KI sollte technische Prüfungen erklären, nicht erfinden
Mai 2026 · Damir Andrijanic · 9 Min. Lesezeit
Die riskante Falle generativer KI
Die meisten KI-Anwendungen im Jahr 2026 konzentrieren sich auf reine Generierung: Code schreiben, E-Mails entwerfen oder Texte verfassen. In hochpräzisen Engineering-Workflows wie BIM (Building Information Modeling) versagt dieser generative Ansatz jedoch. Wenn ein Prüfer wissen möchte, ob ein Raum den Sicherheitsvorschriften entspricht, ist eine plausibel klingende, aber halluzinierte Antwort fataler als gar keine Antwort.
BIM-Modelle bestehen aus komplexen räumlichen Elementen wie Ebenen, Räumen, Türen und Brandabschnitten. Traditionell erfolgt die Compliance-Prüfung über strikte, mathematische Regeln. Sobald wir Standard-KI direkt in diese Schleife einbinden, riskieren wir erfundene Maße, falsch zugeordnete Beziehungen oder fälschlicherweise bestandene Prüfungen. Doch bloße kryptische Fehlercodes helfen Architekten bei der Korrektur kaum weiter. Wie vereinen wir das Beste aus beiden Welten?
Eingeschränkte Erklärung: Der ADAS Spec Validator
Ich habe den ADAS Spec Validator gebaut, um ein grundlegendes Architekturmuster zu beweisen: KI sollte technische Prüfungen erklären, niemals erfinden.
Das System trennt die Validierung in zwei isolierte Schichten. Zuerst analysiert eine clientseitige, deterministische Rule-Engine (TypeScript + Zod) das CAD/BIM-JSON-Modell und prüft strikte Kriterien (z. B. Mindestraumflächen, Türbreiten, Konnektivität). Sie erzeugt ein klar strukturiertes Protokoll an Beweisen (Evidence). Erst danach erhält ein KI-Erklärungs-Router (Gemini 2.5 Flash / OpenAI) AUSSCHLIESSLICH diese verifizierten Beweise. Durch den strengen ADAS-System-Prompt ist die KI angewiesen, niemals Fakten hinzuzudichten oder fehlende Daten zu interpretieren, sondern lediglich den konkreten Rechenweg in natürlicher Sprache verständlich zu erklären.
Systemarchitektur & Datenfluss
Der Datenfluss garantiert die vollständige Kapselung des KI-Erklärers. Berechnungen und geometrische Vergleiche werden ausschließlich deterministisch durchgeführt.
Technischer Kern und Stack
BIM-Extractor-Schnittstelle
Eine C# .NET-Konsolenanwendung, die die Revit-API-Schnittstelle modelliert und Ebenen, Räume und Türbeziehungen in ein sauberes JSON-Format exportiert.
Typsichere Validierung
TypeScript- und Zod-Schemas zur Ingestion, Bereinigung und Validierung des normalisierten CAD/BIM-Datenmodells, um fehlerhafte Eingabedaten sofort abzufangen.
Deterministische Regeln
Eine strikte TypeScript-Rule-Engine, die benutzerdefinierte Regeln (wie MinimumRoomAreaRule, MinimumDoorWidthForRoomTypeRule) ausführt und detaillierte Belege generiert.
KI-Erklärungs-Engine
Die Google Gemini 2.5 Flash API als ultraschnelle, kontextstarke Erklärungs-Engine, mit automatischem Fallback auf GPT-4o-mini von OpenAI bei API-Ausfällen.
Reliability-Testing
Eine Vitest-Suite zur Verifizierung der Typsicherheit, Regel-Präzision, Fallback-Mechanismen und der Einhaltung der strengen System-Prompt-Einschränkungen.
Visuelles UI-Interface
Next.js 15 (App Router) und Tailwind CSS zur Echtzeit-Visualisierung bestandener Prüfungen, Verletzungen und des natürlichen KI-Erklärungs-Panels.
Wichtige architektonische Durchbrüche
1) Eliminierung von KI-Halluzinationen in der Compliance
Das Risiko: Wird eine KI direkt darauf angesetzt, ein rohes BIM-JSON-Modell zu lesen und Sicherheitsregeln zu bewerten, verwechselt sie häufig Element-IDs, erfindet Wandstärken oder verrechnet sich bei einfachen Gleitkommazahlen.
Die Lösung: Ich habe die KI vollständig von Berechnungen isoliert. Die TypeScript-Engine übernimmt die Mathematik und erstellt ein strukturiertes Array von Belegen (Ist-Wert, Soll-Wert, betroffene IDs). Die KI sieht nur diese Belege und muss laut Prompt mit 'I cannot determine that from the available model evidence' antworten, falls Informationen fehlen.
2) Sicherer Umgang mit unvollständigen Daten
Das Risiko: Reale CAD-Exporte sind unvollständig. Fehlende Flächenmaße, nicht zugewiesene Türen oder fehlende Etagenangaben führen bei Standard-Formeln zu Abstürzen und verleiten KI zum Erfinden von Werten.
Die Lösung: Ich habe ein dreistufiges Validierungsmodell implementiert: PASS, FAIL und UNKNOWN. Fehlt bei einem Raum die Flächenangabe, markiert die Rule-Engine dies als UNKNOWN. Die KI respektiert diesen Zustand und erklärt präzise, welche Daten fehlen, anstatt zu raten.
3) Normalisierung des Revit-Exports in C#
Das Risiko: Revit-Objekte enthalten Tausende von rohen Parametern, zyklischen Abhängigkeiten und internen Koordinaten, die viel zu schwerfällig für Webanwendungen oder Prompt-Kontexte sind.
