Wie KI die Ökobilanz von Gebäuden beschleunigt

Wer CO₂-Emissionen besser steuern will, muss die Umweltwirkung von Bauprojekten nahezu systematisch messen.

Für Bauunternehmen ist die CO₂-Analyse und -Optimierung eines Angebots heute jedoch einer der aufwendigsten Schritte bei der Angebotserstellung. Bis vor Kurzem wurde sie fast immer ausgelagert: Es fehlte an Zeit, an Fachwissen und an Budget. Heute steht diese Analyse im Mittelpunkt, wenn es darum geht, die Beherrschung von Projekten nachzuweisen. Die Unternehmen sehen kommen, dass es bald nicht mehr möglich sein wird, Varianten oder Nachträge ohne Angabe ihrer Umweltwirkung anzubieten, und dass sie diese Größen selbst im Griff haben müssen. Den CO₂-Fußabdruck Ihrer Projekte zu berechnen und die Wahl von Baustoffen und Anlagen schnell und eigenständig zu optimieren: Das ist seit dem ersten Tag die Mission, die wir uns bei Nooco gesetzt haben.

Ohne geeignetes digitales Werkzeug wird dieser Prozess zu einer großen Belastung für die Teams unserer Kunden und kann mehrere Arbeitstage in Anspruch nehmen. Es gibt Excel-Tools, die schneller grobe Schätzungen liefern sollen, allerdings auf Kosten der Verlässlichkeit, da sie auf nicht belastbaren Annahmen beruhen. Das ist problematisch: Legen zwei konkurrierende Unternehmen unterschiedliche Ergebnisse vor, lässt sich der Unterschied nur durch eine detaillierte Analyse bewerten, die klärt, was auf die Realität und was auf die Methode zurückgeht. Die zuvor gewonnene Zeit geht dabei wieder verloren.

Dafür mussten wir eine große Herausforderung meistern. Eine systematische Messung bedeutet, sich an alle Arten von Projekten anzupassen, also weder ein BIM-Modell noch ein vorab festgelegtes Arbeitsformat vorauszusetzen.

Eine Schnittstelle bleibt die leistungsfähigste Option, wenn sie möglich ist, und wir schließen sie nicht aus. Um die große Mehrheit der Fälle abzudecken, brauchten wir jedoch eine Lösung, die unterschiedliche Dateiformate mit dem jeweils eigenen Vokabular jedes Unternehmens erkennt und verarbeitet, und zwar so schnell wie möglich. Es wird niemanden überraschen: Wir haben uns entschieden, eigene, auf das Bauwesen spezialisierte KI-Modelle zu entwickeln.

Die richtigen Partner, um in die richtige Richtung zu starten

Nach einer ersten Version im Oktober 2021 haben wir uns intensiver mit den am Markt verfügbaren Technologien befasst, nachdem wir für das KI-Programm von Leonard ausgewählt worden waren, der Zukunfts- und Innovationsplattform von VINCI. Sechs Monate Projektarbeit mit Expertinnen und Experten, um uns zu verbessern und mit dem Stand der Technik zu messen.

Zunächst ein Blick auf die Grundlagen der Berechnung. Eine Umweltberechnung in der Praxis beginnt mit einem Leistungsverzeichnis, einem BIM-Modell, Mengenermittlungen usw. Im Wesentlichen bildet man dann für jedes Material und jede Anlage die Summe der Produkte aus CO₂-Information und Menge. Um die Umweltwirkung eines Projekts zu optimieren, versteht man also zunächst die Angebote und optimiert dann die Wahl der Baustoffe und Anlagen anhand zertifizierter Datenbanken (in Frankreich die Datenbank INIES).

In der CO₂-Bilanzierung gilt wie in der klassischen Buchhaltung das Vorsichtsprinzip. Daraus ergibt sich das Prinzip der Grenzwerte:

• Obere Grenze: „Wenn ich es nicht weiß, gehe ich davon aus, dass mein Produkt aus Neumaterial besteht und in einem Land mit eher CO₂-intensivem Strommix hergestellt wird.”
• Untere Grenze: „Ein oder mehrere Hersteller haben prüfen lassen, dass ihr Produkt zu x % aus Recyclingmaterial besteht und in einem Land mit sehr gutem Strommix hergestellt wird (zum Beispiel, rein zufällig, in Frankreich 😊).”
• Ultra-untere Grenze: „Mein Produkt stammt aus der Wiederverwendung.”

KI im Dienst der Nutzer: Zeit gewinnen, ohne an Verlässlichkeit zu verlieren

Für alle, die neu im Thema sind: KI umfasst alle statistischen Methoden, mit denen sich das Ergebnis menschlichen Verhaltens zumindest teilweise nachbilden lässt (z. B. Bilder oder Texte analysieren).

Moderne Methoden der Textanalyse, das sogenannte Natural Language Processing, ermöglichen es, komplexe Dokumente automatisch zusammenzufassen, sei es durch Informationsextraktion oder durch die Klassifizierung technischer Ausrüstung anhand ihrer Beschreibung.

