Im Neubau ist Building Information Modeling (BIM) etabliert. Im Bestand großer Industrie- und Kraftwerksanlagen bleibt es weitgehend Forschungsthema. Der Grund liegt nicht in der Methode, sondern in ihrer Werkzeugkette: Die Überführung von 3D-Scans in CAD-Modelle ist Handarbeit und bestimmt Kosten, Dauer und Detailtiefe. KI löst diesen Engpass, indem sie Punktwolken direkt in referenzierbare Objekte überführt. Der Beitrag zeigt, welche Prinzipien von BIM dabei erhalten bleiben, welche entfallen und wo CAD unverzichtbar bleibt.
Bildquelle: George, C.; Berthold, C.; Bach, M.; Hörmann, S.: 3D-Laserscanning und KI mit automatischer Mengen- und Massenermittlung als skalierbare Alternative zu BIM und Digital Twin. KONTEC 2025, RWE Nuclear GmbH und aurivus GmbH
Abb. 1: Eine Doppelblockanlage im Luftbild und als vollständig erfasste 3D-Punktwolke.
Bildquelle: George, C.; Berthold, C.; Bach, M.; Hörmann, S.: 3D-Laserscanning und KI mit automatischer Mengen- und Massenermittlung als skalierbare Alternative zu BIM und Digital Twin. KONTEC 2025, RWE Nuclear GmbH und aurivus GmbH
Abb. 2: Aus der Punktwolke (links) wird über ein neuronales Netz eine Objektdatenbank (rechts). Die Einfärbung zeigt die erkannte Objektklasse.
Warum ist BIM im Bestand schwieriger als im Neubau?
Ein Bauwerk, das noch nicht existiert, wird im Modell geplant. Ein Bauwerk, das seit Jahrzehnten steht, muss im Modell nachgebildet werden. Diese Umkehrung erklärt, warum BIM im Bestand ein anderes Problem ist als im Neubau.
Hinzu kommt die unsichere Datenherkunft. Schalungspläne und Revisionsunterlagen beschreiben den Sollzustand zur Errichtung, nicht den Istzustand nach Jahrzehnten von Umbauten, Nachrüstungen und Provisorien. Ein daraus abgeleitetes Modell ist streng genommen kein As-built-Modell, sondern ein digitalisierter Planstand. Bei Anlagen mit mehreren Kilometern Rohrleitung fällt dieser Unterschied betrieblich ins Gewicht.
Warum ist Scan-to-BIM der Engpass bei Bestandsanlagen?
Die Fachliteratur benennt die Ursache durchgängig: die Überführung von 2D-Plänen oder 3D-Scans in CAD-Modelle. Sie ist personalintensiv und ihr Aufwand wächst mit der erfassten Fläche.
Deshalb spielt der Level of Detail (LoD) in den Studien eine zentrale Rolle. Der Detailgrad ist die einzige verfügbare Stellschraube für eine schnellere Umsetzung. Praktisch heißt das: Man modelliert die großen Leitungen und lässt die kleinen weg. Damit wird vorab entschieden, welche Fragen das Modell später nicht mehr beantworten kann.
Schwerer wiegt der zweite Effekt. Wenn jede Aktualisierung denselben Aufwand erfordert wie die Ersterstellung, altert das Modell ab dem Tag der Übergabe. Für Steuerung, Fortschrittsmonitoring und Verlaufsverfolgung ist es damit nicht mehr brauchbar.
BIM-Pilotprojekte ohne skalierbaren Rollout
Über gelungene BIM-Pilotprojekte im Bestand wird regelmäßig berichtet. Sie gelten als bedeutende Erfolge, obwohl die Übertragung auf eine vollständige Anlage in der Regel ausbleibt.
Eine koreanische Fallstudie zur Mengenermittlung per Scan-to-BIM beschränkt sich auf eines der kleineren Gebäude einer Anlage, Angaben zu Zeit und Kosten fehlen. Ein Proof of Concept an einem deutschen Kernkraftwerk modellierte 2020 einen kleinen Abschnitt und stellte den Nutzen überzeugend dar. Die Ausweitung auf die Gesamtanlage wurde mit Kosten im hohen einstelligen Millionenbereich beziffert und erfolgte nicht.
Das Muster ist aufschlussreicher als das Einzelbeispiel: Ein Pilotprojekt beweist den Nutzen; die Skalierbarkeit prüft es jedoch nicht. Erschwerend kommt hinzu, dass personalintensive Modellierung häufig ins Ausland vergeben wird. Für Betreiber kritischer Infrastruktur ist das aus Gründen der Informationssicherheit oft keine Option.
Wie wertet KI Punktwolken von Großanlagen aus?
