Warum die Bestandsaufnahme so lange der Flaschenhals blieb
Fragen Sie jeden Planer, der schon einmal ein Bestandsgebäude umbauen musste: Der Albtraum beginnt nicht am Entwurf, sondern bei der Aufnahme des Ist-Zustands. Jemand fährt mit dem Laserscanner durch die Räume, bringt eine Punktwolke aus vielen Millionen Messpunkten mit – und dann sitzt ein Modellierer tagelang davor und zeichnet jede Wand, jede Stütze, jede Leitung von Hand nach. Diese Übersetzung von Rohdaten in ein brauchbares Modell kostete bisher den Großteil des Budgets. Der Scan selbst ist in wenigen Stunden erledigt; die Modellierung danach frisst die Wochen.
Genau hier greift Scan-to-BIM mit KI ein. Nicht als Spielerei, sondern als Antwort auf ein echtes, teures Problem. Maschinelles Lernen erkennt heute Bauteile direkt in der Punktwolke und schlägt daraus parametrische BIM-Objekte vor. Der Mensch prüft und korrigiert, statt bei null zu beginnen. Das ändert die Ökonomie eines ganzen Arbeitsschritts.
Was die KI in der Punktwolke tatsächlich erkennt
Eine rohe Punktwolke ist zunächst dumm. Sie weiß nicht, dass dieser Cluster aus Punkten eine Wand ist und jener eine Lüftungsleitung. Segmentierungsnetze ändern das: Sie zerlegen die Wolke in semantische Klassen – Boden, Decke, Wand, Fenster, Tür, Stütze, Rohr. Aus geometrischer Nähe wird Bedeutung.
Der zweite Schritt ist die Klassifizierung einzelner Komponenten. Ein gut trainiertes Modell unterscheidet eine tragende Wand von einer leichten Trennwand, erkennt Fensteröffnungen und ordnet MEP-Elemente – also Heizung, Lüftung, Sanitär, Elektro – ihren Gewerken zu. Diese Metadaten sind das eigentliche Gold. Ein BIM-Modell lebt nicht von schöner Geometrie, sondern von Information, die an der Geometrie hängt.
Anschließend passt die Software parametrische Objekte an die erkannten Flächen an. Statt einzelner Punkte entsteht eine Revit-Wand mit Dicke, Material und Verbindung zur Nachbarwand. Werkzeuge wie Autodesk ReCap, PointFuse oder Cintoo treiben diesen Schritt voran, und auch Scanner-Hersteller wie Leica und NavVis liefern inzwischen KI-gestützte Auswertung gleich mit.
Vom Laserscan zur fertigen Wand: die Pipeline
In der Praxis läuft der Prozess in klaren Etappen. Zuerst die Reality Capture: ein Terrestrial-Scanner wie der Leica BLK360, ein mobiles System oder auch Photogrammetrie per Kamera. Heraus kommt eine Punktwolke, meist im offenen Format E57.
Dann die Vorverarbeitung – Registrierung mehrerer Scans, Entrauschen, Ausdünnen. Erst jetzt kommt die KI-Erkennung, gefolgt von der Modellerzeugung in Revit, Archicad oder einer spezialisierten Plattform. Am Ende steht die Qualitätskontrolle: Ein Mensch gleicht Modell und Punktwolke ab und exportiert sauber nach IFC, damit alle Beteiligten unabhängig von ihrer Software weiterarbeiten können.
Wichtig für die Erwartungshaltung: Die KI liefert einen Vorschlag, kein fertiges Gewerk. Sie verkürzt die stupide Fleißarbeit radikal. Die fachliche Entscheidung – welcher Detaillierungsgrad, welcher LOD, was ist überhaupt relevant – bleibt beim Planer.
Wo Architekten und Sanierer konkret profitieren
Der größte Hebel liegt im Umbau und in der Sanierung. Wer ein Gebäude aus den Siebzigern modernisiert, hat selten brauchbare Pläne. Scan-to-BIM liefert in kurzer Zeit ein belastbares As-built-Modell, auf dem der Entwurf aufsetzen kann. Kollisionen zwischen neuer Haustechnik und Bestand fallen früh auf, nicht erst auf der Baustelle.
- Sanierung und Retrofit: verlässliche Grundlage statt lückenhafter Altpläne, weniger böse Überraschungen beim Rückbau.
