Veröffentlicht am 31 October 2026
Die meisten Bauprojekte liefern bereits das Rohmaterial für die Fortschrittsverfolgung: Baustellenfotos, Drohnenflüge, tägliche Rundgänge per Handykamera. Was fehlt, ist, diesen Berg an Bildern in eine belastbare Antwort auf die Frage zu verwandeln, die ein Projektleiter jede Woche stellt: Liegen wir im Zeitplan, und wenn nicht, wo genau sind wir im Verzug?
Heute kommt diese Antwort meist von jemandem, der die Baustelle abläuft, das Gesehene mit dem Terminplan im Kopf abgleicht und eine grobe Prozentzahl meldet. Das ist nicht falsch, aber es ist langsam, zwischen Bauleitern uneinheitlich und folgt einem wöchentlichen Rhythmus, obwohl die zugrunde liegenden Fotos eigentlich eine tägliche Auswertung ermöglichen würden.
Was Computer Vision hier tatsächlich leistet
Die Aufgabe lautet nicht: „Schau dir ein Foto an und schätze, wie fertig das Gebäude ist.“ Dieses Framing ist zu unscharf, um nützlich zu sein, und zu unscharf, um präzise zu sein. Was tatsächlich funktioniert, ist enger und mechanischer: Fotos desselben physischen Bereichs, aufgenommen zu unterschiedlichen Zeitpunkten, mit einem definierten Satz an Fortschritts-Meilensteinen für diesen Bereich abgleichen und markieren, ob jeder Meilenstein abgeschlossen, in Arbeit oder noch nicht begonnen ist.
Feste Aufnahmepunkte sind wichtiger als ausgefeilte Modelle
Der größte Treiber für die Genauigkeit in so einem System ist nicht die Modellkomplexität — sondern die Konsistenz der Aufnahme. Ein System, das Fotos vom selben Stativstandort oder Drohnen-Wegpunkt bei ähnlichem Winkel und ähnlicher Tageszeit vergleicht, schlägt ein deutlich fortschrittlicheres Modell, das Fotos aus zufälligen, inkonsistenten Blickwinkeln zusammenbringen soll. Bevor man in die Vision-Pipeline investiert, lohnt es sich, in eine einfache, wiederholbare Foto-Routine zu investieren: dieselben Orte, dieselben Winkel, in regelmäßigen Abständen.
Meilenstein-Definitionen müssen konkret sein
„Fundamentarbeiten“ ist kein Meilenstein, den ein Vision-System anhand eines Fotos prüfen kann. „Fundamente gegossen und ausgehärtet, Bewehrung für Wände gesetzt“ ist es. Der Terminplan des Projekts muss in visuell überprüfbare Kontrollpunkte zerlegt werden — Dinge, die in einem Foto tatsächlich sichtbar sind — bevor ein Vision-System überhaupt etwas Konkretes zum Abgleichen hat. Diese Zerlegung wird in der Regel einmal pro Projekttyp erstellt und wiederverwendet, statt jedes Mal neu von Grund auf gemacht zu werden.
Änderungserkennung statt Szenenbeschreibung
Die zuverlässigste Variante vergleicht ein aktuelles Foto mit einem früheren Foto desselben Bereichs und fragt, was sich verändert hat, statt zu versuchen, in einem einzigen Bild alles vollständig zu beschreiben. Das Problem als „Was ist hier anders?“ zu formulieren statt als „Was ist alles auf diesem Foto?“ führt meist zu einem verlässlicheren, präziseren Signal für die Terminverfolgung.
Wie sich das in bestehende Projekt-Tools einfügt
Das ersetzt Ihre Planungssoftware nicht — es speist sie mit Daten. Das Ergebnis der Vision-Pipeline ist ein strukturisiertes Update pro Meilenstein (abgeschlossen, in Arbeit, noch nicht begonnen, mit Konfidenzwert und zugehörigem Foto), das in das jeweilige Termin- oder Projektmanagement-Tool geschrieben wird, das das Team bereits nutzt — genau wie ein Baustellenbericht, nur schneller und konsistenter. In Kombination mit der breiteren Computer-Vision-Entwicklung, die wir leisten, wird die Erfassungs- und Erkennungspipeline auf Ihre konkreten Baustellenbedingungen und Meilenstein-Struktur statt auf ein generisches Modell ausgerichtet.
Wo das scheitert
Wetter und Licht sind der häufigste praktische Schwachpunkt — ein Foto bei starkem Schatten, Regen oder zu einer deutlich anderen Tageszeit als die Referenz kann die Sichtbarkeit tatsächlich verändern und ein falsches Ergebnis erzeugen, weshalb eine Konfidenzbewertung wichtiger ist als ein starres Ja/Nein. Der zweite Punkt ist Verdeckung — Materialien, Geräte oder Gerüste, die genau den verfolgten Bereich verdecken, werden als „kein Fortschritt sichtbar“ gelesen, obwohl hinter der Abdeckung tatsächlich Fortschritt passiert ist, und das System muss das als unklar markieren, statt es als Rückschritt zu melden. Innenarbeiten sind aus demselben Grund schwieriger als Außenarbeiten, aus dem Fotografieren in Innenräumen generell schwieriger ist: wechselnderes Licht, mehr Unordnung und Arbeit, die von einer festen Kameraposition aus manchmal gar nicht sichtbar ist (etwa eine Leitung in einer Wand) und eine völlig andere Verfolgungsmethode braucht, zum Beispiel checklistenbasiertes Reporting statt visueller Verifikation.
Wo es sich am schnellsten auszahlt
Den größten Nutzen hat das bei Projekten mit vielen wiederkehrenden Einheiten, die vergleichbare Fortschrittsansichten brauchen — Mehrgebäude-Entwicklungen, große Einzelbauwerke mit klar abgegrenzten Zonen oder jedes Projekt, bei dem ein Bauleiter derzeit jede Woche spürbar Zeit mit manuellem Begehen und Abgleichen verbringt. Kleinere Projekte oder solche mit stark variierenden, nicht wiederholbaren Arbeiten erzeugen oft nicht genug Volumen, um die Einrichtungskosten für Meilenstein-Definitionen und Aufnahme-Routinen zu rechtfertigen.
Erste Schritte
Der praktische Ausgangspunkt ist fast nie das Vision Model — entscheidend ist vielmehr, sich auf die Meilenstein-Checkliste und die Fotoerfassungs-Routine für Ihren konkreten Projekttyp zu einigen. Sobald das steht, lässt sich die Detection-Pipeline vergleichsweise unkompliziert aufbauen. Wenn Sie den Fortschritt bei einer Ausschreibung oder einem aktiven Bauvorhaben tracken und genauer eingrenzen möchten, wie das für Ihre Baustelle tatsächlich aussehen würde, deckt unser AI für Bau und Ausschreibungen genau das ab, oder Sie erreichen das Team über unsere Kontaktseite.
Verwandt