Latest / ARCHITEKTURFUNK / #189 – Nils Fischer, Zaha Hadid, Stefan Kaufmann, Allplan: Kollegin oder Konkurrenz? KI im Planungsbüro

Transcript

#189 – Nils Fischer, Zaha Hadid, Stefan Kaufmann, Allplan: Kollegin oder Konkurrenz? KI im Planungsbüro · ARCHITEKTURFUNK

0:03
Speaker 0: Architektur-Funk.
0:03
Speaker 0: Architektur-Funk.
0:04
Speaker 0: Architektur-Funk.
0:05
Speaker 0: Partner-Edition.
0:06
Speaker 0: Der Heinzer Podcast.
0:07
Speaker 0: Herzlich Willkommen zum Heinz-Architektur-Funk.
0:10
Speaker 0: Partner-Edition.
0:11
Speaker 0: Episode Hundertneunundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundundund.
0:27
Speaker 1: Herzlich willkommen zu einer weiteren Episode der Heinzer Architektur-Funk Partner Edition.
0:33
Speaker 1: Unser heutiger Partner ist Alplan, ein globaler Anbieter von BIM Software für Architektur, Boundary-Wesen, Detailplanung und Fertigung und Teil der bekannten Nemechec Group.
0:46
Speaker 1: Wir sprechen heute über künstliche Intelligenz, denn die hält zunehmend Einzug in die Architektur und Bauplanung und verändert dort zusehends die Arbeitsweise der Planenden und damit auch den Ablauf von bisher etablierten Planungsprozessen.
0:59
Speaker 1: Während Building Information Modeling in den vergangenen Jahren die digitale Planung standardisiert hat, eröffnet KI völlig neue Möglichkeiten.
1:07
Speaker 1: Was das konkret ist und wo wir aktuell stehen, erfahren wir nun von meinen beiden Gästen, Nils Fischer und Stefan Kaufmann.
1:15
Speaker 1: Hallo.
1:17
Speaker 0: Und los
1:18
Speaker 1: geht's!
1:18
Speaker 1: Bevor wir das Gespräch beginnen, Nils und Stefan möchte ich gerne beide kurz vorstellen, damit unsere Zuhörenden wissen, mit wem sie es denn eigentlich zu tun haben.
1:28
Speaker 1: Nils, du bist Architekt und Director bei Saha Hadid in London und leitest dort den Bereich Forschung und Entwicklung, zudem auch die Computational Design Research Group Kurz Code gehört.
1:41
Speaker 1: Und du bist seit einem Einstieg in das Büro im Jahr zwei Tausendvier auch zusätzlich in zahlreiche Großprojekte ein.
1:48
Speaker 1: eingebunden.
1:49
Speaker 1: Und Stefan, du bist ebenfalls Architekt.
1:51
Speaker 1: Du hast an der TU München geforscht und gelehrt.
1:55
Speaker 1: Und du warst von zwei Tausend vierzehn bis zwei Tausend achtzehn Geschäftsführer des Leonhard Obermeyers Center, einem der führenden Forschungszentren für digitale Methoden im Bauwesen.
2:07
Speaker 1: Heute bist du Produktmanager bei Alplan und dort verantwortlich für den Bereich BIM Strategie und neue Technologien.
2:16
Speaker 1: So jetzt.
2:17
Speaker 1: Darf ich natürlich mit zwei echten Technocracks sprechen und habe so ein bisschen Sorge, dass mir das Gespräch entgleitet und das vielleicht auch unsere Zuhörenden irgendwann aussteigen, wenn es zu technisch wird und zu viele Fachkürzel auf uns einprasseln.
2:33
Speaker 1: Daher meine Bitte, sprecht in einfacher Sprache mit mir.
2:37
Speaker 1: Danke.
2:39
Speaker 1: Erste Frage Nils.
2:41
Speaker 1: In welchen Bereichen der Planung kann denn KI überhaupt sinnvoll eingesetzt werden?
2:47
Speaker 2: Also ich kann das natürlich nicht generalisieren, da wir uns hauptsächlich auf den Anfangsbereich der Planung konzentrieren mit dem, was wir machen.
2:59
Speaker 2: Aber ich denke mal, was jeder schon sieht, ist, dass das Bildgeneration unheimlich gut funktioniert.
3:05
Speaker 2: Und es hat vor etwa zwei Jahren mit breit verfügbaren Tools, glaube ich, erst mal als Spielerei angefangen haben, viele gemacht.
3:13
Speaker 2: Aber wo wir das wirklich heute nutzen, ist vor allem die Visualisierung, also weniger, um Ideen zu erzeugen, als um sie dann viel schneller als bisher möglich realistisch darzustellen.
3:22
Speaker 2: Weil als Architekt arbeitet man natürlich an sehr abstrakten Modellen.
3:26
Speaker 2: Das kennt jeder und Klienten möchten dann gerne etwas sehr realistisches haben und diese Lücke zu füllen, das KI wollte.
3:33
Speaker 2: ausgesprochen nützlich schon, also nicht nur schneller, sondern auch viel billiger als das, was man früher als Rendering kannte oder auch heute noch kennt.
3:43
Speaker 2: Und das hat auch damit zu tun, dass die Rechenzeit kürzer wird, an sehr viel weniger Arbeit in die Dekoration einer Szene stecken muss.
3:53
Speaker 2: Und das ist schon wieder nützlich, weil das hat eigentlich wenig mit unserer Wertschöpfung zu tun.
3:57
Speaker 2: Wir versuchen möglichst viel Zeit auf auf die Entwicklung des Invores zu verwenden und weniger eigentlich die Rebate davon zu dekorieren für temporäre Reviews.
4:06
Speaker 2: Also das ist schon sehr nützlich.
4:08
Speaker 2: Es gibt natürlich auch sehr sehr, sag ich mal, ob iquitero oder, oder sag ich mal, generische Tools, die Architekten gut schon verwenden können, das alles mit Text zu tun hat.
4:15
Speaker 2: Also ich glaube, die wenigsten Architekten haben.
4:17
Speaker 2: Ein Germanistic-Studium gemacht.
4:20
Speaker 2: Und da sind natürlich auch diese ganzen Tools, die im Bohralltag einen das Leben jetzt schon leichter machen können, die Textgeneratoren.
4:26
Speaker 2: Sehr nützlich, denke ich mal, das wird auch... werden auch schon viele in der einen oder anderen Form nutzen.
4:31
Speaker 2: Dann gibt es sehr spezialisierte Tools, zum Beispiel, wenn es darum geht, jetzt möglichst schnell zum Beispiel den CO²-Footpin eines Gebäudes zu haben.
4:37
Speaker 2: Da gibt es relativ effiziente spezialisierte Tools, die man sich als Service herzukaufen kann, die zum Beispiel aus dem BIM-Modell schon relativ gut vorhersehen können, wo mein Gebäude energetisch liegt.
4:47
Speaker 2: Und diese Tools werden eben so schnell, dass ich da relativ viele Iterationen über ein Problem schon laufen lassen kann.
4:54
Speaker 2: Also wesentlich mehr.
4:54
Speaker 2: es ist früher der Fall war.
4:55
Speaker 2: Also da gibt es jetzt schon einige nützliche, auch technische, die durchaus einen Entwicklungsstand haben, der sie im Alltag nützlich macht.
5:04
Speaker 1: Das Thema Visualisierung, Rendering, generatives Design ist ja auch sicherlich was Stefan, was er auch bei Alplan einsetzt und nutzt.
5:14
Speaker 1: Ist das dann wirklich eine reine blanke Bildgenerierung oder ist es schon mehr?
5:22
Speaker 0: Und jetzt die Frage, was du mit Blanquer Bildgenerierung meinst.
5:24
Speaker 0: Also ich meine, das Endergebnis ist momentan bei uns ein Bild.
5:27
Speaker 0: Das wird auch nicht so bleiben, weil wir arbeiten jetzt schon an einer nächsten Generation, die dann eben zum Beispiel auch einen Film generieren kann oder vielleicht dann auch in der Lage ist, zum Beispiel aus verschiedenen Bildern und Ansichten eines Gebäudes vielleicht dann auch schon mal grobes Modell zu machen.
5:43
Speaker 0: Aber die Blanquer Bildgenerierung, die kann natürlich ganz unterschiedlichen Einsatzzwecken dienen.
5:49
Speaker 0: Ja, da haben wir irgendwie am Anfang halt diese ganz frühen Enttourstphasen.
5:53
Speaker 0: Da wird vielleicht auch mal nur gepromptet.
5:54
Speaker 0: Ja, also die Frage ist irgendwie bei der Kei immer, immer, was habe ich eigentlich für Eingangsdaten und was kommt am Schluss raus?
6:02
Speaker 0: oder was kann am Schluss rauskommen?
6:04
Speaker 0: Und bei den Eingangsdaten gibt es bei uns eine große Vielfalt.
6:08
Speaker 0: Also kannst du einfach nur prompten und das heißt Texteingabe und so wünscht der was und dann kommt da halt ein Bild raus.
6:16
Speaker 0: Du kannst ja auch verschiedene Stile ausprobieren schon an der Stelle, aber du kannst eben auch schon Bilder vorgeben, das heißt zum Beispiel einfach eine Handskitze oder irgendwas, was man schön in ZVD gezeichnet hast oder vielleicht auch schon ein Screenshot von einem BIM Modell.
6:31
Speaker 0: oder von der perspektivischen Ansicht von dem B-Modell.
6:35
Speaker 0: Und da sieht man halt schon, okay, da sind wir jetzt eigentlich in ganz unterschiedlichen Fasten des Intros auch, oder?
6:41
Speaker 0: Das kann so ganz am Anfang mal sein, so für eine frühe Inspiration kann auch später mal sein, wo ich mich vielleicht mal früher Materialität interessiere.
6:50
Speaker 0: Was ich total spannend finde, ist übrigens, wenn ich als Eingangsdaten ein Foto von einem Gebäude nehme, da haben wir wirklich echt tolle Ergebnisse schon mit unserem Bildgenerator, das heißt, Ich muss irgendwie zum Beispiel thermisch Sanierungsmaßnahme vornehmen.
