Physical AI auf der BIM-Baustelle

Künstliche Intelligenz verlässt den Rechner und beginnt, in der physischen Welt zu handeln. Für die Bauwirtschaft wird diese Entwicklung besonders interessant, wenn Roboter in virtuellen Baustellen lernen und ihr Wissen später in die Realität übertragen. Im B4T-Interview erklärt Thomas Riedel, Leiter BIM-Strategie bei OTTO WULFF, wie Gebäudemodelle künftig als Trainingsumgebung für lernende Roboter dienen könnten, was beim Übergang auf die reale Baustelle entscheidend ist und wo der Ansatz heute noch an Grenzen stößt.

B4T: Sie beschäftigen sich mit der Frage, was passiert, wenn KI die digitale Welt verlässt und beginnt, in unserer physischen Umwelt zu handeln, beispielsweise in Form von Robotern auf einer Baustelle. Wir sprechen dann von Physical AI. Was genau ist damit gemeint – und warum ist diese Entwicklung für die Bauwirtschaft relevant?

Thomas Riedel: Unter Physical AI versteht man KI, die nicht mehr nur am Bildschirm arbeitet, sondern über Sensoren und Aktoren in der realen Welt wahrnimmt, entscheidet und handelt. Vereinfacht gesagt: Maschinen erhalten eine Intelligenz, mit der sie sich in einer echten Umgebung orientieren und dort eigenständig Aufgaben übernehmen. Erste humanoide Roboter zeigen bereits, dass sie Haushaltsaufgaben wie das Einräumen eines Geschirrspülers oder das Falten von Wäsche erledigen können. Wenn das im Haushalt gelingt, liegt die Frage nahe, warum nicht auch auf der Baustelle. Für die Bauwirtschaft ist das aus drei Gründen relevant. Erstens der Fachkräftemangel: Roboter können Lücken bei körperlich belastenden oder repetitiven Tätigkeiten schließen. Zweitens die Arbeitssicherheit: Gefährliche Arbeiten in der Höhe, mit schweren Lasten oder in belasteter Umgebung lassen sich auf Maschinen verlagern. Drittens die Datengrundlage: Mit BIM haben wir bereits ein digitales 3D-Abbild des Bauwerks. Dieses Modell kann Robotern zum Trainieren in virtuellen Umgebungen dienen, um sie auf den Einsatz auf der Baustelle vorzubereiten.

B4T: Warum braucht es lernende Systeme. Warum folgen Roboter auf einer Baustelle nicht einfach vorgegebenen Logiken?

Thomas Riedel:  Regelbasierte Systeme lösen Aufgaben anhand einer fest programmierten Wenn-dann-Logik. Das funktioniert gut, solange sich alle Situationen vorab beschreiben lassen, etwa bei der Routenplanung von A nach B auf Basis einer bekannten Karte. Eine Baustelle ist aber das Gegenteil einer kontrollierten Umgebung. Sie verändert sich täglich, Material liegt nicht dort, wo es laut Plan liegen sollte, Bauteile weichen von den Maßen ab, und Licht, Staub, Witterung und Menschen im Arbeitsbereich kommen hinzu. Diese Vielfalt lässt sich nicht vollständig in Regeln fassen. Deshalb braucht es lernende Systeme auf Basis neuronaler Netze. Sie erkennen Muster in großen Mengen von Sensordaten, verallgemeinern aus Erfahrung und können auch mit Situationen umgehen, die niemand explizit programmiert hat. In der Praxis ist es meist eine Kombination aus beidem. Lernende Systeme übernehmen Wahrnehmung und Anpassung. Klassische, nachvollziehbare Logik sorgt für Planung und vor allem für Sicherheit.

OTTO WULFF Bauunternehmung GmbH

Roboter auf einer Baustelle - KI-generierte Zukunftsvision1 / 4

OTTO WULFF Bauunternehmung GmbH

Roboter auf einer Baustelle - KI-generierte Zukunftsvision2 / 4

OTTO WULFF Bauunternehmung GmbH

Roboter auf einer Baustelle - KI-generierte Zukunftsvision3 / 4

OTTO WULFF Bauunternehmung GmbH

Roboter auf einer Baustelle - KI-generierte Zukunftsvision4 / 4

B4T: Welche Rolle kann dabei ein digitales Modell spielen?

