2 Min. Lesezeit

KI in der Baukalkulation: Wie semantische Suche und Embeddings Preisvorschläge revolutionieren

BRZ Deutschland 15.12.2025

Digitalisierung & Innovationen

Künstliche Intelligenz verändert die Art, wie Bauunternehmen kalkulieren. Durch sogenannte Embedding-Modelle und semantische Suchtechnologien lassen sich Preisvorschläge aus früheren Projekten auf neue Leistungsverzeichnisse übertragen – schnell, transparent und nachvollziehbar. Der Beitrag zeigt, wie diese Technologien funktionieren und welchen konkreten Nutzen sie in der Baupraxis bieten.

Inhaltsverzeichnis

Grundlagen: Von Embeddings bis Reranking

KI-gestützte Kalkulation: Projektwissen nutzen

Technische Entwicklung und Learnings

Praxisbeispiel: Preisvorschlag für eine Sanitär-Position

Klarer Nutzen für Bauunternehmen

Mensch und Maschine im Zusammenspiel

Fazit

Grundlagen: Von Embeddings bis Reranking

Die KI-gestützte Kalkulation nutzt spezialisierte Embedding-Modelle, die Textdaten in hochdimensionale Vektoren umwandeln. Dadurch lassen sich ähnliche Inhalte mathematisch vergleichen – etwa Positionen in Leistungsverzeichnissen. Diese semantische Suche wird anschließend durch ein Reranking-Modell verfeinert, das die relevantesten Ergebnisse priorisiert.

Ein typischer Workflow sieht so aus: Ein neues Leistungsverzeichnis wird analysiert, Embedding-Modelle wandeln die Texte in Vektoren um, und das System sucht automatisch nach ähnlichen Positionen in einer bestehenden Projektdatenbank. Auf dieser Basis werden fundierte Preisvorschläge generiert.

KI-gestützte Kalkulation: Projektwissen nutzen

Die Idee: Effizienz, Qualität und Transparenz steigern – weg von unstrukturierten Erfahrungswerten, hin zu datenbasierten Empfehlungen. Dabei ersetzt die KI keine Fachkraft, sondern unterstützt den Kalkulator mit nachvollziehbaren Vorschlägen.

Gerade in der Baupraxis stellen kurze, fachspezifische Texte, Maßeinheiten und Abkürzungen besondere Anforderungen an die Modelle. Schon kleine Unterschiede können große Preisabweichungen verursachen. Um hier die besten Ergebnisse zu erzielen, werden unterschiedliche Modellgenerationen getestet – etwa text-embedding-3-large für die semantische Suche, GPT-4-Modelle zur Textverarbeitung (z. B. HTML-Cleaning) und Jina Reranker v2 für die Relevanzbewertung.

Technische Entwicklung und Learnings

Ein Beispiel aus der Praxis zeigt, wie stark technische Details den Erfolg beeinflussen können: Ein entdeckter Tokenlimit-Bug, durch den nur die ersten 20 Tokens verarbeitet wurden, führte nach der Behebung zu deutlich besseren Ergebnissen.

Der Einsatz eines zweistufigen Retrieval-Systems – zunächst Hybrid Search (Kombination aus Vektor- und Keyword-Suche), anschließend semantisches Reranking via Jina AI – sorgte für deutlich präzisere Empfehlungen.

Performance-Optimierungen wie Batchverarbeitung und Caching ermöglichen es, auch große Leistungsverzeichnisse effizient zu verarbeiten.

Praxisbeispiel: Preisvorschlag für eine Sanitär-Position

Ein praktischer Anwendungsfall zeigt den Nutzen: Eine neue Position im Leistungsverzeichnis lautet „Wandhängendes WC“. Die KI durchsucht rund 599.170 Positionen aus früheren Projekten und findet eine nahezu identische.

Der Vorschlag: 285,50 € / Stück, mit einem Similarity Score von 0,89.

Transparenz ist dabei zentral: Das System zeigt das Quellprojekt, das Datum und eine Begründung anhand von Text und Kalkulationsdetails. So bleibt die Entscheidung nachvollziehbar – der Mensch behält die Kontrolle.

Klarer Nutzen für Bauunternehmen

Die Vorteile liegen auf der Hand:

Zeitersparnis bei der Angebotskalkulation
Konsistente Preisbildung auf Basis echter Projektdaten
Wissenserhalt über abgeschlossene Projekte hinweg

Aktuell liegen nur Schätzwerte vor, doch der Trend zeigt: Angebotsabgaben können spürbar beschleunigt werden, ohne die fachliche Qualität zu gefährden.

Mensch und Maschine im Zusammenspiel

Die KI wird bewusst als Vorschlagssystem eingesetzt, nicht als automatischer Entscheidungsträger. Jede Preisempfehlung durchläuft eine fachliche Prüfung durch erfahrene Kalkulatoren. So bleibt die menschliche Expertise im Zentrum – die KI beschleunigt lediglich den Recherche- und Übertragungsprozess.

Man könnte jede Position auch manuell kopieren, doch der KI-gestützte Ansatz ermöglicht eine strukturierte, transparente und reproduzierbare Entscheidungsbasis – ein klarer Schritt in Richtung digitaler Baukalkulation.

Fazit

Semantische Suche und Embedding-Technologien zeigen, wie sich moderne KI sinnvoll im Bauwesen einsetzen lässt. Sie machen vorhandenes Wissen zugänglich, sparen Zeit und schaffen Vertrauen durch nachvollziehbare Vorschläge. Die Zukunft der Baukalkulation ist nicht automatisiert – sondern intelligent unterstützt.

Tipp:

Vertiefen Sie Ihr Wissen und entdecken Sie praxisnahe Lösungen, die Ihren Baubetrieb weiterbringen. In den folgenden Empfehlungen finden Sie nützliche Inhalte und Materialien für Ihren Erfolg.