Das Rendering war schön. Das Gebäude ließ sich nicht bauen.
Als ich das Problem zum ersten Mal wirklich verstand, betrachtete ich das Rendering einer Glasfassade, die sich wie eine Welle wölbte, mit einer einzeiligen Notiz des Bauunternehmers darunter: 3-fach über Budget.
Der Architekt hatte das Konzept an einem Nachmittag generiert. Es war wirklich schön — die Art von Bild, die den Auftrag gewinnt. Und es war, auf die denkbar teuerste Weise, eine Lüge. Das doppelt gekrümmte Glas, das es erforderte, kostet irgendwo zwischen 100 und 500 Dollar pro Quadratfuß. Flaches Sicherheitsglas, das dieselbe Aufgabe erfüllt, kostet 18 bis 25 Dollar. Niemand im Raum hatte das gewusst, als sie sich in das Bild verliebten. Sie fanden es sechzig Tage später heraus, als ein Generalunternehmer den Traum kalkulierte und ein Bauträger in Panik geriet.
Diese Lücke — zwischen dem Rendering und dem Lastpfad, zwischen dem, was generative KI zeichnen kann, und dem, was ein Bauingenieur tatsächlich abstempeln kann — ist das teuerste Problem der Baubranche, für das fast niemand Software entwickelt. Generative KI in der Architektur ist außerordentlich gut darin geworden, Pixel zu produzieren. Über die Schwerkraft hat sie nichts gelernt. Die Werkzeuge, die diese Formen generieren, haben keine Physik-Engine im Inneren. Sie produzieren Bilder, keine Tragwerke, und in diesem Unterschied gehen Projekte zugrunde.
Trimble beziffert die jährlichen Kosten für Nacharbeiten im Bau, die auf schlechtes Design zurückgehen, auf 177 Milliarden Dollar. Die Zahl, die mich mehr verfolgt, ist die dahinterstehende Aufschlüsselung: Rund 80 % der Kostenabweichung eines Projekts lassen sich auf Designänderungen zurückführen, und nur etwa 17 % auf das, was tatsächlich auf der Baustelle passiert. Wir haben ein Jahrzehnt lang Software in die 17 % gepumpt — Baustellenlogistik, Gerätetelematik, Drohnen-Fortschrittsscans — und die 80 % einer manuellen Übergabe zwischen zwei Teams überlassen, die kein gemeinsames Modell haben.
Die Werkzeuge, die diese Gebäude generieren, produzieren Pixel, keine Lastpfade. Diese eine Lücke ist der Ursprung von acht von zehn Kostenüberschreitungen.
Ich möchte Ihnen erzählen, was wir bei dem Versuch, es zu beheben, falsch gemacht haben, denn der Fehlschlag ist der Teil, der uns überhaupt etwas gelehrt hat.
Der Todesstrahl, den niemand modelliert hat
Vor dem Fehlschlag die Warnung — denn es ist die klarste Veranschaulichung, die ich kenne, dafür, was es kostet, wenn die Form Wochen ausgewählt wird, bevor jemand die Physik überprüft.
Rafael Viñolys Vdara Hotel in Las Vegas hat eine halbmondförmige, nach Süden ausgerichtete Glasfassade. Die konkave Geometrie tat genau das, was ein Hohlspiegel tut: Sie bündelte das Sonnenlicht auf das darunter liegende Pooldeck. Die Temperaturen stiegen hoch genug, um Kunststoff-Liegestühle zu schmelzen und Gästen die Haare zu versengen. Die Mitarbeiter begannen, die Brennzone den „Todesstrahl“ zu nennen. Die Lösung waren Folie, Lamellen und große Sonnenschirme — hässliche, nachträgliche Entschuldigungen, die an ein fertiges Gebäude geschraubt wurden.
Das Detail, das jeden Architekten schaudern lassen sollte: Derselbe Architekt tat es erneut. Am 20 Fenchurch Street in London — dem „Walkie-Talkie“ — bündelte eine konkave Fassade Sonnenlicht heiß genug, um die Karosserie eines geparkten Jaguars auf der Straße darunter zu beschädigen. Zwei Gebäude, dieselbe Physik, derselbe Architekt, derselbe blinde Fleck im Entwurfsprozess.