7:04
Speaker 0: Jetzt mache ich halt von meinem siebziger Jahre Gebäude ein Foto und wünsche mir jetzt da mal neue Fassaden drauf.
7:09
Speaker 0: Und wenn ich die, das muss auch nicht umfangreich beschrieben werden, aber wenn ich die relativ gut beschreibe, ja damit kann ich da auch schon echt in kurzer Zeit wirklich hochwertige Entwürfe, das ist jetzt nicht nur, also jetzt habe ich jetzt nicht das Gebäude entworfen, das steht ja schon, aber ich kann zum Beispiel Fassadenentwürfe darauf generieren und es funktioniert total klar, weil da hat diese Bildgeneratoren, das sind Modelle dahinter, die sind halt eben auf der Basis von Fotos zum Beispiel oder von Architekturvisualisierungen trainiert und die sind halt besonders gut, wenn es darum geht Gebäude von aus zu zeigen.
7:50
Speaker 0: Also da deswegen Ja klar, wird generiert, ein Bild generiert, aber es ist eben nicht nur ein Rennerings.
7:55
Speaker 0: Da steckt schon auch, kann schon auch den Fuchsgedanke zu stecken.
8:00
Speaker 1: Und der Intelligenz auch schon quasi hinterlegt sein.
8:03
Speaker 1: Jetzt hat Nils... Am Anfang gesagt einfach die Visualisierungen, das Rendering.
8:10
Speaker 1: Nils, du hast auch erwähnt, dass es natürlich auch Themen für Nachhaltigkeitsberechnungen, also Simulation für LCA, für Gebäude, Ökobilanzen usw.
8:26
Speaker 1: auch erstellt werden können, was echt super gut funktioniert und ja auch schon eine große Unterstützung ist.
8:31
Speaker 1: Ich denke immer so an die an die baupraktischen Sachen, eine Ausführungsplanung, wo einfach auch viele Vorgänge manuell gemacht werden müssen, nach wie vor, die man vielleicht automatisieren kann, gibt es da auch schon konkrete Ansätze, wo man mit einer KI quasi solche Automatisationen anstoßen kann und quasi auch als Planer.
8:59
Speaker 1: Planerin enorm einfach auch zeitlichen Vorteile hat, weil es Ersparnis hat.
9:06
Speaker 2: Also ich würde sagen, zumindest aus meiner Sicht, als jemand, der das dann anwenden würde, sehe ich da jetzt noch nichts, was hundertprozentig funktioniert.
9:12
Speaker 2: Es gibt aber Ansätze und es gibt auch jetzt schon einige Startups, die als Claim haben, genau das zu tun.
9:19
Speaker 2: Das heißt, da gibt es Angebote, da kann man dann seine Planbestände im Prinzip einlesen lassen und die Versprechen dann Im Stil der bisherigen Pläne, auch Ausführungspläne, das Englisch-Institum The Dresser, also Bemaßung, Grafikinstitut zufügen, aber auch dann Pläne zu generieren.
9:44
Speaker 2: Allerdings sind die Angebote, die wir da sehen, bisher, sag ich mal moderierte Angebote.
9:48
Speaker 2: Das heißt, man schickt die Daten dahin, dann wird irgendetwas generiert.
9:51
Speaker 2: Dann kriegt man drei Versionen zurück, die dann nochmal von... Menschen Qualitätsbearbeitet werden und das zeigt eigentlich, dass es anscheinend noch nicht so richtig funktioniert.
10:00
Speaker 2: Es gibt mehrere Angebote, das sind allerdings alle Angebote mit einem Human in the Loop und dann kriegt man in relativ kurzer Zeit Dinge zurück.
10:07
Speaker 2: Aber man kriegt sie eben noch nicht live.
10:09
Speaker 2: Mir ist da etwas in Gang bisher.
10:11
Speaker 2: Und von den Gesprächen, die wir bisher mit diesen Anbietern hatten, hat man auch schnell, das funktioniert besonders gut, wenn man zum Beispiel sich als Architekt auf eine Typologie konzentriert und die Dinge dann idealerweise auch noch möglichst rechtwillig daherkommt.
10:23
Speaker 2: Also das funktioniert für uns noch nicht.
10:26
Speaker 2: Da gibt es viele Ansätze und da liegt natürlich dann auch eine ganz, ganz große Effizienzsteigung.
10:33
Speaker 2: Das heißt, da gibt es auch, glaube ich, inzwischen genug Anreiz, um da Tools zu entwickeln.
10:37
Speaker 2: Und da sehe ich immer weiter ausgereifte Modelle, die allerdings noch nicht an einem Punkt angekommen sind.
10:45
Speaker 2: aus meiner Perspektive, zumindest die, die es einmal erlauben würden, sich auf diese Tools jetzt im Dialog direkt... an Bildschirmen einzusetzen.
10:53
Speaker 2: Das sind immer noch Firmen, die das Ganze als Service anbieten.
10:56
Speaker 2: Da hat Stefan vielleicht aus seiner Entwicklungsarbeit noch etwas mehr Einblick als Softwarehersteller.
11:04
Speaker 2: Aber ich habe da jetzt für die Planungspraxis, also wenn es zum Beispiel um die Planerstellung der Ausführungsplanung geht, noch nichts gesehen.
11:12
Speaker 2: Es gibt natürlich andere Bereiche, die sich eher dazu eignen, Modelle aus anderen Bereichen zu verwenden, weil es das mit Text zu tun hat, Ausstrahmungstexte
11:22
Speaker 2: etc.,
11:22
Speaker 2: also das klappt schon eher ganz gut.
11:24
Speaker 2: Die eigentliche Planung, die räumliche Planung ist eine große Herausforderung, aber vom Muster her eignet es sich schon dafür in der Ritansprechung viel Gevorsteuer, werden wir in den nächsten Jahren viel Innovationen sehen.
11:37
Speaker 1: Das heißt, wir müssen uns keine Sorgen machen, dass der Beruf des Architekten, der Architektin absehbar überflüssig werden könnte.
11:47
Speaker 2: Ne, genauso wenig wie BIM oder CUT den Architekten abgeschafft haben.
11:50
Speaker 2: Also ich bin da sehr optimistisch, weil ich glaube, dass uns die AI vor allem da gut unterstützt, wo wir, also früher war es so, dass der Computer einem direkt repetitiver Aufgaben abnehmen konnte.
12:00
Speaker 2: Und jetzt, glaube ich, sind wir an einem Punkt, wo ähnliche Aufgaben einem abgenommen werden können.
12:05
Speaker 2: Und das sind, glaube ich, auch Aufgaben, die ehrlich gesagt Niemand gerne macht.
12:08
Speaker 2: Also ich kenne keinen Architekten, der, ihr kennt auch nicht alle Grundsetzungen, aber ich kenne keinen, der zum Beispiel Türlisten mag.
12:14
Speaker 2: Ja, also ich glaube, da gibt es viele Dinge auch, die dann gerade, wenn man, wenn man einen guten Standard hat, dann auch in der Ausführungsplanung eine Ableitung, eigentlich, das sind Buchsgedanken sind.
12:23
Speaker 2: Und ich glaube, dass, dass das die AI dazu führen wird, dass die Wertschöpfung sich weg verschieben wird von, von, sage ich mal, im repetitiven Abarbeiten eines Entwurfes hin zur zur eigentlichen Entwurz gestalten, weil die Abarbeitung sich dadurch durch den Einsatz von KI effizienter gestalten ist.
12:42
Speaker 1: Stefan, kann man sagen jetzt schon, in welchen Leistungsphasen KI tatsächlich schon eingesetzt werden kann oder einen echten Mehrwert bringt, also jetzt aus Sicht quasi des Software Anbieters?
13:03
Speaker 0: Das kann man nicht so allgemein sagen.
13:04
Speaker 0: Ich sehe momentan KI, was schon alten Leistungsfasen schon im Einsatz.
13:09
Speaker 0: Da hat immer die Frage, habe ich da irgendwo an irgendeiner Stelle inforzliniert, das Modell ist mir halt jetzt gerade bei dem hilft, was ich da tue.
13:15
Speaker 0: Also die KI.
13:17
Speaker 0: ist eine völlig neuartige Technologie, die man sich eher so vorstellen kann, wie neue Kollege, der halt irgendwie mitarbeitet oder vielleicht ein Team von Kollegen, die zum Teil sehr speziell ausgebildet und können eben eine Sache besonders gut oder sie verfügen halt über ein extrem breites Wissen.
13:33
Speaker 0: Deswegen lässt sie es tatsächlich gar nicht so stark für allgemein.
13:36
Speaker 0: Er hat das ja vorhin schon mal zum Beispiel Visualisierung ausgeführt.
13:41
Speaker 0: Da sieht man ja auch im Grunde genommen, kann ich ja eigentlich bis zur Eingabeplanung auf jeden Fall so ein Visualisierer einsetzen und vielleicht sogar darüber hinaus dann im Fall von der Sanierungsmaßnahme.
13:54
Speaker 0: und wenn man jetzt den Scope hier noch ein bisschen breiter nehmen, zum Beispiel auf Text-Generierung oder auf Tools, die vielleicht automatisiert für uns Content generieren, wie Modelle ausplänen.
14:07
Speaker 0: Dann sieht man schon, okay, das ist im Grunde genommen halt überall schon im Einzug.
14:11
Speaker 0: Und mal so ein einfaches Beispiel, natürlich kann ich mir in der frühtenden Durstphase vielleicht schon mal einen Vorschlag für den Raumbuch machen lassen und wenn ich das richtig gepromptet habe, übernehme ich das direkt bei uns in den Raummanager in Alplan.
14:25
Speaker 0: Ich kann das später vielleicht viel besser übersetzen.
14:29
Speaker 0: Ich kann mir vielleicht auch mal einen Vertrag machen lassen oder einen Architektenvertrag mal prüfen lassen und so weiter.
14:37
Speaker 0: Also das ist wirklich was, was man so nicht für allgemein an kann und ich glaube auch nicht, dass es so sein wird, dass es da irgendwo einen speziellen Anwendungsbereich für KI geben wird, der prädestiniert ist.
