Ich fragte GPT-4, ob ein Balkon sicher ist. Es sagte Ja. Die Physik sagte: Er stürzt ein.

Auf meinem Schreibtisch liegt ein Rendering — eigentlich ein Ausdruck, weil ich es ohne einen Bildschirm zwischen uns betrachten wollte — von einem auskragenden Balkon. Klare Linien, ein parametrisches Geländer, genau die Art von Sache, die man in einer Architekturzeitschrift unter der Überschrift „die Zukunft des urbanen Lebens" finden würde. Ich habe das Bild in GPT-4V eingespeist und eine einfache Frage gestellt: Ist diese Struktur sicher?

Die Antwort war flüssig, selbstsicher und detailliert. Sie vermerkte die scheinbare Geländerhöhe, kommentierte die sichtbaren Auflagerbedingungen und kam zu dem Schluss, dass der Entwurf „strukturell solide mit ausreichender Abstützung erscheint".

Dann gab ich dieselbe Zeichnung meiner Statikerin. Sie betrachtete sie vielleicht fünfzehn Sekunden lang. „Es gibt keine Rückspannbewehrung", sagte sie. „Das Moment an der Einspannung übersteigt die Tragfähigkeit des Querschnitts. Das stürzt ein."

Die KI sah Pixel. Sie sah Physik. Und diese Lücke — zwischen dem, was sicher aussieht, und dem, wastatsächlich sicher ist — ist der Grund, warum ich Veriprajna gegründet habe.

Die Verführung des „Gut genug"

Ich muss ehrlich zu etwas sein. Als multimodale LLMs zum ersten Mal begannen, technische Zeichnungen zu verarbeiten, war ich begeistert. Wirklich begeistert. Ich erinnere mich, wie ich eines Abends spät in unserem kleinen Büro saß und einen Bauplan nach dem anderen durch den frühen GPT-4V-Zugang laufen ließ, während ich beobachtete, wie es Strukturelemente mit überraschendem Vokabular beschrieb. „Stahl-I-Träger", sagte es dann. „Stahlbetonstütze." Es klang so, als hätte es verstanden.

Diese Begeisterung hielt etwa drei Wochen an.

Der Wendepunkt war ein Test, den wir mit Anschlussdetails durchführten — den Verbindungen, an denen Träger auf Stützen treffen, wo die eigentliche Lastübertragung stattfindet. Wir gaben dem Modell eine Reihe von Zeichnungen, bei denen einige Anschlüsse korrekt detailliert waren und andere subtile, aber kritische Mängel aufwiesen: fehlende Aussteifungsbleche, unterdimensionierte Schweißnähte, unterbrochene Lastpfade. Genau die Art von Dingen, die ein stehendes Gebäude von einem einstürzenden unterscheidet.

Die Genauigkeit des Modells beim Erkennen dieser Mängel war im Grunde zufällig. Es konnte benennen die Bauteile. Es konnte beschreiben, was es sah. Aber es konnte nicht nachvollziehen, ob die Kräfte tatsächlich von Punkt A nach Punkt B fließen würden. Es war, als würde man jemanden, der die Namen aller Knochen im menschlichen Körper auswendig gelernt hat, eine Operation durchführen lassen.

Eine KI, die jedes Strukturelement benennen kann, aber keinen Lastpfad nachvollziehen kann, ist kein Ingenieurwerkzeug. Sie ist ein Haftungsrisiko mit selbstsicherer Stimme.

Warum sehen LLMs Baupläne als Pixelsuppe?

Hier ist, was unter der Haube tatsächlich passiert, und das ist wichtig, auch wenn Sie nicht technisch versiert sind.

Wenn GPT-4V oder Gemini eine Strukturzeichnung „betrachtet", verwendet es etwas, das Vision Transformer genannt wird. Das Modell zerlegt das Bild in ein Raster aus kleinen Patches — typischerweise je 16×16 Pixel — und verarbeitet sie als Sequenz, ähnlich wie es Wörter in einem Satz verarbeitet. Es lernt statistische Zusammenhänge zwischen den Patches. Ein Patch mit einer vertikalen Linie (Stütze) tritt tendenziell in der Nähe eines Patches mit einer horizontalen Linie (Träger) auf. Über Millionen von Trainingsbildern hinweg werden diese Korrelationen fest verankert.