Die Physik war nicht subtil. Ein Hohlspiegel bündelt Licht; eine Strahlenverfolgungsanalyse aus dem ersten Studienjahr erfasst das in Millisekunden. Das Problem war nie, dass die Rechnung schwer war. Das Problem war, dass die Rechnung in einem anderen Gebäude lebte, auf dem Computer eines anderen Teams, Wochen nach dem Moment, in dem die Form gewählt wurde. Und nun ermöglichen es generative Werkzeuge jedem, in Sekunden komplexe gekrümmte Geometrie zu erzeugen. Die Anzahl der Möglichkeiten, versehentlich einen Sonnenkonzentrator, einen Windkanal oder einen akustischen Brennpunkt zu bauen, ist gestiegen. Die Anzahl der Physikprüfungen, die stattfinden, während die Form noch weich ist, nicht.
Das Erste, das wir gebaut haben, das nicht funktioniert hat
Als mein Team damit anfing, taten wir das Naheliegende, und ich möchte ehrlich sein, dass ich derjenige war, der darauf drängte. Der Traum war sofortiges Physik-Feedback — dem Architekten zu erlauben, eine Fassade zu ziehen und die strukturellen Spannungen live aktualisiert zu sehen, ohne Warten. Das Lehrbuchwerkzeug dafür ist ein physik-informiertes neuronales Netz: Man backt die maßgebenden Gleichungen des Tragwerks direkt in das Modell ein, und in der Theorie liefert es einem die Physik gratis.
Wir verbrachten den Großteil eines Monats damit. Auf dem Papier war es verführerisch und in der Praxis tückisch. Die ehrliche Literatur über physik-informierte neuronale Netze ist brutal, sobald man über die Pressemitteilungen hinaus liest: Sie betten idealisierte Gleichungen ein, die stillschweigend Rand- und Multiskaleneffekte weglassen, und die Fehler pflanzen sich multiplikativ fort — was bedeutet, dass das Modell einem eine plausible, selbstsichere, falsche Antwort liefert. Balkenbiegung ist eine Differentialgleichung vierter Ordnung, und die zerstören die Gradientenstabilität, von der die gesamte Methode abhängt. Am schlimmsten: Ändert man die Tragwerkskonfiguration, muss man neu trainieren. Für ein Werkzeug, dessen ganzes Versprechen „frei erkunden“ lautete, ist ein Modell, das jedes Mal eine vollständige Neuberechnung braucht, wenn man eine Stütze verschiebt, kein Werkzeug. Es ist eine Falle mit einer schönen Demo.
Der Moment, in dem es für mich starb, war, als ich zusah, wie es ein sauberes, schönes Verformungsdiagramm für einen Rahmen zurückgab, von dem ich bereits wusste, dass er unterdimensioniert war. Es signalisierte keine Unsicherheit. Es zögerte nicht. Es war mit völliger Selbstsicherheit falsch, was das Gefährlichste ist, das ein Tragwerkswerkzeug sein kann. Eine Tragwerksanalyse, die selbstsicher falsch ist, ist gefährlicher als eine, die ehrlich langsam ist. Ich war so sicher gewesen, dass der physik-informierte Weg die elegante Antwort war, dass ich es versäumt hatte, zu fragen, ob elegant dasselbe wie sicher war. War es nicht.
Dieser Fehlschlag ist es, der uns den tatsächlichen Ansatz erkauft hat.
Was tatsächlich funktioniert hat: Graph-Neuronale Netze, trainiert auf den eigenen Gebäuden des Büros
Die Wende kam, als wir aufhörten zu versuchen, die KI die Physik aus Gleichungen neu herleiten zu lassen, und stattdessen begannen, sie die Physik aus der eigenen Analysehistorie eines Büros lernen zu lassen. Tragwerke sind Graphen — Knoten und Stäbe, Verbindungen und Lasten. Graph-neuronale Netze sind genau für diese Form gebaut, und die Forschung ist wirklich gut geworden: Ein Framework namens StructGNN sagt Verformungen, Momente und Querkräfte mit besser als 99 % Genauigkeit voraus und hält 96 % Genauigkeit selbst bei höheren Tragwerken, die es nie zuvor gesehen hatte. Eine separate Arbeitsrichtung, die ein GNN als Tragwerks-Surrogat innerhalb der Optimierungsschleife nutzt, reduzierte die Optimierungszeit um 81 % und senkte den grauen Kohlenstoff um fast 6 %.