14:51
Speaker 0: Aber gut, die Frage ist, und ich glaube, das ist nochmal ein Thema, das wir Ich glaube, ich auch lohnt zu beleuchten, was überhaupt ein KI-Tool ist.
14:58
Speaker 0: Also momentan tun wir ja so, es gibt irgendwie so Software und jetzt kommen da die neuen KI-Tools, das ist im Teil natürlich auch so, aber ich glaube, dass wir die Diskussion in spätestens ein bis zwei Jahren so gar nicht mehr führen werden, weil ja quasi jeder Software-Hersteller KI in seine Bestandssoftware... einbauen wird.
15:17
Speaker 0: Und das ist oder auch schon eingebaut hat.
15:20
Speaker 0: Also wir haben ja auch schon die ersten KI Funktionen bei uns in den Produkten.
15:25
Speaker 0: Ist es die Frage, ist jetzt Alplan ein KI-Tool?
15:28
Speaker 0: Wahrscheinlich ja.
15:29
Speaker 0: Also und war Alplan davor auch schon eins?
15:32
Speaker 0: Wahrscheinlich auch schon, denn wir hatten vorher auch schon Tools, die irgendwie geholfen haben, einen hohen Automatisierungsgrad Probleme zu lösen.
15:39
Speaker 0: Also das ist tatsächlich so, ich glaube, dass uns das tatsächlich gar nicht so Hilfen beim Verständnis von KI und auch beim Einsatz von KI.
15:52
Speaker 0: Was kommen wird, ist, dass KI überall sein wird.
15:55
Speaker 0: Und manchmal merken wir es und manchmal eben nicht.
15:57
Speaker 0: Und manchmal ist es vielleicht ein großes, fortzunähertes Modell.
16:00
Speaker 0: Und manchmal ist es einfach nur besonders smarter Optimierungsalgorithmus, der vielleicht schon was für uns macht.
16:06
Speaker 0: Und vielleicht noch mal, du hast ja auch mal ein bisschen ... Kann man eigentlich so vielleicht in der Ausarbeitung von Plänen oder ... bei der Erhöhung des Detailierungsgrats, dann während der Planung gibt es da schon Tools, die uns helfen können und wir arbeiten halt genau an so was momentan.
16:22
Speaker 0: Da darf ich jetzt glaube ich schon so ein bisschen bei uns einen Maschinenraum mal reinschauen lassen.
16:26
Speaker 0: Also in meinem KI-Team, das ist immer ganz happy, dass wir die Woche echt einen schönen Algorithmus präsentieren durften, intern schon mal, der eben dabei helfen soll, Pläne zu generieren aus BIM-Modellen.
16:39
Speaker 0: Das ist eben was eigentlich der Logik von KI völlig widerspricht.
16:44
Speaker 0: Also an sich ist ja KI entdeckt der Muster in irgendwas unstrukturierten oder und man liefert uns dann was höher strukturiert.
16:51
Speaker 0: So liest ein Plan, ein PDF oder als Bild und kann uns jetzt ein B-Modell machen.
16:58
Speaker 0: Ich strukturiere die Daten höher.
17:00
Speaker 0: Jetzt gehen wir da quasi den anderen Weg.
17:02
Speaker 0: Also wir haben hochstrukturiertes B-Modell und das mache ich da sowas Niederstrukturiertes, ein PDF draus.
17:07
Speaker 0: Und wir starten jetzt einfach mal mit ganz banalen Sachen, wie, wo ist ein guter Ort für ein Positionsnummer oder wo ist ein guter Ort für die Bewertung für die Bemassungslinie?
17:23
Speaker 0: Und die Intrits schon da, die können wir schon vorgenerieren, aber wir wissen, dass unsere Kunden, vierzig Prozent der Zeit, dann wieder damit verbringen, diese Pläne auszuarbeiten.
17:34
Speaker 0: Das ist eben, auf diesen Paintpoint schauen wir auch, und das will ja auch eigentlich auch keiner von Hand machen.
17:40
Speaker 0: Und das ist viel Arbeit.
17:40
Speaker 0: Mit jeder Änderung mache ich es wieder.
17:42
Speaker 0: Und ich wünsche mir natürlich als Architekt auch, dass der Entwurf in Zukunft ... noch stärker vielleicht auch von Menschen gemacht ist, weil wir doch noch ein breites Verständnis haben, was wir da an irgendeiner Stelle angemessen.
17:56
Speaker 0: Wir haben diese soziale Vernetzung sehr stark und sehr regional auch.
18:02
Speaker 0: Ich denke, das wünsche ich mir zumindest, dass wir da Freiräume schaffen, dass wir, das heißt, wir tecken eigentlich wieder mehr, die Dinge tun für diese geeignet sind und auf diese habe ich auch Lust haben.
18:14
Speaker 1: Nils, mich würde mal interessieren, jetzt haben wir viel über BIM und KI gesprochen.
18:18
Speaker 1: Mir persönlich fällt es schwer überhaupt, das auseinanderzuhalten.
18:22
Speaker 1: Wie hängt BIM und KI eigentlich miteinander zusammen?
18:28
Speaker 1: BIM-Methodik hat sich ja jetzt in den letzten Jahren eindeutig etabliert als vielleicht auch so digitale Standard in der Planung.
18:37
Speaker 1: Jetzt hat Stefan schon gesagt, naja, die Plangenerierung aus BIM ist ja eigentlich was, was man gar nicht will, wo man ja eigentlich... dachte man ist da vielleicht drüber hinaus oder hinweg.
18:47
Speaker 1: Aber offensichtlich kommt man auch ohne vielfache zwei D-Darstellungen einfach nicht klar.
18:52
Speaker 1: Also auch in der Baupraxis oder in Deutschland sicherlich auch schon auf den Bauämtern geht das los.
18:58
Speaker 1: Gibt es da quasi ein Technikwechsel von BIM zu KI oder ist KI einfach etwas, was quasi in diese BIM Arbeitsweise einfach ein integraler Bestandteil.
19:13
Speaker 1: werden wird oder vielleicht auch schon ist.
19:16
Speaker 2: Ich glaube, es ist noch nicht, was wir versuchen, das gerade zusammenzubringen.
19:19
Speaker 2: Also KI funktioniert vor allem in Bereichen, wo wir aus anderen... Das ist aber am besten.
19:25
Speaker 2: funktionieren momentan auch generische Tools, die eigentlich aus anderen Domänen kommen, wo es sehr viel mehr Daten gibt.
19:29
Speaker 2: Als das mit Text-Systematbildern.
19:31
Speaker 2: Da gibt es eben Milliarden von Quellen im Internet und aufgrund dieser Datenlage funktionieren diese Tools ganz besonders gut.
19:37
Speaker 2: Und da, wo man diese Tools im Architekturbereich anbenden kann, sehen wir momentan auch die reifsten Anwendungshälle.
19:44
Speaker 2: BIM eignet sich natürlich stark betrachtet besonders gut für das Training von Modellen, weil in einem BIM-Modell habe ich schon sehr viel.
19:53
Speaker 2: klassifizierte Datensätze.
19:56
Speaker 2: Das ist das, was ich für das Training eines Modells brauche.
19:58
Speaker 2: Ich muss dem Modell im Prinzip erklären können, was eine Information bedeutet und in strukturierten Datensätzen wie einem Modell geht, dass theoretisch sehr gutes Problem ist, glaube ich, dass momentan einfach noch nicht genug von diesen Daten an einem Ort zusammengebracht wurden, sind, um... um da effiziente Modelle zu bauen, weil die Daten lenken doch extrem groß.
20:18
Speaker 2: Aber da ist ein großes Potenzial auf jeden Fall, da, weil die Struktur der Daten sich eigentlich sehr gut für das Training von Modellen eignet.
20:24
Speaker 2: Aber wie vielleicht schon eingangs gesagt, wir sehen jetzt noch keine Tools, die sich im Klarensalltag für Projekte einsetzen, das sind ja jetzt ein fundamentaler Game-Changer.
20:36
Speaker 2: Das ist ein zusätzlich Funktion, ich war auf der Chefin auch gesagt, es gibt jetzt nicht eine Klasse von vor KI.
20:42
Speaker 2: Software und eine danach, sondern das ist eine sukzessive Addition von Funktionen, die sich dann nach und nach in den Programmen, die wir kennen, etablieren.
20:51
Speaker 2: Das ist eine kleine Optimierung, die wir bisher sehen.
20:53
Speaker 2: Also den großen Sprung habe ich noch nicht gesehen.
20:55
Speaker 2: Es gibt aber natürlich auch Firmen-Startups, die sich genau damit beschäftigen und gucken, was das kommt nach der klassischen BIMS Software wie Diesel kennen.
21:01
Speaker 2: Und da gibt KI natürlich einen doppelten Schub, weil einmal natürlich dann eine neue Technologie ist, mit der ich meine... Datenmodelle bearbeiten kann, aber auch gleichzeitig die Entwicklung neuer Software-Belieger wird, weil auch die Software-Entwicklungs-Tour tut es über KI sehr viel effizienter werden.
21:19
Speaker 2: Und das ist in dem Sinne eigentlich auch eine Schlüsseltechnologie, die die Software-Entwicklung ganz stark beschleunigt, weil gerade... Aber die ersten großen Modelle, die wirklich gut funktioniert haben, waren Programmier-Tools.
21:32
Speaker 2: Und ich glaube daran liegt es auch, dass es inzwischen eine recht große oder eine recht breite Initiative von auch kleinen Softwarefüllen gibt, sich dieses Thema anzulernen.
21:41
Speaker 2: Also ich glaube, ich bin ein mit sich von der Struktur her sehr gut für KI.
21:45
Speaker 2: Aber ich glaube, was momentan noch fehlt, ist dieser Durchbruch, genug Daten in einem Ort zusammenzubringen und dann auch aus bereiter Front-Opots zu generieren, die den... Planungsalltag wirklich verändern.
21:58
Speaker 2: Also das habe ich noch nicht so gesehen.
21:59
Speaker 2: Ich glaube, es ist auch eher ein gradueller Prozess.
