KI-gestützte Angebotserstellung für Bauunternehmen. Wie unser Kunde den manuellen Angebotsprozess mit KI automatisierte und die Bearbeitungszeit pro Angebot drastisch reduzierte.

Überblick

Situation

Wenn ein Bauunternehmen eine Anfrage von einem Architekten oder Planungsbüro erhält, beginnt ein zeitintensiver, fachlich anspruchsvoller Prozess: Ein erfahrener Mitarbeiter muss den Bauplan manuell analysieren – ausdrucken, nachmessen, Schraffuren und Maßketten interpretieren – und daraus alle relevanten Mengenangaben ableiten:

• Wie viel Beton wird für Wände, Bodenplatten und Decken benötigt?

• Welche Materialmengen entstehen pro Position?

• Welcher Personalbedarf ergibt sich? 

Diese Werte werden anschließend manuell in die Angebotssoftware übertragen, um ein Angebot zu kalkulieren. Der Prozess setzt tiefes Fachwissen voraus, das nicht jeder Mitarbeiter mitbringt. Das schafft Engpässe, begrenzt die Skalierbarkeit und macht das Unternehmen abhängig von einzelnen Personen.
Besonders problematisch: Der gesamte Aufwand entsteht, bevor feststeht, ob der Auftrag überhaupt erteilt wird. Und entsteht durch jeden Änderungswunsch des Kunden erneut. Ein echter Zeitfresser. Und Kunden erwarten schnell konkrete Zahlen. 

Im konkreten Fall unsere Kunden: ca. 100–120 Angebote pro Jahr, mit einem durchschnittlichen Aufwand von etwa 4 Stunden pro Angebot allein für die Mengenermittlung. 

Anfrage / Ziel 

Das konkrete Ziel: Nach dem Upload eines Grundriss-PDFs soll das System automatisch Wandtypen und Flächendämmung erkennen und daraus einen strukturierten Angebotsvorschlag generieren. Zentral war dabei die Anforderung, dass die KI einen nachvollziehbaren Rechenweg liefert – den der zuständige Mitarbeiter einsehen, bearbeiten und korrigieren kann. Das umfasst:

• Markieren und Bearbeiten einzelner Wände direkt im Interface

• Einsehen der jeweiligen Kalkulationen je Wandtyp

• Anpassung einzelner Parameter durch den Nutzer 

Scope

Für die Umsetzung wurde in Phase 1 ein Proof of Concept (PoC) entwickelt. Der Umfang umfasste:

• Upload von Bauplänen als PDF-Datei

• Automatische Analyse der hochgeladenen Pläne

• Erkennung definierter Wandtypen – initial: 6 Wandtypen mit variabler Dämmung

• Extraktion relevanter Maßangaben (Längen, Höhen, Wandstärken)

• Berechnung von Flächen (m²) und Volumen (m³)

• Manuelle Nachbearbeitungsmöglichkeit über ein Interface – für Elemente, die automatisch nicht erkannt wurden (z. B. einzelne Fenster, Öffnungen, unvollständig eingezeichnete Wände)

• Export der ermittelten Werte in ein Format, das direkt in bestehende Angebotssoftware übernommen werden kann

Die technische Umsetzung basiert auf einem Hybrid-Ansatz: vektorbasierte PDF-Extraktion (deterministisch, schnell, hohe Präzision bei CAD-Exporten) kombiniert mit KI-gestützter Bildanalyse und OCR als Fallback für nicht-standardisierte Pläne. Je nach Qualität und Format des Eingabedokuments werden unterschiedliche Erkennungsqualitäten erreicht – mit besonders guten Ergebnissen bei standardisierten digitalen Plänen.

Ergebnis: Angebote in Minuten statt Stunden

Die Anwendung wurde in ca. 2–3 Wochen entwickelt und produktiv gesetzt: eine Woche explorativ für die Technologieevaluation, zwei Wochen bis zur fertigen, nutzbaren Anwendung.
Ein Testdurchlauf mit 10 realen Projektobjekten lieferte folgende Ergebnisse:

• Erfolgsquote: 93 % (30 von 32 getesteten Positionen korrekt erkannt und berechnet)

• Abweichung zu den manuellen Referenzwerten von Lohmayr: 7–13 %

• Bearbeitungszeit pro Objekt: 10–15 Minuten (bei standardisierten PDF-Plänen), bis zu 40 Minuten (bei schlechter Datenlage oder nicht unterstützten Formaten)

• Vorher: ca. 4 Stunden pro Angebot

Der Workflow ist vollständig abgedeckt: Vom Upload des Bauplans über die automatische Analyse und die manuelle Vervollständigung verbleibender Lücken bis zum Export der Mengenermittlung für die Angebotssoftware.
Ein wesentlicher Nebeneffekt: Das Fachwissen, das bisher nur einzelnen erfahrenen Mitarbeitenden zugänglich war, wird durch die Anwendung systematisiert und demokratisiert. Was zuvor tiefe Expertise erforderte, ist nun für ein breiteres Team handhabbar.