Der Durchbruch ist nicht die Genauigkeitszahl. Es ist, wo ein so schnelles Modell sitzen kann. Ein vollständiger Finite-Elemente-Lauf in ETABS dauert Stunden; während eines Value-Engineering-Kraftakts sind zehn Iterationen der Stabdimensionierung zwei Wochen Zeit eines leitenden Ingenieurs. Ein Surrogat, das in Sekunden antwortet, kann innerhalb der konzeptionellen Entwurfsschleife leben — eine gekrümmte Fassade auf Sonnenbündelung, eine weite Spannweite auf Durchbiegung, einen Übertragungsträger auf einen Querschnitt prüfen, den es bei keinem Lagerhändler gibt — während die Form noch billig zu ändern ist. Nicht, um den abgestempelten FEM-Lauf zu ersetzen. Sondern um zu verhindern, dass der Architekt drei Wochen damit verbringt, sich in etwas zu verlieben, das der FEM-Lauf später verurteilt.
Das ist der Kern dessen, was wir bei Veriprajna für AEC-Büros bauen: physik-informiertes Vor-Screening während des konzeptionellen Entwurfs, Tragwerksoptimierung gegen den Stahl, den man tatsächlich kaufen kann, und BIM-zu-Analyse-Pipelines, die aufhören, Ingenieurstunden in manuelle Übersetzung zu verbluten. Kein Chatbot, der an Revit geschraubt ist. Ein Modell, trainiert auf den eigenen Typologien des Büros, sodass es weiß, was deren Gebäude typischerweise tun.
Warum ist das billigste Stahlprofil oft das teuerste?
Ich habe das erst zu schätzen gewusst, als ich während der Beschaffung mit einem Tragwerksteam zusammensaß: Das auf dem Papier billigste Profil ist häufig in der Realität das teuerste Profil, und kein Optimierungswerkzeug, das ich gesehen hatte, kannte den Unterschied.
Ein Solver wird bereitwillig ein W14x730 spezifizieren, weil es strukturell effizient ist. Aber das ist ein reines Werkbestellprofil — man kann es nicht bei einem Lagerhändler abholen, das Werk walzt es in einem Quartalsrhythmus, und man hat gerade eine Lieferzeit von 16 Wochen auf den kritischen Pfad gesetzt. Unterdessen versendet ein etwas schwereres W-Profil, das jeder regionale Lagerhändler vorrätig hat, in Tagen. Der „optimale“ Entwurf, nach Gewicht, sprengte den Zeitplan. Der „suboptimale“ wurde termingerecht und unter Budget gebaut.
Und hier ist der Teil, der das schwer produktisierbar macht: Es gibt in dieser Branche nirgendwo eine Echtzeit-API für Stahlbestände. Das AISC pflegt eine Datenbank zur Profilverfügbarkeit, aber der tatsächliche Bestand bewegt sich weiterhin per Telefon, per Tabellenkalkulation, per EDI zwischen Herstellern und Lagerhändlern. Werksmindestmengen, Verschnitt durch Lagerlängen, wer diese Woche was hat — dieses Wissen lebt in Beziehungen, nicht in Endpunkten. Jede KI, die das Tragwerk gegen die Beschaffungsrealität optimiert, muss so gebaut sein, dass sie diese unordentlichen, menschlichen, büro-spezifischen Daten aufnimmt, denn kein sauberer Datenstrom kommt, um einen zu retten. Genau das ist die Art von Problem, die Standardsoftware nicht anfassen will und für die maßgeschneiderte Arbeit existiert.
Das wird mit jedem Quartal wichtiger. Stahl stieg 2025 im Durchschnitt der 20 Städte des ENR um 11,9 %, die Zölle auf Stahl und Aluminium sprangen zur Jahresmitte von 25 % auf 50 %, und eine frühphasige Kostenschätzung, die auf den Preisen des letzten Quartals aufbaut, ist Fiktion. Auf Tonnage zu optimieren und dabei Verfügbarkeit und Volatilität zu ignorieren, heißt, die falsche Variable zu optimieren.