22:01
Speaker 1: Welche Kompetenzen braucht man denn als Planender, um ja mit der KI erfolgreich zum Beispiel in Altplan zu arbeiten, Stefan?
22:12
Speaker 0: Also was mit mit den KI-Tools jetzt kommt und warum sie nicht auch so schnell durchsetzen, diese KI-Funktionen, im Vergleich zum Beispiel zu BIM.
22:21
Speaker 0: ist halt eine extrem hohe Intuitivität.
22:24
Speaker 0: Also wenn wir uns die KI, so wie wir jetzt sie uns jetzt gerade hier besprechen, in Form von Chen AI und Machine Learning, also diese KI, die eben in der Lage ist, auf besonders hohem Divo intelligent zu sein, dann sehen wir halt, dass eine der Fähigkeiten eben ist, dass sie so ein hohes Sprachverständnis hat oder dass sie, das heißt Theory of Mind, das heißt sie versteht eigentlich immer besser, was wir auch vorhaben.
22:51
Speaker 0: Also ich muss jetzt da nicht ganz genaue Prozesse oder Eingangsmethoden einhalten.
22:56
Speaker 0: Und ich kann auch mal so aus der Hüfte los plappern und mir was wünschen.
23:03
Speaker 0: Selbstständige Schlüsse ziehen, kann Probleme auch generalisieren.
23:06
Speaker 0: Also versteht schon, okay, du hast jetzt gerade ein Problem und gibt es ein ähnliches Problem vielleicht in einem anderen Anwendungsgebiet und kann eben solche Problemstellungen übertragen.
23:16
Speaker 0: Versteht, war es nicht gut?
23:18
Speaker 0: hat so ein semantisches Verständnis.
23:20
Speaker 0: Das heißt, kann zur Bedeutung von Synonym und Sprache eigentlich völlig eigenständig auch übersetzen.
23:27
Speaker 0: Und das führt eben dazu, dass man im Grunde genommen erst mal keine Schulumbrauen.
23:34
Speaker 0: Also wir haben ja jetzt Leute, und ich habe das eben, das zum Beispiel jetzt beim Visualisierung, aber auch bei unserem KI-Assistent, den wir da eingebaut haben.
23:44
Speaker 0: Mein Gott, da gehe ich einfach hin und ich kann völlig intuitiv bedienen, warum, weil die KI im Grunde genommen stückweit versteht, welche Beten, was ich vorhab.
23:52
Speaker 0: Und ich kann es ihm einfach jetzt erzählen.
23:54
Speaker 0: Also das ist, also diese hohe Intuitivität führt eben auch zu diesem, sagen wir mal, raketenhaften Durchbruch der Tools, die wir da gesehen haben.
24:03
Speaker 0: weil ich muss es einfach nicht mehr lernen.
24:05
Speaker 0: Das heißt aber nicht, dass es nicht gut ist, ein Stück weit eben auch mal zu lernen, also mal so ein irgendwie so ein Promting Seminar mal zu belegen oder vielleicht auch mal so im Bereich Visualisierung, aber auch bei der Belutzung von Chatbots.
24:18
Speaker 0: Das schadet sicher nicht, weil da kann ich einfach für mich am Schluss nochmal mehr rausholen und kriege vielleicht auch mal eine Inspiration, was ich noch alles anstellen könnte mit diesem Tool.
24:27
Speaker 0: Also erst mal habe ich ja das in der Blackbox.
24:29
Speaker 0: Und das macht es für uns übrigens auch relativ schwierig auch im Bereich des Product Management, weil wir wissen, okay, dieses Blackbox ist extrem intelligent, extrem breites Wissen, aber wie lernen jetzt unser Anwender, was er damit alles anstellen kann?
24:46
Speaker 0: Wir wollen es ja auch nicht, wir können limitieren es ein Stück weit, damit eben keine risikobelhafteten Dinge damit getan werden, aber wir tun es auf der anderen Seite halt auch schwer, weil wir weil eben nicht immer klar ist, was das Ziel dieser KI ist.
25:01
Speaker 0: Und sie kann für uns halt eine sehr hohe Eigenständigkeit Probleme lösen und sind selber manchmal auch überrascht, was dann die anderen damit anstellen.
25:14
Speaker 1: Ich habe in den letzten Wochen immer wieder gehört, dass KI ... Standardmäßig versucht, eine globale Lösung zu finden und das KI noch nicht in der Lage ist, dann eben auf spezifische Eigenheiten, auf lokale Charakteristika auch einzugehen.
25:34
Speaker 1: Was bedeutet das denn eigentlich konkret?
25:36
Speaker 1: Also bedeutet das das ein Entwurf für ein Gebäude, ob es in England oder in den arabischen Emiraten steht quasi unter unterschiedlichen klimatischen Voraussetzungen dann quasi ein gleiches Design bekommt oder dass man eben genau das schafft, zukünftig der KI anzutrainieren, dass er auf bestimmte Spezifikationen, Gegebenheiten quasi direkt einwirkt.
26:12
Speaker 2: Wenn ich das kurz beantworten habe, da haben wir uns ein bisschen beschäftigt, ganz am Anfang, als wir zu uns diese Bildgeneratoren angeguckt haben.
26:19
Speaker 2: Ich glaube, da muss man erstmal unterscheiden.
26:20
Speaker 2: Es gibt natürlich auch generelle Modelle, die ich genauso zur Generierung eines Gebäudebildes als auch eines Bildes eines Phantasietieres benutzen kann.
26:29
Speaker 2: Also das sind tatsächlich so General Purpose Models.
26:31
Speaker 2: Die sind natürlich deshalb interessant und auch sehr beeindruckend, weil die eben auf riesigen Daten setzen basieren.
26:36
Speaker 2: Und dann ist es auch bei der CREISO, dass was einkommt.
26:40
Speaker 2: reflektiert sich dann auch irgendwann in, oder ist dann auch in den Resultaten reflektiert.
26:44
Speaker 2: Es gibt allerdings Techniken und damit haben wir, als diese Modelle zunächst rauskam, auch sehr viel experimentiert, wie man diese Resultate sehr viel spezifischer machen kann.
26:54
Speaker 2: Also man kann zum Beispiel dann, wenn man selbst sich ein Bildgenerator, sag ich mal, halten möchte.
27:00
Speaker 2: aus seiner eigenen Hardware, kann man sich ein großes Modell, auch gibt es Open Source, kann man sich aus dem Internet holen.
27:05
Speaker 2: Da ist dann im Prinzip so eine Art Weltwissen, dann abgebildet, dann kann man auf diese großen Modelle, kleine Modelle, drauf trainieren mit eigenen Daten.
27:12
Speaker 2: Und da haben wir sehr viel mit exprimitiert, auch gerade was Bildgenerierungen betrifft.
27:16
Speaker 2: Man kann dann zum Beispiel aus einem eigenen Bilddatenbank dann sehr spezifische Auswahlenträter, also konzentrierte Datensätze auf diese Basisdatensätze aufsatteln, auch mit eigener Verschlagwortung.
27:30
Speaker 2: Da kommen schon relativ spezifische Resultate aus.
27:34
Speaker 2: Auch für eigene Verwendung haben wir Modelle nur für Interiors, nur für Hochhäuser, nur für Boran.
27:39
Speaker 2: Das heißt, man kann sich dann schon typologisch spezifische Modelle bauen.
27:45
Speaker 2: Also das ist einmal zu diesen generellen Modellen zu sagen.
27:48
Speaker 2: Und dann, glaube ich, gibt es dann auch für sehr viele technische Anwendungsfälle spezialisierte Modelle.
27:54
Speaker 2: Ich glaube, da geht auch so ein bisschen die Reise hin, dass wir statt das eine große Modelle haben, das versucht, an die Welt zu erklären.
28:01
Speaker 2: immer spezialisierte Nischen-Tools haben werden.
28:03
Speaker 2: Und das sind natürlich dann auch teilweise technische Problemen, die gelöst werden, Ingenieursaufgaben, die dann auch gar keinen lokalen Bezug haben.
28:10
Speaker 2: Das sind dann einfach Ingenieurs-Tools, oder irgendetwas schneller simulieren zu können.
28:15
Speaker 2: Aber wenn es zum Beispiel um die um die Regionalspezifizität von generierten Bildern geht, da kann man schon also einem und nicht gezieltes Prompten viel erreichen.
28:24
Speaker 2: Dazu muss man natürlich auch wissen, was in einer Region typisch ist oder eben dadurch, dass man durch zusätzliches Bilddaten, Training, Modelle spezifische machen.
28:33
Speaker 2: Das geht schon, aber dazu muss man sich natürlich auch mit diesen Tools etwas beschäftigen.
28:36
Speaker 2: Und man muss sich auch immer, glaube ich, oder man muss auch mit diesen großen Tools im Hinterkopf behalten, dass das General Purpose Models sind.
28:43
Speaker 2: Also im Prinzip nicht auf eine bestimmte Anwendung hin optimierte Modelle und dass man diese, sag ich mal, domänspezifischen Charakteristiker entweder durch prompt oder zusätzliche Daten dann auch reinbringen muss.
28:57
Speaker 1: Ich höre auch immer wieder den Begriff Model-Context-Protokoll.
29:01
Speaker 1: Was bedeutet das genau, Stefan?
29:03
Speaker 1: Hängt das jetzt mit dem angesprochenen Thema zusammen?
29:08
Speaker 0: Ich würde ganz gerne nochmal auf die letzte Frage antworten.
29:14
Speaker 0: Und dann natürlich auch gerne nochmal zum mcp zurückzukommen.
29:19
Speaker 0: Was momentan die Unternehmen sich wünschen, ist im Grunde genommen, dass sie mit jedem Projekt schneller werden und besser.
29:28
Speaker 0: Und das heißt, wir wünschen sich im Grunde genommen, dass das eine KI gibt, die aus ihren eigenen Projekten irgendwie lernt, um dann vielleicht gute Vorschläge fürs nächste Jahr zu machen.
29:36
Speaker 0: Das heißt, diese KI wird jetzt zu einem Hauptbestand zur Schlüsseltechnologie von so einem Wissensmanagement.
