INNOVATION SCOUT · IMPULSPROFIL

Mensch und KI im Bau: Zusammenarbeit, Kompetenz und Verantwortung

Die Zusammenarbeit von Mensch und KI verbindet Aufgabenverteilung, Fachkompetenz und Kontrolle: Wer prüft einen Vorschlag, entscheidet und greift vor der Ausführung ein? KI-Governance organisiert dafür Zuständigkeiten, Entscheidungsbefugnisse und die laufende Pflege der Systeme und Abläufe.

Um was geht es bei Mensch und KI im Bau: Zusammenarbeit, Kompetenz und Verantwortung?

Eine Ausschreibungsanalyse, ein Baustellenscan und eine Gebäuderegelung brauchen unterschiedliche menschliche Übergaben. Wer prüft die Originalunterlage, korrigiert einen Grenzfall oder stoppt eine ungeeignete Aktion? Quellenbezug, Rechte und dokumentierte Zuständigkeiten können helfen. Ob daraus bessere Entscheidungen entstehen, hängt auch von Fachwissen, Prüffenster und Handlungsspielraum ab.

Quelle 6: Kluge Köpfe, smarte Konzepte: Wie eigenentwickelte KI bei Drees & Sommer Aufwand reduziert, Fundstelle(n): Abschnitte Ausschreibungen und Testgruppen · Passagen Testbetrieb seit August2024, Erweiterung November2024, Ausschreibungsanalyse Quelle 9: Quality assurance with AI, Fundstelle(n): Abschnitt menschliche Qualitätsprüfung · Gesamter Fachbeitrag, Abschnitte KI-Grenzen und menschliche Qualitätskontrolle · Grenzfallprüfung vor Verfüllung Quelle 19: aedifion.controls, Fundstelle(n): Transparenz und manuelle Eingriffsmöglichkeiten · Produktbeschreibung; Transparenz/manuelles Eingreifen Quelle 7: Dreso.AI als Best Practice in der Zukunftsmacher-Studie 2025, Fundstelle(n): Kennzahlenabsatz Dreso.AI Quelle 5: Responsible use of artificial intelligence in surveying practice, Fundstelle(n): §§3.2,4.2 Quelle 10: The impact of perceived design origin attribution (Human vs AI) on trust and performance in augmented reality assembly tasks among construction professionals, Fundstelle(n): Results Quelle 16: Revealing AI Reasoning Increases Trust but Crowds Out Unique Human Knowledge, Fundstelle(n): Private information results

Einordnung im Impulsradar

KI-Assistenz wird in einzelnen Bau- und Planungsorganisationen wiederholt genutzt und ausgeweitet. Entscheidend bleibt, ob Fachleute Ausgaben mit ausreichender Zeit und Kompetenz prüfen und eingreifen können. Aktuelle Studien zeigen Unterstützung, aber auch zusätzliche Belastung und Fehlvertrauen. Regelwerke und Schulungen allein belegen keine wirksame Kontrolle.

Quelle 6: Kluge Köpfe, smarte Konzepte: Wie eigenentwickelte KI bei Drees & Sommer Aufwand reduziert, Fundstelle(n): Passagen Testbetrieb seit August2024, Erweiterung November2024, Ausschreibungsanalyse · Genutzte Testgruppen und fachliche Rückmeldung · Januar2025-Bericht über Nutzung August/November2024 Quelle 7: Dreso.AI als Best Practice in der Zukunftsmacher-Studie 2025, Fundstelle(n): Kennzahlenabsatz Dreso.AI · 3000 aktive Nutzende · November2025-Bericht Quelle 10: The impact of perceived design origin attribution (Human vs AI) on trust and performance in augmented reality assembly tasks among construction professionals, Fundstelle(n): Methods: participants/procedure; Results: rework; Limitations · Results · Methods/Limitations Quelle 11: desAIner: Design, Implementation, and Evaluation of an AI Tool for Construction Hazard Prevention Through Design (CHPtD) Education, Fundstelle(n): System design; experimental procedure; evaluation/results · Evaluation/Limitations Quelle 13: Understanding Cognitive Impacts of Robots in Worker-Robot Collaboration in Modular Construction, Fundstelle(n): S.837–844; Experimental design, Results Quelle 5: Responsible use of artificial intelligence in surveying practice, Fundstelle(n): §§3.2,4.2 Quelle 9: Quality assurance with AI, Fundstelle(n): Grenzfallprüfung vor Verfüllung Quelle 16: Revealing AI Reasoning Increases Trust but Crowds Out Unique Human Knowledge, Fundstelle(n): Private information results Quelle 8: Expert Chat, Fundstelle(n): VejreglerGPT

Zusammenarbeit muss im Arbeitsablauf ausführbar sein

Assistenz liefert Vorschläge, die eine Fachperson übernimmt oder verwirft. Teilautonome Systeme führen innerhalb delegierter Grenzen Aktionen aus; Aufsicht muss diese Grenzen verstehen und eingreifen können. Organisatorische Governance und Schulung sind Voraussetzungen der Zusammenarbeit, selbst aber keine lernenden KI-Verfahren.

Quelle 6: Kluge Köpfe, smarte Konzepte: Wie eigenentwickelte KI bei Drees & Sommer Aufwand reduziert, Fundstelle(n): Abschnitte Ausschreibungen und Testgruppen Quelle 9: Quality assurance with AI, Fundstelle(n): Abschnitt menschliche Qualitätsprüfung · Grenzfallprüfung vor Verfüllung Quelle 19: aedifion.controls, Fundstelle(n): Transparenz und manuelle Eingriffsmöglichkeiten · Produktbeschreibung; Transparenz/manuelles Eingreifen Quelle 5: Responsible use of artificial intelligence in surveying practice, Fundstelle(n): §§3.2,4.2 Quelle 10: The impact of perceived design origin attribution (Human vs AI) on trust and performance in augmented reality assembly tasks among construction professionals, Fundstelle(n): Results Quelle 16: Revealing AI Reasoning Increases Trust but Crowds Out Unique Human Knowledge, Fundstelle(n): Private information results

Modellgüte, verständliche Darstellung und Teamleistung sind verschiedene Größen. Eine überzeugende Erklärung kann Vertrauen erhöhen, ohne die Prüfung zu verbessern. Ein unmittelbar besseres Ergebnis mit Assistenz beweist keinen dauerhaften Kompetenzgewinn. Deshalb gehören übersehene Fehler, Nacharbeit, Prüfzeit und selbständige Leistung zur Bewertung.

Betriebe müssen Pflege und Kontrolle mitfinanzieren: Datenzugang, Systemversionen, Zuständigkeiten, Vertretung und Rückmeldung ändern sich im Einsatz. Rollen können in kleinen Unternehmen zusammenfallen. Die notwendige Prüfkapazität darf dabei nicht nur auf dem Papier bestehen. Die Organisation muss zur verfügbaren Fachkompetenz und zu den Arbeitsabläufen des jeweiligen Betriebs passen.

Quelle 5: Responsible use of artificial intelligence in surveying practice, Fundstelle(n): §§3.2,4.2 · §§3.1–3.3,4.1–4.2 Quelle 9: Quality assurance with AI, Fundstelle(n): Grenzfallprüfung vor Verfüllung Quelle 10: The impact of perceived design origin attribution (Human vs AI) on trust and performance in augmented reality assembly tasks among construction professionals, Fundstelle(n): Results Quelle 16: Revealing AI Reasoning Increases Trust but Crowds Out Unique Human Knowledge, Fundstelle(n): Private information results Quelle 11: desAIner: Design, Implementation, and Evaluation of an AI Tool for Construction Hazard Prevention Through Design (CHPtD) Education, Fundstelle(n): Limitations Quelle 20: KI-KompetenzaufBAU, Fundstelle(n): Bedarfserhebung/Workshops

Worauf es bei Mensch und KI im Bau: Zusammenarbeit, Kompetenz und Verantwortung fachlich ankommt

Fachassistenz für Ausschreibungen und Dokumentenprüfung

Studien-/Praxisbefund

Mit seiner KI-Plattform Dreso.AI unterstützt Drees & Sommer die Arbeit an Ausschreibungen und Dokumenten. Im Januar 2025 beschreibt das Unternehmen eine Testnutzung seit August 2024 für Ausschreibungszusammenfassungen, Akquisitionsanalysen und erste Dokumentenprüfungen. Fachleute geben Rückmeldung zur Weiterentwicklung. Im November 2025 meldet Drees & Sommer 3.000 aktive Nutzende derselben Plattform.

