OpenSpace KI für den Bau — Spatial Computing & generative KI

Michael Fleischman ist Chief Technology Officer und Mitgründer von OpenSpace

Einleitung: ein Moment der Konvergenz

Künstliche Intelligenz beflügelt die öffentliche Vorstellungskraft wie kaum eine Technologie zuvor. Ob es um Durchbrüche bei großen Sprachmodellen oder um die neuesten Entwicklungen in der Robotik geht – KI ist inzwischen Teil alltäglicher Gespräche, und das längst nicht mehr nur in Tech-Kreisen.

Doch warum gerade jetzt?

Was wir erleben, ist das Zusammenlaufen zweier bedeutender Trends: Spatial Computing und Generative KI. Bei OpenSpace entwickeln wir seit Jahren an dieser Schnittstelle – und nennen es die OpenSpace Spatial AI Engine: die zentrale Intelligenz, die viele unserer fortschrittlichsten Funktionen antreibt.

In diesem Beitrag werfen wir einen Blick unter die Haube der Spatial AI – was sie ist, warum sie relevant ist und wie sie die Zukunft der Bautechnologie mitgestaltet.

Ein kurzer Rückblick: KI-Hype und echte Substanz

Der Begriff Künstliche Intelligenz existiert bereits seit den 1950er-Jahren – und das Interesse daran kam in Wellen. Gelegentlich stieg die Aufmerksamkeit sprunghaft an, oft im Zusammenhang mit popkulturellen Ereignissen, etwa der Veröffentlichung von 2001: Odyssee im Weltraum im Jahr 1968 oder Terminator im Jahr 1986.

Trotz dieser frühen Hype-Phasen verlief ein Großteil der KI-Geschichte relativ ruhig, zumindest was ihre Auswirkungen auf den Alltag betraf. Es gab beeindruckende Meilensteine – wie IBMs Deep Blue, der 1996 Schachgroßmeister Garry Kasparov schlug, oder Watson, der bei der amerikanischen Quiz-Show Jeopardy! triumphierte. Doch diese Erfolge waren eher isolierte Demonstrationen – nicht das „Jetsons“-Zukunftsbild, das uns einst versprochen wurde.

Was sich im letzten Jahrzehnt verändert hat, ist die Kombination aus Rechenleistung, Datenverfügbarkeit und algorithmischer Raffinesse. KI ist heute weit mehr als ein Laborphänomen – sie bewegt sich zunehmend aus dem Bereich der Science-Fiction heraus und wird zu einem praktischen Werkzeug in unterschiedlichsten Branchen.

Spatial Computing: KI trifft auf die physische Welt

Im Kern beschreibt Spatial Computing Systeme, die ihre physische Umgebung verstehen und mit ihr interagieren können. Der Begriff stammt aus den 1980er-Jahren, hat aber in den letzten Jahren durch neue Anwendungsfelder eine ganz neue Bedeutung bekommen – unter anderem durch:

• Virtuelle und erweiterte Realität (z. B. Apple Vision Pro)
• Autonomes Fahren (z. B. Waymo)
• Robotik (z. B. Spot von Boston Dynamics) und Drohnen
• Vorhersagen zur Luftqualität (z. B. PurpleAir-Sensoren)

Während Unternehmen wie Apple Spatial Computing vor allem mit immersiven Erlebnissen in Verbindung bringen (Apple spricht bei seinen VR-Produkten explizit von „Spatial Computing“), ist das Konzept eigentlich viel umfassender: Es geht darum, Maschinen zu befähigen, ihre Umgebung zu erfassen, sich darin zu orientieren und darauf basierend Entscheidungen zu treffen.

Bei OpenSpace haben wir diesen Trend früh erkannt. Wir waren überzeugt: Mit der Weiterentwicklung von Sensorik – insbesondere Kameras, die kleiner, günstiger und leistungsfähiger werden – entsteht die Chance, Spatial Computing in die Baubranche zu bringen. Durch die Kombination dieser Sensoren mit Verfahren wie SLAM (Simultaneous Localization and Mapping) und Structure from Motion konnten wir die Baudokumentation automatisieren und die Daten von der Baustelle zugänglicher machen als je zuvor.

Diese Idee wurde zum Fundament von OpenSpace. Und bis heute haben unsere Nutzer bereits über 3,7 Milliarden Quadratmeter an Baustellenbildern erfasst.