3D-Laserscanning selbst ist etablierte Praxis und nicht der innovative Teil. Eine kerntechnische Doppelblockanlage lässt sich mit einer Person in rund 12 Wochen zu über 90 Prozent erfassen, bei einer Auflösung von etwa 5 Millimetern.
Neu ist die Auswertung. Ein mehrstufiges neuronales Netz segmentiert die Punktwolke, klassifiziert Objekte und ermittelt typspezifische Parameter wie Durchmesser, Länge, Fläche und Gewicht. In einer gemeinsam mit einem Anlagenbetreiber veröffentlichten Auswertung wurden rund 18 Milliarden Einzelpunkte in mehr als 200.000 Objekte überführt.
Bildquelle: George, C.; Berthold, C.; Bach, M.; Hörmann, S.: 3D-Laserscanning und KI mit automatischer Mengen- und Massenermittlung als skalierbare Alternative zu BIM und Digital Twin. KONTEC 2025, RWE Nuclear GmbH und aurivus GmbH
Abb. 3: Dieselbe Ansicht mit und ohne Anlagentechnik. Die Bauflächen sind als Objekte erfasst und in referenzierbare Kacheln geteilt.
Die eigentliche Schlüsselfähigkeit ist der Domänentransfer. Öffentlich verfügbare 3D-Datensätze bilden Außenszenen aus dem autonomen Fahren oder Wohnräume ab, für Industrieanlagen existieren praktisch keine Trainingsdaten. Ob sich ein Netz mit begrenzten Daten und begrenzten Rechenressourcen auf eine neue Umgebung anpassen lässt, entscheidet über die Einsetzbarkeit. Damit entfällt zugleich der zentrale Kompromiss von Scan-to-BIM: Der Level of Detail wird gegenstandslos, weil das Netz den vollständigen Scan verarbeitet.
Belastbare Mengen- und Massenermittlung mit KI
In der Veröffentlichung der RWE (KONTEC 2025) lag die Abweichung zwischen bisheriger Schätzmethode und Ist-Aufnahme in 2 von 7 untersuchten Bereichen bei bis zu Faktor 30. Entscheidend ist dabei weniger der Mittelwert als die Streuung: Die KI-gestützte Auswertung zeigte keine Ausreißer, und genau das macht sie für die Kalkulation verwendbar. Die Hochrechnung auf die Gesamtanlage ergab bis zu 189 eingesparte Personenjahre Aufenthaltszeit in Bereichen mit Zugangsbeschränkung sowie eine erwartete Verkürzung der Projektlaufzeit um mindestens 10 Prozent.
Welche Anwendungen ermöglicht eine aktualisierbare 3D-Datenbasis?
Ein mittelgroßer Raumbereich lässt sich in unter einer Stunde erneut erfassen. Daraus entstehen Anwendungsfälle, die bei selektiver Modellierung nicht darstellbar sind:
- Fortschrittsverfolgung in Burndown-Diagrammen, die vom vollen Arbeitsvolumen herunterzählen und deshalb eine vollständige Mengenermittlung voraussetzen
- Rücksprung auf frühere Zustände, etwa zum Nachweis gegenüber Prüfinstanzen
- Ausblenden der Anlagentechnik, um darunterliegende Bauflächen vor der Demontage zu beurteilen
- Virtuelle Begehung statt physischer, überall dort, wo der Zugang aufwendig ist
Dieselbe Messdatenbasis trägt zudem Augmented Reality im Feld, weil sie die dafür nötige Genauigkeit unterhalb eines Zentimeters mitbringt.
Ebenso wichtig ist die Zugangsschwelle. Der viel zitierte BIM-Gedanke der gewerkeübergreifenden Zusammenarbeit scheitert im Bestand selten an der Methodik, sondern daran, dass vom Modell ausgeschlossen bleibt, wer keine Konstruktionssoftware bedient. Eine Browseranwendung mit interaktiven Objekten senkt diese Schwelle auf null.
Wann bleibt CAD trotz KI und 3D-Laserscanning unverzichtbar?
Ein Bauwerk, das noch nicht existiert, lässt sich nicht scannen. Für Planung, Auslegung und Konstruktion gibt es keine Alternative zu CAD. Ein CAD-Modell trägt die Absicht des Konstrukteurs, also Abhängigkeiten, Regeln und Änderungslogik. Eine aus Messdaten abgeleitete Objektdatenbank trägt den Zustand. Verdeckte Bauteile, Bewehrung oder Innenaufbauten von Komponenten erfasst kein optisches Verfahren. Und wo Prüfprozesse auf CAD-Formaten aufsetzen, ist ein Modell in diesem Format die pragmatische Wahl.
