Warum das nächste Level der KI-Nutzung bei den eigenen Daten beginnt

Die Arbeit mit KI beginnt in den meisten Büros ohne Strategie, im eigenen Unternehmen war das nicht anders. Der erste Fall mit eindeutigem Nutzen war eine Vergabeempfehlung für einen Auftraggeber aus der Finanzwelt, dessen Fragen weit in Vertrags-, Rechts- und Kapitalthemen reichten. Dafür entstand ein persönlicher Assistent mit drei zuarbeitenden Agenten für genau diese Felder. Zuvor war für einen solchen Vorgang ein halber bis dreiviertel Arbeitstag zu veranschlagen, mit den Agenten war er in etwa einer Stunde erledigt.

Planungswissen liegt häufig verteilt in unterschiedlichen Dokumenten und Projektdaten vor. Eine strukturierte Wissensdatenbank macht diese Informationen für Mensch und KI gezielt auffindbar.
Bild: Ingenieure der Zukunft, erstellt mit „ChatGPT“ (OpenAI)

Die Zeitersparnis ist dabei aber das schwächere Argument. Der eigentliche Gewinn liegt in der Qualität: Zeit, die frei wird, fließt in Prüfung und Sorgfalt. Zuverlässig funktionieren heute vor allem reproduzierbare Aufgaben: Raumbücher aus vorliegenden Plänen, das Auswerten umfangreicher Unterlagen, Erläuterungsberichte und Bemusterungskataloge. Bei den Erläuterungsberichten tritt die Handschrift des einzelnen Bearbeiters zurück, das Qualitätsniveau gleicht sich an. Keiner dieser Fälle betrifft das Kernprodukt, und das ist beabsichtigt. Wer zuerst die Arbeit rund um die Planung ordnet, gewinnt Kapazität für die Planung selbst.

Wo generische Werkzeuge aufhören

Nach den ersten Erfolgen kommt in jedem Büro derselbe Punkt. Die Werkzeuge greifen auf das Internet zu, aber nicht auf das, was das Büro ausmacht. Der größte Wert eines Ingenieurbüros liegt im Wissen seiner Mitarbeiter und in den Daten, die über Jahre entstanden sind. Wer seit mehr als zehn Jahren erfolgreich am Markt ist, hat faktisch jede Aufgabenstellung seines Fachgebiets schon bearbeitet. Nur liegt dieses Wissen unstrukturiert vor. Ein zentraler Dokumentenspeicher hilft wenig. Er funktioniert nur, weil ein Mensch den Kontext mitbringt, der in keiner Datei steht. Genau dieser Kontext fehlt der Maschine.

Eine belastbare KI-Antwort braucht nachvollziehbare Quellen: Herkunft, zugrunde liegende Dokumente und verwendete Aussagen sollten für Planende überprüfbar bleiben.
Bild: Ingenieure der Zukunft, erstellt mit „ChatGPT“ (OpenAI)

Ein Beispiel aus der Praxis, in den Details verändert: In einem älteren Projekt war eine Trinkwasser-Rohrnetzberechnung fehlerhaft ausgelegt. Der Vorgang endete mit einem erheblichen Nachtrag. Im Archiv sieht man dem Projekt davon nichts an, dort liegt eine vollständige, formal einwandfreie Dokumentation. Wer lange genug im Büro ist, weiß, dass dieses Projekt keine Referenz ist. Wechseln die Bearbeiter, weiß es irgendwann nur noch die Geschäftsführung. Greift eine KI auf diesen Bestand zu, kann sie die Auslegung als besonders wirtschaftlich bewerten und als Vorbild vorschlagen. Aus einem alten Fehler wird auf diesem Weg ein Aushängeschild und daraus im ungünstigen Fall ein gravierender Fehler.

Der zweite Fehlertyp ist unauffälliger und mindestens ebenso gefährlich. Ein vertauschter Zahlenwert, etwa bei einem Mindestabstand zwischen Sanitärobjekten, wandert per Kopie in den nächsten Bericht und von dort in zwei weitere. In der Ablage steht die falsche Angabe danach dreifach und wirkt dadurch bestätigt. Ein Sprachmodell kann das nicht erkennen.

Daraus folgt der erste Arbeitsschritt, und er hat mit KI wenig zu tun. Der Bestand muss gesichtet und unterteilt werden in Daten, die für eine Wissensdatenbank geeignet sind, und in solche, die es nicht sind. Das verändert das Bild des Ingenieurbüros, weil es Mitarbeiter braucht, die Daten prüfen und freigeben. Wer den Aufwand am Anfang klein halten will, beginnt nicht mit dem Projektarchiv, sondern mit geprüften Beständen: Herstellerunterlagen, dokumentierte Erkenntnisse aus abgeschlossenen Projekten oder einzelne fachlich abgesicherte Themenblöcke.

Vom Katalog zur maschinenlesbaren Datei

Der technisch aufwendigste Teil ist die Aufbereitung. Ein Planungshandbuch eines renommierten Herstellers liegt im günstigen Fall als PDF vor, im ungünstigen als gedruckter Katalog. Darin stehen Tabellen, Formeln und Abbildungen, die den fachlichen Kern ausmachen. Gesucht ist ein Format, das eine Maschine verlustarm lesen kann und das zugleich wenig Kontext verbraucht, also wenige Token belegt. Bewährt haben sich strukturierte Textdateien im Markdown-Format. Diesen Ablauf so weit zu optimieren, dass aus einem PDF verlässlich eine brauchbare Wissensdatei wird, kann viel Zeit in Anspruch nehmen. Bemerkenswert ist, dass dafür kaum KI nötig ist. Es handelt sich um Regeln, Wiederholungen und Fleißarbeit.

