KI-Grundrissanalyse 2026: wo die Branche steht
Zwischen 2020 und 2022 war KI für Architekturpläne im Proof-of-Concept-Stadium: Modelle, trainiert auf einigen Tausend akademischen Bildern, beeindruckende Demos, aber kaum generalisierbar. Zwischen 2023 und 2025 haben mehrere Akteure (CubiCasa, Magicplan, FloorScan, Floorplanner, aber auch Labore wie die ETH Zürich mit ihrem Floor-SP-Projekt oder die Nanyang Technological University) konvolutionale und Transformer-Architekturen veröffentlicht, die über 90% mAP auf standardisierten Plänen erreichen. 2026 ist die Technologie reif für klassische europäische und nordamerikanische Architekturpläne; sie stolpert noch über drei Kategorien von Fällen, die dieser Bericht detailliert.
Die Modelle: vom CNN zum Transformer in 5 Jahren
Erste Systeme (2020) stützten sich auf CNNs vom Typ Faster R-CNN oder Mask R-CNN, trainiert auf dem CubiCasa5K-Dataset (5.000 annotierte Pläne). Diese Architekturen erreichten 75-80% mAP@0.5 bei einfachen Plänen und fielen auf 50%, sobald die Konventionen atypisch wurden. Ab 2023 wurden hybride CNN + Transformer-Architekturen (DETR, DeformableDETR) Standard: ein konvolutionaler Encoder extrahiert visuelle Features, ein Transformer dekodiert Objekte parallel. Typische Performance: 92-96% mAP@0.5 bei Standardplänen, 80-85% bei atypischen.
2026 liegt die Forschungsfront in zwei Richtungen: (1) Vision-Language Models (Florence-2, GPT-4V-Architektur), die visuelle Wahrnehmung und Textverständnis der Maßangaben kombinieren („3,40 m" auf dem Plan wird zu nützlicher Erkennungsinformation); und (2) multimodale Ansätze, die gleichzeitig das Vektor-PDF und sein Raster-Rendering nutzen, um die beiden Informationsquellen abzugleichen.
Die Datasets: noch das schwache Glied
Der Bottleneck der Plan-KI ist nicht das Modell, sondern die Trainingsdaten. CubiCasa5K (5.000 finnische Pläne), FloorPlanCAD (15.000 chinesische Pläne) und R2V (1.500 synthetische Pläne) bleiben die wichtigsten öffentlichen Datasets 2026. Alle haben starke kulturelle Verzerrungen: CubiCasa5K fehlt es an lateinischen Konventionen (schräge Schraffuren für tragende Wände), FloorPlanCAD besteht meist aus Neubauwohnungen ohne Sanierung, R2V ist zu synthetisch zur Generalisierung. Kommerzielle Anbieter (FloorScan, CubiCasa, Magicplan) pflegen proprietäre interne Datasets von 50.000 bis 200.000 Plänen, was ihren Vorsprung gegenüber Open-Source erklärt.
Der Trend 2026 ist die kontrollierte synthetische Generierung: Modelle vom Typ Stable Diffusion, fein abgestimmt auf bestehende Pläne, erzeugen unendliche Variationen realistischer Pläne zur Dataset-Erweiterung. Bekanntes Risiko: diese synthetischen Daten sind oberflächlich perfekt, können aber zu Konventionen abdriften, die in der Realität nicht existieren. Bester beobachteter Kompromiss: 30% synthetisch + 70% annotiert real.
Aktuelle Grenzen: 3 Fälle, die widerstehen
Erstens: Freihandpläne. KI ist immer noch wehrlos gegenüber einer Bleistiftskizze auf Transparentpapier, wo jede Linie eine variable Dicke hat und keine Symbolkonvention beachtet wird. Typische mAP bei Skizzen: 30-40%. Kein kommerzielles Tool liefert hier verlässliche Ergebnisse.
