LLMs im Planungsalltag: Als Assistenz, nicht als Autopilot
- Dániel Pataki
- 19. Mai
- 4 Min. Lesezeit
KI ist in aller Munde. Aber zwischen Hype und echter Anwendung liegt oft mehr als ein Tool-Wechsel. Ich zeige hier einen möglichen niederschwelligen Einsatz, wie man aus LLMs ab morgen im Büro Mehrwerte erleben kann.
KI trifft Planungsalltag – warum ist es nicht so einfach?
Die Erwartungen an KI im Büroalltag sind hoch. Die Realität ist komplexer. Wer heute ernsthaft mit LLMs arbeiten will, begegnet schnell denselben drei Hürden:
Zu viel Hype, zu wenig konkrete Anwendungsfälle – viele Tools versprechen viel, liefern aber selten praxistaugliche Lösungen für den Planungskontext.
Halluzination – LLMs produzieren plausibel klingende, aber inhaltlich falsche Ausgaben. Gerade in der Planung ist das kein theoretisches Risiko.
Datenschutz und -sicherheit – Projektdaten, Verträge, Kommunikation: Vieles davon darf nicht unkontrolliert in externe Systeme fließen.
Diese drei Probleme erklären, warum viele Büros trotz Interesse noch keinen produktiven KI-Einsatz etabliert haben. Sie sind aber lösbar – mit dem richtigen Ansatz.
LLMs sind Assistenz, kein Autopilot
Das ist die wichtigste Grundregel: LLMs übernehmen keine Verantwortung, sie unterstützen Entscheidungen.
Wer KI als Autopilot einsetzt, wird mit unkontrollierten Ergebnissen konfrontiert. Wer sie als Assistenz versteht – also als Werkzeug, das vorbereitet, strukturiert, formuliert und zusammenfasst – gewinnt echte Effizienz, ohne die fachliche Kontrolle abzugeben.
Der Unterschied ist kein technischer, sondern ein konzeptioneller. Und er entscheidet darüber, ob KI im Büroalltag funktioniert oder nicht.
Der pragmatische Einstieg
Kein KI-Projekt braucht eine Digitalstrategie auf 50 Seiten. Was es braucht, ist ein strukturierter, niedrigschwelliger Einstieg:
Niedrigschwellig bleiben – keine komplexen Infrastrukturprojekte zum Start
Übergreifende Lösung finden – ein Tool für mehrere Rollen und Aufgaben, nicht für jeden Use-Case ein eigenes
Datenschutzregeln klar und realistisch definieren – was darf in welches System, was nicht
3–4 konkrete Anwendungsfälle identifizieren – mit bewusster Umsetzungsstrategie, nicht als Experiment
Klare Struktur vorbereiten – Prompts, Workflows und Regeln, bevor der erste Mitarbeiter loslegt
Bürointerne KI-Plattform – die All-in-one Lösung
Die mögliche Antwort auf Datenschutz, Halluzination und niedrigschwelligen ist eine bürointerne KI-Plattform, die drei Kernprobleme gleichzeitig adressiert.
Das Konzept lässt sich als Pyramide denken:
Basis: Datensicherheit – DSGVO-konform, in der EU gehostet, Daten verschlüsselt. Keine projektsensiblen Inhalte in US-amerikanische Systeme.
Mittlere Ebene: Integrationen – Bürotools, Projektdaten, Wissensdatenbanken werden eingebunden – aber nur das, was die eigenen Datenschutzregeln erlauben.
Vorkonfigurationen – vordefinierte Kontexte und Regeln, die Halluzinationen aktiv einschränken: Die KI muss Quellen angeben, gibt bei Unsicherheit zu, es nicht zu wissen, fragt nach, wenn die Aufgabenstellung unvollständig ist.
Agenten – spezialisierte Assistenten für konkrete Aufgabenbereiche, ohne dass Mitarbeitende Prompt-Engineering beherrschen müssen.
Spitze: deine Frage, deine Antwort – der Nutzer stellt eine Frage, bekommt eine relevante, quellenbasierte Antwort.