Aber hier ist der entscheidende Unterschied: Korrelation ist nicht Kausalität. Das Modell lernt, dass Stützen und Träger tendenziell gemeinsam auftreten. Es lernt nicht, dass der Träger getragen wird von der Stütze. Es weiß nicht, dass der Träger einstürzt, wenn man die Stütze entfernt. Es hat keine interne Physik-Engine. Es hat Musterstatistiken.

Forschungsergebnisse von NeurIPS zeigten etwas, das jeden alarmieren sollte, der daran denkt, diese Modelle für sicherheitskritische Arbeiten einzusetzen: Wenn man die Pixel-Patches eines Bildes durcheinanderwürfelt — sie buchstäblich wie ein Kartendeck mischt —, behalten Vision Transformer oft eine hohe Klassifikationsgenauigkeit bei. Sie lesen nicht die räumliche Struktur. Sie lesen Textur und lokale Muster.

Im Ingenieurwesen ist die räumliche Struktur alles. Ein Anschlussdetail, das „größtenteils vorhanden" ist, aber einen kritischen Lastpfad vermissen lässt, ist nicht 90 % sicher. Es ist zu 100 % unsicher.

Was passiert, wenn man LLMs tatsächlich im strukturellen Denkvermögen benchmarkt?

Ich hoffte immer wieder, dass die Benchmarks mich widerlegen würden. Das taten sie nicht.

Die DSR-Bench-Studie bewertete zehn hochmoderne LLMs anhand von 4.140 Problemfällen, die entwickelt wurden, um strukturelles Denkvermögen zu testen — die Fähigkeit, komplexe Beziehungen zwischen Entitäten zu verstehen und zu handhaben. Genau das braucht man, um ein Gebäudetragwerk zu analysieren: Beziehungen über mehrere Knoten hinweg nachverfolgen, strenge Randbedingungen erfüllen, über räumliche Konfigurationen nachdenken.

Das beste Spitzenmodell erzielte 0,498 von 1,0 bei anspruchsvollen Fällen. Im Grunde ein Münzwurf.

Die Fehlermuster waren spezifisch und vernichtend. Multi-Hop-Reasoning — das Nachverfolgen einer Beziehung über mehrere Zwischenknoten hinweg, was genau das ist, was eine Lastpfadanalyse erfordert — war eine durchgängige Schwäche. Und die Leistung verschlechterte sich, wenn Probleme in natürlicher Sprache statt in formalem Code beschrieben wurden, was darauf hindeutet, dass die Modelle Syntax aus ihren Trainingsdaten musterabgleichen, anstatt tatsächlich zu schlussfolgern.

Ich erinnere mich an das Teammeeting, in dem wir diese Zahlen durchgingen. Einer meiner Ingenieure, der vorsichtig optimistisch gewesen war, was den Einsatz von LLMs als erstes Screening-Werkzeug betraf, wurde für lange Zeit still. Dann sagte er: „Wenn also ein Ingenieur ein nicht standardmäßiges strukturelles Problem in einfachem Englisch beschreibt, rät das Modell im Grunde in der Hälfte der Fälle." Das war der Moment, in dem sich die Stimmung im Raum änderte. Nicht allmählich — schlagartig.

Unabhängig davon stellte der DesignQA-Benchmark fest, dass multimodale LLMs die Frage „Wie groß ist die maximal zulässige Durchbiegung?" (eine Zahl aus der Dokumentation extrahieren) beantworten konnten, aber bei „Erfüllt dieser spezifische Trägerentwurf die maximal zulässige Durchbiegung?" (diese Zahl auf ein Bild anwenden) scheiterten. Extraktion versus Anwendung. Die Regel kennen versus sie durchsetzen.

