Viele Architekten, die Künstliche Intelligenz (KI) und Bildgeneratoren nutzen, beschreiben diese als „Projekt-Stimmungsboards“. Doch diese Entwicklung ist kein großer Schritt hin zu einer signifikanten Steigerung des Werts von Architekturleistungen. Das tatsächliche Potenzial von KI für Architekten bleibt entweder unerkannt oder ist noch nicht greifbar. Architekturbüros, die die derzeitigen Plattformen aggressiv übernehmen, werden kurzfristig Produktivitätsgewinne erzielen – doch diese werden schnell verfliegen, sobald die Technologie weit verbreitet ist. Ein ähnlicher Verlauf zeigte sich bereits bei den frühen Anwendern von BIM (Building Information Modeling), deren Wettbewerbsvorteil mit zunehmender Verbreitung der Technologie wieder verpuffte.

Ein zusätzliches Risiko besteht in den KI-unterstützten Kunden, die zwischen einer überzeugenden Visualisierung und einem vollendeten, durchdachten Design nicht unterscheiden können und dadurch den Architekten leicht beiseite schieben. Wo also liegt der nachhaltige Wettbewerbsvorteil für Architekten, die KI nutzen? Wenn wir erst auf mein vorgeschlagenes AECO (Architecture, Engineering, Construction, and Operations) -Modell warten müssen oder – was noch weniger wahrscheinlich ist – auf eine verkörperte Allgemeine Künstliche Intelligenz (AGI), wird es eine Weile dauern. Eine Geschäftsstrategie, die auf einem KI-Vorteil basiert, muss daher aus zwei Quellen stammen: den einzigartigen Fähigkeiten eines Unternehmens und somit seinem Wettbewerbsvorteil sowie dem angesammelten Wissen, das in den Projektdaten des Unternehmens selbst verankert ist.

Jüngste vielversprechende Entwicklungen, wie die Distillationsstrategie von Deepseek oder die „projektspezifischen“ Instanziierungen der Plattformanbieter, deuten darauf hin, dass es bald möglich sein könnte, ein internes Modell auf spezifisches Wissen innerhalb der Praxis zu trainieren. Während diese Werkzeuge jedoch noch weit davon entfernt sind, komplexe Elemente wie CAD-Zeichnungen oder BIM-Modelle zu verstehen oder zu interpretieren, könnten gut kuratierte Datenextraktionen aus diesen Quellen, kombiniert mit anderen Artefakten des digitalen Interstices, einer innovativen Firma einen Weg bieten, einzigartigen Wert und damit Profitabilität aus diesem instanziierten digitalen Wissen zu schöpfen.

Ein Beispiel: KI-Tools mit spezifischen Fähigkeiten, kombiniert mit den analytischen Fähigkeiten anderer nicht-KI-Algorithmen, könnten in Zukunft auf eine Weise zusammenarbeiten, die sie in ihrer Kombination wertvoller macht als bei der einzelnen Nutzung: Ein Energieanalysetool kombiniert mit einer KI, die ein BIM manipuliert, sowie einer weiteren KI, die schnell verschiedene Optionen für die Gebäudehülle generiert, schafft eine anspruchsvolle Auswahl an Designmöglichkeiten. Dies könnte die Zukunft eines KI-unterstützten Designprozesses im Post-Interstice darstellen.

Auch wenn wir noch auf eine Welle intelligenter Maschinen warten, die den Architektenberuf revolutionieren könnten, wird KI/ML (Maschinelles Lernen)-Technologie bereits in anderen Bereichen weit genutzt: bei der Festlegung von Versicherungsraten, der Auswertung radiografischer Bilder, der Bestimmung der Berechtigung für Darlehen und staatliche Leistungen und sogar der Identifikation verdächtiger Krimineller durch Gesichtserkennung. Und angesichts der schwer verständlichen Natur dieser Algorithmen, die sich „selbst beibringen“, Ergebnisse aus großen Datensätzen wie Hunderttausenden von Versicherungsschäden oder Millionen von Porträts potenzieller Krimineller zu generieren, ist es nahezu unmöglich, die zugrunde liegende Logik der Entscheidungsfindung zu entschlüsseln. Noch problematischer ist, dass diese Logik selbst für die Fachleute, die sie einsetzen, nur schwer verständlich ist.

Ein Beispiel aus der Praxis verdeutlicht dies: Die Anwältin Michele Gilman vertritt benachteiligte Patienten im undurchsichtigen US-Gesundheitssystem, das durch die Nutzung von KI zur Ressourcenverteilung noch undurchsichtiger wird. In einem Fall in Baltimore, Maryland, erklärte der Vertreter des Staates vor Gericht nicht, wie der neue Algorithmus funktioniert – die Verantwortliche konnte nicht erklären, welche Faktoren berücksichtigt wurden, wie diese gewichtet wurden oder was die Ergebnisse sind. Es stellte sich die Frage, wie man einen Algorithmus überhaupt befragen kann.

