Revit, Kompatibilität mit AutoCAD — das sind keine Nebenbedingungen. Ein Werkzeug, das in seiner eigenen Umgebung brillante Ergebnisse produziert, aber keine Integration in bestehende Abläufe erlaubt, ist praktisch wertlos.

Ebenso konstant: In keinem Testszenario ließen sich Planungsrandbedingungen ausblenden. Alles, was als Assistenzsystem angelegt war und Eingriffe ermöglichte, hat sich bewährt. Alles, was vollautomatische Planung suggerierte, war zu unterkomplex. Das Problem lag nicht in der technischen Leistungsfähigkeit, sondern in der Komplexität realer Planungsaufgaben. Es gibt immer Sonderfälle, immer kontextspezifische Anforderungen, immer Abwägungen, die sich nicht algorithmisch auflösen lassen. Der Mensch moderiert. Das ist keine Einschränkung — das ist die Methode.

Angemerkt sei: Der Schwerpunkt der Tests lag auf Wohnungsbau. Viele verfügbare Werkzeuge sind auf diesen Typus ausgerichtet. Die Erkenntnisse sind daher nicht ohne weiteres auf andere Bauaufgaben übertragbar. Schule, Krankenhaus, Industriehalle — das sind Aufgaben mit anderen Parametern, für die die meisten Werkzeuge nicht konzipiert sind.

Aus diesen Tests haben sich vier Konzepte herauskristallisiert, die seither unsere Arbeitsweise prägen.

KI generiert mit Claude, Januar 2026 – redaktionell bearbeitet März 2026.

Sprachmodelle arbeiten mit dem, was man ihnen gibt. Die globalen Trainingsdaten sind zu allgemein, um für konkrete Projekte belastbare Beiträge zu liefern. Was funktioniert, ist gezielt kuratierter Kontext: strukturgebende Vorgaben, die der KI die Ordnungslogik des Projekts vermitteln, und inhaltliche Bestandteile, die projektspezifische Informationen einbringen. Beides ist nötig. Was sich aus globalem Wissen ableiten lässt – etwa baurechtliche Vorgaben –, muss anders behandelt werden als das, was nur aus dem konkreten Projekt hervorgeht: die spezifischen Anforderungen des Brandschutzkonzepts, die Besonderheiten des Standorts, die Vereinbarungen mit dem Bauherrn.

Abbildung: Konzept 1 – Kontext.

KI generiert mit Claude, Januar 2026 – redaktionell bearbeitet März 2026.

Viele neue Werkzeuge sind hervorragend geeignet, schnell einen ersten Eindruck einer Planungsaufgabe zu erzeugen – Baumassen, Grundrissvarianten, erste Verbrauchskennwerte. Die Einschränkung gilt auch hier: Kein einzelnes Werkzeug deckt eine vollständige Planung ab. Werkzeuge müssen in Reihe geschaltet werden, und der Planer muss moderieren und nachbessern können.

Der eigentliche Wert liegt woanders. Diese Werkzeuge ersetzen nicht den Planungsprozess – sie helfen, zu seinem Beginn die Intention und Zielsetzung eines Projekts präziser zu beschreiben, als das bisher möglich war. Wenn Bauherr und Planer früher mit belastbaren Kennzahlen in ein Projekt einsteigen, lassen sich Variantenplanung und Unklarheiten in späteren, kostspieligeren Phasen reduzieren.

Abbildung: Konzept 2 – Rapid Prototyping.

KI generiert mit Claude, Januar 2026 – redaktionell bearbeitet März 2026.

Bisher war die Visualisierung der Abschluss eines Entwurfsprozesses: Plan, Modell, Bild. Die Auseinandersetzung mit Bildgeneratoren hat dieses Verhältnis umgekehrt.

Heute beginnen wir mit Bildern. Aus einer strukturierten Sammlung von Referenzen, Materialstudien und Fassadenanmutungen verdichtet sich ein Bild des Projekts, das dann in die Zeichnung überführt wird. Farb- und Materialvarianten werden promptet, entwurfsbestimmende Details entwickelt, bevor erste Kompositionen entstehen. Am Ende des Prozesses steht die Zeichnung – nicht am Anfang.