29:44
Speaker 0: Das ist im Grunde genommen halt auf der Basis von dem, was ich tue, in Zukunft immer mehr Produktivität und vielleicht auch Qualitätschaft im Unternehmen.
29:52
Speaker 0: Und da ist eben wichtig, dass man eben dieses Antrainieren nicht jetzt als globales Trainieren sieht.
29:59
Speaker 0: Und das ist auch gar nicht notwendig.
30:00
Speaker 0: Also es gibt ja die der Angst irgendwo bei den Planern, die sagen, die KI geklaut mir ja das ganze Wissen und ich benutze das jetzt nicht und das ist alles verboten.
30:08
Speaker 0: Das ist jetzt momentan natürlich schon so, weil natürlich die Anbieter von den Großmodellen hätten es schon gerne, dass man ihnen halt das Wissen gibt.
30:14
Speaker 0: Das machen wir aber zum Beispiel auch nicht.
30:16
Speaker 0: Und man kann das schon, man kann das Unternehmen wissen.
30:19
Speaker 0: Das kann ich trennen von dem Allgemeinwissen.
30:21
Speaker 0: und vom Domänenwissen.
30:22
Speaker 0: Und da sehen wir halt, daran arbeiten wir auch, dass man halt das Unternehmen, seine eigenen Wissenspace hat.
30:29
Speaker 0: Das sind dann Soldatenbanken, in denen eben dieses Wissen automatisch auch von der KI abgelegt wird und dann wieder bereitgestellt wird.
30:35
Speaker 0: Und das ist eben wichtig.
30:37
Speaker 0: Deswegen wollte ich auch nochmal darauf eingehen, weil wir ja das Thema Soldatenschutz und Wissenschutz eigentlich noch gar nicht besprochen haben, weil ich aber sehe, dass eben solche Entwicklungen dazu führen.
30:49
Speaker 0: dass wir sowas in Zukunft sehr einfach zu filmen stellen können, bis auch schon tun, dann habe ich das eine Erwähnung wert.
30:55
Speaker 0: MCP, ja okay, da müssen wir jetzt ein bisschen ausholen.
30:58
Speaker 0: Worum geht es?
30:58
Speaker 0: Ich habe es vielleicht vorher schon so ein bisschen angerissen, also KI wird es in alle Produkte integriert, in alle Softwareprodukte und Momentan ja so entweder so encapsulated, also irgendwo gibt es eine kleine KI-Funktion oder so global, so wie wir es halt auch haben, ja, da kann ich jetzt alles Mögliche machen mit dieser KI.
31:19
Speaker 0: In Zukunft wird diese globale KI die Funktion bekommen, die Software zu benutzen.
31:26
Speaker 0: Also die wird in der Lage sein, einen Software zu benutzen.
31:30
Speaker 0: Und dafür gibt es eben diese Agents, die das Problem verstehen.
31:36
Speaker 0: den Lösungsweg vorschlagen und die am Schluss auch versuchen, diese Lösung in der Software auszuführen.
31:42
Speaker 0: Zukunft vielleicht dann nochmal Agents zu Agents.
31:44
Speaker 0: Ja, dann habe ich fünf Softwareprodukte.
31:46
Speaker 0: Diese fünf Agents können untereinander eben sich dann nochmal abgleichen und über die Software hinaus Lösungswege finden.
31:53
Speaker 0: So, warum ist jetzt MCP wichtig?
31:56
Speaker 0: Diese Agents brauchen quasi Toolerwärme.
32:02
Speaker 0: Also, die müssen wissen, was kann sie eigentlich?
32:06
Speaker 0: mit diesem Software-Produkt alles tun.
32:09
Speaker 0: Also bei uns, wir haben irgendwie drei Tausend Achthundert Funktionen in Allplan, die schreiben wir jetzt in so ein Dokument rein.
32:17
Speaker 0: Das ist eben das Model-Context-Protokoll und das ist... so strukturiert, dass jedes große Sprachmodell darauf zugreifen kann und sofort versteht, da gibt es eine Funktion.
32:29
Speaker 0: Da kann ich eine Wand generieren, die braucht Eingangsdaten und da gibt es Ausgangsdaten, die erwartet werden.
32:34
Speaker 0: Das ist einfach central und ich brauche wahrscheinlich auch für ein Softwareprodukt.
32:41
Speaker 0: oder für eine Version eines Softwareproduktors, auch nur einen MCP.
32:44
Speaker 0: Das kann dann von jedem genutzt werden.
32:46
Speaker 0: Und jeder KI, nicht nur von intern, sondern im Grunde genommen von jedem, der sagt, okay, ich möchte eigentlich mein Workflow in meinen Workflow jetzt Allplan einbauen.
32:54
Speaker 0: Und deswegen, mich hat es fast gewundert, dass das... dass sich die Anbieter der großen Sprachmodelle relativ früh eben auf so einen gemeinsamen Standard geeinigt haben.
33:03
Speaker 0: Also, wie, ich meine, wir haben lange genug gebraucht, bis wir irgendwo IFC entwickelt haben.
33:08
Speaker 0: Das haben die halt irgendwo innerhalb von wenigen Wochen und Monaten erkannt, dass das irgendwie eine Kerntechnologie ist oder, sagen wir, ein Informationssatz, eine Kernstatenschruktur, die eben am Schluss allen hilft.
33:22
Speaker 0: Ja, es ist jetzt schon ein bisschen technisch und es wird auch diskutiert, ob man in Zukunft MCP noch braucht, ob die nicht intelligent genug sind aus anderen Datenquellen, so eine Webseite zum Beispiel, API-Dokumentation, eben das gleiche Wissen zu extrahieren, aber momentan ist schon so, dass wir das zur Verfügung stellen und daran noch arbeiten.
33:51
Speaker 1: Nils, kannst du das noch ergänzen?
33:53
Speaker 1: Wie arbeitet ihr dann in den MCPs?
33:55
Speaker 2: Das ist bei uns gerade in der, sag ich mal, experimentellen Phase.
33:59
Speaker 2: Das ist ja, mit dieser innovativen MCP gibt es, glaube ich, auch erst seit, seit Mitte letzten Jahres.
34:04
Speaker 2: Das sind alles noch relativ neue Dinge.
34:06
Speaker 2: Aber es gibt eine Software, mit der wir sehr häufig arbeiten.
34:08
Speaker 2: Dann gibt es das schon als Open Source Modell.
34:10
Speaker 2: Und sobald es da irgendetwas gibt, Das ist schon relativ interessant.
34:16
Speaker 2: Das ist genau das, was Stefan gesagt hat, dass es eben erlaubt, ein Sprachmodell auf die Funktion, also die Funktion einer Software abstrakt zu... zu verstehen.
34:24
Speaker 2: und dann kann ich eben ohne ein Programm genau zu finden, kann ich mit dem Programm im Prinzip reden und sagen, ich möchte gerne das und das bauen und dann versucht ein sehr sprachigen mit seinem Verständnis der Funktion der Software das für mich zu tun.
34:36
Speaker 2: Das ist natürlich genau wie mit allen anderen Prompten.
34:39
Speaker 2: Da ist dann vielleicht eine von fünf Versuchen erfolgreich, aber das ist schon ganz interessant, wenn man sieht, dass zum Beispiel ein großes Feld von Objekten anzulegen, das ist normalerweise manuell sehr viel Arbeit, so was geht mit MCP dann sehr, sehr schnell und das hat schon das Potenzial.
34:53
Speaker 2: Einmal ein ganz neues Interface einzuführen, nämlich, das klang vorhin bei Stefan schon an, so ein Natural Language Interface, das ist genau das, man muss die Software nicht mehr auch in Detail kennen.
35:03
Speaker 2: Man muss aber schon ab dem Tag das Verständnis davon haben, was man machen möchte.
35:06
Speaker 2: Ansonsten ist es auch, man muss schon wissen, was man will.
35:10
Speaker 2: Am Ende des Tages, man kann es der Software aber sehr viel schneller vermitteln und dann kann sich genau das machen, was Stefan erklärt, man kann dann auch einen Agenten bitten, einem die Lösungen mit dieser Software zu arbeiten.
35:21
Speaker 2: Das funktioniert schon ganz gut.
35:22
Speaker 2: Und da kommen schon ganz interessante Dinge mal
35:24
Speaker 1: raus.
35:25
Speaker 2: Das sind für uns im Moment noch Experimente.
35:28
Speaker 2: Aber ich glaube, diese Experimente sind sehr, sehr wichtig, um dann auch zu verstehen, wie man mit diesen Tools interagiert.
35:32
Speaker 2: Und das kann ich, glaube ich, auch nur jedem empfehlen, sich damit zu beschäftigen.
35:37
Speaker 2: Das ist auch relativ viel an... Also die meisten Kerntechniken... kann man sich auch als Open Source Tool erst einmal aneignen, um zu verstehen, wie sie funktionieren.
35:48
Speaker 2: Und wenn man sich dieses Verstebnis einmal erarbeitet, dann kann man diese Tools dann auch, wenn man sie in einem Wurstprojekt, Produktintel oder in einem professionellen Produkt integriert hat, findet auch sehr viel einfacher werden.
35:58
Speaker 2: Also diese Techniken kann man sich sehr gut mit dem, was es da gibt, aneignen.
36:02
Speaker 2: Und ich glaube, Stefan, was du gesagt hast, warum, oder das ist so erstaunlich ist, dass diese Firmen sich so schnell auf den Standard eignen.
36:09
Speaker 2: Und ich glaube, kommt, glaube ich, daher, dass diese Disziplin auch recht jung ist.
36:12
Speaker 2: Und die meisten Leute, die da momentan Entwicklungen machen, auch mehr oder weniger frisch aus der Forschung kommen.
36:18
Speaker 2: Und da hat man ja eben dieses Paradigmarwissen zu teilen und weiterzuentwickeln.
36:26
Speaker 2: Das sieht man auch bei viele dieser Firmen.
36:27
Speaker 2: Und man sieht eben auch, dass die meisten großen Hersteller von KI-Modellen auch recht viel und Open Source Modellen anbieten, die man sich dann auch selbst... erschließen kann.