Dieses Beispiel illustriert treffend die Herausforderungen, denen sich Regulierungsbehörden, die Öffentlichkeit, Gerichte, Architekten und ihre Kunden gegenübersehen, wenn die Arbeit von Fachleuten zunehmend automatisiert wird: Wer oder was trägt die Verantwortung für die Konsequenzen von Entscheidungen, die Maschinen treffen, und ist es überhaupt möglich, diese Entscheidungen in einer Weise zu verstehen, die es erlaubt, das Wohl der Öffentlichkeit zu gewährleisten?

In Großbritannien und den USA gibt es eine gemeinsame Rechtsgrundlage, die den Kompetenzstandard für Architekten festlegt. Der Architekt ist verpflichtet, die „vernünftige Sorgfalt und Geschicklichkeit“ anzuwenden, die von einem Architekten mit Erfahrung in Projekten ähnlicher Größe, Art und Komplexität erwartet wird. In beiden Ländern basiert dieser Standard nicht auf festgelegten Gesetzen, sondern wird nach Zeugenaussagen von Experten und der Anwendung des richtigen beruflichen Verhaltens vor Gericht ermittelt. Die öffentliche Politik verlangt, dass ein Design-Fachmann in einem Bauprojekt involviert ist, um sicherzustellen, dass das Wohl der Öffentlichkeit im gebauten Umfeld geschützt wird.

Der Architekt übernimmt bei der Ausübung seiner Tätigkeit zwei Risikotypen: das geschäftliche Risiko und das berufliche Haftungsrisiko. Das geschäftliche Risiko betrifft die Möglichkeit, dass die vertraglich festgelegten Leistungen mehr Ressourcen erfordern, als ursprünglich eingeplant – insbesondere bei den Gebühren. Das berufliche Haftungsrisiko bezieht sich auf die Möglichkeit, dass ein Fehler in der Beurteilung zu einer Behauptung von Berufshaftung aufgrund der Verletzung der Sorgfaltspflicht führt.

Der geschäftliche Aspekt von KI im Architekturbereich könnte noch existenzieller sein. Denn die Entscheidungen, die Maschinen treffen, können weitreichende Konsequenzen für den Beruf und die Haftung von Architekten haben. Die Fähigkeiten der KI werden zwar erweitert, aber die Verantwortung für das Endergebnis bleibt bei den Architekten – ebenso wie die Haftung für etwaige Fehler.

Wie beeinflusst künstliche Intelligenz die Architektur?

Die Diskussion um den Einsatz künstlicher Intelligenz (KI) in der Architektur hat in den letzten Jahren zunehmend an Bedeutung gewonnen. Schon heute werden KI und maschinelles Lernen (ML) in verschiedenen Bereichen der Architektur eingesetzt, von der Entwurfsphase bis zur Bauausführung. Dabei sind es nicht nur die architektonischen Entwürfe selbst, die profitieren, sondern auch die Prozesse, die mit Planung, Modellierung und Fertigung verbunden sind. Architektur ist von Natur aus eine disziplinübergreifende Praxis, die Design, Technik und menschliche Kreativität miteinander verbindet. Durch die Einführung von KI wird dieser Zusammenhang sowohl gestärkt als auch herausgefordert.

Die grundsätzliche Idee hinter dem Einsatz von KI und maschinellem Lernen in der Architektur basiert auf der Fähigkeit von Computern, Muster zu erkennen und große Datenmengen zu verarbeiten. Diese Maschinen sind in der Lage, aus einer Vielzahl von Beispielen zu lernen und daraufhin eigene Entscheidungen zu treffen. Ein einfaches Beispiel hierfür ist die Bilderkennung, bei der Systeme durch das Lernen von Millionen von Bildern zu erkennen lernen, was eine Katze ist. Übertragen auf die Architektur bedeutet das, dass Maschinen, die auf Daten und Modellen trainiert wurden, lernen, wie bestimmte Designmerkmale aussehen und welche funktionalen Zusammenhänge zwischen ihnen bestehen.

Ein bemerkenswerter Aspekt dieser Entwicklung ist die Fähigkeit von KI, designtechnische Probleme schneller und in einer größeren Bandbreite zu lösen, als es ein Mensch alleine könnte. Designprozesse, die früher auf manueller Erfahrung und intellektuellen Konzepten beruhten, können nun durch maschinelles Lernen und algorithmische Prozesse optimiert werden. So entstehen Entwürfe, die über die konventionellen Ansätze hinausgehen, in ihrer Komplexität und Variabilität jedoch weiterhin der menschlichen Kontrolle und Kreativität unterliegen. Ein herausragendes Beispiel hierfür ist die Nutzung von generativem Design, bei dem Algorithmen verschiedene Designvariationen in Echtzeit berechnen und die effizientesten Lösungen hervorbringen. Dies kann zu innovativen und einzigartigen architektonischen Formen führen, die so in der Vergangenheit nicht denkbar gewesen wären.