Ich habe über diesen Fehlermodus viel ausführlicher geschrieben in der interaktiven Version unserer Forschung, einschließlich der bizarren Verzerrungen bei der Materialauswahl, die wir festgestellt haben — LLMs, die Titan und Kohlefaser für Kontexte empfehlen, die eindeutig nach Standard-Baustahl verlangten, einfach weil exotische Materialien die „High-Tech"-Ecken ihrer Trainingsdaten dominieren.

Der Moment, in dem wir aufhörten, LLMs reparieren zu wollen

Es gab ein Investorenmeeting — ich werde nicht sagen, welche Firma —, bei dem sich jemand unsere frühe Forschung ansah und sagte: „Warum feintunt ihr nicht einfach GPT für die Tragwerksplanung? Klingt nach dem schnelleren Weg."

Ich verstand die Logik. Man nehme das dominierende Paradigma, spezialisiere es, bringe es auf den Markt. Aber ich hatte mich lange genug mit diesem Problem befasst, um zu wissen, dass das Feintunen eines probabilistischen Modells für deterministische Arbeit so ist, als würde man einen Dichter fürs Kopfrechnen feintunen. Man kann sie dazu bringen, Zahlen zu produzieren. Man kann nicht garantieren, dass diese Zahlen stimmen.

Die Gesetze der Physik sind nicht probabilistisch. Wenn die Summe der Kräfte an einem Strukturelement nicht null ergibt, beschleunigt das Element. Da gibt es kein „normalerweise". Da gibt es kein Konfidenzintervall. Die Euler-Bernoulli-Balkengleichung kümmert sich nicht um die Verteilung Ihrer Trainingsdaten.

Also trafen wir eine Entscheidung, die sich damals konträr anfühlte und heute selbstverständlich erscheint: wir gaben das Bild vollständig auf.

Nicht die KI — das Bild. Wir hörten auf zu versuchen, neuronale Netze dazu zu bringen, Baupläne als Bilder zu verstehen. Stattdessen begannen wir, Gebäude in das umzuwandeln, was sie tatsächlich sind: mathematische Graphen.

Ein Gebäude ist kein Bild. Es ist ein Netzwerk von Kräften. In dem Moment, in dem man es als Pixel behandelt, hat man die Physik bereits verloren.

Wie verwandelt man ein Gebäude in einen Graphen?

Ein Graph ist im mathematischen Sinne einfach nur Knoten und Kanten. Knoten sind Dinge; Kanten sind Verbindungen zwischen Dingen.

In unserem System wird jedes Strukturbauteil — Träger, Stütze, Platte, Wand — zu einem Knoten. Doch anders als ein Pixel, das nur Farbdaten trägt, trägt jeder unserer Knoten einen umfangreichen Merkmalsvektor: den Elastizitätsmodul (wie steif das Material ist), das Trägheitsmoment (wie stark der Querschnitt der Biegung widersteht), die Streckgrenze (wann das Material bricht). Die tatsächlichen physikalischen Parameter, die man braucht, um zu berechnen, ob etwas steht oder einstürzt.

Jede physische Verbindung zwischen Bauteilen wird zu einer Kante. Eine Kante zwischen einem Träger und einer Stütze erfasst die Anschlusssteifigkeit — handelt es sich um einen biegesteifen Momentenanschluss oder ein einfaches Gelenk? — sowie die relative Ausrichtung. Das sind keine erlernten Näherungen. Sie werden direkt aus BIM-Daten (Building Information Modeling) extrahiert, wo die Konnektivität explizit definiert ist.

Diese Darstellung hat eine Eigenschaft, die enorm wichtig ist: Permutationsinvarianz. Die Physik eines Gebäudes ändert sich nicht, wenn man die Liste der Träger in der Datenbank neu ordnet. Graph Neural Networks respektieren das. Transformer-basierte LLMs, die Sequenzen verarbeiten, reagieren empfindlich auf die Eingabereihenfolge. Das klingt nach einem technischen Detail, ist aber der Unterschied zwischen einer Architektur, die zum Problem passt, und einer, die dagegen ankämpft.

