Lokale KI · Bilder und Pläne
Multimodale Modelle lokal
Pläne, Fotos und Scans, die die KI sieht.
Ein Drittel dessen, was in einem Planungsbüro liegt, ist kein Text: Pläne, Fotos, gescannte Zeichnungen, Skizzen. Multimodale Modelle sehen das, beschreiben es und machen es auffindbar. Lokal, weil Pläne nicht in eine Cloud gehören.
- Für wen
- Büros mit Plänen, Fotos und Scans, die keine Cloud sehen dürfen
- Aufwand
- 15 Arbeitstage bis zur Spezifikation
- Förderung
- Wird für Ihr Bundesland geprüft
- Datenhaltung
- Komplett auf Ihrem Server, nichts geht nach außen
- Erster Schritt
- Dreißig Minuten Erstgespräch per Video
Kurz gesagt
Multimodale Modelle verarbeiten neben Text auch Bilder: Pläne, Baustellenfotos, gescannte Zeichnungen, Skizzen. Lokal setzen wir dafür Qwen ein, das Bilder beschreibt, Schriftfelder liest und Auffälligkeiten nennt. So wird das Fundamentdetail von 2009 auffindbar, obwohl es nur als Scan existiert. Alles läuft im eigenen Netz, weil Pläne und Fotos vom Bau zu den sensibelsten Daten gehören.
Stand: September 2026
Der Engpass
Wo multimodale Modelle aufhören
Ein Modell beschreibt einen Plan, es prüft ihn nicht statisch. Es liest ein Schriftfeld, es rechnet keine Tragfähigkeit. Bei CAD-Dateien arbeiten wir mit Metadaten und Schriftfeld, nicht mit der Geometrie. Und Bildverarbeitung braucht Speicher: Auf einer Karte mit zwanzig Nutzern ist sie ein Zusatz, keine Dauerlast.
Was Modelle leisten, die Bilder mitlesen
Sie können damit Fotos und Seitenbilder verarbeiten, ohne den Umweg über eine getrennte Texterkennung. Für Baustellenfotos, Formulare und gescannte Seiten mit Tabellen ist das oft die bessere Lösung, weil die räumliche Anordnung erhalten bleibt und mit ausgewertet wird.
Der Preis ist Speicher und Zeit: Ein Bild belegt deutlich mehr als eine Seite Text, und bei vielen gleichzeitigen Anfragen macht sich das schnell bemerkbar. Für den Massenbetrieb bleibt die klassische Texterkennung oft die wirtschaftlichere Wahl, für schwierige Vorlagen das multimodale Modell.
Wichtig ist die Erwartung: Aus einer Zeichnung Maße oder Bauteilbeziehungen abzuleiten, ist heute nicht zuverlässig. Was zuverlässig geht, ist beschreiben, zuordnen und Beschriftungen erfassen. Alles darüber hinaus lassen Sie sich an Ihren eigenen Plänen zeigen.
Ein Bild belegt deutlich mehr Speicher als eine Seite Text. Im Massenbetrieb entscheidet das.
Sechs Dinge, die multimodale Modelle im Büro sehen
Aus Projekten mit Planungsbüros und Zulieferern. Jedes Beispiel lief lokal.
01 · Was hereinkommt
- Gescannte Zeichnungen beschreiben: Schriftfeld, Maßstab, Bauteil, Stand, damit sie im Gedächtnis liegen
- Baustellenfotos zuordnen: Gewerk, Bauteil, Mangel, als Grundlage für das Protokoll
02 · Was daraus wird
- Skizzen und handschriftliche Notizen aus Besprechungen lesbar machen
- Pläne vergleichen: was hat sich zwischen zwei Ständen geändert, als Liste
03 · Was danach anders ist
- Prüfberichte und Messprotokolle mit Bildern auswerten, Werte in Tabellen überführen
- Fotos aus der Fertigung beschreiben, wenn Zulieferer Nachweise mit Bild liefern
Für wen sich das lohnt
- Bauleitung
- Sie fotografieren, das Modell beschreibt und ordnet zu, das Protokoll entsteht daraus. Nichts verlässt das Netz.
- Bestandsplanung
- Sie suchen die Zeichnung von 2009. Das Modell hat sie beschrieben, das Gedächtnis findet sie.
- Zulieferer und Fertigung
- Prüfnachweise mit Bild werden auswertbar, Werte landen in Tabellen, Fotos bleiben im Haus.
Was wir dafür entwickeln
- 1
Baustellen-Agent: Baustelle und Protokoll, Fotos vom multimodalen Modell beschrieben und zugeordnet
Baustellen-Agent im Detail - 2
Büro-Gedächtnis: Ihr KI-Gedächtnis, in dem auch Pläne und Scans auffindbar sind
Büro-Gedächtnis im Detail - 3
Projekt- und Fristen-Radar: Projektstand und Rechnungen, mit Fotos als Beleg für erbrachte Leistung
Projekt- und Fristen-Radar im Detail
So kommen Bilder und Pläne ins Gedächtnis
- Schritt 1
Daten- und Netz-Audit
Was liegt wo, wie viele Scans, welche Rechtegruppen, welcher Serverraum. Fünfzehn Arbeitstage, am Ende die Spezifikation für Server und Software.
- Schritt 2
Aufbau im getrennten Netz
Server im eigenen Netzsegment, Modell lauffähig, Anmeldung über Ihr Active Directory, erster Test mit hundert echten Dokumenten.
- Schritt 3
Einlesen, Härten, Betrieb
Bestand einlesen, Rechte vererben, Sicherheitsprüfung durch Dritte, Pilot mit einer Abteilung, dann Betrieb mit monatlichem Bericht.
◆Fachwörter auf dieser Seite
Im Detail als Fachartikel
Was Betriebe an dieser Stelle fragen
Einwand
Welches Modell sieht Bilder lokal?
Qwen 3.5 in der großen Variante, dazu spezialisierte kleine Bildmodelle für einzelne Aufgaben wie Schriftfelder. Gemessen am Testsatz mit Ihren Plänen.
Einwand
Kann die KI CAD-Dateien lesen?
Metadaten und Schriftfelder ja, die Geometrie nicht als Volltext. DWG und IFC behandeln wir als eigenen Schritt, meist über Exporte und Attribute.
Einwand
Prüft das Modell Pläne?
Nein. Es beschreibt, vergleicht und findet. Prüfen, rechnen und verantworten bleibt beim Menschen.
Einwand
Braucht das mehr Hardware?
Etwas mehr Speicher auf der Grafikkarte während der Bildverarbeitung. Wir planen das in der Spezifikation ein.
Einwand
Gibt es Fördermittel für lokale KI?
Oft ja. Ob ein Zuschuss oder ein Darlehen greift, hängt an Ihrem Bundesland, an der Betriebsgröße und am Vorhaben. Hardware zählt in der Regel mit, wenn sie Teil des Vorhabens ist. Wir prüfen das vor dem Termin und sagen Ihnen, ob sich der Antragsaufwand lohnt.
Verwandte Seiten
Bilder und Pläne durchsuchen
Multimodale Modelle lesen Pläne, Fotos und Skizzen und machen sie mit Quelle durchsuchbar
Qwen lokal
Das Allround-Modell für Deutsch, lange Dokumente und Bilder auf einer Grafikkarte
Architekturbüro
Projektakten, Bauanträge und Ausschreibungen im Haus durchsuchen, ohne dass Entwürfe in eine Cloud gehen
Sehen wir uns Ihren Bestand an.
Dreißig Minuten, per Video oder Telefon. Danach wissen Sie, ob lokale KI bei Ihnen trägt und was der erste Schritt ist.