Ausflug ins Integrationsgebirge – Über die Herausforderungen der KI-Adoption und wie die Expedition trotzdem gelingt.

Ein Gastbeitrag von Philipp Eichstädt, se·g architekten, Berlin

Seit 2023 beschäftigen wir uns in unserem Büro neben dem Projektalltag mit einer Frage, die wir bis heute nicht zufriedenstellend beantwortet bekommen: Wie lässt sich Künstliche Intelligenz produktiv in Planung und Architektur einsetzen? Ein Thema, das zu wachsen scheint, je mehr man sich damit beschäftigt.

Der Weg aufs Plateau

Zunächst hatten wir damit angefangen, KI konzeptionell zu begreifen und potenzielle Anwendungsfelder zu beschreiben. Die Systeme waren damals schon auf den ersten Blick für einen ernstzunehmenden Einsatz nicht zu gebrauchen.

2024 haben wir uns dann in verschiedenen Versuchsaufbauten grundsätzliche Funktionsweisen von KI angeeignet, haben getestet, experimentiert und uns angewöhnt, Schwächen zu erkennen und Risiken zu minimieren.

Im vergangenen Jahr schließlich ist KI im Alltag angekommen. 2025 haben wir die großen Sprachmodelle dabei begleitet, wie diese mit beeindruckenden Entwicklungsschritten ihr Einsatzpotenzial immer weiter ausbauen konnten.

2026 ist die Technik nun so etabliert und ausgereift, dass es Zeit wird, sich wieder einer alten Frage zuzuwenden: Wie gelingt die produktive Integration in den Arbeitsalltag?

Im Integrationsgebirge

Wir besitzen mittlerweile ausreichend Erfahrungspunkte, um zu wissen, dass KI sich nicht organisch in unsere analogen Arbeitsprozesse integrieren lässt. KI als Werbeversprechen der Marketing-Abteilung? Kein Thema. KI als neuestes Alleinstellungsmerkmal einer kleinen Elite irgendwo zwischen den IT- und BIM-Aficionados? Selbstverständlich.

Aber in der Mitte? Dort, wo der Schwerpunkt der Wertschöpfung im Büro- und Projektalltag liegt? Mehrheitlich Fehlanzeige. Ohne Transformation wird es in diesen Bereichen keine produktive Kollaboration mit KI geben. Die Geschäftsführung ist in der Pflicht, einen KI-Fahrplan aufzustellen, Arbeitsprozesse zu hinterfragen und ein angemessenes Change-Management aufzusetzen.

Diesen Umstand hat bereits im letzten Jahr eine Studie des MIT beleuchtet: Inmitten des allgemeinen KI-Rauschens war im August 2025 eine Studie des Massachusetts Institute of Technology (MIT) erschienen, die unsere eigenen Annahmen und Erkenntnisse mit wissenschaftlichen Mitteln bestätigt hat.

Die dem MIT zugehörige Forschungsinitiative NANDA hat im Rahmen der Untersuchung „The GenAI Divide – State of AI in Business 2025″ die Einführung von generativer KI in der Geschäftswelt betrachtet. Im Ergebnis gelingt es trotz erheblicher Anstrengungen nur einem Bruchteil der befragten Firmen, die Technologie über Pilotphasen hinaus produktiv einzusetzen.

Warum den meisten der Sprung in die Praxis misslingt

Unsere Empfehlungen zu dem Thema sind bis heute noch vergleichsweise offen formuliert: Prompt Engineering, also die Suche nach dem perfekten Prompt, wird der Herausforderung nicht gerecht. Stattdessen sollte KI als Sprache verstanden werden, die sich nur durch Anwendung und Praxis erlernen lässt – dialogisch prompten und im direkten Austausch mit der KI als virtuellem Assistenten den Lösungsweg gemeinsam erörtern.

Diese allgemeine Betrachtung wird im Januar 2026 in einem Beitrag von Nate B. Jones auf Youtube präzisiert und systematisiert. Jones, ein unabhängiger Analyst und Berater für KI-Adoption in Unternehmen, hat unsere Erfahrungen um eine Reihe konkreter Handlungsempfehlungen erweitert. Seine zentrale These: Für eine produktive Anwendung von KI steht nicht das bestmögliche Verständnis der Software und ihrer Funktionen im Zentrum, sondern in erster Linie die Fähigkeit zum Managen und Delegieren von Aufgabenstellungen.

Jones argumentiert, dass KI-Schulungen derzeit in zwei Extreme gespalten sind, wodurch der wertvollste Bereich in der Mitte unbeachtet bleibt. Auf der einen Seite stehen technische Exzellenz-Schulungen für Spezialisten, oftmals für Personen, die ohnehin schon ein ausgeprägtes Verständnis für Algorithmen und Digitalisierung mitbringen. Auf der anderen Seite die übergeordnet motivationalen Einführungen für Erstanwender:innen. Die kritische Lücke liegt genau dazwischen: in der Management- und Leitungsebene, in deren Zuständigkeitsbereichen mithilfe von KI die größten Effizienzgewinne realisiert werden könnten.