Quelle 6: Kluge Köpfe, smarte Konzepte: Wie eigenentwickelte KI bei Drees & Sommer Aufwand reduziert, Fundstelle(n): Passagen Testbetrieb seit August2024, Erweiterung November2024, Ausschreibungsanalyse Quelle 7: Dreso.AI als Best Practice in der Zukunftsmacher-Studie 2025, Fundstelle(n): Kennzahlenabsatz Dreso.AI

Fachliche Einordnung

Der Fall zeigt, wie KI-Assistenz für konkrete Fachaufgaben eingeführt und innerhalb einer Organisation ausgeweitet wird. Für Bau- und Planungsunternehmen ist die Verbindung von Ausschreibungs- und Dokumentenarbeit mit fachlicher Rückmeldung interessant: Beschäftigte erproben die Plattform an ihren Aufgaben und bringen ihre Erfahrungen in deren Weiterentwicklung ein.

Quellengebundene Assistenz schafft einen konkreten Prüfzugang

Studien-/Praxisbefund

Sweco beschreibt im Juni 2026 Expert Chat auf Grundlage kuratierter Dokumente. VejreglerGPT wird für dänische Straßenregeln eingesetzt und stellt Quellenverweise bereit. Fachleute können Antworten damit auf die zugrunde liegenden Regeln zurückführen.

Quelle 8: Expert Chat, Fundstelle(n): Expert Chat; Anwendungsbeispiel VejreglerGPT

Fachliche Einordnung

Die Quellenverweise geben Planenden einen direkten Zugang zur Originalregel. Sie können damit prüfen, ob die Fundstelle die Antwort trägt und auf ihren Planungskontext anwendbar ist. Der Beitrag der Assistenz liegt in diesem nachvollziehbaren Weg von der Frage zur fachlichen Prüfung.

Quelle 8: Expert Chat, Fundstelle(n): Expert Chat; Anwendungsbeispiel VejreglerGPT Quelle 5: Responsible use of artificial intelligence in surveying practice, Fundstelle(n): §§3.2,4.2

Kontrolle muss vor irreversibler Folgearbeit möglich sein

Studien-/Praxisbefund

DeepUp beschreibt eine Kette aus 3D-Scan, KI-Verarbeitung und menschlicher Prüfung unklarer Fälle in der Glasfaser-Baudokumentation. Beispiele sind die Verwechslung von Markern mit Helmen und fehlerhafte Kabelzählungen. Geschulte Fachleute korrigieren solche Grenzfälle; vor der Verfüllung bleibt der Bestand kontrollierbar.

Quelle 9: Quality assurance with AI, Fundstelle(n): Gesamter Fachbeitrag, Abschnitte KI-Grenzen und menschliche Qualitätskontrolle

Fachliche Einordnung

Der Prüfzeitpunkt ist Teil der Kontrollfunktion. Eine spätere Freigabe hilft wenig, wenn die relevante Stelle bereits verdeckt ist. Die Korrektur von Kabelzählung oder Objektzuordnung muss deshalb in den Ablauf vor der Verfüllung passen.

Quelle 9: Quality assurance with AI, Fundstelle(n): Gesamter Fachbeitrag, Abschnitte KI-Grenzen und menschliche Qualitätskontrolle · Grenzfallprüfung vor Verfüllung

Eine Meldung braucht Zuständigkeit und Rückmeldung

Studien-/Praxisbefund

Das System ConstructAI wertet Bilder und Videos von Baustellen für die Bearbeitung von Vorfällen aus. Es verbindet dazu unter anderem LLaMA 3, SAM 2 und angepasste Modelle. Der Systembericht von 2026 beschreibt den Ablauf über die Erkennung hinaus: Hinweise werden erläutert und protokolliert, verantwortlichen Managern zugewiesen und bis zur Bearbeitung verfolgt. Die Autoren berichten chinesische Feldeinsätze seit Anfang 2024.

Quelle 15: ConstructAI: From Real-Time Safety Insight to Skill Growth in Deployed Construction AI Systems, Fundstelle(n): Architecture; Real-world deployment; Table3

Fachliche Einordnung

Die Zuweisung und Nachverfolgung verbinden einen erkannten Vorfall mit einer verantwortlichen Person und dem Stand seiner Bearbeitung. Das macht die Übergabe für das Baustellenmanagement nutzbar. Die von den Entwicklern und Anwendern berichteten Vorher-Nachher-Abschlussraten bleiben dagegen schwer vergleichbar, weil sich Zeiträume und Expositionen nicht hinreichend abgleichen lassen.