Die Lösung: Ich habe einen C#-Konsolen-Extractor gebaut, der diese schweren Abhängigkeiten über eine Revit-Dritte-DTO-Struktur flachklopft. Er reduziert Raumdaten auf saubere Levels, Rooms und Doors und definiert die Schnittstelle zwischen CAD und Web-Engine.
Das UX: Klarheit statt Black-Box
Menschliche Prüfer hassen intransparente Black-Box-Entscheidungen. Das ADAS-Interface kombiniert klare Status-Badges (PASS / FAIL / WARNING) mit einer direkten Hervorhebung betroffener Element-IDs (z. B. rm-meet-01). Die KI-Erklärung agiert als smarter, faktenbasierter Assistent, der Architekten exakt sagt, welche Parameter sie in Revit korrigieren müssen.
Nachweisbare Ergebnisse
Durch die saubere Trennung von mathematischer Prüfung und natürlichsprachlicher Übersetzung erzielt das System eine mathematische Präzision von 100% bei maximaler Benutzerfreundlichkeit.
Prüfungsgenauigkeit
100% Deterministisch
KI-Erklärungslogik
Evidenzbasiert
Dieser Prototyp beweist, dass technisches Vertrauen möglich ist, wenn wir KI als Kommunikationsschnittstelle statt als Rechenmaschine einsetzen.
Fazit
Lassen Sie KI nicht berechnen, was eine 10-zeilige mathematische Formel fehlerfrei lösen kann. Nutzen Sie Code für Logik und Sicherheitsregeln. Nutzen Sie KI für Kontext, Übersetzung und nutzerzentrierte Erklärungen. Das ist die Architektur des Vertrauens.
Interaktives BIM Compliance Studio
Erleben Sie die Live-Schnittstelle direkt im Browser. Laden Sie eigene IFC/JSON-Dateien hoch, verändern Sie Raumgrößen im Echtzeit-Tlocrt, erstellen Sie Validierungsregeln ohne Code und stellen Sie dem KI-Assistenten Fragen.
ADAS Spec Validator
Deterministic compliance engine mapping Revit / AutoCAD models against strict architectural requirements.
Storey Compliance
6 / 11 Passed
Deterministic requirements satisfied
6
2
3
CAD / BIM Spatial Map
Interactive visual rendering of model boundaries and corridors
Interactive Model Floor Plan
Click elements to inspect; validation errors glow dynamically.
BIM / CAD Extract Connector
Drag JSON or .ifc files to ingest Revit boundaries locally.
Upload Model (JSON/IFC)
Extract elements from IFC boundary or Zod JSON files.
Upload Rule JSON
Inject raw JSON file outlining validation rule arrays.
No-Code Spec Builder
Visually build and inject compliance rules directly into the deterministic validator.
Preset templates
Engine Validation Log11 specs checked
Deterministic rules evaluate parameters instantly with strict evidence outputs.
Stockroom A satisfies minimum area (18.2 sqm >= 15 sqm).
Rule: Stockrooms must be at least 15 sqm
Technical Evidence Fact
Room area was compared against deterministic threshold.
Cannot verify area for Stockroom B; area is missing.
Rule: Stockrooms must be at least 15 sqm
Technical Evidence Fact
Area parameter is not available in normalized model data.
Office 101 satisfies minimum area (9.4 sqm >= 8 sqm).
Rule: Offices must be at least 8 sqm
Technical Evidence Fact
Room area was compared against deterministic threshold.
Office 102 violates minimum area (6.1 sqm < 8 sqm).
Rule: Offices must be at least 8 sqm
Technical Evidence Fact
Room area was compared against deterministic threshold.
Stockroom A has door widths below 0.85m.
Rule: Stockroom doors must be at least 0.85m wide
Technical Evidence Fact
Connected door width is below deterministic threshold.
Cannot verify door widths for Stockroom B; door relationship data is missing.
Rule: Stockroom doors must be at least 0.85m wide
Technical Evidence Fact
Connected door identifiers are required but not available.
Stockroom A has at least one connected door.
Rule: Every room must have at least one connected door
Technical Evidence Fact
Room-to-door relationships were checked for minimum connectivity.
Office 101 has at least one connected door.
Rule: Every room must have at least one connected door
Technical Evidence Fact
Room-to-door relationships were checked for minimum connectivity.
Office 102 has at least one connected door.
Rule: Every room must have at least one connected door
Technical Evidence Fact
Room-to-door relationships were checked for minimum connectivity.
Meeting Room A has at least one connected door.
Rule: Every room must have at least one connected door
Technical Evidence Fact
Room-to-door relationships were checked for minimum connectivity.
Cannot verify connected doors for Stockroom B; relationship data is missing.
Rule: Every room must have at least one connected door
Technical Evidence Fact
Connected door relationship is missing in normalized data.
BIM Model Studio
No element selected
Select any room or door on the floor plan to inspect details and edit parameters in real-time.
Model Builder
ADAS AI COGNITIVE CORE
Evidence-Constrained Agent
The chatbot is strictly bounded to the generated deterministic rule outcomes. No hallucinated rules.
Agent Persona
Preset Queries
Deterministic Compliance Policy
The chatbot answers are strictly grounded in active spatial facts. Missing properties default to `unknown`, eliminating any AI-hallucinated certification passes.
Erforschen Sie den Quellcode und die Design-Muster des Prototyps im Codebase-Blueprint oder laden Sie den Schema-Vertrag herunter: