SanKostAgent: KI-gestützte Sanierungskostenschätzung für den Gebäudebestand

Das Projekt analysiert Möglichkeiten und Grenzen von KI-Agenten für die Sanierungskostenschätzung im Bestand. Ziel ist die Beschreibung einer praxisnahen Agenten-Architektur mittels einer Bewertungsmatrix, die zeigt, welche Teilaufgaben kurzfristig automatisierbar sind. Die Ergebnisse sollen als Grundlage für die Entwicklung eines Prototyps dienen, Sanierungsentscheidungen in großen Gebäudeportfolios zukünftig effizienter, transparenter, energieeffizienter und nachhaltiger zu gestalten.

Problem- und Zielbeschreibung

Die Erstellung bauteilbezogener Sanierungskostenschätzungen ist für Bestandshalter entscheidungsrelevant, aufgrund der heterogenen Datenlage in der Praxis aber zeitintensiv und fehleranfällig. Wenn überhaupt, liegen Bestandsdaten in unterschiedlichsten Formaten vor. Des Weiteren sind Bauteile oft nicht eindeutig klassifiziert, es fehlen eindeutige Angaben zu Material, Zustand, Verortung. Die für eine valide Kostenschätzung benötigten Kostenkennwerte müssen zudem u.a. hinsichtlich der zugehörigen Mengen- und Massenansätze, regionaler Preisstände etc. kontextualisiert werden. Trotz dieser Unsicherheiten ist schlussendlich die Nachvollziehbarkeit der Kosten-Herleitung entscheidend.

Das Ziel liegt in einer strukturierten Klärung, welche Teilaufgaben unter welchen Randbedingungen heute zuverlässig von KI-Agenten übernommen werden können, wo und in welcher Art Grenzen z.B. hinsichtlich Datenqualität, Reproduzierbarkeit liegen und wie erste prototypische Umsetzung aussehen können.

Detaillierter Projektablauf und Ergebnisse

In zwei Workshops wurden die Arbeitsschritte des „Plan4-Gebäudechecks“ analysiert und in KI-geeignete Teilaufgaben zerlegt. Für diese wurden mögliche KI-Agentenrollen beschrieben und in einer Bewertungsmatrix nach Automatisierungspotenzial, Zeitersparnis, Genauigkeit, Implementierungsstand bewertet. Als eine zentrale Teilaufgabe stellte sich die KI-basierte Zustandsbewertung heraus. Dafür stellte Plan4 exemplarisch Zustandsdefinitionen und Bilder von fünf Gebäuden bereit. Auf dieser Basis wurde ein erster Prototyp umgesetzt, der Schäden erkennt, diese strukturiert auflistet und daraus eine Zustandsklasse für das Gebäude ableitet. Die vom Modell ermittelten Zustandsklassen stimmten grundsätzlich mit Expertenbewertungen überein. Dies zeigte die generelle Plausibilität des Ansatzes, konventionelle Kostenschätzung zukünftig durch KI-Agenten zu ersetzen. Die Ergebnisse sollen als Grundlage für weitere Entwicklungen auch unter Einbeziehung der energetischen Bewertung dienen

Projektnutzen, Verwertung und geplante Anschlussaktivitäten

• Strukturierte multikriterielle Bewertung, welche Teilaufgaben einer Sanierungskostenschätzung sinnvoll durch KI-Agenten unterstützt werden können.
• Erster Proof of Concept einer KI-basierten Zustandsklassifizierung von Gebäudebauteilen.
• Grundlage für zukünftige Entwicklungen zur Automatisierung der Gebäudezustandserfassung und Sanierungsvariantengenerierung unter Beachtung von Energieeffizienz und Nachhaltigkeit.

Zitat

Die verlässliche Bestandsbewertung ist essentiell für eine nachhaltige Instandhaltung, Sanierung und Bewirtschaftung von Immobilienportfolios. Wir freuen uns, unseren Kunden dies zukünftig durch den Einsatz von KI noch einfacher und effizienter anbieten zu können.

Julia Hirth, Head of Product & Development, Plan4 Software GmbH.

Finanziert durch