Thomas Riedel: Roboter lernen heute vielfach in virtuellen Umgebungen, also in Simulationen, bevor sie in der realen Welt eingesetzt werden. Meine Überlegung ist: Warum sollte diese Umgebung nicht eine virtuelle Baustelle sein? Mit BIM erstellen und optimieren wir ein Bauwerk bereits in der Planung vollständig digital, damit es später möglichst reibungslos gebaut werden kann. Diese virtuelle Welt existiert also schon und könnte einem Roboter als Trainingsumgebung dienen. Ein Beispiel ist ein virtueller Rohbau, in dem ein Roboter lernt, sich zu bewegen oder eine Leitung an einer Wand zu befestigen. Steht der Rohbau später real auf der Baustelle, geht die Maschine mit dem virtuell erworbenen Wissen in diese Umgebung. Das Prinzip ist dasselbe wie bei einem Roboter, der das Einräumen eines Geschirrspülers trainiert: Statt einer virtuellen Küche steht ihm ein virtuelles Gebäude zur Verfügung. Eine Herausforderung bleibt, dass die Realität nie exakt dem Modell entspricht. Der Roboter muss das Gelernte deshalb auf Abweichungen übertragen können. Genau hier kommen wieder die lernenden Systeme ins Spiel.

„Das Prinzip ist dasselbe wie bei einem Roboter, der das Einräumen eines Geschirrspülers trainiert: Statt einer virtuellen Küche steht ihm ein virtuelles Gebäude zur Verfügung. “

B4T: Welche Bedeutung hat dabei IFC, der offene Standard für den Austausch von BIM-Daten? Braucht ein lernender Roboter zwingend ein IFC-Modell?

Thomas Riedel: Nein, zwingend ist IFC nicht. Einem Roboter ist zunächst egal, aus welchem Dateiformat seine Trainingswelt entstanden ist. In einer Fertigungshalle kann die Simulation auf einem ganz anderen 3D-Modell beruhen. Im Bauwesen ist die Lage aber besonders: Viele Beteiligte arbeiten gemeinsam an einer virtuellen Welt. Fachplaner und ausführende Unternehmen erzeugen unterschiedliche Daten, die über ein gemeinsames, herstellerneutrales Schema zusammengeführt werden müssen. Genau dafür ist IFC die zentrale Grundlage. Ergänzt wird das Modell durch weitere Daten, etwa aus dem Laserscanning, das den tatsächlichen Bauzustand erfasst. Ein IFC-Modell enthält außerdem mehr als reine Geometrie. Es beschreibt, was ein Bauteil ist, also etwa eine tragende Betonwand oder eine Trockenbauwand, und welche Eigenschaften es hat. Für einen Roboter, der eine Leitung befestigen soll, ist genau diese Information wertvoll. Der größte Vorteil ist jedoch, dass wir diese Modelle ohnehin erstellen. Entscheidend ist allerdings, dass sie in ausreichender Qualität und Detailtiefe vorliegen. Ein unvollständiges oder ungenaues Modell ist als Trainingsumgebung nur eingeschränkt brauchbar.

B4T: Können Maschinen aus heutigen Modellen bereits verlässliche Handlungen ableiten oder brauchen wir einen Standard im Sinne eines Robot-Ready BIM?

Thomas Riedel: Ehrlicherweise lässt sich das heute noch nicht abschließend beantworten. Dafür fehlt die praktische Erprobung in entsprechenden Trainings- und Simulationsumgebungen. Zumindest ist mir nichts bekannt, aber die Entwicklung ist ja rasant! Meine Einschätzung ist, dass es von der Aufgabe abhängt. Soll ein Roboter in einem virtuellen Rohbau lernen, sich zu bewegen oder einfache Tätigkeiten auszuführen, könnten heutige Modelle bereits ausreichen. Je feiner die Aufgabe wird, desto höher sind die Anforderungen. Soll ein Roboter etwa lernen, ein Fenster zu montieren, braucht er Informationen, die in heutigen IFC-Modellen noch fehlen: exakte Befestigungspunkte, Toleranzen oder die Reihenfolge der Montageschritte. Ob es dafür einen eigenen Standard braucht, wird die Praxis zeigen. Sinnvoll wäre es, zunächst auf bestehenden Standards wie IFC aufzubauen und zu definieren, welche zusätzlichen Informationen ein Modell für bestimmte Robotikaufgaben enthalten muss.

B4T: Sie haben das Lernen in Ihrem Vortrag mit einem Ball auf einem Balanceboard veranschaulicht. Wie wird ein digitales Gebäudemodell zum „Fitnessstudio“, in dem ein Roboter durch viele Wiederholungen lernt?