Wir haben eine Pipeline gebaut, die IFC-Dateien — das Standardformat für BIM-Daten — nimmt und sie in Berechnungsgraphen umwandelt. Während ein LLM versuchen würde, das Bauplanbild zu „lesen" und Verbindungen zu erraten, erfasst unser Parser die Konnektivität mit 100 % Genauigkeit, weil das IFC-Schema sie explizit definiert. Kein Raten. Kein „es sieht so aus, als wären diese Elemente verbunden." Entweder sie sind es, oder sie sind es nicht.

Der Teil, in dem wir neuronalen Netzen Physik beibrachten

Hier wird es interessant, und hier tun wir meiner Meinung nach etwas wirklich Andersartiges.

Klassisches maschinelles Lernen funktioniert so: Man zeigt dem Modell viele Beispiele, lässt es Muster lernen und hofft, dass es generalisiert. Das Problem in der Tragwerksplanung ist, dass „hoffen, dass es generalisiert" kein akzeptabler Sicherheitsstandard ist.

Physics-Informed Neural Networks — PINNs — verfolgen einen grundlegend anderen Ansatz. Anstatt die KI zu bitten,zu entdecken Physik aus Daten, wirbetten die maßgeblichen Gleichungen direkt in die Verlustfunktion des Netzwerks ein. Die Verlustfunktion ist das, was das Netzwerk während des Trainings zu minimieren versucht — sie ist die Definition von „falsch", die das Lernen antreibt.

In einem klassischen neuronalen Netz bedeutet „falsch": „Ihre Vorhersage stimmt nicht mit den Trainingsdaten überein." In einem PINN fügen wir eine zweite Definition von „falsch" hinzu: „Ihre Vorhersage verletzt die Gesetze der Physik."

Nehmen wir die Euler-Bernoulli-Balkengleichung, die bestimmt, wie sich ein Träger unter Last durchbiegt. Wenn unser Netzwerk eine Durchbiegungsform für ein Strukturelement vorhersagt, verwenden wir automatische Differenziation, um das physikalische Residuum zu berechnen — im Grunde die Frage: „Erfüllt diese vorhergesagte Durchbiegung die Differentialgleichung des statischen Gleichgewichts?" Wenn nicht, schnellt der Physik-Verlustterm in die Höhe, und das Netzwerk wird gezwungen, sich selbst zu korrigieren.

Das Netzwerk kann buchstäblich keine Lösung erlernen, die Newtons Gesetze verletzt. Nicht „wird wahrscheinlich nicht". Kann nicht.

Ich erinnere mich an das erste Mal, als wir das bei einer nicht-trivialen Struktur zum Laufen brachten. Wir hatten wochenlang mit Konvergenzproblemen gekämpft — der Physik-Verlust und der Daten-Verlust standen im Widerstreit, und das Netzwerk oszillierte. Mein leitender ML-Ingenieur hatte im Büro geschlafen (ich hatte es ihm untersagt; er ignorierte mich). Dann rief er mich eines Morgens zu seinem Bildschirm. Die vorhergesagten Durchbiegungskurven hatten sich exakt mit der FEM-Lösung (Finite-Elemente-Methode) in Deckung gebracht. Nicht annähernd. Der R²-Wert lag bei 0,9999.

Wir hatten etwas gebaut, das die Geschwindigkeit von KI mit der Präzision traditioneller Ingenieur-Solver vereinte. Aktuelle Forschung zu Graph-Structured Physics-Informed DeepONets — der Architekturklasse, auf der wir aufbauen — hat 7- bis 8-fache Geschwindigkeitssteigerungen gegenüber traditioneller FEM bei gleichbleibender Genauigkeit gezeigt. Für die vollständige technische Aufschlüsselung unserer Architektur und Benchmarks, einschließlich der Mathematik hinter unserem Message-Passing-Framework, habe ich ein ausführliches Forschungspapier veröffentlicht.