- Innenausbau: maßgenaue Aufnahme schiefer Wände und unebener Decken, damit Einbauten und Möbel wirklich passen.
- Denkmalpflege: millimetergenaue Dokumentation historischer Substanz, die sich später nicht mehr rekonstruieren lässt.
- Flächenmanagement: saubere Raumbücher und Mietflächenberechnung direkt aus dem Modell.
Für Innenarchitekten ist der Punkt mit den schiefen Wänden kein Detail, sondern Alltag. Ein Einbauschrank, der auf dem Papier passt und im Raum klemmt, kostet Nerven und Geld. Ein präzises Bestandsmodell nimmt dieses Risiko weg.
Immobilien: As-builts, Facility Management und digitale Zwillinge
Für Bestandshalter und Asset-Manager geht der Nutzen über die Planung hinaus. Ein aus dem Scan erzeugtes BIM-Modell ist die Keimzelle eines digitalen Zwillings. Anlagen, Flächen, Wartungsintervalle – all das hängt plötzlich an einem räumlich korrekten Modell und nicht an einem Ordner voller PDFs.
Plattformen wie Cintoo verbinden die ursprüngliche Punktwolke dauerhaft mit dem Modell. Der Facility-Manager kann später zurückspringen und nachsehen, wie es hinter der Verkleidung wirklich aussah, ohne erneut vor Ort zu scannen. Für große Portfolios ist das ein ernstzunehmender Effizienzgewinn, besonders wenn mehrere Standorte einheitlich erfasst werden sollen.
Noch ein Argument wiegt schwer, gerade bei Transaktionen und ESG-Berichten: Dokumentation. Ein geometrisch belastbares Modell liefert Flächen, Volumina und Bauteillisten auf Knopfdruck – Zahlen, die sonst mühsam aus alten Unterlagen zusammengesucht werden. Wer eine energetische Sanierung plant oder eine Due-Diligence-Prüfung durchläuft, hat damit eine saubere, nachvollziehbare Grundlage statt vager Schätzungen. Das schafft Vertrauen bei Investoren und Behörden gleichermaßen.
Grenzen: Wo der Mensch weiter nachbessern muss
Wer Scan-to-BIM verkauft, sollte ehrlich über die Schwächen reden. Verdeckte Bereiche sind das klassische Problem: Was der Scanner nicht sieht – Leitungen in der Wand, Technik über der abgehängten Decke –, kann die KI nicht erfinden. Und wenn sie es doch versucht, entsteht Geometrie, die plausibel aussieht und trotzdem falsch ist.
Auch die Erkennung ist nicht unfehlbar. Spiegelnde Flächen, Glas und volle, möblierte Räume bringen jedes Modell an seine Grenzen. Eine Topfpflanze wird schon mal zur Stütze, wenn die Trainingsdaten dürftig waren. Deshalb bleibt die Qualitätskontrolle Pflicht, kein optionaler Luxus. Rechnen Sie den Prüf- und Korrekturschritt fest ein, sonst verlagern Sie Fehler nur nach hinten.
So steigen Sie pragmatisch ein
Sie brauchen nicht sofort die teuerste Komplettlösung. Starten Sie mit einem klar abgegrenzten Projekt – eine Etage, ein Gebäudeteil. Scannen Sie sauber, achten Sie auf ausreichende Überlappung der Standpunkte und saubere Registrierung. Schlechte Eingangsdaten macht keine KI wieder gut.
Testen Sie dann zwei, drei Werkzeuge an denselben Daten und vergleichen Sie, wie viel Nacharbeit wirklich übrig bleibt. Genau diese Nacharbeit entscheidet über den tatsächlichen Gewinn, nicht die Werbeversprechen der Anbieter. Legen Sie IFC als Austauschformat fest, damit Sie sich nicht an eine einzige Software ketten. Und behandeln Sie das Ergebnis als das, was es ist: einen exzellenten Startpunkt, den Fachleute zu Ende führen.
Sie möchten Bestandsräume schneller erfassen, überzeugend visualisieren und Ihren Kunden fundierte Entscheidungen erleichtern? Auf ai-interiors.de zeigen wir, wie KI-gestützte Werkzeuge Ihre Planungs- und Visualisierungsprozesse spürbar beschleunigen – von der Aufnahme bis zum fotorealistischen Raumbild.
Bilder: AI-Designed
