KI-gestützter Pre-Check für Leerstandsgebäude

Visualisierung der Ausgangssituation, des Problems und der Chancen bei der KI-gestützten Leerstandsbewertung
Quelle: Patrick Wagner, Fraunhofer IPA 

Das Projekt validierte eine Hybrid-Strategie zur Bewertung von Leerstandsgebäuden. Kernstück ist ein konzipierter „Agentic Workflow“, der kritische Datenlücken (z.B. Denkmalschutz, B-Plan) automatisiert schließt. Ergebnis ist eine detaillierte Roadmap für die Prototypen-Entwicklung im folgenden Exploring Project. Dies schafft die technische Basis, um Kommunen und Investoren künftig schnell eine belastbare Entscheidungsgrundlage für Reaktivierung, Sanierung und Umnutzung zu liefern.

Problem- und Zielbeschreibung

Kommunen stehen vor der Herausforderung, Leerstände effizient bezüglich Reaktivierung, Sanierung und Umnutzung zu bewerten. Bisherige Verfahren sind manuell, zeitintensiv und unstandardisiert, eine automatisierte Zusammenführung verstreuter Daten (Energetik, Bausubstanz, Recht) fehlt oft.

Ziel des Quick Checks war die Konzeption einer automatisierten „Pre-Check“-Plattform. Basierend auf einer Marktanalyse wurde eine Hybrid-Strategie („Buy & Build“) entwickelt: Sie nutzt kommerzielle API’s für Basisdaten und schließt kritische Lücken wie Denkmalschutz und B-Pläne durch einen neuartigen „Agentic Workflow“ mit spezialisierten KI-Agenten zur Automatisierung der Datenbeschaffung.

Das Ergebnis ist eine Roadmap für das anschließende Exploring Project. Hier sollen zunächst diese technischen Lücken adressiert und Synergien mit weiteren Akteuren geschaffen werden. Ziel ist die prototypische Umsetzung, um Investoren und Kommunen eine belastbare Entscheidungsgrundlage für Leerstände zu liefern.

Projektmethodik: von der Marktanalyse über den Datenabgleich bis zur Definition der Lücken für das Exploring Project.
Quelle: Patrick Wagner, Fraunhofer IPA

Detaillierter Projektablauf

Ausgangspunkt war der Bedarf, die Bewertung der Sanierung kommunaler Leerstände von fehleranfälliger manueller Recherche in einen skalierbaren, digitalen Prozess zu überführen.

In drei Arbeitspaketen wurde eine Lösung erarbeitet:

• Analyse: Eine umfassende Marktanalyse identifizierte Syte (“Buy”) als eventuelle Basis für Marktdaten.
• Datenmodellierung: Durch Abgleich mit einem idealen Soll-Datenmodell wurden kritische Lücken (z.B. Denkmalschutz, B-Pläne) identifiziert.
• Konzeption: Entwicklung einer Hybrid-Architektur („Build“), um diese Lücken zu schließen.

Technologisch steht die Konzeption eines Agentic Workflows im Mittelpunkt. Der Plan sieht vor, dass spezialisierte KI-Agenten (basierend auf Large Language Models) künftig autonom Dokumente analysieren und via APIs fehlende Parameter (z.B. Bodenrichtwerte, Förderungen) beschaffen. Dieser Fahrplan bildet das Fundament für die Prototypen-Entwicklung zur Erstellung von standardisierten Projektentwicklungsberichten.

Projektnutzen

• Strategische Klarheit: Definition einer „Buy & Build“-Strategie, die schnelle Marktdaten (Syte) mit exklusiven KI-Eigenentwicklungen verbindet.
• Lösung für Datenlücken: Konzeption eines „Agentic Workflows“, der fehlende Informationen (z. B. Denkmalschutz, B-Plan) künftig automatisiert beschafft und über struktuierte Prompts relevante Informationen extrahiert und in ein Datenmodell überführt.
• Investitionssicherheit: Eine detaillierte Roadmap und Machbarkeitsprüfung minimieren das Risiko für die Entwicklung im anschließenden Exploring Project.
• Effizienz-Potential: Aufzeigen eines klaren Weges, wie die manuelle Recherchezeit bei der Gebäudeanalyse drastisch reduziert und standardisiert werden kann.
  

Zitat

Der Quick Check bot den idealen Rahmen, unsere Strategie risikoarm zu validieren.

Kim Haisch, sutter³ GmbH & Co. KG

Finanziert durch