Zeitgemäßes Bauen, Expertenwissen

KI in der Planungs- und Geotechnik: Von der Vision zur belastbaren Praxis

Wie KI Baugrunddaten, Bausubstanz und Planungsrecht zusammenführt – aktueller Stand, Datenlage und ein praxisnahes Anwendungsszenario.

Einleitung

Aufstockungen bestehender Gebäude, also das Hinzufügen weiterer Geschosse, gelten vor allem in Ballungsgebieten als wirksame Maßnahme, um dringend benötigten Wohnraum zu schaffen, ohne neue Flächen zu versiegeln. Dieses enorme Potenzial für Wohnraum im Bestand setzt jedoch voraus, dass die Eignung und Risiken eines Bestandsgebäudes frühzeitig und zuverlässig bewertet werden. Hier kommt Künstliche Intelligenz (KI) ins Spiel: KI-Technologien versprechen, große Datenmengen aus verschiedenen Bereichen – Baugrund, Bausubstanz und Planungsrecht – effizient zusammenzuführen, um frühzeitig fundierte Machbarkeitsentscheidungen zu ermöglichen.

Doch wie weit ist die Praxis wirklich? Dieser Beitrag gibt einen Überblick über den aktuellen Stand von KI im städtebaulichen Planungs- und geotechnischen Bereich, beleuchtet die Datenlage zu flächendeckenden Bodendaten in Deutschland, beschreibt einen möglichen KI-gestützten Workflow und illustriert ihn anhand eines praxisnahen Beispiels. Anschließend werden Herausforderungen und inhaltliche Lücken aufgezeigt sowie Schritte skizziert, die für eine breite Umsetzung erforderlich sind.

Aktueller Stand: KI in Hochbau-Planung und Geotechnik

Im Hochbausektor werden bereits ausgereifte KI-gestützte Systeme eingesetzt, die große Mengen städtebaulicher Daten automatisch analysieren. Solche Systeme können z. B. aus 3D-Stadtmodellen, Kataster- und Fernerkundungsdaten Informationen wie Dachformen, Gebäudehöhen/Geschosszahlen, Abstandsflächen zu Nachbargebäuden, topographische Höhenmodelle und sogar planungsrechtliche Vorgaben extrahieren. Auf dieser Basis lassen sich Gebäude mit Nachverdichtungspotenzial identifizieren, etwa wo eine Aufstockung baurechtlich und statisch sinnvoll sein könnte. Moderne KI-Werkzeuge berücksichtigen neben baulichen Kriterien zunehmend auch wirtschaftliche und rechtliche Aspekte: So können Kriterien wie Dachtypus, Baualter, Gebäudehöhe sowie Baurecht und Wirtschaftlichkeit einbezogen werden, um wirklich nur Objekte zu priorisieren, bei denen eine Aufstockung technisch umsetzbar, baurechtlich zulässig und wirtschaftlich sinnvoll erscheint. Diese ganzheitliche Betrachtung führt zu priorisierten Objektlisten, auf deren Basis Planer und Kommunen gezielt in die Machbarkeitsprüfung einsteigen können.

Im Gegensatz zum Hochbau ist der Entwicklungsstand von KI-Anwendungen in der Geotechnik noch uneinheitlich. Erste Forschungsprojekte nutzen Machine Learning, um geotechnische Daten auszuwerten – beispielsweise Bohrprofile, Labor- und In-situ-Messungen sowie Monitoring-Daten – mit dem Ziel, daraus geotechnische Prognosen abzuleiten. So wird erforscht, inwieweit sich Setzungsprognosen für Baugrund oder Bauwerkssetzungen durch ML-Modelle verbessern lassen (z. B. durch die Auswertung historischer Messdaten im Tunnel- oder Spezialtiefbau). Ein Forschungsteam der TH Köln entwickelte beispielsweise ein KI-gestütztes Messsystem, das im Tunnelvortrieb den geförderten Bodenaushub in Echtzeit analysiert. Die KI wurde darauf trainiert, aus dem charakteristischen Muster der Kraftverläufe auf geotechnische Kenngrößen des Bodens (wie Konsistenz/Setzmaß, Scherfestigkeit, Wassergehalt) zu schließen. Dadurch lässt sich der Aushub bereits vor Ort automatisiert bestimmten Bodenklassen zuordnen, was eine sortenreine Trennung und bessere Wiederverwertung ermöglicht.