36:38
Speaker 2: Und das ist, glaube ich, auch ein ganz wichtiger Skillzett ist, ist einfach sich die Zeit und die Neugier zu erhalten, um sich diese Tools einzuarbeiten, weil es sich ein unheimlich schnell entwickeln kann.
36:48
Speaker 2: Ich glaube, es gibt auch gar nicht jetzt die eine Technik, die man jemandem in diesem Podcast nahelegen kann, weil wenn man sich den jemanden in zwei Monaten antwortet, gibt es schon wieder irgendwie das nächste, glaube ich, das Wichtigste ist tatsächlich zu experimentieren und sich so ein bisschen an das zu beschäftigen, wo ich denn diese Tools finde, um dann zu schauen, wo sie einnutzen können.
37:07
Speaker 2: Da geht es, glaube ich, auch darum, sich so ein bisschen die Technik anzueignen, um dann auch zu sehen, wie gut die Ergebnisse kommen.
37:15
Speaker 2: Das ist auch so ein bisschen Übung.
37:16
Speaker 2: Es ist einfach eine neue Art, mit Software, mit Systemen zu integrieren.
37:22
Speaker 1: Ich würde gerne noch mal zurück zur Bauplanung und der Planung KI unterstützt kommen.
37:30
Speaker 1: So von der Sache her würde ich ja sagen, dass KI natürlich prädestiniert ist für einen Einsatz.
37:37
Speaker 1: von einfacheren Geometrien.
37:43
Speaker 1: Also, dass das einfach, wenn es darum geht, zu optimieren, zu analysieren, zu automatisieren, dass gerade im Bereich vielleicht Systembau, Modulbau, Seriales bauen, KI einfach ein super Job machen kann, weil es vielleicht auch relativ Simpel ist und dass man eher mit parametrischen oder komplizierten Geometrien, Konstruktionen dort vielleicht noch nicht so schnell einen direkten Nutzen erzielen kann.
38:11
Speaker 1: Jetzt ist Herr Sahadid dafür bekannt, eher weniger im Modulbau zu denken und zu arbeiten, sondern viel in freien Geometrien und freien geschwungenen Formen zu denken.
38:25
Speaker 1: Wie setzt ihr das denn?
38:27
Speaker 1: Konkret ein.
38:28
Speaker 1: Also, welche Software oder welche Tools nutzt ihr und wie können die oder unterstützen die jetzt einfach nur mal auf die Gestaltung bezogen euren Entwurfsprozess?
38:40
Speaker 2: Ja, also, okay, also, wenn ich jetzt konkret über
38:42
Speaker 0: Tools
38:43
Speaker 2: oder vielleicht erst mal ganz abstrakt zu der ersten Frage zu dem, sag ich mal, dem Modul versus dem topologieoffenen Entwurf, wir machen lustige mal so ein paar experimentelle Modulen.
38:51
Speaker 2: Projekte einfach umzusehen, wie das unsere Entwurfsprache beeinflussen können.
38:54
Speaker 2: Wir haben jetzt auch ein Gebäude in Südamerika, das das Modular aus vorkünftiger Gebäude Teilen besteht, die dann mit Robotern gefertigt werden.
39:00
Speaker 2: Und das ist dann alles, was in so einem Quartblut passiert.
39:03
Speaker 2: Aber das haben wir auch festgestellt relativ früh, dass sich Information viel besser... abstrahieren lassen, wenn ich sie in Container integriere.
39:11
Speaker 2: Also das, was der Effizienzvorteil, den ich in der Bauwirtschaft habe, mit einem Modul mit Bekanntmaßen, den habe ich natürlich auch, wenn ich mit Datenhand habe.
39:18
Speaker 2: Und wir haben letztes Jahr in einem Projekt mit Epic Games und haben ein, sag ich mal, Modularenkonfigurate für London gebaut.
39:24
Speaker 2: Da konnte man in dem Level, weil man Fortnite konnte man die London im Stadt umgestalten.
39:29
Speaker 2: Und das ist das, da war eine Zwangseise aufgrund der Technologie im Prinzip dazu verurteilt, das in so einem Quad Grid, in so einem kathesischen Raster zu machen, das ging ganz gut.
39:37
Speaker 2: Und da konnten wir dann auch eine gewisse Keilintelligenz einbauen, indem wir dann den Benutzern im Prinzip, wir haben momentan einen ganz, ganz einfachen Abstrakten interagiert, aber die Komplexität ist dann entstanden, weil wir dann in diesem Kribne-Muster-Erkennung machen konnten und dann plausible Konfigurationen mit einem Keil-Gerätmus generieren konnten.
39:53
Speaker 2: Das hieß Reimagine London.
39:55
Speaker 2: Und da hatten wir, glaube ich, eine Woche, sechshunderttausend Nutzer, die angefangen haben, die die Londoner Innenstadt uns bauen.
40:00
Speaker 2: Das war ein ganz spannendes Experiment.
40:01
Speaker 2: Aber das ging eben auch nur deshalb zu effizient, weil wir diese Module stecken, dann ist tatsächlich auch die Herausforderung für uns, ein bisschen zu gucken, wie wir diese Technik jetzt, sag ich mal, aufbohren können, bohren können, um dann komplexere Resultate zu erzeugen.
40:14
Speaker 2: Und jetzt bei der Frage nach Tools, das ist... Also was wir in der Praxis angewendet haben, ganz anfangs, das war Stable Fusion, das ist ein Open Source Bildgenerator, und da kann man genau das machen, was ich gerade erzählt habe.
40:25
Speaker 2: Da kann man so genannte Low Rank Adaption Models, das in den Prinzip drauf trainierte Datensätze erzeugen, um dann sehr spezifische Outputs zu bekommen.
40:32
Speaker 2: Und da haben wir relativ viel mitgeübt und wir wissen inzwischen noch ganz gut, wie das geht.
40:35
Speaker 2: Wir hatten dann das Glück, dass wir eine seit seit dreißig Jahren eine Bilddatenbank bauen, die auch sehr gut verschlagt wurde.
40:40
Speaker 2: Da konnten wir im Prinzip innerhalb von zwei Tagen konnten.
40:42
Speaker 2: Wir könnten dieses Stamble Fusion Modell mit unserer Bilddaten einfach knüpft und sehr schnell eine Modelle trainieren.
40:48
Speaker 2: Das heißt, wir haben jetzt einen Satz von Modellen.
40:50
Speaker 2: Z.B.
40:50
Speaker 2: wir haben eins, das ist spezifisch für Interiors, eins für Fassaden von Hochhäusern.
40:55
Speaker 2: Sie konnten dann eben auch aus unserer Bilddatenbank relativ klare Typologie-Training-Datensätze rausholen und dann unsere eigenen Modelle mitbauen.
41:08
Speaker 2: Und inzwischen, es gibt Rhino-MCP, das ist für Rhino, das ist ein so konzeptioneller Modeler, den wir häufig verwenden, auch für Freiformen.
41:17
Speaker 2: Das kann man sich aus dem Internet runterladen, und dann kann man zum Beispiel über MCP, über Natural Language, über den Prompt, kann man dann seine drei-D-Modeler, das ist sehr spannend im kreativen Bereich.
41:27
Speaker 2: Und was auch sehr gut funktioniert ist, das ist auch deutlich bei Stefan von angeklungenes Wissensmanagement.
41:32
Speaker 2: Also wir haben verschiedene Tools, in denen wir das über Jahrzehnte angehäufte Wissen unseres Büros verfügbar machen.
41:38
Speaker 2: Das ist im Prinzip so eine Art aufgebohrte Suchmaschine.
41:41
Speaker 2: Es gibt ja auch genügend Leute, die heute gar nicht mehr googeln, sondern direkt in Chat-GDP gehen.
41:45
Speaker 2: Das machen wir inzwischen auch mit eigenen Daten.
41:47
Speaker 2: Das sind dann einmal Wissensdaten, also es gibt zum Beispiel ein Internet-Chat-System, das wir haben Slack.
41:53
Speaker 2: Wir haben eine Forschungseinheit, wir haben jetzt zehn Jahre lang Slack-Protokolle Modell eingesaugt.
41:58
Speaker 2: Wenn da jetzt jemand neuesten dieses Team kommt, kann er sich mit diesem Chatbot unterhalten und kann im Prinzip zehn Jahre lang, zehn Jahre Dialoge zwischen Mitarbeitern zu gewissen Themen in diesem Modell oder kann sich dann eine Suchanfrage beantworten lassen aus diesem Wartensatz.
42:12
Speaker 2: Das ist sehr, sehr praktisch.
42:13
Speaker 2: Und was wir eben auch sehen, gerade bei jüngeren Mitarbeitern, der diesen Bildmodell-Nebertuniert haben, wir können die eben auch als Ideenbrowser verwenden, weil natürlich nicht jeder, der neu reinkommt, den kompletten Katalog.
42:25
Speaker 2: Das heißt, mit sehr spezifischen Unternehmensdatentrainierten Modelle sind eben auch unheimlich gut dafür, für neue Mitarbeiter sich in den Material einzuarbeiten.
42:32
Speaker 2: Und das funktioniert sehr gut.
42:34
Speaker 2: Das sind aber hauptsächlich genehmische Sprachmodelle, die wir da runterladen.
42:40
Speaker 2: trainiert, kann sich private GPT machen.
42:42
Speaker 2: Das funktioniert ganz gut.
42:43
Speaker 2: Das ist von OpenAI.
42:44
Speaker 2: Kropa Plus und Microsoft funktioniert ganz gut, wenn man schon viele Daten im Microsoft-Ökosystem hat.
42:50
Speaker 2: Das sind dann Präzivissen-Management-Tools.
42:52
Speaker 2: Da gibt es inzwischen auch sehr viele interessante Meta-KI-Plattformen, also eine mit der wir jetzt gerade experimentieren, der nennt sich X-Figura.
42:59
Speaker 2: Das ist ein Tool, bei dem ich verschiedenste Bildgeneratoren im Hintergrund laufen kann und die im Prinzip samstöpseln kann.
43:04
Speaker 2: Da kann ich ein Bild oder eine Videosequenz generieren, kann das dann in einen Upscaler stöpseln.