Zweitens: historische Pläne (vor 1950). Alte grafische Konventionen (Wände als Doppellinien ohne Schraffur, Fenster als X-Kreuz, Treppen in Ansicht statt im Plan), vergilbtes Papier, schlechte Scans. Typische mAP: 50-65%. Erfordert noch systematischen menschlichen Eingriff.
Drittens: hochspezialisierte Pläne. Krankenhäuser, Datacenter, Fabriken mit ihren Technikkanälen, Racks und spezifischen Sicherheitszonen sind in Standard-Datasets nicht abgedeckt. mAP: 60-75% mit gelegentlich völlig ignorierten Objekten (das Modell erkennt keine USV oder Rückflussverhinderer). Aktuelles Workaround: Fine-Tuning auf einem Kunden-Dataset von 200-500 repräsentativen Plänen, Kosten 5.000-15.000 €.
Das Ökosystem: wer 2026 führt
Drei Gruppen teilen sich den Markt. Vertikale Pure-Player (FloorScan in Europa, Studio 360 Floors in den USA, Floored in Japan) haben den Vorteil eines auf ihre Nische trainierten Modells und eines integrierten Workflows (PDF → DXF/Excel/BIM). Mobile-Capture-Akteure (CubiCasa von Roper übernommen, Magicplan, Polycam) sitzen am Rand einer breiteren Kette, aber mit flacherer AEC-Integration. Schließlich haben die großen traditionellen CAD-Anbieter (Autodesk mit FormIt, Bentley mit OpenBuildings) 2025-2026 begonnen, KI-Module in ihre Suiten zu integrieren — typisch eine „PDF to Wireframe"-Funktion in der neuen Revit-Oberfläche. Die Qualität bleibt unter den Pure-Playern, aber die Adoptionskosten tendieren gegen null für Suite-Bestandskunden.
Wichtige erwartete Entwicklung bis Ende 2026: das Auftauchen offener Foundation-Modelle (CLIP- oder SAM-Äquivalent für Architekturpläne), die das vertikale Fine-Tuning demokratisieren und Ingenieurbüros erlauben, spezialisierte Modelle ohne interne Data Science zu erzeugen.
Praktische Empfehlungen für 2026-2027
Vier konkrete Ratschläge für Ingenieurbüros und Bauunternehmen, die 2026 eine KI-Investition erwägen. Erstens: nicht auf das „100% perfekte" warten, das nicht kommen wird — der aktuelle Stand ist bereits für über 80% des Tagesgeschäfts rentabel. Zweitens: Qualität des DXF/Excel-Exports vor mAP des Modells priorisieren. Ein 90%-mAP mit sauberen Ebenen schlägt einen 96%-mAP auf unbrauchbarer Datei. Drittens: schon beim Kauf ein internes Prüfprotokoll integrieren — Team auf tool-spezifische Fehlermuster schulen. Viertens: zwei Tools 1 Monat parallel an 10 realen Plänen testen vor der Kaufentscheidung. Marketing-Benchmarks spiegeln nie Ihren Einzelfall wider (Planungskonventionen, erhaltene PDF-Qualität).
Die Industrialisierung von Plan-KI ist 2026 keine technische Frage mehr — es ist eine Frage interner Organisation, Prozedur und Exportqualität.
KI für Architekturpläne hat das Gebiet der technologischen Neugier verlassen, um in das ernsthafter industrieller Werkzeuge einzutreten. 92-96% mAP bei Standardplänen machen sie zu einer im Alltag nutzbaren Technologie in der großen Mehrheit der Ingenieurbüros. Resistenzzonen (Freihandpläne, historische Pläne, hyperspezialisierte Pläne) bleiben wahrscheinlich noch 2-3 Jahre menschlich. Die echte Trennlinie 2026 verläuft nicht mehr zwischen „denen mit KI" und „denen ohne" — sondern zwischen denen, die ein rigoroses Validierungsprotokoll um die KI geschrieben haben, und denen, die einem Tool blind vertrauen. Erstere sparen real 60-80% der Zeit. Letztere entdecken das versteckte technische Risiko der Black Box wieder.