Kann man tatsächlich sehen, wo ein Gebäude versagen wird?

Das ist die Frage, die Ingenieure am meisten interessiert, und genau hier entfaltet die graphbasierte Analyse ihre eindrückliche Stärke.

In unserem System prüfen wir nicht nur, ob eine Struktur als Ganzes besteht oder versagt. Wir verfolgen den Hauptlastpfad — den Weg, den die Kräfte vom Angriffspunkt (etwa Menschen, die auf einem Balkon stehen) durch die Struktur hinunter bis zum Fundament nehmen.

Wir tun dies mithilfe einer Kennzahl namens U*-Index, die die interne Übertragung von Formänderungsenergie und die relative Steifigkeit zwischen Punkten abbildet. Mittels Runge-Kutta-Integration über den U*-Gradienten zeichnen wir „Stromlinien" der Kraft durch die Struktur — wie eine Wetterkarte, nur für Lasten statt für Wind.

Wenn eine Struktur sicher ist, fließen die Stromlinien kontinuierlich vom belasteten Element hinunter bis zum Fundament. Wenn nicht — wenn eine Verbindung fehlt, ein Bauteil unterdimensioniert ist, ein Lastpfad unterbrochen ist —, brechen die Stromlinien abrupt ab oder streuen wild auseinander.

Zurück zu jenem Balkon-Rendering auf meinem Schreibtisch. Als wir es durch unsere Graph-Pipeline laufen ließen, hörte die Lastpfad-Stromlinie von der auskragenden Platte einfach ... auf. Es gab keine Rückspannverbindung, um das Moment in die stützende Struktur abzuleiten. Die U*-Kontur zeigte eine massive Konzentration von Formänderungsenergie an der Einspannung, ohne dass sie irgendwohin abfließen konnte. Die Visualisierung machte den Versagensmodus auf eine Weise offensichtlich, wie es keine noch so umfangreiche Pixelanalyse je könnte.

Eine Lastpfad-Stromlinie, die abbricht, ist ein Satz, den die Struktur über ihren eigenen Tod schreibt. Man muss nur wissen, wie man den Graphen liest.

Wir können auch progressives Versagen simulieren — was passiert, wenn man eine Stütze entfernt und fragt: „Hält der Rest der Struktur?" — indem wir systematisch Knoten aus dem Graphen entfernen und die Konnektivität neu bewerten. Mithilfe von Kennzahlen wie der Betweenness-Zentralität identifizieren wir kritische Bauteilcluster, deren Ausfall den Graphen in unverbundene Teile zerlegen würde. Diese „Graph-Attacke"-Simulation läuft in Sekunden. Die entsprechende nichtlineare FEM-Kollapsanalyse dauert Stunden. Wir können Tausende von Versagensszenarien durchspielen, bevor ein Ingenieur seinen Kaffee ausgetrunken hat.

Warum nicht einfach beides nutzen? Die Verifier-Schicht

An diesem Punkt widersprechen mir die Leute immer. „Ashutosh, generative KI ist unglaublich für die frühe Entwurfsphase. Man kann sie nicht einfach ignorieren." Und sie haben recht — ich will sie nicht ignorieren. Dass Architekten Werkzeuge wie Midjourney oder parametrische Generatoren nutzen, um kreative Konzepte zu erkunden, ist wirklich spannend. Das Problem ist nicht die Generierung. Es ist die Verifizierung.

Was wir gebaut haben, ist eine Verifier-Schicht. Das generative Modell schlägt einen Entwurf vor. Veriprajna wandelt ihn in einen Graphen um, prüft die topologische Konnektivität, verfolgt den Lastpfad, führt die physikinformierte Vorhersage durch. Wenn die Physikprüfung scheitert, geben wir eine harte Randbedingung zurück — kein Vorschlag, eine Randbedingung: „Trägerhöhe um 200 mm erhöhen" oder „Rückspannverbindung hinzufügen." Das generative Modell erzeugt daraufhin innerhalb dieser Grenzen neu.