Fazit: Arbeitsteilung zwischen CAD und KI
Die produktive Konsequenz ist keine Entweder-oder-Entscheidung. CAD-Modelle lassen sich importieren und gegen den Istzustand abgleichen, womit die Planung sichtbar mit der Realität konfrontiert wird. Nicht der BIM-Gedanke ist im Bestand das Problem, sondern die CAD-Pflicht bei seiner Umsetzung.
Häufige Fragen zu BIM im Bestand und KI-gestützter 3D-Datenauswertung
Warum ist BIM im Bestand schwieriger als im Neubau?
Bei Bestandsanlagen muss der vorhandene Istzustand zunächst digital erfasst und in nutzbare Modelle überführt werden. Bestehende Pläne bilden häufig nur den früheren Sollzustand ab. Umbauten, Nachrüstungen und Provisorien können deshalb dazu führen, dass Planunterlagen und reale Anlage voneinander abweichen.
Warum gilt Scan-to-BIM als Engpass bei großen Bestandsanlagen?
Scan-to-BIM überführt 3D-Scans beziehungsweise Punktwolken in CAD- oder BIM-Modelle. Die Modellierung erfolgt bislang überwiegend manuell und ist entsprechend personalintensiv. Wird der Detailgrad reduziert, sinkt zwar der Aufwand, zugleich lassen sich mit dem Modell später bestimmte Fragen nicht mehr beantworten.
Wie wertet KI die Punktwolke einer Industrieanlage aus?
Ein neuronales Netz segmentiert die Punktwolke, ordnet erkannten Objekten Klassen zu und ermittelt objektspezifische Parameter wie Durchmesser, Länge, Fläche oder Gewicht. Das Ergebnis ist eine referenzierbare Objektdatenbank, die den erfassten Istzustand der sichtbaren Anlage abbildet.
Welche Anwendungen ermöglicht eine aktualisierbare 3D-Datenbasis?
Eine aktualisierbare 3D-Datenbasis unterstützt die Fortschrittsverfolgung, den Abruf früherer Zustände und virtuelle Begehungen. Anlagentechnik kann zudem ausgeblendet werden, um darunterliegende Bauflächen zu beurteilen. Voraussetzung ist, dass die erfassten Objekte und Zustände eindeutig referenzierbar bleiben.
Wann bleibt CAD trotz KI und 3D-Laserscanning unverzichtbar?
CAD bleibt für Planung, Auslegung und Konstruktion unverzichtbar, weil ein noch nicht vorhandenes Bauwerk nicht gescannt werden kann. Außerdem erfassen optische Verfahren keine verdeckten Bauteile, Bewehrungen oder Innenaufbauten. CAD bildet darüber hinaus Konstruktionsregeln, Abhängigkeiten und beabsichtigte Änderungen ab.
Über den Autor:
Dr. Stefan Hörmann
CEO, aurivus GmbH
Dr. Stefan Hörmann ist Gründer und Machine-Learning-Wissenschaftler bei der aurivus GmbH in Ulm. Er entwickelt KI, die 3D-Laserscans von Industrieanlagen in ein fortlaufend aktualisiertes digitales Abbild überführt. Promoviert hat er über KI und 3D-Scanning mit Fokus auf Fußgängerprädiktion im Straßenverkehr, zuvor arbeitete er bei Daimler am autonomen Fahren. Seit 16 Jahren befasst er sich mit 3D-Objekterkennung in der Robotik, seit über 10 Jahren mit neuronalen Netzen. Sein Bezug zur Kerntechnik stammt aus dem Elektrotechnikstudium und Einsätzen bei Revisionen deutscher Kernkraftwerke.
Für dich empfohlen
Quellen
George, C.; Berthold, C.; Bach, M.; Hörmann, S.: 3D-Laserscanning und KI mit automatischer Mengen- und Massenermittlung als skalierbare Alternative zu BIM und Digital Twin. KONTEC 2025. Quelle aller Kennwerte und aller Abbildungen.
Mehr anzeigen
Volk, R.; Stengel, J.; Schultmann, F.: Building Information Modeling (BIM) for existing buildings. Literature review and future needs. Automation in Construction 38 (2014), S. 109 bis 127.
Mohan, N. et al.: An investigation into the impact of the Scan-to-BIM method on the design and construction of technical building services. 33. Forum Bauinformatik (2022), S. 386 bis 393.
Shin, J.; Song, J.: Dismantling Quantity Estimation for Nuclear Power Plant. Scan-to-BIM versus Conventional Method. KSCE Journal of Civil Engineering 28 (2024).
Karb, M.; Semmler, H.-P.; Bossart, C.: Kernkraftwerke: BIM unterstützt Rückbau. Drees und Sommer, 13.10.2020.