Thomas Riedel:  Das Prinzip heißt Reinforcement Learning, auf Deutsch bestärkendes Lernen. Der Roboter erhält für seine Handlungen eine positive oder negative Rückmeldung. Wie beim Ball auf dem Balanceboard probiert das System aus, bekommt ein Signal, ob es besser oder schlechter geworden ist, und passt sein Verhalten an. In einer virtuellen 3D-Baustelle hieße das: Stapelt der Roboter ein Gerüstbauteil und es fällt herunter, wird die Handlung negativ bewertet. Gelingt es, erhält er eine positive Rückmeldung. Über viele Wiederholungen verbessert sich sein Verhalten. Der entscheidende Punkt ist, dass niemand jede einzelne Handlung vorgeben muss. Die Maschine findet selbst heraus, wie sie ihr Ziel erreicht. Hier wird das virtuelle Gebäudemodell zum Fitnessstudio. Darin kann der Roboter so lange trainieren und auch Fehler machen, bis er einen gut trainierten Zustand erreicht hat. Zudem kann das Training deutlich schneller als in Echtzeit und in vielen Durchläufen parallel stattfinden.

„Stapelt der Roboter ein Gerüstbauteil und es fällt herunter, wird die Handlung negativ bewertet. Gelingt es, erhält er eine positive Rückmeldung. Über viele Wiederholungen verbessert sich sein Verhalten.“

B4T: Eine reale Baustelle verändert sich permanent. Wie geht das System mit der Differenz zwischen dem perfekten digitalen Modell (Soll) und der ständig wechselnden Realität (Ist) um?

Thomas Riedel: Der Roboter kommt mit dem Wissen aus der virtuellen Welt auf die Baustelle. Er kennt das geplante Gebäude und weiß grundsätzlich, was dort entstehen soll. Das Modell ist für ihn Orientierung, keine hundertprozentig exakte Abbildung der Wirklichkeit. Weil er im Training mit vielen unterschiedlichen Situationen konfrontiert wurde, kann er auch auf Veränderungen reagieren. Er hat gelernt zu generalisieren. Über seine Sensoren gleicht er ständig ab, was er tatsächlich vorfindet. Liegt ein Gerüstbauteil nicht am geplanten Ort, erkennt er, dass es fehlt, sucht an anderer Stelle danach und passt seinen Weg an. Weil er in der Simulation gelernt hat, wie ein Gerüstbauteil aussieht, erkennt er es auch an einem anderen Ort wieder.

B4T: Welche Rolle spielen dabei Sensoren und Echtzeitdaten?

Thomas Riedel: Eine zentrale Rolle. Das Modell sagt dem Roboter, was sein soll, die Sensoren sagen ihm, was ist. Vieles wird über Kameras und die Auswertung von Bilddaten funktionieren. Hinzu kommen Laserscanner, die Räume dreidimensional erfassen, sowie Sensoren für Lage, Bewegung und Kraft, etwa um ein Bauteil sicher zu greifen. Entscheidend ist, dass diese Daten in Echtzeit ausgewertet werden. Betritt ein Mensch den Arbeitsbereich, muss der Roboter sofort reagieren können. Auf Montagestraßen in Fertigungshallen sind viele Voraussetzungen bereits gegeben. Wie aber ein Robotersystem auf einer realen, komplexen Baustelle zusätzlich auch noch mit Regen, Schnee, Staub oder Wind umgeht, ist eine weitergehende Entwicklungsfrage. Allerdings sind auch solche Bedingungen in der virtuellen Welt simulierbar, um das Training zu optimieren.

B4T: Welche Informationen über die Geometrie hinaus müssen Modelle enthalten, damit eine KI daraus Handlungen ableiten kann?

Thomas Riedel: Viele dieser Anforderungen bestehen unabhängig von Robotik bereits heute. Wenn wir auf digitalen Baustellen effektiv zusammenarbeiten wollen, brauchen wir klassifizierte Bauteile, klare Datenstrukturen und definierte Informationen zu Wänden, Decken oder Leitungen der technischen Gebäudeausrüstung. Welche Inhalte ein Modell haben soll, legen wir schon heute projektbezogen fest. Für einen Roboter sind vor allem Informationen wichtig, die ihm sagen, was er mit einem Bauteil tun darf und kann. Dazu gehören das Material, etwa ob in eine Wand gebohrt werden darf oder ob sie tragend ist, außerdem Befestigungspunkte und Toleranzen. Hinzu kommt die zeitliche Dimension: In welcher Reihenfolge wird gebaut, und welcher Zustand ist zu welchem Zeitpunkt zu erwarten? Auch Bereiche, die aus Sicherheitsgründen gesperrt sind, sollten im Modell erkennbar sein. Für erste Tests in einem Gebäude vermute ich allerdings, dass nicht sehr viel mehr nötig wäre als das, was eine konsequente BIM-Anwendung ohnehin verlangt. Das müsste aber praktisch geprüft werden.