Trotz dieser Fortschritte gibt es im geotechnischen Bereich bisher keine breite, automatisierte Baugrundprüfung für städtische Bestandsgebäude. Ein Hauptgrund sind die begrenzte Datenverfügbarkeit und mangelnde Standards: Baugrunddaten liegen oft nur vereinzelt und in heterogenen Formaten vor, während stadtweite digitale Bauwerksdaten (etwa zur Gründung bestehender Gebäude) selten verfügbar sind. Die wenigen Pilotansätze in dieser Richtung sind meist orts- oder projektbezogen.

Sie haben Großes vor? Sprechen Sie mit uns.

Wir sind Ihr Ansprechpartner für Projekte zur Risssanierung, Betonbodenanhebung, Gründungssanierung und Baugrundverstärkung.

Kontakt aufnehmen

Datenlage: Bodendaten in Deutschland

Deutschland verfügt über eine mehrstufige Landschaft öffentlicher Bodendaten, die eine zentrale Grundlage für jede geotechnische Analyse bildet. Maßstab, Genauigkeit und Zugänglichkeit unterscheiden sich jedoch erheblich zwischen Bund und Ländern.

Bundesweite Übersichtskarten der Bundesanstalt für Geowissenschaften und Rohstoffe (BGR) bieten einen generalisierten Überblick über dominante Bodenarten und geologische Strukturen. Diese Karten bilden die großräumige Grundlage, um erste Rückschlüsse auf geologische Einheiten und typische Bodenverhältnisse zu ziehen – etwa, ob in einer Region tragfähige Kies- und Sandböden oder eher setzungsempfindliche Ton- und Schluffschichten vorherrschen.

Landesbodenkarten ergänzen diese Datenbasis durch eine deutlich höhere Detailtiefe. In Maßstäben bis 1:50.000, teils sogar bis 1:5.000, liefern sie wertvolle Informationen über Bodentypen, Schichtprofile, Grundwassernähe oder Auffüllungen. Viele Bundesländer stellen ihre Karten inzwischen über Geoportale oder Webdienste bereit, häufig als WMS- oder WFS-Dienste, sodass sie direkt in GIS- oder KI-Systeme eingebunden werden können. Die Rahmenbedingungen unterscheiden sich jedoch stark – sowohl hinsichtlich Aktualität, Auflösung und Datenformaten als auch bei den Lizenzbedingungen. Manche Datensätze sind offen verfügbar, andere nur kostenpflichtig oder auf Anfrage.

Für erste Potenzialanalysen, etwa zur Tragfähigkeit, zu Setzungsrisiken oder möglichen Auffüllungen, sind diese Daten äußerst hilfreich. KI-gestützte Verfahren können sie nutzen, um regionale Unterschiede im Baugrund automatisch zu erkennen und mit Gebäudedaten zu verknüpfen. Für Planungs- und Ausführungsentscheidungen bleiben jedoch standortspezifische Baugrunduntersuchungen unerlässlich. Nur sie liefern die belastbaren Messwerte, mit denen KI-basierte Vorabschätzungen überprüft und kalibriert werden können.