Quelle 15: ConstructAI: From Real-Time Safety Insight to Skill Growth in Deployed Construction AI Systems, Fundstelle(n): Architecture; Real-world deployment; Table3

Ein Montageversuch trennt Darstellung und zugeschriebene Herkunft

Studien-/Praxisbefund

Im Versuch von Chaudhari und Kollegen schlossen 98 Berufstätige zwei simulierte Montageaufgaben ab. Acht Gruppen unterschieden sich darin, wie die Aufgabe dargestellt wurde und ob der Entwurf als menschlich oder KI-generiert bezeichnet war. Die Darstellung mit Augmented Reality (AR) ging mit weniger Nacharbeit einher; für die zugeschriebene Herkunft Mensch oder KI zeigte sich dabei kein signifikanter Effekt.

Fachliche Einordnung

Es wurde kein ausführendes KI-Modell getestet. Die feste Aufgabenreihenfolge und fehlende formale Prüfung der Herkunftsmanipulation begrenzen die Aussage. Der Versuch zeigt, dass Interface und Vertrauen getrennt von Modellgüte zu untersuchen sind.

Bessere Vorschläge mit KI sind noch kein dauerhafter Kompetenzgewinn

Studien-/Praxisbefund

Das Forschungswerkzeug desAIner erstellt strukturierte Vorschläge zur Gefahrenprävention auf Grundlage von US-Arbeitsschutzregeln. Es verbindet das Sprachmodell Gemini 2.5 Flash mit der Suche in diesen Regeln. Im Versuch bearbeiteten 66 Baumanagementstudierende Zeichnungsaufgaben jeweils erst ohne, dann mit KI. Zwei verblindete Fachgutachter bewerteten die Maßnahmen; der normierte Index stieg im Mittel von 0,40 auf 0,71.

Fachliche Einordnung

Der Index bewertet Maßnahmen zu bereits identifizierten Gefahren, nicht sämtliche übersehenen Gefahren. Feste Bedingungsabfolge und geringe Berufserfahrung begrenzen die Übertragbarkeit. Für die Ausbildung bleibt entscheidend, ob Teilnehmende später auch ohne Assistenz geeignete Maßnahmen entwickeln können; ein solcher Nachtest fehlt.

Robotische Unterstützung kann Belastung verlagern

Studien-/Praxisbefund

Ein Braunschweiger Betonfertigungsversuch untersuchte vier eingewiesene Nichtprofis in zwei Teams und einen Roboterpiloten. Die digitale Variante benötigte 37 Prozent der gemessenen manuellen Nettoarbeitszeit; einzelne körperliche Belastungen sanken, beim Piloten entstand relevante mentale Last. Gemessen wurde im August 2024, veröffentlicht im Januar 2026.

Fachliche Einordnung

Die Quote ist kein Gesamtprojektgewinn: Vorarbeiten, Reinigung und Pausen fehlen, die Bauteilgeometrien unterscheiden sich bei vergleichbarer Tragfunktion. Der Versuch untersucht digitale Fertigung und Arbeitsteilung, keine isolierte gelernte KI. Effizienz und Belastung müssen für sämtliche beteiligten Rollen betrachtet werden.

Mehr Assistenz kann mehr Überwachung verlangen

Studien-/Praxisbefund

Ein ISARC-Pilot von 2025 mit sechs Studierenden und programmiertem Cobot fand längere Bearbeitung und höhere subjektive Belastung. Menschen erledigten weiterhin alle neun Tätigkeiten, der Roboter parallel eine repetitive Aufgabe. Ein weiterer Originalabstract berichtet bei 105 Studierenden schnellere Drohnenwahrnehmung durch audiovisuelle Assistenz und geringere Produktivität.

Quelle 13: Understanding Cognitive Impacts of Robots in Worker-Robot Collaboration in Modular Construction, Fundstelle(n): S.837–844; Experimental design, Results Quelle 14: AI-Driven Assistant for Worker Safety in Future Construction: Examining Opportunity and Challenges, Fundstelle(n): Abstract

Fachliche Einordnung

Im Cobot-Versuch kam die Überwachung der robotischen Teilaufgabe zu den weiterhin von Menschen ausgeführten Tätigkeiten hinzu. Für die Arbeitsgestaltung ist deshalb die Verteilung von Ausführung und Aufmerksamkeit entscheidend. Der Drohnenbefund ergänzt diese Frage anhand des Originalabstracts; seine vollständige Methodik und Modelltechnik sind damit nicht beurteilbar.

Erklärungen und Trainingsformate brauchen eigene Evaluation

Studien-/Praxisbefund

Ein präregistrierter Onlineversuch mit 752 Personen fand, dass sichtbare KI-Begründungen zusätzliches menschliches Wissen teilweise verdrängten. Ein anderer Preprint mit 388 Beschäftigten eines Einzelhandelsunternehmens zeigte uneinheitliche Effekte zweier Kollaborationstrainings; ein vorgeschriebenes Paarprotokoll verschlechterte Dokumentergebnisse.

Quelle 16: Revealing AI Reasoning Increases Trust but Crowds Out Unique Human Knowledge, Fundstelle(n): Experimental design; private information phase; Results Quelle 17: Scaffolding Human–AI Collaboration: A Field Experiment on Behavioral Protocols and Cognitive Reframing, Fundstelle(n): Study design; Results; Limitations

Fachliche Einordnung

Die branchenfremden Versuche machen die Gestaltung der Zusammenarbeit zum Prüfgegenstand: Unterstützen Erklärungen und feste Abläufe das eigene fachliche Prüfen oder verdrängen sie es? Im Einzelhandelsversuch begrenzen Gruppen- und Tageszeitunterschiede sowie Ausfälle die Kausalität. Die Ergebnisse betreffen die getesteten Formate und lassen sich nur mit einer eigenen Aufgabenprüfung auf Bauprojekte übertragen.

Quelle 16: Revealing AI Reasoning Increases Trust but Crowds Out Unique Human Knowledge, Fundstelle(n): Experimental design; private information phase; Results · Private information results Quelle 17: Scaffolding Human–AI Collaboration: A Field Experiment on Behavioral Protocols and Cognitive Reframing, Fundstelle(n): Study design; Results; Limitations

Programmangebot, Teilnahme und Können sind getrennte Nachweise

Studien-/Praxisbefund

KI-KompetenzaufBAU in Niederösterreich läuft von Juli 2026 bis Juni 2027 mit zehn Bau- und baunahen Unternehmen. Bedarfserhebung, sechs Workshops und eigene Prototypen sind vorgesehen. Die TÜV-Weiterbildungsstudie 2026 befragt 500 deutsche Unternehmen ab 20 Beschäftigten; Bau ist darin mit Energie und Verkehr zusammengefasst.

Fachliche Einordnung

Das laufende Programm verbindet betriebliche Bedarfe mit Übungen und eigenen Prototypen; eine abschließende Kompetenzmessung steht noch aus. Die Befragung liefert wegen ihrer Branchenbündelung und Unternehmensgröße keine belastbare Einzelquote für Bauunternehmen oder Kleinstbetriebe. Aufgabenbezogene Fehlerfälle und spätere Prüfungen ohne KI würden zeigen, ob Teilnehmende das Gelernte selbständig anwenden können.

Quelle 18: TÜV-Weiterbildungsstudie 2026, Fundstelle(n): Methodik; S.33 Grafik KI-Nutzung nach Branche Quelle 20: KI-KompetenzaufBAU, Fundstelle(n): Bedarfsgetriebener Ansatz; Partner; Laufzeit/Status · Bedarfserhebung/Workshops Quelle 5: Responsible use of artificial intelligence in surveying practice, Fundstelle(n): §§3.1–3.3,4.1–4.2 Quelle 11: desAIner: Design, Implementation, and Evaluation of an AI Tool for Construction Hazard Prevention Through Design (CHPtD) Education, Fundstelle(n): Limitations

Eine Eingriffsschnittstelle muss organisatorisch besetzt sein

Studien-/Praxisbefund

aedifion.controls beschreibt selbstlernende, prognosegestützte Gebäuderegelung mit Betriebs-, Wetter- und Belegungsdaten. Aktionen werden sichtbar gemacht, manuelle Eingriffe sind vorgesehen.

Quelle 19: aedifion.controls, Fundstelle(n): Produktbeschreibung; Transparenz/manuelles Eingreifen

Fachliche Einordnung

Damit Betriebsverantwortliche eine ungeeignete Regelungsaktion rechtzeitig ändern können, müssen Zuständigkeit, Befugnis und Erreichbarkeit zur vorgesehenen Eingriffsmöglichkeit passen. Festgelegte Betriebsgrenzen und ein Rückfallweg geben der zuständigen Person einen Handlungsrahmen. Die technische Schnittstelle muss deshalb mit der tatsächlichen Besetzung im Gebäude verbunden werden.

Quelle 19: aedifion.controls, Fundstelle(n): Produktbeschreibung; Transparenz/manuelles Eingreifen · Anwendungs-/Methodenabschnitte

Der geltende Rechtsstand verlangt differenzierte Einordnung

Studien-/Praxisbefund

Die Verordnung (EU) 2026/1744 änderte den AI Act und trat am 27. Juli 2026 in Kraft. Der geänderte Artikel 4 verpflichtet Anbieter und Betreiber zu Maßnahmen, die die Entwicklung von KI-Kompetenz kontextbezogen unterstützen; ein bestimmtes individuelles Niveau müssen sie nicht garantieren. Für Hochrisikoanforderungen gelten geänderte Anwendungsfristen und eine gesonderte sektorale Einordnung von Maschinen.

Quelle 3: Verordnung (EU) 2026/1744 – Digital Omnibus on AI, Fundstelle(n): Art.1 Nr.5, Nr.40; Art.4 · Art.1 Nr.2,40,41; Art.3 Quelle 1: AI Act – Regulatory framework for artificial intelligence, Fundstelle(n): Application timeline; Aktualisierung 03.08.2026 Quelle 2: Verordnung (EU) 2024/1689 (AI Act), Fundstelle(n): Art.14 Abs.3–5; Art.26 Abs.2,5–7

Fachliche Einordnung

Rechtsrolle, Systemkategorie, Übergang und Einsatz müssen zusammen geprüft werden. Die Aufsichtsanforderungen der Artikel 14 und 26 sind keine pauschale aktuelle Vier-Augen-Pflicht für jede Bau-KI. Der Rahmen ordnet die Anforderungen dem jeweiligen Einsatz und den verantwortlichen Rollen zu. Die Zulässigkeit eines konkreten Systems muss anhand dieser Einordnung gesondert beurteilt werden.

RICS konkretisiert Verantwortung im eigenen Geltungsbereich

Studien-/Praxisbefund

Der RICS-Standard vom September 2025 gilt seit 9. März 2026 für Mitglieder und regulierte Firmen bei wesentlichem Einfluss von KI auf Surveying-Leistungen. Er verlangt dokumentierte Eignungs- und Risikoentscheidungen sowie professionelle Verantwortungsübernahme. Bei automatisierten oder großen Ausgabemengen sieht er regelmäßige zufällige Stichproben vor.

Quelle 5: Responsible use of artificial intelligence in surveying practice, Fundstelle(n): Geltung §§1.2–1.3; §§3.2–3.3,4.1–4.4

Fachliche Einordnung

Der Berufsstandard ist kein allgemeines Baugesetz und schreibt keine manuelle Einzelprüfung sämtlicher Ausgaben vor. Die FIEC-Position vom 22. Oktober 2025 fordert verantwortliche Nutzung, Qualifikation und Erprobung, ist aber eine Branchenposition. Beide Quellen sind von empirischen Nachweisen der Befolgung und Wirksamkeit zu trennen.

Quelle 4: Artificial Intelligence in the European Construction Sector: Strategic Adoption, Responsible Use, and Sectoral Leadership, Fundstelle(n): Titelblatt; S.7–8 Abschnitt5; S.9–12 Quelle 5: Responsible use of artificial intelligence in surveying practice, Fundstelle(n): Geltung §§1.2–1.3; §§3.2–3.3,4.1–4.4

Kontrolle verbindet Information, Befugnis und Rückmeldung

Studien-/Praxisbefund

Die Praxisberichte zeigen unterschiedliche Übergaben: fachliches Feedback bei Dreso.AI, Originalquellenzugang bei Sweco, Grenzfallkorrektur bei DeepUp und Eingriff in die Gebäuderegelung. Der Berufsstandard konkretisiert dokumentierte Zuständigkeiten und Systempflege.