43:09
Speaker 2: Und das Interessante ist, dass ich im Hintergrund immer neue Modelle bekomme.
43:13
Speaker 2: Das heißt, ich habe eine große Auswahl an KI-Tools, die dann in diese Oberfläche eingespielt werden, auch mit jedem Update, und kann mir dann meine eigenen Workflows basteln.
43:24
Speaker 2: Und das ist eigentlich ganz interessant, um dieses Problem, eben kurz beschrieben habe, dass sich das Raum so schnell verändert, dass ich da auch einen Attegato habe für neue Technologien und die im Prinzip präsentiert bekommen.
43:36
Speaker 2: In einer Umgebung, wo ich grafisch sehr schnell mir meine eigenen Workflows basteln kann.
43:40
Speaker 2: Das ist schon sehr, sehr interessant.
43:42
Speaker 2: Und wie gesagt, wenn wir dieses Gespräch in zwei Monaten führen, dann würde ich da wahrscheinlich auch schon wieder mit anderen Tools um die Ecke kommen.
43:48
Speaker 1: Ja, so da erinnere ich mich an unser Vorgespräch.
43:52
Speaker 1: Da hast du gesagt, Bildgenerierung hat nichts mit Architektur zu tun.
43:55
Speaker 1: Das ist das Abbild eines Promts, also quasi wie ein Fiebertraum, der sich aktuell noch nicht in Architekturplanung übersetzen lässt.
44:03
Speaker 1: Also das heißt, die Bildgeneratoren ersetzen nicht den Entwerfer, sondern das Rendering.
44:09
Speaker 1: Das war so die Aussage.
44:10
Speaker 1: Und mich würde jetzt natürlich interessieren, Stefan, wir wissen natürlich nicht, was in zwei Wochen oder in zwei Monaten oder... im nächsten Jahr an Möglichkeiten durch KI entstehen wird.
44:21
Speaker 1: Trotzdem schwebt das ja irgendwie so ein bisschen auch, glaube ich, über einem, dass es vielleicht auch irgendwann möglich sein wird, aus einem Bild eine richtige Architektur, eine richtige Bauplanung zu generieren.
44:34
Speaker 1: Glaubst du, dass das passieren wird?
44:36
Speaker 1: Wird das möglich sein?
44:37
Speaker 1: Oder wie ist da deine Einschätzung?
44:39
Speaker 1: Was ist da für noch an Entwicklungsleistungen erforderlich?
44:45
Speaker 0: Das sind die Bereiche, in denen KI besonders gut funktioniert.
44:49
Speaker 0: Das ist überall dort, wo ich auf große Datensätze zugreifen kann.
44:54
Speaker 0: Also hier zum Beispiel, ich kann auf unheimlich viel Code zugreifen, deswegen haben wir halt bei uns, jeder Entwickler arbeitet halt mit KI über die Softwareentwicklung oder bei den Bildern, da gibt es halt einen Datensatz, gut datierten Datensatz mit acht Milliarden Bildern und dann kann ich eben so was gut bauen und bekommen eine hohe Qualität.
45:12
Speaker 0: Jetzt ist eben die Frage, wann ist es soweit, dass irgendjemand ein Modell entwickelt hat, das eben so ein grundsätzliches Verständnis dafür mitbringt, was gute Architektur ist.
45:24
Speaker 0: Also ich sehe momentan schon diesen Bereich, wir nennen da das intern so any any to BIM, das heißt irgendwie, also wenn wir davon ausgehen, dieser Entwurf, der ist am Schluss so representiert in einem BIM-Modell, ja, da gibt es halt ganz verschiedene Eingangsmöglichkeiten hier wieder, ein Prompt oder vielleicht auch ein ZWD-Plan oder eine Punktwolke und wir sehen überall eigentlich eine Forschung schon lange.
45:47
Speaker 0: dass da Ansätze da sind, dass da experimentiert wird.
45:50
Speaker 0: Wir unterstützen selber aber auch die Forschung in Deutschland, also die öffentliche Forschung, die eben an manchen solchen Themen dran ist.
45:58
Speaker 0: Aber das wird noch dauern.
45:59
Speaker 0: Also ich sehe da momentan an der Stelle noch keinen Durchbruch und das heißt, ich gehe jetzt mal nicht davon aus, dass in den nächsten zwei Jahren so was passiert.
46:07
Speaker 0: Aber die Frage ist halt schon, wie zuverlässig sind solche Fluglosend überhaupt noch, also wir tun es immer schwer, da auch zu verstehen halt, was passiert denn eigentlich im nächsten Jahr oder was passiert in zwei Jahren, was zehn Jahren, das war noch nie so schwer vorher zu sagen, aber was klar ist, es gibt Leute, die sich damit beschäftigen, was auch klar ist, die... großen Unternehmen, die Hyperscaler sind an solchen Nischen-Themen eigentlich nicht besonders interessiert.
46:35
Speaker 0: Die schauen halt eher mal drauf, was kann man überhaupt ein PDF-Plan zum Beispiel lesen oder ein PDF-Dokument, kann ich da das Wissen strukturiert extrahieren.
46:45
Speaker 0: Solche Themen, die kommen glaube ich viel früher und dann wird man sehen, ob diese allgemeinen Modelle, die wir dann haben oder zum Teil jetzt auch schon haben, uns dabei helfen, solche anderen Modelle, solche solche Tourmodelle dann auch zu trainieren.
47:00
Speaker 0: Aber das ist schon noch ein weiter Weg.
47:02
Speaker 0: und das ist eben auch das Trügerische bei KI momentan, dass sie eben in manchen Bereichen so brilliert und wir dann denken, oh Gott, Wie kann er innerhalb von zwei Sekunden einen Architektenvertrag aufsetzen?
47:16
Speaker 0: Und wir glauben dann, dass er eben dann auch innerhalb von zwei Sekunden ein Architekturentwurf machen kann.
47:21
Speaker 0: Aber so einfach ist es halt nicht.
47:23
Speaker 0: Da gehört ja auch viel Kontextverständnis zum Beispiel dazu.
47:25
Speaker 0: Also wenn ich heute eine Architekturplanung mache, muss ich ja viel verstehen.
47:29
Speaker 0: Da gibt es vielleicht einen Bebauungsplan, da gibt es eine Balkultur, da gibt es einen Wunsch.
47:35
Speaker 0: von der ausführenden Firma oder es gibt vielleicht auch ökonomische Rahmenbedingungen.
47:40
Speaker 0: All diese Themen sind im Grunde genommen sehr komplex und ich gehe jetzt nicht davon aus, dass wir da eben was bekommen, was so kreativ ist.
47:50
Speaker 0: Wo dann wir schon arbeiten.
47:51
Speaker 0: und ich glaube, das ist vielleicht so auch für mich, ich komme auch aus der Forschung eigentlich auch ein spannendes Thema.
47:58
Speaker 0: Wir haben eben im Grunde genommen relativ wenige Stellen in der Architekturplanung oder in der Bauplanung, wo er wirklich optimiert wird, wo man nicht sagt, okay, das ist gut enough oder so können wir es bauen, sondern das ist die beste Möglichkeit, dieses architektonische oder soziale Problem zu lösen und da eben sehr stark iterieren und vergleichen und ausfehlen usw.
48:21
Speaker 0: Also das ist eben was, was uns im Grunde genommen ein Stück weit verwehrt ist, weil wir eben das Gebäude oft ja nur einmal bauen, an einer Stelle immer nur einmal.
48:31
Speaker 0: Und deswegen eben sich solche komplexen Optimierungsverfahren nicht lohnen.
48:35
Speaker 0: Und das ist zum Beispiel auch ein Thema, an dem wir momentan arbeiten, dass wir so nicht jetzt maßgebliche architonische Entscheidungen über KI verbessern oder verändern, sondern die kleinen Dinge.
48:48
Speaker 0: Ja, kann ich irgendwo vielleicht nochmal zehn Prozent Beton rausholen und damit vielleicht einen großen Impact auf die Klimaneutralität des Gebäudes machen.
48:59
Speaker 0: Und eben, dazu müsste ich vielleicht ja an fünfhundert Bauteilen irgendwo was Kleines ändern.
49:05
Speaker 0: Da fehlt uns eben die Zeit und ich... hoffe und wir arbeiten eben daran, dass diese Zeit uns geschenkt wird, indem wir da KI einsetzen können.
49:12
Speaker 0: Dann habe ich halt die Statik und dann kriege ich eben angezeigt, wo ich noch was rausholen kann.
49:17
Speaker 0: Und dann mache ich es vielleicht auch, das ist dann automatisch.
49:20
Speaker 1: Das macht doch Mut und Hoffnung.
49:22
Speaker 1: Mich würde abschließend vielleicht noch interessieren, wie ist euer Verhältnis miteinander?
49:27
Speaker 1: Also Sahadit hat eine eigene Entwicklungsabteilung mit, ich glaube... fünf unterschiedlichen Teams mit verschiedenen Schwerpunkten, arbeitet ihr eigentlich mit der Softwareindustrie zusammen?
49:40
Speaker 1: Gibt es dann Austausch?
49:41
Speaker 1: Gibt es dann eine Kooperation natürlich auch mit anderen vielleicht großen, gut aufgestellten Architektur- oder Planungsbüros?
49:50
Speaker 2: Lustigerweise kooperieren wir mehr mit der Softwareindustrie als mit anderen Architekten.
49:57
Speaker 2: Das ist aber, glaube ich, auch symptomatisch für unsere Disziplinen, dass man sich auch immer so ein bisschen beäugt, was eigentlich nicht viel Sinn macht.
50:03
Speaker 2: Lustigerweise, wenn man sich anguckt, also über Userphone, da passiert sehr viel Interaktion.
50:07
Speaker 2: Aber was ist das Dilemma der Bauindustrie im Kontext zu anderen Industrien?
50:14
Speaker 2: Das ist vielleicht ein bisschen unser Dilemma im Feld zur Bauindustrie, dass wir sehr, sehr spezielle Probleme lösen.
50:19
Speaker 2: Also die Bauindustrie ist natürlich groß, aber wie Stefan es gesagt hat, man baut alles immer nur einmal.