Doch obwohl KI große Fortschritte macht, gibt es nach wie vor viele Herausforderungen. Ein bedeutendes Problem ist die sogenannte „Halluzination“ von Künstlicher Intelligenz, bei der die Systeme falsche oder ungenaue Ergebnisse liefern. In der Architektur kann dies in Form von Entwürfen geschehen, die aus ungenauen Daten oder fehlerhaften Trainingsprozessen resultieren. Auch wenn die Technologie schnell voranschreitet, bleibt es eine Herausforderung, diese Systeme so zuverlässig zu machen, dass sie in der Praxis vollkommen ohne menschliche Intervention funktionieren.

Maschinelles Lernen ist jedoch nicht nur im Designbereich von Bedeutung. Auch bei der Optimierung von Bauprozessen oder der Analyse von Baustellen kommt KI zum Einsatz. Software wie Smartvid.io nutzt Computer Vision und maschinelles Lernen, um Baustellen sicherer zu machen, indem sie potenzielle Gefahrenquellen erkennt oder Verzögerungen im Bauablauf voraussagt. Ein weiteres interessantes Beispiel sind die innovativen Planungsplattformen wie Hypar.io, die durch den Einsatz von KI eine effiziente Nutzung von Bauland und Ressourcen ermöglichen.

Für die Architektur bedeutet die Einführung von KI auch eine tiefgreifende Veränderung der Rollen von Architekten und Ingenieuren. Während viele diese Technologien als Unterstützung für kreative Prozesse sehen, gibt es auch die Befürchtung, dass die menschliche Rolle im Designprozess erodiert. Es stellt sich die Frage, ob es die Maschinen sind, die die kreativen Entscheidungen treffen werden, oder ob die Technologie dem Menschen lediglich ein besseres Werkzeug zur Verfügung stellt. Ein zentraler Punkt, der bei der Diskussion über den Einsatz von KI in der Architektur nicht übersehen werden darf, ist die Tatsache, dass der menschliche Input weiterhin unverzichtbar bleibt, besonders in Bereichen wie ethische Verantwortung und kulturelle Sensibilität. Technologien sind mächtig, aber sie sind nicht unfehlbar.

Es ist außerdem wichtig zu verstehen, dass der Einsatz von KI die Art und Weise verändert, wie Daten in der Architektur verarbeitet werden. Während traditionell die physischen Pläne und Modelle im Mittelpunkt standen, geht es heute zunehmend darum, digitale Daten zu sammeln und diese zu analysieren, um fundierte Entscheidungen zu treffen. Diese Daten können aus unterschiedlichsten Quellen stammen – von sozialen Medien bis hin zu realen Gebäudedaten aus bestehenden Strukturen. Durch das Sammeln und Verarbeiten dieser Daten können Architekten bessere Entscheidungen über die Gestaltung von Gebäuden und den Umgang mit Ressourcen treffen.

Darüber hinaus wird die Architektur zunehmend durch Technologien wie generatives Design und maschinelles Lernen nicht nur als eine Kunstform, sondern auch als eine Wissenschaft gesehen. Diese Technologien ermöglichen es Architekten, auf eine Art und Weise zu entwerfen, die sowohl ästhetisch ansprechend als auch funktional und effizient ist. Sie bieten die Möglichkeit, Entwürfe zu entwickeln, die optimal auf die Bedürfnisse der Nutzer abgestimmt sind, was in der Vergangenheit durch den reinen Entwurfsprozess nicht immer möglich war.

Die ethischen Implikationen der Nutzung von Künstlicher Intelligenz in der Architektur sind ebenfalls von großer Bedeutung. Während KI in vielen Bereichen Potenziale für Verbesserungen bietet, stellt sich die Frage, inwieweit diese Technologien eine menschliche Perspektive berücksichtigen können. So wird die Architektur zunehmend als Schnittstelle zwischen Technologie und menschlicher Erfahrung verstanden, wobei KI als ein Werkzeug betrachtet wird, das im besten Fall die menschliche Kreativität und den Verstand unterstützt, anstatt ihn zu ersetzen.

Warum berühren uns Eiscremekuchen auf emotionaler Ebene?
Wie man eine Benutzer- und Beitragsfunktion mit React Hooks validiert und umsetzt
Wie man häufige Probleme mit Adobe Photoshop auf Mac und Windows behebt