Quelle 5: Responsible use of artificial intelligence in surveying practice, Fundstelle(n): Geltung §§1.2–1.3; §§3.2–3.3,4.1–4.4 Quelle 6: Kluge Köpfe, smarte Konzepte: Wie eigenentwickelte KI bei Drees & Sommer Aufwand reduziert, Fundstelle(n): Passagen Testbetrieb seit August2024, Erweiterung November2024, Ausschreibungsanalyse Quelle 7: Dreso.AI als Best Practice in der Zukunftsmacher-Studie 2025, Fundstelle(n): Kennzahlenabsatz Dreso.AI Quelle 8: Expert Chat, Fundstelle(n): Expert Chat; Anwendungsbeispiel VejreglerGPT Quelle 9: Quality assurance with AI, Fundstelle(n): Gesamter Fachbeitrag, Abschnitte KI-Grenzen und menschliche Qualitätskontrolle Quelle 19: aedifion.controls, Fundstelle(n): Produktbeschreibung; Transparenz/manuelles Eingreifen

Fachliche Einordnung

AI Governance ordnet Entscheidungen und Pflege; Human-in-the-Loop braucht ein wirksames Prüffenster. AI Literacy umfasst aufgabenbezogenes Verstehen und Fehlerprüfung. Model Risk Management begleitet Eignung und Änderungen; Audit Trails halten Entscheidungen nachvollziehbar. Rollen- und Rechtekonzepte verbinden Befugnis und Verantwortung. Erklärbarkeit muss prüfbare Information liefern; Mensch-Maschine-Interaktion umfasst Darstellung, Arbeitslast und Übergabe. Protokoll oder Kontrollklick allein macht ein Ergebnis nicht richtig.

Quelle 5: Responsible use of artificial intelligence in surveying practice, Fundstelle(n): §§3.2,4.2 · §§3.1–3.3,4.1–4.2 · §§2–4 Quelle 9: Quality assurance with AI, Fundstelle(n): Grenzfallprüfung vor Verfüllung Quelle 10: The impact of perceived design origin attribution (Human vs AI) on trust and performance in augmented reality assembly tasks among construction professionals, Fundstelle(n): Results Quelle 16: Revealing AI Reasoning Increases Trust but Crowds Out Unique Human Knowledge, Fundstelle(n): Private information results Quelle 11: desAIner: Design, Implementation, and Evaluation of an AI Tool for Construction Hazard Prevention Through Design (CHPtD) Education, Fundstelle(n): Limitations Quelle 20: KI-KompetenzaufBAU, Fundstelle(n): Bedarfserhebung/Workshops

Warum Mensch und KI im Bau: Zusammenarbeit, Kompetenz und Verantwortung relevant ist

ReifegradPilotierung bis wachsender Praxiseinsatz

Die Beispiele reichen von aufgabennaher Erprobung mit fachlichem Feedback über eingesetzte Fachassistenz bis zur berichteten Ausweitung von Dreso.AI. Sie stützen die Spanne von Pilotierung bis wachsendem Praxiseinsatz für abgegrenzte Formen organisierter Zusammenarbeit. Der Reifegrad gilt nicht automatisch jeder Kontrollroutine. Eine Richtlinie oder Schulung allein belegt noch keine ausgeführte Zusammenarbeit; Vollautonomie oder vollständige Abdeckung einer Organisation sind dafür keine Voraussetzung.

Quelle 6: Kluge Köpfe, smarte Konzepte: Wie eigenentwickelte KI bei Drees & Sommer Aufwand reduziert, Fundstelle(n): Genutzte Testgruppen und fachliche Rückmeldung · Januar2025-Bericht über Nutzung August/November2024 Quelle 7: Dreso.AI als Best Practice in der Zukunftsmacher-Studie 2025, Fundstelle(n): 3000 aktive Nutzende · November2025-Bericht Quelle 8: Expert Chat, Fundstelle(n): VejreglerGPT Quelle 10: The impact of perceived design origin attribution (Human vs AI) on trust and performance in augmented reality assembly tasks among construction professionals, Fundstelle(n): Methods/Limitations Quelle 11: desAIner: Design, Implementation, and Evaluation of an AI Tool for Construction Hazard Prevention Through Design (CHPtD) Education, Fundstelle(n): Evaluation/Limitations

Evidenzwachsende Evidenz

Mehrere Originalarbeiten und konkrete Praxisberichte stützen eine wachsende Evidenz. Kurze Messzeiträume, kleine oder studentische Stichproben, unterschiedliche Aufgaben und Unternehmensselbstauskünfte begrenzen die Übertragbarkeit. Kontrollierte Langzeitbefunde zu Qualität, selbständiger Kompetenz und Sicherheit im Baubetrieb fehlen im geprüften Material. Diese Evidenzgrenze ist von der Frage zu unterscheiden, wie weit einzelne Anwendungen bereits praktisch genutzt werden. Die Eigenberichte zu Dreso.AI, Sweco und DeepUp beschreiben konkrete Nutzung und Prüfabläufe, enthalten aber keine unabhängigen vergleichenden Fehler-, Zeit- oder Kompetenzmessungen.

