Lösen wir das falsche Problem?

Nigeria führt. Deutschland bildet das Schlusslicht. Wenn es darum geht, wie intensiv Architekten, Ingenieure und Stadtplaner Künstliche Intelligenz täglich einsetzen, landen Nigeria mit 46 Prozent und die USA mit 42 Prozent weit vor der Bundesrepublik – die gerade einmal auf 27 Prozent kommt. Das sind die Ergebnisse einer globalen Studie, die das Planungs- und Beratungsunternehmen Arup Anfang 2025 unter rund 5.000 Fachleuten aus zehn Ländern durchführen ließ.

Man könnte diesen Befund achselzuckend zur Kenntnis nehmen. Schon wieder das alte Lied vom digitalen Rückstand. Doch das Paradoxon, das sich dahinter verbirgt, ist aufschlussreicher als die Zahl selbst: Rund 20.000 Bauvorschriften, etwa 3.900 baurelevante DIN-Normen – das deutsche Baurecht gehört zu den dichtesten und voraussetzungsreichsten Regelwerken überhaupt.

Wer hier bauen will, navigiert durch Landesbauordnungen, kommunale Bebauungspläne, Normen, Denkmalschutzauflagen, das Gebäudeenergiegesetz und eine Genehmigungspraxis, die selbst erfahrene Architekten an Grenzen bringt. Kaum irgendwo wäre der potenzielle Nutzen von KI-gestützter Rechts- und Planungsassistenz größer – und in keinem anderen befragten Land wird KI seltener genutzt.

Was Architekten heute mit KI machen

Die Arup-Studie ist keine oberflächliche Stimmungsumfrage. Für die Erhebung wurden zwischen dem 12. und 21. Februar 2025 insgesamt 5.000 Fachleute auf Manager-Ebene aus den Bereichen Architektur, Ingenieurwesen, Stadtplanung und Digital-Management befragt – je 500 pro Land. Das Ergebnis zeichnet ein differenziertes Bild: KI ist in der Branche angekommen, aber nicht gleichmäßig verteilt.

Weltweit gaben 36 Prozent der Befragten an, KI täglich zu nutzen. Das mag auf den ersten Blick bescheiden wirken – ist es aber nicht, wenn man bedenkt, dass viele dieser Menschen das Werkzeug vor wenigen Jahren noch nicht kannten. Was die Studie besonders aufschlussreich macht: Die Befragten setzen KI nicht nur für administrative Kleinstaufgaben ein. Rund 26 Prozent nutzen sie für Entwurfsarbeit – konzeptuelle Entwicklung, Modellierung, generatives Design –, ebenso viele für Projektmanagement und Risikoabschätzung sowie für Szenarioplanung und Entscheidungsunterstützung. 25 Prozent setzen KI für Nachhaltigkeitsoptimierungen ein, 24 Prozent für Datenanalyse und Erkenntnisgewinnung.

Was also treibt die hohe Adoption in Nigeria, den USA oder Brasilien? Ein einfacher Erklärungsansatz wäre Technikbegeisterung. Doch die Daten widerlegen das: Auch in Deutschland ist die Aufgeschlossenheit gegenüber KI hoch. 85 Prozent aller Befragten weltweit bezeichnen sich als „excited“ – aufgeregt, nicht besorgt. Der Unterschied liegt woanders.

Was KI eigentlich kann – und was nicht

Um zu verstehen, warum die KI-Adoption in der Architektur zögert, lohnt ein kurzer Blick auf das, was Künstliche Intelligenz heute tatsächlich leistet. Denn „KI“ ist kein einheitliches Werkzeug, sondern eine Familie sehr unterschiedlicher Technologien. Die bekannteste Kategorie sind heute Große Sprachmodelle – Large Language Models (LLMs) –, wie sie hinter ChatGPT oder Claude stecken. Sie wurden auf riesigen Textmengen trainiert und können Sprache verstehen, zusammenfassen, übersetzen und generieren. In der Architektur werden sie bereits genutzt: für die Analyse langer Ausschreibungsdokumente, für die Erstellung von Projektberichten, für die Recherche in Normentexten. Eine zweite Kategorie sind Bildgenerierungsmodelle. Werkzeuge wie Midjourney oder Stable Diffusion erzeugen Bilder aus Textbeschreibungen. Technisch funktionieren sie durch einen sogenannten Diffusionsprozess: Ein Bild wird schrittweise aus zufälligem Rauschen herausgearbeitet, Schicht für Schicht, bis eine kohärente Darstellung entsteht.