B4T: Wo sehen Sie über die Bauphase hinaus Potenziale für Robotik im Lebenszyklus einer Immobilie, etwa im Facility Management oder in der Instandhaltung?

Thomas Riedel: Dort sehe ich sogar das größte Potenzial, weil ein Gebäude sehr viel länger betrieben als geplant und gebaut wird. Auftraggeber bestellen heute bereits digitale Zwillinge, um Gebäudeinformationen im Betrieb zu nutzen. Tritt eine Störung auf, wird noch ein Mensch beauftragt, sie zu beheben. Künftig könnte ein Roboter einen Teil dieser Aufgaben übernehmen, etwa regelmäßige Inspektionsrundgänge, Zustandskontrollen oder einfache Wartungsarbeiten. Die Datengrundlage ist für Mensch und Maschine dieselbe: verlässliche Informationen über das Gebäude. Heute helfen diese Informationen dabei, einen Menschen gezielt zu einer Störung zu schicken. In Zukunft könnte es ein humanoider Roboter sein.

„In der physischen Welt kommt eine andere Dimension hinzu. Roboter können nicht nur Sachschäden verursachen, sondern auch Menschen gefährden. “

B4T: Je autonomer solche Systeme handeln, desto wichtiger werden Sicherheit und Verantwortung. Wer trägt die Verantwortung, wenn ein lernendes System einen Schaden verursacht?

Thomas Riedel: Eine abschließende Antwort darauf gibt es heute noch nicht. Grundsätzlich wird Verantwortung aber auf mehrere Schultern verteilt sein. Der Hersteller haftet dafür, dass sein System sicher konstruiert und ausreichend getestet ist. Das Bauunternehmen als Betreiber ist dafür verantwortlich, dass der Roboter bestimmungsgemäß eingesetzt wird und der Arbeitsschutz auf der Baustelle gewährleistet ist. Neu ist, dass ein lernendes System sein Verhalten verändert und nicht jede Entscheidung im Voraus nachvollziehbar ist. In der physischen Welt bekommt die Frage zudem eine andere Dimension. Roboter können nicht nur Sachschäden verursachen, sondern auch Menschen gefährden. Ähnliche Diskussionen kennen wir vom autonomen Fahren. Deshalb halte ich es für entscheidend, dass Sicherheit von Anfang an mitgedacht wird: klare Schutzbereiche, die Möglichkeit, jederzeit einzugreifen, und nachvollziehbare Aufzeichnungen darüber, was ein System getan hat. Darüber hinaus bleiben ethische Fragen, die über die reine Technik hinausgehen.

B4T: Wird der Roboter künftig ein autonomer Akteur oder eher ein intelligentes Werkzeug des Menschen?

Thomas Riedel: Beides, aber auf unterschiedlichen Ebenen. Autonom wird der Roboter bei der Ausführung sein, ein Werkzeug bleibt er bei der Zielsetzung. Der Mensch gibt vor, was erreicht werden soll, beschreibt aber nicht mehr jeden einzelnen Schritt dorthin. Den Weg findet das System selbst. Dafür braucht es klare Leitplanken. Der Mensch setzt Ziel und Rahmen, innerhalb dessen der Roboter selbstständig handelt. Und er behält die Kontrolle: Er kann jederzeit eingreifen und trägt letztlich die Verantwortung für den Einsatz. Zumindest in absehbarer Zukunft sehe ich den Roboter deshalb als autonom agierendes Werkzeug bei der Zusammenarbeit mit dem Menschen.

B4T: Wenn wir dieses Gespräch in fünf Jahren noch einmal führen, worüber werden wir dann nicht mehr als Vision, sondern als Realität auf Baustellen sprechen?

Thomas Riedel: Die Entwicklung verläuft so rasant, dass eine belastbare Vorhersage schwierig ist. Ich kann mir aber gut vorstellen, dass erste physische KI-Systeme dann feste Aufgaben auf Baustellen übernehmen. In fünf Jahren werden wir hoffentlich nicht mehr fragen, ob Roboter auf Baustellen arbeiten können, sondern welche Aufgaben wir ihnen als Nächstes übertragen. Und wir werden unsere BIM-Modelle vielleicht nicht mehr nur für Planung, Bau und Betrieb erstellen, sondern auch als Trainingsumgebung für Maschinen. Ob Deutschland dabei zu den ersten Märkten gehört, würde ich offenlassen.