HuggingFace, der Open-Source-Stand der Technik in der Sprachverarbeitung, versteht Französisch gut. Es erkennt also, dass ein kugelförmiger Ballon etwas Rundes ist. Das Vokabular des Bauwesens kennt es dagegen nicht: Es weiß nicht, dass eine Wandscheibe und eine Wand vergleichbar sind, dass ein Kanal zum Luftleitungsnetz gehört, und nicht einmal, was eine Sockelleiste ist.

Von unseren rund 8.500 Stunden Forschung und Entwicklung (angemeldet und geprüft) haben wir deshalb fast ein Drittel darauf verwendet, der KI das Vokabular des Bauwesens beizubringen, und eine eigene, auf Bauwesen und Industrie zugeschnittene Lernschicht entwickelt.

Dank dieser hochentwickelten KI dauert die Analyse eines Kundenangebots in Nooco jetzt knapp eine Stunde für 500 Positionen (zum Vergleich: mehrere Tage mit den herkömmlichen Tools am Markt). Die Erkennungsrate unseres Algorithmus ist von 8 % beim Start im September 2021 auf heute 58 % gestiegen.

Dieses Lernen entwickelt sich ständig weiter, denn wir haben auch einen Prozess eingerichtet, um die Fehler der KI zu erfassen. Bestätigt ein Nutzer einen Vorschlag der KI nicht, gibt es zwei Möglichkeiten: Entweder tritt der Fall mehrfach auf und der Algorithmus lernt selbstständig aus seinem Fehler, oder unser Kunde kontaktiert uns und wir bringen dem Algorithmus überwacht bei, dass er einen neuen Begriff falsch interpretiert.

Anders gesagt: Je mehr Nooco genutzt wird, desto schneller wird die Umweltberechnung, und morgen vielleicht sogar automatisch und ohne Benutzeroberfläche.

Diese Ergebnisse haben uns überzeugt, unsere Data-Science-Teams auszubauen. Wir arbeiten an zwei weiteren Algorithmen, die für die Entscheidungsunterstützung im Bauwesen unverzichtbar sind. Ziel ist, dass der CO₂-Indikator in den Entscheidungstools einfach verfügbar ist, gleichberechtigt neben den anderen Kennzahlen.

• Das Auslesen technischer Datenblätter und Umweltdatenblätter: Die Daten in diesen Dokumenten sind derzeit unstrukturiert, und alle Informationen zu einem Produkt zusammenzutragen, kostet sehr viel Zeit. Unsere auf das Vokabular des Bauwesens trainierte KI kann diese Informationen nun schnell aus technischen Produktdatenblättern extrahieren, um den Zugang dazu zu fördern und zu vereinfachen. Weiß der Algorithmus, wonach er suchen soll, hier die technischen Eigenschaften eines bestimmten Produkts, findet er diese Information mit der Question-Answering-Methode sehr effizient im Dokument. Bei einem Dämmstoff wird die Umweltinformation zum Beispiel schnell mit dem Wärmedurchlasswiderstand, den Brandschutzeigenschaften und der Materialart verknüpft. Bei einem Bodenbelag mit der französischen UPEC-Klassifizierung, bei einer Wärmepumpe mit der Art des Kältemittels usw.
• Das Optimierungspotenzial eines Projekts: Wie groß ist der Abstand zwischen der oberen und der unteren Grenze eines Projekts? Welcher Kalkulationsaufwand ist nötig, um sich der unteren Grenze anzunähern? KI im Dienst der Planung ist kein Mythos mehr. Sie bleibt aber ein Werkzeug zur Entscheidungsunterstützung, denn die Berufe im Bauwesen erfordern das Verständnis einer weit größeren Komplexität als die reine Gegenüberstellung von CO₂ und Preis.

Bauunternehmen wissen, dass sie zugleich Teil des Umweltproblems und Teil der Lösung sind. In Zeiten einer neuen Regierung lässt sich nicht bestreiten, dass sie sich stark engagieren, um ihre Berufe zu verändern, und sich die Mittel geben, um sich zu transformieren.

Vinci, Bouygues, Eiffage, Léon Grosse, Spie und andere nutzen Nooco bereits, um die Ingenieurleistung ihrer Planungen sichtbar zu machen, damit Planer und Bauherren über CO₂-arme Optionen für ihre Vorhaben verfügen. Bei den Bauunternehmen werden die Teams in Analysemethoden geschult, um sowohl den Materialanteil als auch den Energieverbrauch zu bearbeiten, der neben der reinen CO₂-Wirkung noch weitere Herausforderungen mit sich bringt.

Der Markt wird die ökologische Transformation erst dann vorantreiben, wenn Unternehmen einfach über ihr CO₂-Ergebnis miteinander konkurrieren können und Entscheider volle Transparenz über diesen Indikator haben. Indem KI die Messung beschleunigt, trägt sie indirekt zu einer erheblichen Menge vermiedener Emissionen bei.

Sie möchten mehr über die technischen Hintergründe erfahren oder die Lösung einfach testen? Kontaktieren Sie uns!