50:24
Speaker 2: Das heißt Tools für jedes Problem, das war ein spezieller Entwurf, hat sich leisten zu können, dass die Entwicklungsoberhetssaison Gebäude sind eben sehr gering.
50:31
Speaker 2: Und bei uns ist es so, dass wir nochmal einen sehr viel kleineren Teil der Probleme, die die Bauindustrie hat betrachten.
50:36
Speaker 2: Also wir machen eben gerne auch mal komplexere Geometrien und die Tools, die wir selber bauen, die sind dann welche, die wir brauchen oder die wir bauen müssen, weil wir sie nicht finden.
50:45
Speaker 2: Wir sind natürlich Wir haben ein Team von zwanzig Software entwickeln, das sind aber alles eigentlich Architekten, die sich das irgendwie beigebracht haben oder noch einen Zusatzstudiengang hatten.
50:53
Speaker 2: Ja, also wir sind kein Software raus und wir machen das auch bei Weitem nicht so effizient wie ein Software herrscht.
50:58
Speaker 2: Also unser Regel ist eigentlich da, wir machen es nur da selber, wo wir nichts finden, was sich kaufen lässt, weil im Regelfall ist es für uns wesentlich günstiger ist, ein Produkt einzukaufen, das dann auch weiterentwickeln wird.
51:08
Speaker 2: Und so wie jetzt übergehen ist und da haben wir es gerade ganz interessante Gespräche mit einem größeren, einem sehr, sehr großen Software Hersteller, das ist allerdings noch frühe Tage, weil es zum Beispiel einen Software herstellt, auch Grafikkarten baut, dass wir, die wir anfangen zu entwickeln, dann Open-Sourcen, um dann auch von den Ressourcen zu bekommen, die Dinge weiterzuentwickeln.
51:30
Speaker 2: Das heißt, wir bauen jetzt auch, wir haben jetzt vierzig Prozent unserer Code-Basis, waren wir ohnehin schon, Open-Source, weil wir viel in der Akademie sind.
51:37
Speaker 2: Und was das für uns macht, ist, dass wir einmal eine Idee anstoßen und dann merken wir, da sind auch andere, die ein ähnliches Problem haben, die entwickeln das dann mit uns weiter.
51:44
Speaker 2: Das heißt, wir haben das Problem einmal für unseren spezifischen Anwendungsfall gelöst, wir haben unser Problem gelöst.
51:49
Speaker 2: Aber wir müssen es dann nicht beschäftigen, dass diese Tools weiterentwickelt werden, weil das ist sehr, sehr aufwendig.
51:53
Speaker 2: Das ist auch nicht unser Geschäftsmodell, wir machen Architektur.
51:56
Speaker 2: Und also wir sehen jetzt gerade in den letzten Jahren, dass es sehr viel effizienter ist für jemanden, der eigentlich auch überhaupt kein Geschäftsmodell, um Software zu erwerben, um diese Dinge in den OOS-Source zu stellen.
52:05
Speaker 2: Und da machen wir recht viel und da kriegen wir auch gutes Feedback von Softwarefirmen, die zum Beispiel sagen, ja, ihr habt ein interessantes Problem, aber wir haben auch nicht genug Ressourcen, um dieses sehr spezielle Problem für euch zu lösen, weil einfach der Markt das nicht ergibt.
52:17
Speaker 2: Ja, ihr seid zunischisch mit dem, was ihr macht.
52:19
Speaker 2: Und da kommt eigentlich auch diese ganze Entwicklungsabteilung her, dass wir auch häufig Probleme uns erzeugen.
52:28
Speaker 2: die noch keiner vor uns hatte.
52:29
Speaker 2: Und dann müssen wir uns eben uns allen gut machen.
52:31
Speaker 2: Sobald es dann irgendwie in den Menschen kommt, satteln wir dann auch relativ schnell auf ein kommerzielles Produkt.
52:36
Speaker 2: Das heißt, das ist eigentlich eine sehr, sehr interessante Zusammenarbeit.
52:41
Speaker 2: Einfach, weil wir uns dann von einigen Partnern dann auch entsprechend noch hauern.
52:45
Speaker 2: Die dürfen sich, glaube ich, an der Anrufmusik entwickeln.
52:47
Speaker 2: Die kriegen auch Tipps von denen oder wie man auch besser mit deren Produkten interagiert.
52:51
Speaker 2: Da bekommen wir was.
52:52
Speaker 2: und dann... kriegen unsere Partner der Softwareindustrie auf einen Einblick in das, was vielleicht in fünf oder zehn Jahren in allgemein zu lösen, das Problem ist, weil wir natürlich auch die durch die Art und Kunden, die wir anziehen, Dinge machen, die vielleicht noch nicht menschlich sind, aber dann irgendwann menschlich werden.
53:09
Speaker 2: Das funktioniert ganz gut, also das machen wir auch immer mehr in der Entwicklung mit Software und Software.
53:15
Speaker 1: Stefan, und wie funktioniert es bei euch?
53:16
Speaker 1: Wie funktioniert es bei Alplan oder vielleicht insgesamt bei Nemechek?
53:19
Speaker 1: Also woher kriegte die Ideen, die Anregungen, die Tipps für einen Bedarf an neuen Funktionen, neuen Features in der Software?
53:29
Speaker 0: Also wir sitzen in der Softwareanbieter ja irgendwie zwischen dem Bedarf, oder?
53:32
Speaker 0: Also da gibt es irgendwie ein Problem im Markt unter den möglichen technischen Lösungen und den Methoden, die vielleicht aus der Forschung kommen.
53:40
Speaker 0: Und wir kommunizieren natürlich hochfrequent mit beiden Seiten.
53:45
Speaker 0: Das ist immer wichtiger.
53:46
Speaker 0: Also auf der anderen Seite haben wir zum Beispiel mal fünfzig Millionen an die TU München gelegt, um dort ein Forschungszentrum zu Kaimbauswesen zu gründen.
53:56
Speaker 0: Warum?
53:56
Speaker 0: Weil wir wissen, okay.
53:58
Speaker 0: Und wenn wir schon vor fünf, sechs Jahren eigentlich wussten, dass das große Thema wird und dass wir da eine Führungsk�olle spielen wollen, auch im Verständnis von dem, im grünen Verständnis von dem, was in Zukunft kommen könnte.
54:12
Speaker 0: Das ist so der eine Austausch und der andere ist natürlich, dass wir jetzt zum Beispiel hier mit Nils auch regelmäßig treffen und auch mit anderen, um einfach zu schauen, okay, was sind eigentlich so die Ideen?
54:24
Speaker 0: Denn ich meine, für uns, die Herausforderung steckt schon ein Stück weit auch darin, zu verstehen, okay, welche von diesen hunderten von möglichen Anwendungsfeldern von KI im Bauwesen sind eigentlich die, die relevantesten sind und die das größte Problem lösen.
54:42
Speaker 0: Wir versuchen eben, dadurch, dass wir beide Seiten kennen, die technischen Möglichkeiten und die Probleme, dann eben stückweit auch priorisieren zu können und im Grunde genommen auch beiden Seiten auch wieder helfen können.
54:53
Speaker 0: Also wir geben relevantes weiter an die Forschung und wir geben aber auch so ein bisschen Guidelines, wie zum Beispiel heute mit diesem Podcast, diese Guidelines auch in den Markt zurück, damit er sich auch ein Bild machen kann von aktuellen Stand der Technologie.
55:11
Speaker 0: und auch weiß, wie er eigentlich heute reagieren muss oder was er heute tun muss, damit er seit einem Jahr noch erfolgreich ist.
55:17
Speaker 0: Also das sind wir tatsächlich so eine Übersetzerrolle, was ich schön finde.
55:22
Speaker 0: Der Dialog ist sehr, sehr offen.
55:24
Speaker 0: Also das habe ich eben in der Vergangenheit so nicht erlebt, dass alle eigentlich sich so an den Tisch setzen und ganz offen über das sprechen, was sie tun.
55:35
Speaker 0: Das hängt damit zusammen, dass diese Entwicklung so extrem schnell ist.
55:38
Speaker 0: Und wir leben ja jetzt quasi bei den maßgeblichste technologische Entwicklung der Menschheitsgeschichte in so einem Zeitrafferformat.
55:47
Speaker 0: Das, was wir heute besprechen, mag vielleicht nächstes Jahr völlig obsolet sein oder vielleicht auch nicht.
55:53
Speaker 0: Wir wissen es nicht, aber die Geschwindigkeit ist extrem hoch und ich glaube nur durch diesen engen Austausch schaffen wir es überhaupt, das Schritt zu halten und Geschwindigkeit kommt tatsächlich nur über Partnerschaft.
56:05
Speaker 1: Wunderbar.
56:06
Speaker 1: Dann danke ich euch beiden ganz herzlich für das Gespräch, für die offenen Worte, Nils Fischer von Saadid und Stefan Kaufmann von Alplan und viel Erfolg bei allen zukünftigen Entwicklungsthemen, die ihr noch so vor der Brust habt.
56:23
Speaker 1: Danke euch.
56:24
Speaker 2: Danke fürs Gespräch.
56:25
Speaker 0: Vielen Dank.
56:26
Speaker 0: Und das war's für heute.
56:28
Speaker 0: Und hier nochmal der Hinweis, dass das
56:30
Speaker 2: Heinze
56:30
Speaker 0: Klimafestival immer näher rückt.
56:33
Speaker 0: Am neunzehnten und zwanzigsten November findet es wie gewohnt in der Station in Berlin statt.
56:38
Speaker 0: Den Link zum Programm und zur Anmeldung findet ihr in den Show notes.
56:42
Speaker 0: Ich freue mich, wenn ihr beim nächsten Mal wieder rein hört.
56:45
Speaker 0: Lasst uns gerne eine Bewertung da.
56:47
Speaker 0: Hab eine schöne Zeit.
56:48
Speaker 0: Tschüss!
56:53
Speaker 0: Das war der Heinze-Podcast-Architektur-Funk, Redaktion Klaus Fühner und Kerstin Kunekath, Moderation Klaus Fühner, Produktion und Veröffentlichung Kerstin Kunekath.
57:04
Speaker 0: Berlin,