Kreativität, begrenzt durch Physik. Vorstellungskraft, verifiziert durch Mathematik. Das ist der Workflow.

Und weil unsere Modelle durch physikalische Gleichungen begrenzt sind, statt auf dem gesamten Internet trainiert zu werden, sind sie bemerkenswert dateneffizient. Ein PINN, das auf Stahlrahmen trainiert wurde, generalisiert auf neue Stahlrahmen, weil sich das Hookesche Gesetz zwischen Projekten nicht ändert. Das bedeutet auch, dass die Modelle klein genug sind, um vor Ort eingesetzt zu werden. Kein Kunde muss Baupläne sensibler Infrastruktur an eine öffentliche API senden.

Die Glasbox versus die Blackbox

Es gibt noch eine Sache bei LLM-basierten Ingenieurwerkzeugen, die mich nachts wachhält, und das ist nicht die Genauigkeit — es ist die Erklärbarkeit.

Wenn ein Graph Neural Network eine Vorhersage über ein Strukturelement trifft, können wir über Attention-Gewichte genau visualisieren, welche benachbarten Knoten diese Vorhersage beeinflusst haben. „Die Stütze wurde markiert, weil die kombinierte Last, die von Träger A und Träger B übertragen wurde, ihre Tragfähigkeit überschritt." Das ist eine nachvollziehbare, prüfbare Argumentationskette. Ein Ingenieur kann sie sich ansehen und sagen: „Ja, das stimmt" oder „Nein, Sie haben die Einzugsfläche falsch berechnet." Man kann streiten mit dem Modell.

Versuchen Sie, mit GPT-4s Argumentation zu einer statischen Bewertung zu streiten. Fragen Sie es, warum es zu dem Schluss kam, dass der Balkon sicher sei. Sie werden einen flüssig formulierten Absatz bekommen, der plausibel klingt, sich aber auf nichts Nachprüfbares zurückführen lässt. Die Argumentation ist über Milliarden von Parametern verteilt, auf eine Weise, die kein Mensch nachvollziehen kann.

In der Software ist eine Blackbox eine Designentscheidung. In der Tragwerksplanung ist eine Blackbox eine Verantwortungsverweigerung.

Die Fundamentfrage

Ich war in genug Konferenzräumen und Investorenmeetings, um zu wissen, dass sich der aktuelle KI-Hype im Bauwesen fast ausschließlich um generative Modelle dreht. Die Pitch-Decks sind bezaubernd. Die Demos sind beeindruckend. Die zugrunde liegende Annahme — dass man sich per Pixel-Vorhersage zur strukturellen Sicherheit vorarbeiten kann — ist falsch.

Die Bauindustrie ist unter allen Branchen in einer entscheidenden Hinsicht einzigartig: Unsere Fehler töten Menschen. Ein Softwarefehler ist ein Patch. Ein struktureller Fehler ist eine Einsturzuntersuchung, eine Klage, ein Mahnmal. Der Spielraum für „wahrscheinlich richtig" ist null.

Wir haben Veriprajna auf Graphentheorie, geometrischem Deep Learning und Differentialgleichungen aufgebaut, weil das die einzigen Grundlagen sind, die deterministische Antworten auf Sicherheitsfragen liefern. Nicht „es sieht sicher aus." Nicht „basierend auf ähnlichen Strukturen in unseren Trainingsdaten ist das wahrscheinlich ausreichend." Sondern: Das Physik-Residuum ist null, der Lastpfad ist durchgängig, die Spannung liegt innerhalb der Tragfähigkeit.

GPT-4 sagte mir, dieser Balkon sei sicher, weil es Tausende Fotos von Balkonen gesehen hatte, und auf diesen Fotos blieben die Pixel des Bodens für gewöhnlich über den Pixeln des Erdbodens. Die Physik sagte mir, dass er einstürzen würde, weil das Biegemoment an der Einspannung die Momententragfähigkeit des Querschnitts überschritt.

Ich weiß, auf welche der beiden ich baue.