KI-gestützter Workflow für Aufstockungen

Ein KI-gestützter Workflow für Aufstockungen beginnt mit der Sammlung aller relevanten Daten: Kataster, 3D-Stadtmodelle, Planungsrecht, Bodenkarten sowie Informationen zu Hochwasser- und Altlastengebieten. In der Vorprüfung bewertet das Modell Faktoren wie Dachtyp, relative Geschossigkeit, Abstandsflächen und potenzielle Bodenrisiken. Anschließend werden Szenarien mit vorläufigen Lastannahmen, Klimalasten und Entwässerungssimulationen entwickelt, die mit dem Bestandstragwerk und geltenden städtebaulichen Vorgaben abgeglichen werden.

Bild: Erstanalyse eines Bestandsgebäudes mit dem KI-Tool syte

Aus Bodendaten wird ein geotechnischer Hinweis-Layer erstellt, der Risikoklassen ableitet und Prioritäten für Bohrungen setzt. Abschließend formuliert die KI Handlungsempfehlungen – von gezielten Sondierungen bis hin zu konstruktiven Verstärkungsmaßnahmen.

Ein Beispiel aus München verdeutlicht die Anwendung: Ein Wohnblock von 1974 mit vier Geschossen, Flachdach und Stahlbetonskelettbau soll um zwei Etagen erweitert werden. Die KI verarbeitet Bebauungsplanparameter, 3D-Daten, Bodenrichtwerte und Bodenkarten. Das Ergebnis ist ein hoher Eignungsscore, gestützt durch die Nachbarbebauung mit bis zu sechs Geschossen, eingehaltene Abstandsflächen und keine planungsrechtlichen Hindernisse. Die Bodenkarten weisen überwiegend tragfähige, kiesige Schichten aus, markieren aber einen Auffüllungsbereich an der Nordostseite. Simulationen berücksichtigen Wind- und Schneelasten, Entwässerung und Lastpfade und empfehlen eine leichte Holz-Hybridbauweise. Der Auffüllungsbereich wird als vorrangiger Untersuchungsort markiert.

Vor-Ort-Prüfungen bestätigen die Tragfähigkeit im Hauptbereich, während für die Auffüllungszone eine gezielte Bodenverbesserung vorgesehen wird. Die Machbarkeitsentscheidung liegt so nach drei Wochen vor – deutlich schneller als im herkömmlichen Prozess – und der Entwurf kann mit klaren Parametern starten.

Dieses Beispiel zeigt, wie sich digitale Analysen und geotechnisches Fachwissen ergänzen. Dennoch bestehen Herausforderungen: Die Datenlage ist uneinheitlich, Maßstäbe und Lizenzen variieren, und Modelle müssen mit realen Messdaten abgeglichen werden, um Fehlinterpretationen zu vermeiden. Zudem ist das Planungsrecht oft noch nicht in maschinenlesbarer Form verfügbar, und Fachanwender benötigen nachvollziehbare Kriterien und klare Angaben zu Unsicherheiten.

Um das Potenzial voll auszuschöpfen, braucht es ein nationales Geodaten-Framework mit einheitlichen Schnittstellen und offenen Lizenzen für Boden- und Planungsdaten. Referenzprojekte in Städten unterschiedlicher Größe sollten die Modellvalidierung unter realen Bedingungen sicherstellen. Ergänzend sind verbindliche Standardschnittstellen zwischen Planungs-KI, GIS/BIM-Systemen und geotechnischer Software notwendig. Prozessleitfäden für Kommunen und Planer könnten den Ablauf von der Vorprüfung bis zur Erkundungsstrategie standardisieren.

Künstliche Intelligenz kann die Früherkennung geeigneter Aufstockungen erheblich beschleunigen und geotechnische Risiken frühzeitig sichtbar machen. Die Kombination aus hochwertigen Eingangsdaten, validierten Modellen und funktionierenden Schnittstellen ist dabei entscheidend. Werden diese Voraussetzungen geschaffen, lässt sich der Weg von der Potenzialidee bis zur fundierten Machbarkeitsentscheidung deutlich verkürzen – mit positiven Effekten für Planer, Kommunen, Investoren und eine nachhaltige Stadtentwicklung.