Für Architekten bedeutet das: Konzeptbilder, Stimmungsdarstellungen, Rendering-Alternativen – in Minuten statt Tagen. Die dritte Kategorie ist parametrisches und generatives Design. Hier geht es nicht um Bilder, sondern um algorithmische Optimierung: Ein KI-gestütztes System erzeugt auf Basis definierter Zielgrößen – Energiebilanz, Belichtung, Raumeffizienz, statische Anforderungen – automatisch Entwurfsvarianten. Das ist kein Zukunftsszenario mehr. Arup hat für den PwC-Campus im chinesischen Sanya genau solche Algorithmen eingesetzt. Die beteiligten Shanghai-Teams berichten für diese Ansätze von 25 Prozent weniger CO2 im Konzeptdesign und bis zu 35 gesparten Planungstagen.

„In keinem anderen Land wäre der potenzielle Nutzen von KI-gestützter Rechts- und Planungsassistenz größer – und in keinem anderen befragten Land wird KI seltener genutzt.“

Und damit kommt man zur eigentlichen Frage: Wofür wird KI in der Architektur eingesetzt – und wofür noch nicht? Die Arup-Studie zeigt: Der Schwerpunkt liegt heute auf Design, Visualisierung und Projektmanagement. Das sind wichtige Bereiche. Aber sie sind nicht der größte Engpass im deutschen Planungsalltag.

Der unterschätzte Flaschenhals: Deutsches Baurecht

Wer in Deutschland plant und baut, arbeitet in einem Regelwerk, das über Jahrzehnte gewachsen ist: Baugesetzbuch, Landesbauordnungen, VOB, DIN-Normen, Gebäudeenergiegesetz, Denkmalschutzgesetze, kommunale Bebauungspläne. Dazu eine Rechtsprechung, die Jahr für Jahr neue Auslegungsfragen klärt. Kein Grundstück gleicht dem anderen. Keine Planung ist selbsterklärend. Wer plant, braucht nicht nur einen Entwurf – er braucht Rechtssicherheit. Darf ich hier bauen? Wie hoch darf das Gebäude sein? Welche Abstandsflächen gelten? Welche energetischen Anforderungen muss das Projekt erfüllen? Welche Genehmigungsstellen müssen eingebunden werden? Jede dieser Fragen verweist auf Paragraphen, Urteile und Auslegungspraxis. Und jede Antwort erfordert Recherche, Quellenwissen und die Fähigkeit, verschiedene Vorschriften miteinander zu verbinden. Genau hier wird es interessant – und genau hier bleibt viel Potenzial ungenutzt.

Die meisten heute verfügbaren LLMs sind generalistisch trainiert. Sie kennen viele Dinge ein bisschen, aber nichts wirklich präzise. Dazu kommt ihre Herkunft: Die großen Modelle stammen überwiegend aus den USA oder aus China – und was ein Modell zuverlässig weiß, hängt stark davon ab, in welcher Sprache und mit welchen Texten es trainiert wurde. Deutsches Baurecht ist in diesen Trainingsdaten ein Randthema. Dass ein amerikanisches oder chinesisches Modell die Feinheiten einer Landesbauordnung sicher beherrscht, ist unwahrscheinlich. Wenn man ein solches Modell zu deutschem Baurecht befragt, erhält man deshalb oft eine brauchbare Zusammenfassung – aber keine Antwort, auf die sich eine Planung rechtlich stützen ließe. Das liegt daran, dass das Modell seine Antwort aus dem eigenen Trainingswissen generiert – ohne Zugriff auf aktuelle Gesetzestexte, ohne Verweis auf konkrete Urteile, ohne Transparenz darüber, worauf sich die Antwort stützt. Es ist kein Zufall, dass in der Arup-Studie Regulation als eine der genannten Barrieren für die KI-Adoption erscheint.