Die strategische Erkenntnis: Das Scheitern von KI ist kein Problem der Technologie-Adoption, sondern ein Mangel geeigneter organisatorischer Fähigkeiten. Erfolg mit KI erfordert kein „Prompt Engineering“, sondern Management-Fähigkeiten. Wer delegieren kann und gelernt hat, Aufgaben in nachvollziehbare Teilschritte herunterzubrechen, sollte auch mit einer KI als Assistenzsystem schnell brauchbare Ergebnisse erzielen.

Sechs Ansätze für KI-Kompetenz

Jones identifiziert sechs spezifische Fähigkeiten, die erfolgreiche KI-Anwender:innen von denjenigen unterscheiden, die die Tools nach kurzer Zeit wieder weglegen.

1. Kontext-Zusammenstellung (Context Assembly)

Es geht darum, genau zu wissen, welche Hintergrundinformationen, Strukturvorgaben und Beispiele die KI benötigt, um qualitativ hochwertige Ausgaben zu generieren.

Für Architektinnen und Architekten bedeutet dies: Projektspezifisches Wissen, Bauherrenwünsche, normative Vorgaben und Planungskontext müssen systematisch aufbereitet und bereitgestellt werden. Die Projektarbeit erfordert spezifische Kontextinformationen, die im Internet oder den allgemeinen Trainingsdaten der Sprachmodelle nicht enthalten sind.

2. Qualitätssicherung (Quality Judgment)

Erfolgreiche Anwender:innen entwickeln ein Gespür dafür, wann ein KI-generiertes Ergebnis vertrauenswürdig ist. Aufgrund von Erfahrungswerten können sie erkennen, welche Teile eines Dokuments möglicherweise ungenau oder sogar halluziniert sind.

Eine alltagstaugliche Bewertung erfolgt insbesondere auf Grundlage einer Einordnung des bearbeiteten Informationsgehalts. Je nachdem, ob es sich um eine begleitende Recherche auf Grundlage frei verfügbarer Informationen handelt oder um die Herstellung von Inhalten, die tragender Bestandteil einer vertraglich geschuldeten Leistung darstellen, sind unterschiedliche Maßstäbe anzusetzen. Gleiches gilt für die Frage, ob sensible, urheberrechtlich geschützte oder personenbezogene Daten zu verarbeiten sind.

3. Aufgabenzerlegung (Task Decomposition)

Selbst eine für unsere Maßstäbe einfache Aufgabenstellung muss in der Regel in KI-gerechte „Häppchen“ zerlegt werden. Anstatt die KI aufzufordern, „den ganzen Bericht“ oder „einen kompletten Entwurf“ zu erstellen, sollten Sie komplexe Anforderungen in kleinere, handhabbare Teilaufgaben gliedern. Bei sorgfältiger Betrachtung entspricht dies klassischen Projektmanagement-Fähigkeiten: Meilensteine definieren, Arbeitsschritte strukturieren, Teilaufgaben formulieren.

Wie würde ich die Aufgabe einem Praktikanten erläutern, der den Projektkontext noch nicht kennt und dem unsere Arbeitsabläufe noch nicht geläufig sind? Wer sich in der Lage sieht, seine Anforderungen an die KI auf dieser Ebene zu kommunizieren, hat eines der wichtigsten Geheimnisse schon gelüftet.

4. Iterative Verfeinerung

Betrachten Sie den ersten Output der KI wie einen Ausgangspunkt – wie eine erste Skizze zur Abstimmung der übergeordneten Struktur und Kernaussage. Dieser muss durch Zuarbeiten und Ergänzungen von 70 % auf 95 % gebracht werden.

Der Ansatz erfordert, wie auch im ansonsten üblichen Arbeitsprozess, einiges an Vorbereitung, Kommunikation und Geduld. Auch im Umgang mit der KI helfen systematisches Feedback und die Bereitschaft, in mehreren Schleifen zu arbeiten. Wer erwartet, dass die KI beim ersten Versuch ein perfektes Ergebnis liefert, wird zwangsläufig enttäuscht.

5. Workflow-Integration

Üben Sie KI dort, wo Ihnen KI bei der Arbeit helfen soll. KI muss von einer Nebenaktivität zum allzeit präsenten Assistenzsystem in Ihrem Arbeitsalltag werden.

Schreiben Sie sich keine Notiz, wenn Ihnen gerade eine Aufgabe durch den Kopf gegangen ist, die Sie übermorgen vielleicht mal mit der KI ausprobieren könnten.