Dabei spielt es keine Rolle, welches Sprachmodell im Hintergrund läuft – ob GPT, Gemini, Claude oder ein Open-Source-Modell. Eine solide Plattform trennt Modell und Anwendung. Es gibt heute funktionierende Lösungen innerhalb der EU.
Praxisbeispiele
Die folgenden Anwendungsfälle sind nicht spektakulär – aber praxisnah und sofort umsetzbar. Alle basieren auf dem gleichen Grundprinzip: KI als Assistenz, nicht als Autopilot.
Büro/Projekt-Assistent
Projektbezogene Fragen, die sonst im QM-Ordner, in E-Mails oder Protokollen vergraben sind, werden direkt beantwortet – mit Quellenverweis und Seitenangabe. Beispiel: „Was muss Fachplaner XY am Ende der LPH 3 liefern?" – Antwort auf Basis integrierter Projektdaten, Teams-Inhalte und Protokolle.
Software-Assistent
Softwarespezifische Fragen werden anhand verknüpfter Handbücher, Büroleitfäden und Herstellerwebseiten beantwortet – ohne Kolleginnen und Kollegen zu belasten. Beispiel: „Wie muss ich Fassadendetails in ARCHICAD strukturieren?" – Antwort direkt aus dem bürointernen CAD/BIM-Leitfaden, mit Seitenangabe
Protokoll-Assistent
Protokolle werden nicht nur erstellt, sondern auch ausgebaut, fortgeschrieben und abgefragt. Beispiel: „Was hat Person X zum Thema Brandschutz am 12.03. gesagt?" – Antwort aus dem integrierten Protokollarchiv.
Daten-Strukturierung
Unstrukturierte Textinhalte – z. B. aus Ausschreibungen, Leistungsverzeichnissen oder Raumangaben – werden in maschinenlesbare Tabellenformate überführt. Das ist die Voraussetzung für alle weiterführenden KI-Anwendungsfälle
.
Prüfungen
Dokumente werden gegeneinander abgeglichen: BAP gegen AIA, LOI gegen Normen, Auswertungen auf Widersprüche und Informationsmängel. Die KI erledigt nicht den fachlichen Abgleich, aber sie markiert, was überprüft werden muss – und das mit erstaunlicher Präzision. Der manuelle Abgleich wird dadurch nicht ersetzt, aber zu 80 % vorbereitet.
Grundsätzlich gilt: Alle alphanumerischen Daten lassen sich verwenden. Eine Plattform, eine Lizenz – für alle Anwendungsfälle.
BIM & KI – was haben beide gemeinsam?
Zum Abschluss noch etwas, das mich persönlich beschäftigt.
BIM und KI haben mehr gemeinsam, als man auf den ersten Blick denkt:
Beide brauchen Struktur. Ohne strukturierte Daten liefert weder BIM noch KI verlässliche Ergebnisse.
Beide brauchen die richtige Denkweise. Es geht nicht um das Tool, sondern darum, wie ich Aufgaben und Prozesse denke.
Beide brauchen Change-Management. Beide scheitern, wenn der Mensch nicht mitgenommen wird – egal wie gut die Technik ist.
Und das ist meine große Hoffnung: KI-Anwendungsfälle werden ein zusätzlicher, guter Grund dafür sein, warum modellbasierte und strukturierte Arbeit Sinn macht. Wer heute in Struktur investiert, arbeitet morgen effizienter – mit BIM und mit KI.
Fazit
LLMs sind kein Allheilmittel – aber ein echtes Arbeitswerkzeug, wenn sie richtig eingesetzt werden. Der Schlüssel liegt nicht im Tool selbst, sondern im konzeptionellen Rahmen: klare Anwendungsfälle, gesicherte Daten, und die konsequente Haltung, dass KI assistiert – nicht entscheidet.
Wer diesen Rahmen setzt, kann heute schon messbare Effizienzgewinne erzielen. Ohne Hype, ohne Risiko.
Kommentare