Die Übersetzungssteuer zwischen Revit und ETABS
Es gibt eine leisere Kostenstelle, die ich unterschätzt hatte, und sie ist reine Verschwendung. Ihr Architekt arbeitet in Revit. Ihr Tragwerksteam analysiert in ETABS. Das Modell von einem zum anderen zu bringen sollte ein Knopfdruck sein. Stattdessen ist es eine Steuer, die Ihr Büro hunderte Male im Jahr zahlt.
Der IFC-Export aus Revit lässt routinemäßig das analytische Modell fallen: Verbindungstypen verschwinden, analytische Versätze werden zurückgesetzt, Lastzuweisungen verschwinden. Das Format selbst ist fragmentiert — Ausrichtungsprobleme zwischen IFC2x3 und IFC4 sind real, und selbst die vom Hersteller abgesegneten Austausch-Add-ins sind, nach Eingeständnis der Branche selbst, ab Werk mangelhaft. Also verbringt ein Ingenieur zwei bis vier Stunden damit, die Übersetzung zu bereinigen, bevor die Analyse überhaupt beginnt. Multipliziert mit fünfzehn oder mehr Iterationen pro Projekt, über dreißig oder mehr Projekte im Jahr, und man verbrennt Tausende von Stunden leitender Ingenieure mit Datenhausmeistertätigkeiten. Kein Ingenieurwesen. Kein Entwurf. Übersetzung.
Ihre teuersten Ingenieure verbringen Tausende von Stunden im Jahr nicht damit, Gebäude zu analysieren, sondern die Datei zu reparieren, die sie eigentlich beschreiben sollte.
Das ist glanzlos und es ist enorm, und es ist der Teil des Aufbaus, der sich am schnellsten amortisiert. Eine maßgeschneiderte Pipeline, verdrahtet über die Revit-API und die API des Analysewerkzeugs — kein generischer IFC-Hin-und-Rückweg — bewahrt, was IFC fallen lässt. Es ist die am wenigsten aufregende Folie in jeder Präsentation und der Posten, den ein geschäftsführender Partner als Erstes einkreist.
Der Stempel wandert nicht
Man fragt mich immer in irgendeiner Variante: Erlaubt KI Büros nicht einfach, den Ingenieur zu überspringen? Und die Antwort ist, rechtlich gesehen, das Gegenteil dessen, was sie erwarten.
Wenn ein Bauingenieur einen Zeichnungssatz unterschreibt und abstempelt, übernimmt er dafür persönliche, berufliche Haftung. KI ändert daran nichts. Es gibt nirgendwo eine Vorschrift, die ein KI-generiertes Bauteil von einem unterscheidet, das ein Nachwuchsingenieur gezeichnet hat — der verantwortliche Ingenieur trägt für beide die volle Verantwortung. Ein KI-generierter Entwurf muss dennoch jede Bestimmung der Bauordnung erfüllen, und da ASCE 7-22 nun in den IBC 2024 eingegliedert ist (neue Antwortspektren, neue Schneelastkarten, überarbeitete Verankerungsgleichungen), gibt es mehr Vorschriften zu erfüllen, nicht weniger.
Ich bin zu der Ansicht gelangt, dass dies ein Vorteil ist, kein Hindernis, und es prägt alles, was wir bauen. Der Ingenieur muss in der Lage sein, die Ausgabe der KI zu hinterfragen — den Lastpfad zu sehen, ihn gegen die Bauordnung zu prüfen, ihn so zu validieren, wie er die Arbeit eines Praktikanten validieren würde — denn er ist derjenige, dessen Zulassung auf dem Spiel steht. Ein Werkzeug, das eine selbstsichere Blackbox-Antwort produziert, ist für einen Fachmann nutzlos, der gesetzlich verpflichtet ist, sie zu verteidigen. Was der letzte Grund ist, warum jener Monat mit physik-informierten Netzen so klärend war: Er lehrte mich, das Falsche zu bauen — undurchsichtige Selbstsicherheit — für einen Käufer, der genau das Gegenteil braucht.
Warum hat Autodesk das also nicht einfach schon gemacht?
Es ist die berechtigte Frage, denn die Giganten sind eindeutig in Bewegung. Autodesk Forma führt „Neural CAD for Buildings“ ein, angepriesen als das erste AEC-spezifische Foundation Model. Nemetschek hat agentische KI zur konzernweiten Priorität gemacht. Gartner erwartet, dass 40 % der Unternehmensanwendungen bis Ende 2026 KI-Agenten einbetten werden. Das Feld ist unverkennbar in Bewegung.