Die neue Herausforderung ist der Umgang mit der Menge. Wenn beliebig viele Bilder in kurzer Zeit entstehen können, stellt sich die Frage nach Auswahl und Bewertung mit neuer Dringlichkeit. Was zeigt man dem Bauherrn, was bleibt intern?

Abbildung: Konzept 3 – Vom Bild zum Plan.

KI generiert mit Claude, Januar 2026 – redaktionell bearbeitet März 2026.

Einige Bildgeneratoren sind mittlerweile in der Lage, aus einer Visualisierung einen passenden Grundriss oder konstruktive Details abzuleiten. Die Ergebnisse lassen planungstechnische Präzision noch vermissen. Bemerkenswert ist aber, wie schnell sich diese Fähigkeit zuletzt entwickelt hat. Es bleibt zu erforschen, in welchen Bereichen der Planung dieses Potenzial sinnvoll einsetzbar ist.

Abbildung: Konzept 4 – Semantisches Verständnis.

KI generiert mit Claude, Januar 2026 – redaktionell bearbeitet März 2026.

Die neue Werkzeuglandschaft lässt sich nicht auf eine einzige Technologie zurückführen. Was sich beobachten lässt, ist ein Ökosystem aus drei ineinandergreifenden Technologiebereichen – mit einem vierten, der zunehmend dazukommt.

Text- und Bildgeneratoren. Das erste Feld sind die KI-basierten Sprachmodelle und Bildgeneratoren, angeführt von ChatGPT. Große internationale Unternehmen trainieren diese Systeme mit erheblichem Aufwand. Im Kern sind es stochastische Systeme – Wahrscheinlichkeitsberechnungen, die auf eine Aufgabenstellung das wahrscheinlich richtige Ergebnis zu finden versuchen. Das ist in vielen Anwendungen leistungsfähig. Für konstruktive Aufgaben im Bereich von Planung und Architektur liegt hier aber eine strukturelle Grenze: Ab und zu sind rechnerische Ergebnisse gefordert.

Parametrisches Design. Das zweite Feld sind algorithmisch berechnete Systeme – in der Architektur seit Jahrzehnten etabliert. CAD-Software basiert auf parametrischen, formelbasierten Logiken. Werkzeuge wie Grasshopper ermöglichen eine Arbeitsumgebung, in der Programmierlösungen organisch und kreativ entwickelt werden können. Gleiche Eingabewerte ergeben stets dasselbe Ergebnis. Das ist die ingenieurhafte Komponente: verlässlich und reproduzierbar.

Cloud- und Online-Kollaboration. Das dritte Feld ist die Verlagerung von Planungsmodellen und Teamarbeit in die Cloud. Komplexe Modelle liegen vollständig online, Planungsteams arbeiten ausschließlich über Videokonferenzen. Neue Werkzeuge kombinieren die Möglichkeiten der ersten beiden Felder mit Cloud-Computing und ermöglichen dadurch neue Arbeitsformen.

Diese drei Felder sind nicht getrennt. Die relevanten KI-Modelle haben begonnen, selbst Algorithmen zu schreiben und Berechnungen per Code durchzuführen – dort, wo Wahrscheinlichkeit nicht ausreicht. Die Konvergenz zwischen stochastischen und algorithmischen Systemen hat begonnen.

Robotik und Bestandserfassung. Ein vierter Bereich gewinnt an Bedeutung: sensorbasierte Datenerfassung im Bestand. Drohnen erstellen automatisch Fotogrammetrien, Laserscanner generieren Punktwolken, Systeme leiten aus Fotos 3D-Modelle ab. Das Potenzial für Bestandserfassung und Baubeobachtung ist beträchtlich – wenngleich für unsere Büropraxis noch nicht unmittelbar relevant.

Nicht alle Felder sind gleichermaßen ergiebig. Wie algorithmische Systeme den Planungsprozess eigenständig übernehmen sollen, erschließt sich uns bis heute nicht — dazu mehr in Kapitel B.1.6. Anders verhält es sich bei Geodaten, Grundstücksanalyse und Nachhaltigkeit: Hier lässt sich ein echter Mehrwert beobachten. Mehr Informationen früher im Prozess — das ist die eigentliche Leistung dieser Werkzeuge. Was das konkret bedeutet, zeigen die Beispiele in Kapitel C.3.

Abbildung: Drei Kreise Diagramm.

KI generiert mit Claude, Januar 2026 – redaktionell bearbeitet März 2026.