Aber die Regulation ist nicht nur Hindernis – sie ist auch Anwendungsfeld. Genau hier, an der Schnittstelle von Planung, Baurecht und Genehmigungsverfahren, liegt das bislang am wenigsten erschlossene Potenzial von KI in der Architektur. Was es stattdessen braucht, sind Systeme, die auf kuratierte, aktuelle und rechtlich verbindliche Quellen zugreifen: aktuelle Gesetzestexte, Urteile, Verwaltungsvorschriften – im Original und vollständig nachvollziehbar. Retrieval Augmented Generation (RAG) heißt der technische Ansatz dahinter: Statt aus dem eigenen Trainingswissen zu schöpfen, bezieht das System seine Antworten aus einer definierten, verifizierten Datenbasis. Die Antwort ist damit nicht nur besser – sie ist nachprüfbar.

„Deutschland hinkt hinterher, weil die verfügbaren Werkzeuge nicht für die Komplexität des deutschen Planungs- und Baurechts gemacht sind.“

Was die Zahlen nicht sagen

Die Arup-Studie ist ein wichtiges Dokument – aber sie hat eine Lücke. Sie zeigt, wie KI eingesetzt wird. Sie zeigt nicht, warum bestimmte Anwendungsfelder fehlen. Die 27 Prozent tägliche KI-Nutzung in Deutschland sagen wenig darüber aus, welche Art von KI genutzt wird und für welche Aufgaben. Es ist gut möglich, dass ein erheblicher Teil dieser Nutzung auf einfache Textgenerierung und Bildproduktion entfällt – und kaum auf rechtliche Analyse oder planungsrechtliche Prüfungen. Die Studie zeigt aber eines deutlich: Das Interesse ist da. 85 Prozent der weltweit Befragten sehen KI als Chance. 91 Prozent halten branchenspezifische ethische Leitlinien für wichtig – ein Zeichen, dass die Branche bereit ist, sich ernsthaft mit der Technologie auseinanderzusetzen, und nicht nur experimentiert. 76 Prozent sehen die Notwendigkeit, sich regelmäßig weiterzubilden.

Das Problem ist also nicht fehlendes Interesse. Das Problem ist, dass die Werkzeuge, die heute breit verfügbar sind, nicht für die spezifischen Herausforderungen der deutschen Planungspraxis entwickelt wurden. Design-KI für den internationalen Massenmarkt – das gibt es. KI, die das Baugesetzbuch kennt, aktuelle Urteile aus dem Verwaltungsrecht einordnen kann und dabei transparent macht, auf welcher Grundlage sie antwortet – das ist die Lücke.

Fazit

Nigeria führt nicht, weil es technologiebegeisterter wäre als Deutschland. Nigeria führt, weil KI-Tools dort für die vorliegenden Anforderungen passen. Deutschland hinkt nicht hinterher, weil es an Willen fehlt. Deutschland hinkt hinterher, weil die verfügbaren Werkzeuge nicht für die Komplexität des deutschen Planungs- und Baurechts gemacht sind. Das ist kein Grund zur Resignation – es ist eine Einladung. Wer heute an KI-Lösungen arbeitet, die nicht nur Bilder generieren, sondern Paragrafen lesen, Urteile einordnen und Architekten durch den Genehmigungsdschungel führen, arbeitet an etwas, das gebraucht wird. Die Branche ist bereit. Die Technologie entwickelt sich schnell. Was fehlt, sind die richtigen Werkzeuge für die richtigen Probleme.

Quellen

Arup (2025): „Embracing AI: reshaping today‘s cities and built environment.“ Global Survey, durchgeführt von Opinion Matters im Auftrag von Arup, n = 5.000, Februar 2025. – Bonechi, S. et al. (2025): „An analysis of pre-trained stable diffusion models through a semantic lens.“ In: Neurocomputing 614, 128846. – Wissenschaftliche Dienste des Deutschen Bundestages (2025): Sachstand WD 5-3000-037/25. Einzelbelege mit Originaltextstellen: siehe Fußnoten 1 – 11.