Geretsried (pm) – Künstliche Intelligenz hilft Baustellenleitern mit Building Information Modeling, Projektmanagement, Überwachung, Automatisierung repetitiver Aufgaben oder Robotereinsatz, ihre Baustellen zu planen, zu überwachen und zu dokumentieren. Doch basieren alle gängigen Sprachmodelle ausschließlich auf der Interpretation von Texten. Räumliche und zeitliche Dimension erfassen sie nicht und erlauben damit weder Vergleichbarkeit noch lokales Verständnis. So kommt es, dass Large Language Models (LLM) vergeblich nach geeigneten Lagerplätzen bei Linienbaustellen suchen, einen Vergleich der Mannschaftskapazität für die letzten fünf Jahre durchführen oder Verkehrstrends zu höherer Anlieferungseffizienz vorausschauen können. Ihnen fehlt das Raum-Zeit-Kontinuum, die sich aus räumlichen Informationen ergebende Geointelligenz. Das bayerische Deep-Tech-Unternehmen The Green Bridge schließt diese Lücke und entwickelt eine Technologie, die räumliche Daten in Zeithorizonte bettet und automatisiert Dynamiken erkennt. Unabhängig von amerikanischen Technologien setzt deutsche Ingenieurskunst damit neue Standards auf dem Weg zu großen Intelligenzmodellen. Bauleiter erhöhen damit die Effizienz auf Bauplätzen, schöpfen Ressourcen aus und erkennen Problemzonen.
Überwindbare Defizite
Verändern sich Daten, betrachtet ein Standard-LLM jede Aktualisierung als neue, unabhängige Information. Eine zusammenhängende Landschaft von Beziehungen mit Veränderungen über Raum und Zeit bleibt unerkannt. Aktuelle Systeme arbeiten mit text- oder objektbasierten Daten und ohne einen einheitlichen räumlichen Rahmen. Selbst fortschrittliche KI-Systeme ohne komplexe externe GIS-Logik scheitern daran, sich verändernde Geografien zu verfolgen, aufkommende Hotspots zu identifizieren oder räumliche Muster im Zeitverlauf zu erkennen. Weder Microsoft noch Google, OpenAI oder Meta weisen in ihren Modellen spatio-temporales Können auf. Dafür braucht es neben einem Large Language Model eine universelle räumliche Sprache.
Maschinenlesbares Beziehungsnetzwerk
Um diese Herausforderung zu meistern, konstruiert das Team um Prof. Dr. Roman Brylka das Large Geo-Grid Model (LGM). Das Fundament legt das EEA Reference Grid, ein europaweit einheitliches offenes Referenz-Rastergitter der European Environment Agency. TGB überführt es in den globalen Raum. Um räumliche Daten vergleichbar, überlagerbar und statistisch auswertbar zu machen, unterteilt das Modell die Erde in ein präzises, hierarchisches Gitter aus festen Zellen. Jede Einheit bekommt eine permanente ID, eine definierte Nachbarschaft und einen konsequenten Eltern-Kind-Bezug über 17 Rasterebenen in einer Größenskalierung von 1 mm bis 100 km. Eine stabile Grammatik des Raumes entsteht, die Umgebung, Richtung und Entfernung einbettet. Sobald gewünschte Daten zu Lagermöglichkeiten, Anlieferungszeiten, Fachkraftverteilung, Arbeits- und Pausenzeiten, Energiekosten, Wetter, Verzögerungen oder zur vergleichenden Nachkalkulation auf dieses Gitter projiziert sind, versteht sich jede Zelle als konsistentes räumliches Token mit Zeitstempel. Dessen Merkmale entwickeln sich im Laufe der Zeit weiter. Das LGM lernt die Raum-Grammatik eigenständig: Wie verbindet sich jede Zelle mit ihren Nachbarn? Wie aggregieren sich Schichten von unten nach oben? Wie hängen Entfernungen und Ausrichtungen zusammen? Fließen Daten aus verschiedenen Zeiten ein, erkennt das Modell räumliche Dynamiken. Es verfolgt Wachstumsfronten, identifiziert Muster und sieht Clustering-Trends. Das LGM versteht, was sich verändert, wo, wie schnell und in welche Richtung.
Prompt beantwortet
Das Ziel: Baustellenleiter prompten komplexe Fragen, wie sie es von ihrem vertrauten Sprachassistenten gewohnt sind: Wo befinden sich Lagerplätze für die Bewehrungsgitter, wann ergibt Anlieferung verkehrstechnisch Sinn, wo lauern Kollisionen? Welche LKW sind wie lange mit welchem Baustoff zwischen Baustellen unterwegs? Wie verläuft die Zusammenarbeit der Fachkräfte im Vergleich zum letzten Projekt? Wo stockt der Workflow und lohnt sich das Zubuchen weiterer Mitarbeitender? In Windeseile erhalten sie geointelligente Antworten in Form visuell leicht erfassbarer Karten. Zu Baustellen, Nachkalkulationen und zukünftigen Planungen erhalten Verantwortliche relevante Informationen und federn Terminabweichungen souverän ab.
Unique: Kombination aus Geo-Grid- und Sprachmodell
Die Kombination aus Geo-Grid-Modell und Sprachmodell entfacht das Potenzial echter künstlicher Intelligenz. Ein Large Intelligence Model (LIM) braucht das LLM als Denk- und Kommunikationsebene, während das LGM die räumliche und zeitliche Grundlage stellt. In dieser Konfiguration sendet das Sprachmodell über Prompts strukturierte Tool-Aufrufe an das LGM. Dieses führt die georäumliche Schlussfolgerung aus und gibt Ergebnisse in einer Form zurück, die das LLM interpretieren und erklären kann. Das LIM (LLM + LGM) zieht Parameter wie Wetterdaten, Preisentwicklung oder Verkehrsfluss zurate, berechnet Dichten, analysiert räumliche Muster und liefert eine Erklärung und eine Karte als Antwort.
Quelle: The Green Bridge GmbH