INNOVATION SCOUT · IMPULSPROFIL

Human-AI Collaboration, Kompetenz und Governance im Bau

Human-AI Collaboration umfasst die Aufgabenverteilung zwischen Fachleuten und KI: passende Kompetenzen, prüfbare Informationen, klare Entscheidungsbefugnisse und Kontrollen vom Vorschlag bis zur Ausführung und Rückmeldung. Governance organisiert die Zuständigkeiten und die laufende Pflege dieser Zusammenarbeit.

Um was geht es bei Human-AI Collaboration, Kompetenz und Governance im Bau?

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.

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 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 · Limitations 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 Quelle 5: Responsible use of artificial intelligence in surveying practice, Fundstelle(n): §§3.1–3.3,4.1–4.2 Quelle 20: KI-KompetenzaufBAU, Fundstelle(n): Bedarfserhebung/Workshops

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. Diese Folgerung ist ein fachliches Einführungsmodell, kein universell bestätigtes Wirksamkeitsrezept.

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 Human-AI Collaboration, Kompetenz und Governance im Bau fachlich ankommt

Dreso.AI zeigt tatsächliche Nutzung und fachliche Rückmeldung

Studien-/Praxisbefund

Drees & Sommer beschreibt im Januar 2025 Testnutzung seit August 2024 für Ausschreibungszusammenfassungen, Akquisitionsanalysen und erste Dokumentenprüfungen. Fachleute geben Rückmeldung zur Weiterentwicklung. Im November 2025 meldet das Unternehmen 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

Das Belegpaar trägt eine qualitative Nutzungsausweitung innerhalb einer Organisation. Testzugang und aktive Nutzung sind jedoch unterschiedlich definiert; eine prozentuale Wachstumsrate wird nicht berechnet. Die Eigenberichte belegen weder die Prüfung jeder Ausgabe noch einen unabhängig gemessenen Qualitäts- oder Kompetenzzuwachs.

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

Der benannte Anwendungsfall konkretisiert die Übergabe zwischen Assistenz und Fachprüfung. Ob die verlinkte Stelle die Antwort trägt und zum Planungskontext passt, bleibt zu prüfen. Unabhängige Fehler- und Zeitvergleiche veröffentlicht der Bericht nicht; Quellenbezug ist kein Beleg fehlerfreier Planung.

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 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

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. Der Anbieterbericht benennt Aufgaben und Fehlerbilder, aber keine unabhängig geprüfte Fehlerquote. Seine Werbung zur Rechtssicherheit wird nicht als gesicherte Wirkung übernommen.

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

Eine Meldung braucht Zuständigkeit und Rückmeldung

Studien-/Praxisbefund

ConstructAI verbindet unter anderem LLaMA 3, SAM 2 und angepasste Modelle mit Bildern und Videos von Baustellen. Der Systembericht von 2026 beschreibt erklärende Hinweise, Protokollierung, Zuweisung an verantwortliche Manager und Verfolgung der Bearbeitung. 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

Diese ausgeführte Übergabe ist konkreter als eine reine Erkennungsanzeige. Die gemeldeten Vorher-Nachher-Abschlussraten beruhen jedoch nicht auf hinreichend vergleichbaren Zeiträumen und Expositionen. Daraus folgen weder kausal vermiedene Unfälle noch eine belastbare Wachstumskurve. Entwickler- und Anwenderinteressen bleiben kenntlich.

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

Ein AR-Versuch prüft Darstellung und zugeschriebene Herkunft

Studien-/Praxisbefund

Im Versuch von Chaudhari und Kollegen schlossen 98 Berufstätige zwei simulierte Montageaufgaben ab. Acht Gruppen variierten Darstellung und zugeschriebene Entwurfsherkunft. AR ging mit weniger Nacharbeit einher; für die Herkunftszuschreibung 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; einen langfristigen Sicherheitsgewinn belegt er nicht.

Bessere Vorschläge mit KI sind noch kein dauerhafter Kompetenzgewinn

Studien-/Praxisbefund

desAIner kombiniert Gemini 2.5 Flash mit Retrieval aus US-Arbeitsschutzregeln und strukturierten Präventionsvorschlägen. 66 Baumanagementstudierende bearbeiteten 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, geringe Berufserfahrung und fehlender späterer Test ohne Assistenz begrenzen den Lernnachweis. Weder langfristige Fachkompetenz noch geringere Unfallhäufigkeit auf Baustellen ist damit gemessen.

