KI als Sicherheitsassistent auf der Baustelle: Was Vision-Language-Modelle heute erkennen können

Praktisches Problem

Auf Baustellen entstehen täglich hunderte Fotos aus Begehungen, Mängelmanagement, Baufortschrittsdokumentation und Nachunternehmerkoordination. Für Sicherheitsverantwortliche liegt das Problem nicht im fehlenden Bildmaterial, sondern darin, aus dieser Flut rechtzeitig belastbare Hinweise zu gewinnen: Fehlt an einer Absturzkante die Sicherung, wird PSA nicht getragen, steht Material in Fluchtwegen, sind Leitern unsachgemäß genutzt oder passen temporäre Zustände nicht zu den geplanten Schutzmaßnahmen? In BIM- und CDE-Prozessen bleiben solche Beobachtungen oft als manuelle Notiz, Fotoanhang oder spätes Ticket isoliert vom Modell, vom Bauablauf und von Verantwortlichkeiten. Genau hier setzt der Forschungsimpuls an: Vision-Language-Modelle können Bilder nicht nur klassifizieren, sondern Situationen beschreiben, gezielte Sicherheitsfragen beantworten und relevante Bildbereiche markieren. Praktisch adressiert das die Lücke zwischen visueller Baustellenrealität und strukturiertem Prüfworkflow. Entscheidend ist dabei nicht, die Sicherheitsprüfung zu automatisieren, sondern sie assistiv und nachvollziehbar zu machen: KI schlägt Verdachtsfälle vor, verknüpft sie mit Bauteilen, Bereichen oder Arbeitspaketen und liefert eine begründbare Spur, die Fachleute prüfen, bestätigen oder verwerfen können. Was die Forschungsidee verstaendlich macht Die Idee wird greifbar, wenn man sich die KI nicht als fertigen Sicherheitsprüfer vorstellt, sondern als sehendes Assistenzsystem im Baustellenalltag. Ein Modell bekommt ein Foto von der Baustelle und soll dazu drei Dinge leisten: erstens beschreiben, was im Bild zu sehen ist, etwa Personen, Gerüste, Maschinen, Öffnungen oder Absperrungen. Zweitens konkrete Fragen beantworten, zum Beispiel ob eine Person einen Helm trägt, ob ein Arbeitsbereich gesichert wirkt oder ob Material einen Fluchtweg blockiert. Drittens soll es zeigen können, wo im Bild der relevante Befund liegt, also nicht nur „fehlende Absturzsicherung“ sagen, sondern die betreffende Kante, Öffnung oder Person markieren. Genau dieser Dreiklang macht die Methode produktnah: erkennen, begründen, verorten. Für die Praxis ist dabei entscheidend, dass das Ergebnis nicht als automatisches Urteil behandelt wird. Baustellenbilder sind oft unvollständig, verdeckt, unscharf oder aus einem ungünstigen Winkel aufgenommen. Deshalb braucht es einen Workflow, in dem die KI Hinweise liefert, Risiken priorisiert und Nachfragen auslöst, während Fachleute die Situation prüfen und freigeben. So kann aus Bilddaten ein nachvollziehbarer Prüfprozess entstehen: schneller als reine Sichtung von Hand, aber kontrollierbar genug, um Sicherheitsentscheidungen verantwortbar zu machen. Was heute schon als Arbeitsprinzip nuetzlich ist Nützlich ist heute weniger die Idee eines vollautomatischen „KI-Inspektors“, sondern ein klar begrenzter Assistenzprozess: Baustellenbilder werden strukturiert gesammelt, mit Modellunterstützung vorbeschrieben und anschließend durch Fachverantwortliche geprüft. Für BIM-Manager heißt das, Fotodokumentation, Bauteilbezug, Geschoss, Achse, Terminplan und Mängelstatus sauber zu verknüpfen, damit aus einem Bild nicht nur ein Hinweis, sondern ein prüfbarer Vorgang wird. Für die Kalkulation entsteht Mehrwert, wenn KI wiederkehrende Sicherheits- und Zugänglichkeitsrisiken früh markiert, etwa fehlende Absturzsicherung, blockierte