Der Aufstieg der generativen KI

Parallel dazu vollzieht sich eine weitere technologische Transformation: der Aufstieg der generativen KI. Dabei handelt es sich um Systeme, die auf Basis erlernter Muster aus riesigen Datenmengen eigenständig Inhalte erzeugen können – etwa Texte, Bilder, Audio oder Videos.

Diese generativen Modelle bilden die Grundlage für eine neue Generation von KI-gestützten Chatbots. Das bekannteste Beispiel ist ChatGPT – weit leistungsfähiger als frühere Chatbot-Generationen wie Siri oder Alexa (ganz zu schweigen von ihren Vorläufern, etwa Microsofts berüchtigtem Clippy).

Warum passiert das alles gerade jetzt?

Der entscheidende Durchbruch war eine maschinelle Lernarchitektur namens Transformer. Sie ermöglichte es, Modelle im großen Maßstab parallel auf vielen Rechnern zu trainieren – und dadurch riesige Datenmengen zu verarbeiten, wie es zuvor nicht möglich war.

Die daraus entstandenen sogenannten Foundation Models lernten etwas scheinbar Einfaches: das nächste Wort in einem Satz vorherzusagen. Doch dabei erwarben sie weit mehr als nur Grammatik oder Fakten – sie entwickelten auch ein erstaunliches Maß an Alltagsverständnis darüber, wie die Welt funktioniert.

Ein Beispiel: Das Modell „versteht“, dass eine fallengelassene Wasserflasche auslaufen kann – und dass verschüttetes Wasser rutschig sein könnte. Solches Kontextwissen war in früheren KI-Zeiten kaum vermittelbar.

So leistungsfähig Foundation Models auch sind – allein genügen sie nicht. Um sie für spezifische Branchen oder Anwendungsfälle nutzbar zu machen, braucht es ein sogenanntes Fine-Tuning. Dabei wird das Modell mit sorgfältig ausgewählten Beispielen – oft unter Einbezug menschlichen Feedbacks – weitertrainiert.

An dieser Stelle wird generative KI wirklich praktisch. Feinjustierte Modelle können dann spezialisierte Aufgaben übernehmen, etwa Berichte zusammenfassen oder Fragen gezielt beantworten – vorausgesetzt, sie sind gut trainiert und mit Fachwissen angereichert.

Ohne dieses Fine-Tuning wirken die Modelle oft vage oder generisch. Wie DPR Construction in einem aktuellen Bericht betonte, stoßen allgemeine KI-Tools in der Praxis – etwa auf Baustellen – schnell an ihre Grenzen. Sie liegen nicht immer komplett falsch, aber selten wirklich richtig.

Einführung der Spatial AI Engine

Bei OpenSpace lösen wir genau dieses Problem – durch die Verbindung der Stärken beider Welten:

• Spatial Computing für das Verständnis physischer Umgebungen
• Generative KI für das Verständnis von Sprache und Kontext
• Branchenspezifisches Fine-Tuning für reale Aufgaben auf der Baustelle

Diese Kombination bildet die Grundlage unserer Spatial AI Engine – ein System, das 360°-Bilder, mobile Fotos, Dokumente und sogar natürliche Sprache interpretieren kann, um Nutzer:innen bei der Navigation durch komplexe Baustellen zu unterstützen.

Der Blick nach vorn: KI, die für Sie arbeitet

Das Ziel von Spatial AI ist nicht nur, Technologie intelligenter zu machen – sondern Ihre Arbeit einfacher, schneller und fundierter. Deshalb entwickeln wir bei OpenSpace Systeme, die speziell für die Bauindustrie optimiert sind, mit realen Daten trainiert wurden und sich nahtlos in bestehende Arbeitsabläufe integrieren lassen.

Und das ist erst der Anfang. Während sich die Technologien hinter Spatial Computing und Generativer KI kontinuierlich weiterentwickeln, wächst auch unser Potenzial, daraus praxisnahe und wirkungsvolle Werkzeuge für die gebaute Welt zu machen.

Weitere Ressourcen:

• Vortrag von Michael Fleischman auf der Waypoint 2024 über Spatial Computing und Generative KI [EN]
• Überblick zur OpenSpace Spatial AI Engine
• Entdecken Sie ein reales OpenSpace-Projekt und erleben Sie unsere KI-Technologie im Einsatz