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 · Limitations Quelle 5: Responsible use of artificial intelligence in surveying practice, Fundstelle(n): §§3.1–3.3,4.1–4.2 Quelle 20: KI-KompetenzaufBAU, Fundstelle(n): Bedarfserhebung/Workshops

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.

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 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 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

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

Beide Befunde sind eng begrenzt. Der Cobot ersetzte keine menschliche Teilaufgabe; beim Drohnenversuch war nur der Abstract zugänglich. Sie sind Hinweise auf Aufmerksamkeitskonflikte, kein allgemeines Urteil gegen Robotik und keine tragenden Reifeanker. Die Modelltechnik des zweiten Versuchs wird nicht ergänzt.

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

Das sind branchenfremde Mechanismen, keine Wirkungsmessung in Bauprojekten. Im Einzelhandelsversuch begrenzen Gruppen- und Tageszeitunterschiede sowie Ausfälle die Kausalität. Weder ist Erklärbarkeit grundsätzlich schädlich noch fachliche Vier-Augen-Prüfung widerlegt. Entscheidend ist, ob die konkrete Gestaltung eigenes Prüfen unterstützt.

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 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 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

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 ist noch keine abgeschlossene Kompetenzmessung. Die Befragung liefert keine belastbare Einzelquote für Bauunternehmen oder Kleinstbetriebe. Aufgabenbezogene Übungen, Fehlerfälle und spätere Prüfungen ohne KI können die Beurteilung verbessern; ein solcher langfristiger Transfer ist im ausgewerteten Bau-KMU-Material nicht belegt.

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. Die Quelle beschreibt die aktuelle Produktfunktion ohne datierten Verlauf ihrer Nutzung.

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

Fachliche Einordnung

Betriebsverantwortliche benötigen passende Grenzen, Befugnisse, Erreichbarkeit und einen Rückfallweg. Die Schnittstelle allein bestätigt weder ausreichende Besetzung noch rechtzeitigen Eingriff im einzelnen Gebäude. Governance ist hier eine operative Aufgabe; eine zusätzliche Energieeinsparung allein durch menschliche Kontrolle wird nicht behauptet.

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 definiert Anforderungen, belegt aber weder gelebte Kontrolle noch sichere Ergebnisse. Diese Einordnung ersetzt keine Entscheidung zur Zulässigkeit eines konkreten Systems.

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 Human-AI Collaboration, Kompetenz und Governance im Bau relevant ist

ReifegradPilotierung bis wachsender Praxiseinsatz

MR-03–MR-05 bleibt bestehen. Aufgabennahe Erprobung mit fachlichem Feedback, eingesetzte Fachassistenz und die berichtete Dreso.AI-Ausweitung tragen die Spanne. Die Bewertung gilt abgegrenzter organisierter Zusammenarbeit, nicht automatisch jeder Kontrollroutine. Richtlinie und Schulung allein reichen als Praxisbeleg nicht; Vollautonomie oder organisationsweite Vollabdeckung sind keine zusätzlichen Kriterien.

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

EV-02 wird durch mehrere Originalarbeiten und konkrete Praxisberichte gestützt. 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. Das begrenzt die Evidenz, ohne rückläufige Reife zu beweisen.

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

EntwicklungsdynamikAktive Weiterentwicklung

RAG-gestützte Lernassistenz, multimodale Vorfallbearbeitung und Experimente zur Zusammenarbeit werden konkret weiterentwickelt.

ED-02 stützt sich auf mehrere aktuelle Arbeitslinien: Präventionsassistenz, integrierte Vorfallbearbeitung sowie Untersuchung von Darstellung und Vertrauen. Verfahren, Teamleistung und Schulungsziele bleiben getrennt. Es fehlen vergleichbare datierte Entwicklungsraten, die eine Beschleunigung tragen würden. Neue Publikationen allein begründen ED-03 nicht.

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.

MD-02 bezeichnet die qualitative Ausweitung derselben Fachassistenz innerhalb einer Organisation. Der frühere Bericht belegt ausgeführte Testaufgaben und fachliche Rückmeldung, der spätere aktive Nutzung. Beide sind Eigenangaben mit unterschiedlichen Zählerdefinitionen. Sie tragen 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