Wege oder unklare Lagerflächen, und diese Hinweise mit Nacharbeit, Stillstand oder Zusatzaufwand in Beziehung gesetzt werden. AEC-Tech-Teams sollten Modelle nicht als Wahrheitsmaschine einbauen, sondern als Erzeuger von Vorschlägen: Bildbeschreibung, gezielte Rückfrage und visuelle Markierung müssen im Interface nachvollziehbar bleiben. Entscheidend sind Konfidenz, Gegenprüfung, Änderungsverlauf und die Möglichkeit, falsche Treffer einfach zu korrigieren. So wird KI produktnah: Sie reduziert Suchaufwand, standardisiert Beobachtungen und beschleunigt Entscheidungen, ohne Verantwortung und Kontextwissen aus dem Bauprozess zu verdrängen. Was noch riskant oder ungeloest ist Noch ist die automatische Sicherheitsprüfung auf Baustellenbildern kein verlässlicher Ersatz für Fachpersonal. Vision-Language-Modelle können fehlende Helme, ungesicherte Kanten, falsche Lagerung oder Personen in Gefahrenzonen erkennen, aber sie tun das nicht immer stabil: Perspektive, Verdeckung, schlechte Beleuchtung, ungewöhnliche Baustellensituationen oder firmenspezifische Schutzmaßnahmen führen schnell zu Fehlalarmen oder übersehenen Risiken. Entscheidend ist deshalb die Datenqualität. Trainings- und Prüfbilder müssen reale Baustellenbreite abdecken, nicht nur ideal beschriftete Beispielszenen. Ebenso wichtig ist eine belastbare Validierung im eigenen Projektkontext: Welche Mängel werden zuverlässig erkannt, wo entstehen Unsicherheiten, und wie werden diese im Workflow sichtbar gemacht? Produktiv sinnvoll ist ein assistiver Ansatz mit nachvollziehbaren Hinweisen, Bildmarkierungen, Konfidenzen und Prüfprotokoll statt einer Blackbox-Entscheidung. Offen bleiben auch Haftungsfragen: Wer verantwortet eine übersehene Absturzgefahr, wenn ein KI-Hinweis fehlt oder falsch ist? Und schließlich muss Interoperabilität gelöst werden. Die Ergebnisse müssen in CDE, BIM-Modell, Mängelmanagement und mobile Baustellenprozesse passen, sonst bleiben sie isolierte KI-Demos statt prüfbarer Sicherheitsarbeit. Bezug zu Proxino, IFC, GAEB und Pruefung Für Proxino ist der Ansatz besonders spannend, wenn Baustellenbilder nicht isoliert bewertet werden, sondern mit dem digitalen Bauwerksmodell und der kaufmännischen Struktur verbunden sind. Ein erkannter fehlender Seitenschutz, eine offene Deckenkante oder eine ungesicherte Öffnung wird erst dann wirklich prüfbar, wenn die Beobachtung einem IFC-Objekt, einem Geschoss, einem Bauteiltyp oder einem Arbeitsbereich zugeordnet werden kann. Daraus entsteht ein nachvollziehbarer Prüfworkflow: Das Bild liefert den visuellen Hinweis, das BIM-Modell liefert Kontext wie Lage, Bauteilgeometrie, geplante Ausführung und Mengen, und die GAEB-Struktur verbindet den Befund mit Leistungspositionen, Verantwortlichkeiten und Kostenfolgen. Semantisches Matching kann dabei helfen, Begriffe aus der visuellen Analyse wie „Geländer“, „Gerüst“, „Absturzsicherung“ oder „Öffnung“ mit IFC-Klassen, Bauteilattributen und LV-Positionen abzugleichen. So wird aus einer KI-Vermutung kein automatisches Urteil, sondern ein prüfbarer Vorgang: markieren, zuordnen, begründen, bestätigen oder verwerfen. Genau hier liegt der produktnahe Nutzen für BIMraum-Workflows: Sicherheitsprüfung wird dokumentierbar, modellbezogen und anschlussfähig an Mengen, Nachträge, Mängelmanagement und Baustellenkommunikation. Die KI beschleunigt die Sichtung, aber die belastbare Entscheidung bleibt im transparenten Zusammenspiel aus Bild, Modell, GAEB-Daten und menschlicher Freigabe.