Ich habe genug Technologiebewertungssitzungen durchgesessen, um zu wissen, wo jedes Werkzeug tatsächlich aufhört. Forma ist brillant in der Massenstudie und Standortplanung und hört weit oberhalb der Dimensionierung von Tragwerksbauteilen auf — es hat keine Ahnung, was Ihr Stahl kostet. Altairs SimSolid und PhysicsAI machen netzlose Simulation schnell, aber sie sind für Unternehmen bepreist, auf Maschinenbau und Automobil ausgerichtet und weder BIM-nativ noch beschaffungsbewusst. TestFit und Hypar sind Standort- und Flächenplanungswerkzeuge ganz ohne Tragwerksverifikation. Das nächstgelegene, Stru.ai, ist ein Automatisierungs-Wrapper um bestehende FEM — es beschleunigt die Steuerung von ETABS; es ersetzt den stundenlangen Lauf nicht durch sofortiges Feedback, und es ist nicht generativ.
Kein kommerzielles Werkzeug schließt die Schleife zwischen generativem Entwurf und Tragwerksverifikation, gegen den Stahl, den man tatsächlich kaufen kann, trainiert auf Ihren Gebäuden. Diese Schleife ist das ganze Spiel.
Das ist kein Vorwurf gegen irgendeines von ihnen — sie sind gut in dem, was sie tun. Es ist so, dass die Naht zwischen generativem Entwurf und Tragwerksrealität genau der Ort ist, an den eine horizontale Plattform nicht gehen wird, denn ihn zu schließen erfordert die eigene Analysehistorie eines Büros, seine eigenen Typologien und seine eigenen unordentlichen Beschaffungsbeziehungen. Es ist von Natur aus maßgeschneidert. Und die Adoptionszahlen sagen, dass das Fenster weit offen ist: Nur 27 % der AEC-Fachleute geben an, KI im Betrieb zu nutzen, und lediglich 8 % der Architekturbüros haben eine KI-Lösung implementiert, obwohl die Adoption unter Architekten in einem einzigen Jahr von 41 % auf 59 % gesprungen ist. Die Büros, die sich jetzt bewegen, sind nicht spät dran. Sie sind früh dran, in einer Branche, die kaum begonnen hat.
Ist Value Engineering tatsächlich unvermeidlich?
Seit siebzig Jahren laufen rund 85 % der Bauprojekte über Budget, im Durchschnitt um 28 %, und weniger als jedes zehnte Megaprojekt wird termin- und budgetgerecht fertig. Die Branche hat Value Engineering unter unvermeidlich verbucht — das 60- bis 90-tägige Ritual, bei dem der Bauunternehmer den Traum kalkuliert, der Bauträger in Panik gerät und der Ingenieur das Modell zehn Mal neu durchrechnet, während alle einen Monat verlieren.
Es ist nicht unvermeidlich. Es ist das Symptom eines Entwurfsprozesses, der die statische Machbarkeit, Materialverfügbarkeit und Fertigungskomplexität nachdem die Form festgelegt ist, prüft, anstatt während sie noch weich ist. Verlagert man diese Prüfungen nach vorn — in die konzeptionelle Schleife, mit der Geschwindigkeit eines graph-neuronalen Netzes, trainiert auf der eigenen Arbeit des Büros und verdrahtet mit dem Stahl, den es tatsächlich bekommen kann — dann wird die Value-Engineering-Krise nicht bewältigt. Sie entsteht gar nicht erst. Wenn Sie ein AEC-Büro führen und sehen möchten, wie diese Pipeline zusammengesetzt ist, haben wir den vollständigen Ansatz hier dargelegt.
Das Rendering, das dies alles auslöste — die schöne Glaswelle mit 3-fach über Budget darunter gekritzelt — musste nicht sechzig Tage zu spät in der Tabellenkalkulation eines Bauunternehmers sterben. Die Physik, die es tötete, war am ersten Tag erkennbar. Die einzige Frage, die es sich jetzt zu stellen lohnt, ist, warum wir es immer wieder als Letztes herausfinden.