Eine Ordnung, mit der Mensch und Maschine zurechtkommen

Aus tausend Textdateien entsteht noch keine Wissensdatenbank. Jedes Dokument braucht eine Einordnung: Um welche Art von Dokument handelt es sich, zu welcher Anlagengruppe gehört es, welche Kostengruppe ist betroffen, welche Fachdisziplin bearbeitet es? Die Fachdisziplin ist dabei kein Beiwerk. Die Kostengruppe 430 nach DIN 276 sagt noch nicht, ob eine Lüftungs- oder eine Kälteanlage gemeint ist.

Pläne, Berechnungen und Herstellerunterlagen können als Grundlage einer Wissensdatenbank dienen – vorausgesetzt, die enthaltenen Informationen sind fachlich geprüft und entsprechend strukturiert.
Bild: Ingenieure der Zukunft, erstellt mit „ChatGPT“ (OpenAI)

Ebenso wichtig sind die Verknüpfungen, denn die wenigsten Fragen bleiben innerhalb einer Anlagengruppe. Wer die Belegung eines Installationsschachts klärt, braucht gleichzeitig die Unterlagen aus Sanitär, Heizung und Lüftung. Ein Dokument muss deshalb auch dort auffindbar sein, wo es fachlich gebraucht wird, und diese Beziehungen müssen maschinenlesbar hinterlegt sein. Für die eigene Umsetzung hat sich zusätzlich eine Kopfzeile in jedem Dokument bewährt, die vor dem eigentlichen Inhalt mitteilt, was hier zu finden ist und wann besser an anderer Stelle weitergesucht wird.

Der Mensch darf dabei nicht verloren gehen. Bei Ingenieure der Zukunft kommt deshalb bspw. eine grafische Oberfläche zum Einsatz, die die Verknüpfungen als Netz darstellt. Eine Wissensdatenbank, in der sich nur die Maschine zurechtfindet, wäre ein Rückschritt.

Jede Antwort mit Herkunft

Erst an dieser Stelle kommt die KI wieder ins Spiel. Sie durchsucht den aufbereiteten Bestand, und jede Antwort wird mit ihrer Herkunft ausgegeben: aus welcher Wissensdatenbank sie stammt, welche Dokumente ihr zugrunde liegen und an welcher Stelle dort die verwendete Aussage steht. Ohne diese Kette lässt sich ein Ergebnis nicht sauber prüfen, und ohne Prüfung hat es in einem Ingenieurbüro nichts verloren. Da der Bestand im Haus liegt, funktioniert die Abfrage auch mit einem lokalen Modell ohne Internetverbindung.

Regeln, bevor es in die Fläche geht

Eine weitere Hürde bilden die rechtlichen Vorgaben, also die KI-Verordnung der EU und die Datenschutz-Grundverordnung. Darüber hinaus braucht jedes Büro eine eigene KI-Richtlinie: Welche Anwendungen sind zugelassen, wofür werden sie genutzt, wie sehen die Freigabeprozesse aus. Für den KI-Einsatz gilt im eigenen Büro eine einfache Regel: Intern wird KI eingesetzt, nach außen verantwortet immer ein Mensch. Keine E-Mail verlässt das Haus, ohne dass eine Person sie gelesen, geändert und freigegeben hat.

Der größte Fehler, den ich selbst gemacht habe, war der zu frühe Rollout bei zu wenig Erprobung. Daraus ist ein Kernteam für KI-Themen entstanden. Es prüft Agenten, Arbeitsweisen und Standards, trifft sich alle zwei Wochen und entscheidet, was in die Fläche geht. Wichtiger als der Prozess ist sein Nebeneffekt: Die Verantwortung für den KI-Einsatz liegt nicht mehr bei einer einzelnen Person.

Womit ein Büro beginnt

Am Anfang steht die Bestandsaufnahme: Eine Umfrage unter den Mitarbeitern, wer KI im Arbeitsalltag nutzt, bringt fast immer ein eindeutiges Ergebnis. Damit lautet die Frage nicht mehr, ob im Büro KI eingesetzt wird, sondern ob das Büro diesen Einsatz steuert. Ohne Regeln wandert Bürowissen in fremde Systeme. Der erste Schritt ist deshalb nicht das nächste Werkzeug, sondern Kompetenz im Kontext des eigenen Fachs. Danach folgt die Richtlinie, anschließend ein klar abgegrenzter Wissensbestand, an dem sich der Aufbau erlernen lässt. Eine Schulung zur VDI 6023 ist in jedem Büro selbstverständlich, ein Zugang zum Normenportal ebenso. Für den Umgang mit KI gilt inzwischen dasselbe.

Der Aufbau einer Wissensdatenbank ist damit weniger eine Softwarefrage als eine Entscheidung darüber, wie ernst ein Büro sein eigenes Wissen nimmt. Die Technik dahinter ist beherrschbar. Die Arbeit davor, nämlich das Sichten, Prüfen und Ordnen des Bestands, nimmt niemand ab.