Vom Datenchaos zur CO₂-Bilanz: Wie KI Bestandsgebäude schneller bewertbar macht

Wer die CO₂-Emissionen eines Gebäudes berechnen will, muss zunächst wissen, womit er es zu tun hat. Wie groß ist das Gebäude? Welche Materialien wurden verbaut? Wie sind Außenwände und andere Bauteile aufgebaut? Welche technische Gebäudeausrüstung ist vorhanden? Wie viel Strom und Wärme verbraucht das Gebäude? Bei Neubauten entstehen viele dieser Informationen heute bereits digital. Im Bestand sieht es oft anders aus. Daten verteilen sich auf Baupläne, Flächenberechnungen, Dokumentationen zu Sanierungen, Energieausweise und Verbrauchsdaten. Manche Unterlagen liegen strukturiert vor, andere als PDF, Scan oder in nicht digitalisierter Form. Hinzu kommen unterschiedliche Qualitäten und Bezeichnungen.

Genau das erschwert nicht nur einzelne CO₂-Bilanzen. Immobilienunternehmen, Bauträger oder Kommunen müssen häufig ganze Portfolios mit unterschiedlichen Gebäudetypen bewerten. Dafür jedes Dokument einzeln zu öffnen, relevante Werte herauszusuchen und anschließend in ein Bilanzierungswerkzeug zu übertragen, kostet viel Zeit.

Hitzler Ingenieure und elevait arbeiten deshalb gemeinsam an einem Ansatz, der einen Teil dieser Arbeit mit künstlicher Intelligenz automatisieren soll. Hitzler Ingenieure bringt dabei unter anderem Erfahrung aus Projektmanagement und Nachhaltigkeitsberatung ein. Das 2021 gegründete Unternehmen elevait entwickelt KI-Lösungen, die Informationen aus Dokumenten auslesen, strukturieren und für weitere Prozesse bereitstellen. Gemeinsam arbeiten beide Unternehmen an der Lösung ai:cm.

Aus Dokumenten müssen erst Daten werden

Eine CO₂-Bilanz beginnt nicht mit der Berechnung, sondern mit der Datensuche. Für eine ganzheitliche Bewertung braucht es beispielsweise Angaben zu Standort, Baujahr und Nutzung, Flächen, Bauteilen und Materialien, technischen Anlagen sowie Energiebedarf oder tatsächlichem Verbrauch. Je nach Gebäude können diese Informationen in sehr unterschiedlichen Dokumenten stecken.

Der KI-Ansatz setzt deshalb einen Schritt früher an. Nutzer laden zunächst vorhandene Unterlagen hoch. Das System entpackt die Dateien, prüft sie auf Duplikate und klassifiziert die Dokumente. Dabei unterscheidet es unter anderem Pläne von anderen Unterlagen und ordnet Informationen nach DIN 276. Anschließend durchsucht die Software die Dokumente nach den Angaben, die sie für die CO₂-Berechnung benötigt. Bei Plänen liest sie Text sowohl über OCR als auch aus vorhandenen PDF-Ebenen aus, gruppiert zusammengehörige Textbestandteile und extrahiert daraus Metadaten. Damit übernimmt die KI einen Arbeitsschritt, der bisher viel Handarbeit erfordert: Sie sucht in heterogenen Bestandsunterlagen nach relevanten Informationen und bringt sie in eine Struktur, mit der sich anschließend weiterarbeiten lässt.

Ein Münchner Wohnprojekt als Praxistest

Wie gut das funktioniert, haben elevait und Hitzler Ingenieure an der Wohnbebauung Stanigplatz in München getestet. Das Projekt im Stadtteil Hasenbergl umfasst 49 Wohnungen sowie ein Alten- und Servicezentrum und wurde 2021 fertiggestellt. Für den Test sollte eine CO₂-Bilanz nach dem DGNB-Verfahren entstehen. Die Beteiligten gingen dabei zweigleisig vor.

Die KI suchte zunächst in den vorhandenen Unterlagen nach den benötigten Kennwerten und erstellte daraus eine CO₂-Bilanz. Parallel dazu berechnete das Nachhaltigkeitsteam von Hitzler Ingenieure die Bilanz auf herkömmlichem Weg. Für die manuelle Berechnung werteten die Fachleute unter anderem Angaben aus der Baugenehmigung aus, bestimmten Flächen anhand von Berechnungen und Grundrissen und ermittelten Bauteilflächen aus Ausführungsplänen. Da keine vollständige Stückliste der technischen Gebäudeausrüstung vorlag, berücksichtigten sie dafür einen Zuschlag. Energiekennwerte entnahmen sie dem Energieausweis und Verbrauchsdaten aus dem Jahr 2022. Danach verglichen beide Teams die Ergebnisse und passten den KI-Ansatz schrittweise an.

20 Minuten statt 40 Stunden

Der Vergleich fällt zunächst deutlich aus. Die KI berechnete für das Gebäude einen Gesamtwert von 20,43 Kilogramm CO₂-Äquivalenten pro Quadratmeter Nettoraumfläche und Jahr. Dafür benötigte sie rund 20 Minuten. Die manuelle Berechnung von Hitzler Ingenieure kam auf 18,36 Kilogramm CO₂-Äquivalente pro Quadratmeter Nettoraumfläche und Jahr. Dafür fielen laut Projektangaben rund 2.400 Minuten, also 40 Stunden, an.