Formulieren Sie die Aufgabe unmittelbar in Ihrem Chatbot. Starten Sie den Bearbeitungsprozess in der Minute, in der Sie den Gedanken frisch im Kopf haben.

Die unmittelbare Umsetzung erfordert eine gewisse organisatorische Verankerung und die Bereitschaft, bestehende Prozesse anzupassen. Der Ansatz hat sich jedoch bei uns bewährt und ist schnell zu einer neuen Gewohnheit geworden.

6. Erkennung der Leistungsgrenzen (Frontier Recognition)

Nate B. Jones spricht – in Anlehnung an eine bekannte Harvard-Studie (Dell’Acqua et al., 2023) – von einer „Jagged Frontier“, einer ausgefransten Grenze. KI-Kompetenz bedeutet zu verstehen, wo die KI brauchbar ist und wo ihre Leistungsfähigkeit rapide abfällt. In der Architektur ist KI beispielsweise hervorragend bei der Recherche von Normen, der Zusammenfassung von Dokumenten oder der Erstellung von Varianten zu gebrauchen. Bei der Beurteilung räumlicher Proportionen oder kreativen Konzeptentscheidungen hingegen kommt man schnell in schwammiges Terrain.

Regelmäßiges Testen und Mut zum Scheitern sind der einzige Weg, diese Grenze in Erfahrung zu bringen. Teilen Sie Ihre Erfahrungen im Team, um die für Ihr Büro und Ihre Leistungsanforderungen relevante Grenze zu definieren.

Zwei Modelle für den Arbeitsalltag

Ergänzend zu diesen sechs Kompetenzbereichen lassen sich übergeordnet zwei unterschiedliche Anwendungsmodelle beschreiben. Jones bezeichnet diese als Zentauren und Cyborgs. Mit Blick auf Planungsbüros lassen sie sich wie folgt beschreiben:

a) Mensch moderiert Maschine (Zentaur)

Klare Grenzen zwischen menschlicher und KI-Arbeit. Der Mensch übernimmt Strategie und Rahmensetzung, die KI generiert Optionen. Es gibt definierte „Checkpoints“ für die menschliche Verifizierung.

Dieses Modell eignet sich nach unserer Erfahrung für Planung und Entwurfsarbeit. Es geht darum, im Rahmen eines spezifischen Kontexts maßgeschneiderte Lösungen zu erstellen. Menschliche Überprüfung und Moderation stehen im Fokus.

b) Automatisierte Abläufe (Cyborg)

Der Mensch überantwortet der Maschine eigene Verantwortungsbereiche, in denen die KI weitgehend autonom agiert. Dieser Bereich beginnt mit dem Erstellen von aufgabenspezifischen KI-Agenten (auch Custom GPTs genannt), projektbezogenen Wissensdatenbanken und automatisierten Arbeitsabläufen.

Dieses Modell eignet sich für alle wiederkehrenden Prozesse, die nach unserer Erfahrung weniger auf der Projekt- als auf der organisatorischen Ebene des Büroalltags zu finden sind – überall dort, wo gleichförmige, wiederkehrende Abläufe gefordert sind.

Eine Expedition ohne klar kartiertes Ziel

Das Dilemma: Die oben beschriebenen Kompetenzbereiche lassen sich nur erlernen, wenn man sich die Grundlagen im Umgang mit Künstlicher Intelligenz angeeignet hat und die Technologie im Arbeitsalltag regelmäßig praktisch anwendet.

Unser Eindruck ist, dass vielen schlichtweg während der Arbeit der notwendige Raum fehlt, um sich parallel noch um die Einbindung von Künstlicher Intelligenz zu kümmern.

Wie sollte man z. B. systematisch die Leistungsgrenzen von KI im eigenen Arbeitsumfeld erkunden, wenn man noch nicht einmal Zeit für die ersten Gehversuche gefunden hat? Wie sollte man über einen längeren Zeitraum Erfahrungen sammeln, wenn sich mangels Übung einfach keine verwertbaren Ergebnisse oder gar Erfolge einstellen wollen?

Unser Zwischenfazit

In Ermangelung erprobter Lehrpläne oder geeigneter Fachbücher können wir Sie nur ermuntern, sich mit auf die Reise in ein noch unbekanntes Land zu machen:

Teil 1 – Erwartungshaltung: Glauben Sie nicht, dass KI Ihnen das Denken abnimmt.

KI ist ein Werkzeug, das Ihnen dabei hilft, Informationen schneller zu aggregieren. Ohne eine zielgerichtete Vorgabe von Struktur und Kontext werden aber alle Mühen vergeblich sein. Der Erfolg von KI-Integration hängt von Ihrer Fähigkeit ab, Aufgaben zu strukturieren, Qualität zu beurteilen und Arbeitsabläufe so zu transformieren, dass sich KI produktiv integrieren lässt.

