Methodenpool| Technologie-Reifegrad | TRL 9 |
| Anwendungsfeld | Städtisches Klima und Klimawandelanpassung |
| Komplexität | |
| Wirkung | |
| Umsetzungsschwierigkeit |
Künstliche Intelligenz (KI) und generatives Design unterstützen Architekten, Stadtplaner und Immobilienentwickler dabei, schneller fundierte Designentscheidungen zu treffen und von Anfang an bessere Möglichkeiten für Nachhaltigkeit und Rechtskonformität zu schaffen. KI basierte parametrische Designplattformen ermöglichen Nutzern die schnelle Generierung, Optimierung und Iteration von Entwurfsalternativen unter Berücksichtigung von Entscheidungskriterien wie Gelände, Karten, Wind, Beleuchtung, Verkehr, Zoneneinteilung usw. Die Plattformen sind meist cloudbasiert. Der Kostenaufwand eher hoch. Die Anwendung erfordert Expertenwissen und regelmäßige Nutzung. Alternativ ist auch der Einsatz über externe Dienstleister (Consulting) möglich.
- Anwendung & Kontext
- Technologie
- Rechtlicher Rahmen
- Implementierung & Lessons Learned
- Anbieter & Kontakt
Praktischer Nutzen der KI-Technologie
KI-gestützte Bewertung unterschiedlicher Designvarianten im Hinblick auf verschiedene Parameter, sowie in Bezug auf städtebauliche, ökologische und regulatorische Auswirkungen in frühen Planungs- und Entwicklungsphasen. Weiterentwicklung von Spacemaker mit besserer Integration von anderen AEC-Tools wie z.B. Revit, Dynamo und Rhino.
Anwender
Stadtplanung, Stadtverwaltung, Architekten, Immobilienentwickler
Gebiet
Österreich, EU, Nicht-EU
KI-Technologie
Digitaler Zwilling & simulationsgestützte KI
Datenkomplexität
Mittel
Energieverbrauch & Kosten Projektlaufzeit
Hoch
Rechtlicher Rahmen / Data Governance
EU-DSVGO, KI-VO, DSM-Urheberrechtsrichtlinie
Übertragbarkeit
Gegeben
Implementierungsstrategie
Organisatorisch ist die Anwendung typischerweise als Softwarelösung (z.B. Autodesk) in einer Fachabteilung der Stadtverwaltung verankert und wird von Architekt:innen sowie Planer:innen genutzt; je nach Ausgestaltung erfolgt die Umsetzung auch in Kooperation mit externen Dienstleistern, wie etwa bei Angeboten rund um infrared.city und urbanistic.de. Technologisch kommen dabei unterschiedliche Plattformen und Bausteine zum Einsatz, etwa Microsoft Copilot sowie Cloud-Infrastrukturen wie Azure oder AWS, ergänzt um Open-Source-Komponenten. In der IT-Strategie bewegt sich der Ansatz zwischen Standard-Technologielösungen und individuell adaptierten Implementierungen: Die zugrunde liegenden Algorithmen sind mittels Machine Learning trainiert, werden jedoch in der Anwendung standortspezifisch konfiguriert und anhand lokaler Daten, Rahmenbedingungen und Planungsziele auf den jeweiligen Einsatzort zugeschnitten.
Lessons Learned
Die Risiken und Herausforderungen sind insgesamt als mittel einzustufen. Für eine erfolgreiche Umsetzung sind sowohl technische Voraussetzungen (z.B. geeignete Systemlandschaft, verlässliche Daten- und Schnittstellenqualität) als auch organisatorische Voraussetzungen (klare Zuständigkeiten, Prozesse und Kompetenzen) entscheidend. Das Transferpotenzial ist sehr hoch: Der Ansatz lässt sich grundsätzlich auf andere Städte und sogar weltweit übertragen, sofern die lokalen Rahmenbedingungen und Datenquellen angebunden werden können. Eine nachhaltige Weiterentwicklung über eigene Trainingsdaten ist hingegen eher nicht zu erwarten, da die zugrunde liegenden Algorithmen nicht auf standortspezifisch erhobenen Trainingsdaten basieren. Ergänzende Informationen zum Use Case können je nach Thema aus Projektdokumentationen, Herstellerunterlagen, Fachartikeln oder kommunalen Erfahrungsberichten gewonnen werden.
Anbieter und Kontakt
Autodesk