Zwischen beiden Ergebnissen liegen rund elf Prozent. Diese Differenz erzählt jedoch  noch nicht die ganze Geschichte. Die Berechnungen unterschieden sich auch methodisch. Besonders bei der Baukonstruktion führten unterschiedliche Arten der Flächenberechnung zu Abweichungen, vor allem bei den Außenwänden. Dadurch veränderten sich auch der Zuschlag für die technische Gebäudeausrüstung und das Gesamtergebnis. In der KI-Bilanz war zudem der Austausch von Bauteilen zum damaligen Entwicklungsstand noch nicht enthalten. Die Fachleute von Hitzler Ingenieure prüften das KI-Ergebnis deshalb manuell. Diese Kontrolle bewerteten die Projektpartner ausdrücklich als sinnvoll, weil sie Sicherheit schuf und zeigte, an welchen Stellen die Berechnung weiter verbessert werden muss.

Wann reicht eine Näherungswert?

Der Test zeigt damit weniger, dass KI die Fachplanung vollständig übernehmen kann. Interessanter ist eine andere Frage: Wie genau muss ein Ergebnis für den jeweiligen Anwendungsfall überhaupt sein? Für eine Zertifizierung oder eine abschließende Bilanz braucht es belastbare und nachvollziehbare Werte. Für die frühe Bewertung eines großen Gebäudebestands kann dagegen schon eine gute Näherung helfen, auffällige Gebäude zu erkennen und Prioritäten zu setzen.

Genau hier liegt das Potenzial des Ansatzes. Die KI soll eine CO₂-Bilanz auch dann ermöglichen, wenn die Datenlage noch nicht vollständig ist. Fehlende Informationen lassen sich teilweise mit Sekundärdaten ergänzen. Auf Portfolioebene könnte die Software viele Gebäude mit deutlich weniger manueller Arbeit auswerten und die Ergebnisse anschließend über Kennzahlen, Filter und Dashboards vergleichbar machen. Das würde den Einsatzbereich verändern. Statt nur einzelne Gebäude mit hohem Aufwand zu bilanzieren, könnten Eigentümer zunächst große Bestände analysieren und dann dort genauer hinschauen, wo sich besonders hohe Emissionen oder große Sanierungspotenziale zeigen.

Die KI liegt bei der Konstruktion im Bereich anderer Verfahren

Einen weiteren Plausibilitätscheck liefert der Vergleich des Werts für die Baukonstruktion mit anderen Berechnungsverfahren. Die KI kam hier auf 7,54 Kilogramm CO₂-Äquivalente pro Quadratmeter Nettoraumfläche und Jahr. Vergleichswerte lagen je nach Verfahren zwischen 6,32 und 12,13 Kilogramm. Bei den Berechnungen nach DGNB und QNG lag das KI-Ergebnis innerhalb beziehungsweise nahe an den dort ermittelten Werten.

Damit zeigt der Test zumindest für dieses Gebäude, dass die automatisierte Berechnung nicht außerhalb der Größenordnung etablierter Verfahren lag. Eine allgemeine Aussage über die Genauigkeit des Systems lässt sich daraus allerdings noch nicht ableiten. Der Test bezieht sich auf ein konkretes Projekt. Auch die Projektpartner sehen weiteren Entwicklungsbedarf und wollen unter anderem die verwendeten Kennwerte und Annahmen weiter optimieren.

Der größere Hebel liegt in der Datenstruktur

Die CO₂-Bilanz ist dabei nur eine mögliche Anwendung. Wenn eine KI Informationen aus unstrukturierten Unterlagen zuverlässig erkennt und strukturiert, lassen sich dieselben Daten grundsätzlich auch für andere Aufgaben nutzen. Die Projektpartner sehen unter anderem Potenzial für Variantenvergleiche, die Bewertung der Wiederverwendbarkeit von Bauteilen, Schadstoffinformationen und Klimaschutzfahrpläne. Der entscheidende Schritt liegt damit nicht nur in einer schnelleren Berechnung. Zunächst entsteht aus verstreuten Dokumenten eine nutzbare Datenbasis. Das kann gerade für Bestandsportfolios wichtig werden. Denn viele Unternehmen kennen das Problem nicht erst seit den steigenden Anforderungen an CO₂-Bilanzen: Sie verfügen über große Mengen an Informationen, können diese aber nur mit erheblichem Aufwand auswerten. KI kann diese Lücke verkleinern, wenn sie Informationen zuverlässig findet, einordnet und für weitere Berechnungen bereitstellt.

Automatisieren, aber nicht ungeprüft übernehmen

Der Versuch am Stanigplatz zeigt zugleich die Grenze des Ansatzes. Eine Zeitersparnis von 20 Minuten gegenüber 40 Stunden klingt eindrucksvoll. Doch beide Werte beschreiben unterschiedliche Arbeitsweisen, und die Berechnungsergebnisse waren nicht identisch. Die Unterschiede mussten Fachleute analysieren und erklären. Gerade bei komplexen Nachhaltigkeitsbewertungen bleibt deshalb entscheidend, dass Experten nachvollziehen können, welche Daten die KI verwendet, welche Annahmen sie trifft und warum Ergebnisse voneinander abweichen.

Die Stärke der KI liegt zunächst dort, wo heute besonders viel Zeit verloren geht: beim Sichten, Sortieren und Auswerten großer Dokumentenmengen. Wenn sie diese Vorarbeit zuverlässig übernimmt, können Fachleute ihre Zeit stärker für die Bewertung der Ergebnisse einsetzen. Der Test am Stanigplatz liefert dafür ein konkretes Beispiel. Er zeigt aber ebenso klar: Automatisierung ersetzt die fachliche Prüfung nicht. Sie kann ihr eine deutlich bessere Ausgangsbasis verschaffen.