Für Planungsbüros bedeutet dies: Investieren Sie nicht in Tools, sondern entwickeln Sie Ihre Kompetenzen.

Teil 2 – Es ist wie Fahrradfahren: Die sinnvolle Anwendung von KI ist in vielen Bereichen ein undurchdringliches, abstraktes Mysterium. Bis unser Kopf das Gleichgewicht gefunden hat, sich die erforderlichen neuronalen Verbindungen gebildet haben und wir uns nicht mehr erinnern können, dass es mal Verständigungsschwierigkeiten mit der neuen Technologie gegeben hat.

Grundsätzlich gilt: Wie auch bei allen anderen Neuerungen werden die jüngeren Semester durchweg schneller Zugang zur neuen Technik finden als die älteren.

Teil 3 – Sechs Grundkompetenzen: Die notwendigen Kompetenzen sind aufgabenspezifisch. Das Kompetenzprofil eines Architekturbüros wird anders sein als das eines Brandschutzplaners. Projektsteuerung wird andere Leistungsprodukte im Fokus haben als ein Büro für Tragwerksplanung.

Die Profilierung kann nur aus Erfahrungswissen und dem fundierten Verständnis der tatsächlichen Leistungserbringung generiert werden. Es ist dieser Umstand, warum sich „KI-Können“ nicht an BIM-Koordinator:innen oder junge Absolvent:innen delegieren lässt. Es muss dort entwickelt werden, wo die Kompetenzen angesiedelt sind und die Wertschöpfung in unseren Büros stattfindet.

Ausblick – Wissen managen

Erfolgreich wird die Integration von Künstlicher Intelligenz dort verlaufen, wo wir einen neuen Umgang mit projektspezifischem Wissen finden und endlich anfangen, unsere Planungsdaten adäquat und maschinenlesbar abzulegen.

Im Kern von Planungsarbeit steckt die Befähigung, Wissen zu aktivieren und an die Erfordernisse des jeweiligen Projekts maßgeschneidert anzupassen. Dieses Kunststück gelingt aktuell nur durch das koordinierte und arbeitsteilige Zusammenwirken einer Gruppe von entsprechend qualifizierten Expertinnen und Experten.

Ohne ein klares Verständnis davon, wie Planungsprozesse als zwischenmenschliches Teamwork konstruiert sind, wird hier nicht viel zu gewinnen sein. KI wird nicht autark, ohne unser Zutun Planung generieren. Künstliche Intelligenz wird uns aber ermöglichen, Teile dieses Prozesses zu digitalisieren – und damit folgende Fragen aufwerfen:

• KI ist die Aktivierung von Wissen in einem Computer, außerhalb unserer Köpfe. Wie passen sich Teamstruktur und Rollenverteilung an?
• KI besitzt schon heute mehr fachliche Expertise als ein konventionelles, physisches Planungsteam. Wie steuern wir Fachwissen morgen im Planungsprozess?
• KI entkoppelt die Herstellung von Planungsbeiträgen und Projektwissen von dessen Validierung. Was tun wir, wenn die KI alles weiß?

Die Herstellung und Handhabung von kuratiertem Projektwissen wird unseres Erachtens zur Kernkompetenz – doch wie genau dieses Management von Wissen organisiert werden muss, können auch wir noch nicht mit Sicherheit sagen.

Was wir in den vergangenen drei Jahren gelernt haben: Die Transformation verläuft nicht linear, und die Lösung liegt nicht in perfekten Prompts oder ausgefeilten Tools. Sie liegt im geduldigen Aufbau jener sechs Kompetenzen, die sich nur durch praktisches Tun entwickeln lassen.

Über den Autor

Philipp Eichstädt, Jahrgang 1971, ist als selbständiger Architekt in Berlin tätig und leitet mit seinem Büro se·g architekten schwerpunktmäßig große Generalplanungsprojekte der öffentlichen Hand.

Die Erarbeitung von umfänglichen und komplexen Planwerken führt immer schon zu punktuellen und aufgabenspezifischen Programmierungen – und bildet somit die Grundlage für die Suche nach allgemeingültigen und wiederverwendbaren Lösungen. Das Erscheinen von ChatGPT hat in diesem Kontext 2023 den notwendigen Impuls gegeben, mal abseits der etablierten Anbieter von Planungssoftware nach neuen Ideen und Lösungen zu suchen.

« Zurück zum Webinar-Kalender

Wichtige Hinweise: Die Vollständigkeit und Richtigkeit der hier aufgeführten Daten können wir leider nicht garantieren. Bitte überprüfen Sie alle Angaben immer auf den Seiten der jeweiligen Anbieter. Und: „Internet für Architekten“ ist NICHT der Veranstalter der hier genannten Webinare. Wir weisen hier lediglich auf diese Veranstaltungen hin.

Zur Startseite »