Quelle 10: The impact of perceived design origin attribution (Human vs AI) on trust and performance in augmented reality assembly tasks among construction professionals, Fundstelle(n): Methods: participants/procedure; Results: rework; Limitations · Methods/Limitations Quelle 11: desAIner: Design, Implementation, and Evaluation of an AI Tool for Construction Hazard Prevention Through Design (CHPtD) Education, Fundstelle(n): System design; experimental procedure; evaluation/results · Evaluation/Limitations Quelle 12: Human–robot collaboration in digital fabrication with concrete: quantifying productivity and psychophysiological strain of human workers, Fundstelle(n): Methods: participants/workflow; Results: productivity/strain; Discussion Quelle 13: Understanding Cognitive Impacts of Robots in Worker-Robot Collaboration in Modular Construction, Fundstelle(n): S.837–844; Experimental design, Results Quelle 15: ConstructAI: From Real-Time Safety Insight to Skill Growth in Deployed Construction AI Systems, Fundstelle(n): Architecture; Real-world deployment; Table3 Quelle 6: Kluge Köpfe, smarte Konzepte: Wie eigenentwickelte KI bei Drees & Sommer Aufwand reduziert, Fundstelle(n): Genutzte Testgruppen und fachliche Rückmeldung Quelle 7: Dreso.AI als Best Practice in der Zukunftsmacher-Studie 2025, Fundstelle(n): 3000 aktive Nutzende Quelle 8: Expert Chat, Fundstelle(n): VejreglerGPT Quelle 9: Quality assurance with AI, Fundstelle(n): Gesamter Fachbeitrag, Abschnitte KI-Grenzen und menschliche Qualitätskontrolle · Grenzfallprüfung vor Verfüllung

EntwicklungsdynamikAktive Weiterentwicklung

Assistenz für Gefahrenprävention, Vorfallbearbeitung und die Gestaltung der Zusammenarbeit werden konkret weiterentwickelt.

Mehrere aktuelle Arbeitslinien zeigen aktive Weiterentwicklung: Präventionsassistenz, integrierte Vorfallbearbeitung sowie die Untersuchung von Darstellung und Vertrauen. Verfahren, Teamleistung und Schulungsziele bleiben getrennt zu beurteilen. Für eine nachgewiesene Beschleunigung fehlen vergleichbare datierte Entwicklungsraten; neue Publikationen allein reichen dafür nicht aus.

Quelle 11: desAIner: Design, Implementation, and Evaluation of an AI Tool for Construction Hazard Prevention Through Design (CHPtD) Education, Fundstelle(n): Systemdesign/Evaluation2026 Quelle 15: ConstructAI: From Real-Time Safety Insight to Skill Growth in Deployed Construction AI Systems, Fundstelle(n): Systemintegration2026 Quelle 10: The impact of perceived design origin attribution (Human vs AI) on trust and performance in augmented reality assembly tasks among construction professionals, Fundstelle(n): Experiment2026

MarktdynamikSelektive Ausweitung

Drees & Sommer berichtet den Übergang von fachlich begleiteten Testgruppen 2024 zu 3.000 aktiven Nutzenden im November 2025.

Die Fachassistenz von Drees & Sommer wurde laut den beiden Unternehmensberichten innerhalb der Organisation ausgeweitet: Der frühere Bericht beschreibt ausgeführte Testaufgaben und fachliche Rückmeldung, der spätere aktive Nutzung. Die Eigenangaben verwenden unterschiedliche Zählerdefinitionen. Sie tragen deshalb eine qualitative Ausweitung, aber keine Prozentwachstumsrate, branchenweite Nutzung oder verbesserte Kontrollqualität. Normative Änderungen und zusätzliche Schulungsplätze zählen nicht als Marktwachstum.

Quelle 6: Kluge Köpfe, smarte Konzepte: Wie eigenentwickelte KI bei Drees & Sommer Aufwand reduziert, Fundstelle(n): Januar2025-Bericht über Nutzung August/November2024 Quelle 7: Dreso.AI als Best Practice in der Zukunftsmacher-Studie 2025, Fundstelle(n): November2025-Bericht