OnsiteIQ entwickelte eine Bauanalyseplattform auf Basis von Ultralytics YOLO11. Sie führt Segmentierungsmodelle auf 360-Grad-Baustellen aus, um Baufortschritt, Sicherheitsrisiken und betriebliche Probleme in Echtzeit zu erkennen und so Projektverzögerungen um 20 % zu reduzieren.
Im Bauwesen sind Informationslücken teuer. Wenn ein Projekt hinter dem Zeitplan zurückbleibt, kann es Wochen dauern, die Ursache zu ermitteln, die Verantwortung zuzuweisen und sich zwischen Eigentümern, Projektentwicklern und Subunternehmen auf eine Lösung zu einigen. In der Zwischenzeit summieren sich die Verzögerungen, die Budgets schrumpfen und Einnahmen gehen verloren. Bei einem Hotel, dessen Fertigstellung sich um zwei Monate verzögert, kann dieser Ausfall einen erheblichen Teil der ursprünglich prognostizierten Kapitalrendite ausmachen.
Das Kernproblem ist die mangelnde Transparenz. An Bauprojekten sind Dutzende Gewerke beteiligt, die gleichzeitig auf großen, komplexen Baustellen arbeiten. Ohne eine zuverlässige, lückenlose Aufzeichnung darüber, was wann und von wem fertiggestellt wurde, lassen sich Streitigkeiten nur schwer zügig beilegen und Fortschritte nur schwer präzise prognostizieren.
OnsiteIQ wurde entwickelt, um diese Lücke zu schließen. Das Unternehmen setzt ein Netzwerk von Spezialisten für die Erfassung auf aktiven Baustellen ein. Je nach Projekt erfassen sie mithilfe von 360-Grad-Kameras regelmäßig wöchentlich, zweiwöchentlich oder täglich 100 % jeder Baustelle.
Das Filmmaterial wird anschließend in geolokalisierte Bilder umgewandelt und durch eine proprietäre KI-Pipeline verarbeitet, die Baufortschritt erkennt, auf Sicherheitsrisiken hinweist und betriebliche Erkenntnisse liefert – alles auf Basis von Ultralytics YOLO11.
Bauanalyse für jede Baustelle#
OnsiteIQ bietet Eigentümern und Projektentwicklern im Immobilienbereich Bauanalysen. Bis heute hat OnsiteIQ mehr als 3.000 Projekte in über 200 Städten in den USA und Kanada überwacht und dabei Neubauprojekte im Wert von mehr als 34 Milliarden US-Dollar abgedeckt. Die Plattform ermöglicht Projektteams, nahezu in Echtzeit zu verstehen, was auf einer Baustelle geschieht, ohne selbst vor Ort sein zu müssen. Ein Projektteam, das ein Bauprojekt mit einer Fläche von einer Million Quadratfuß betreut, kann die gesamte Baustelle innerhalb eines einzigen Arbeitstags überprüfen und erhält KI-generierte Erkenntnisse zum Baufortschritt nach Stockwerk, Gewerk und Bereich.
Die Plattform beruht auf einem klaren Nutzenversprechen: sicherzustellen, dass investiertes Kapital planmäßig und innerhalb des Budgets zum gewünschten Ergebnis führt. Bauverzögerungen haben unmittelbare finanzielle Folgen. Wird ein Hotel zwei Monate zu spät fertiggestellt, schmälert der entgangene Zimmerumsatz für diesen Zeitraum direkt die Kapitalrendite des Projekts. OnsiteIQ verschafft Projektteams die nötige Transparenz, um Probleme bei der Abfolge der Arbeiten frühzeitig zu erkennen. So lässt sich beispielsweise feststellen, dass die Trockenbauarbeiten dem Zeitplan voraus sind, und die Gewerke für Elektro- und Sanitärinstallationen können dazu angehalten werden, Schritt zu halten, bevor solche Probleme größere Verzögerungen verursachen.
Neben der Fortschrittskontrolle unterstützt die Plattform auch die Überwachung von Sicherheit und Risiken. Die Erkennung von Feuerlöschern, Brandmeldern, Wassereintritt und anderen Gegebenheiten auf der Baustelle bietet Projektteams eine zusätzliche Kontrollebene, für die andernfalls regelmäßige Vor-Ort-Begehungen erforderlich wären.
Die Herausforderung, den Baufortschritt auf einer sich verändernden Baustelle zu erfassen#
Baustellen sind dynamische Umgebungen. Derselbe Bereich sieht in jeder Projektphase völlig anders aus – vom Aushub und Rohbau bis hin zu den Rohinstallationen der Gebäudetechnik, Trockenbauarbeiten und fertigen Innenräumen. Um zu erfassen, was fertiggestellt wurde und was noch nicht, braucht es ein System, das den visuellen Zustand einer Baustelle in all diesen Phasen gleichzeitig erfassen kann.
Manuelle Ansätze wie Baustellenbegehungen, Fortschrittsberichte und eingereichte Fotos sind oft arbeitsintensiv, uneinheitlich und lassen sich bei großen oder komplexen Projekten nur schwer skalieren.
Für OnsiteIQ bestand die Herausforderung darin, ein Erkennungssystem zu entwickeln, das bauspezifische Klassen in Hunderttausenden von Bildern pro Projekt präzise identifizieren kann – und das unter Bedingungen, die je nach Baustelle, Beleuchtung und Bauphase stark variieren. Das System musste große Bildmengen schnell im Hintergrund verarbeiten, präzise genug sein, um finanzielle und betriebliche Entscheidungen zu unterstützen, und flexibel genug, um mit dem weiteren Wachstum der Ontologie erkennbarer Klassen des Unternehmens Schritt zu halten.
Wie OnsiteIQ Ultralytics YOLO11 einsetzt#
Die KI-Pipeline von OnsiteIQ basiert auf der Segmentierung mit Ultralytics YOLO11 und wird auf jedes auf einer Baustelle aufgenommene Bild angewendet. Als Grundlage für das Modelltraining und die Erkennung dient eine proprietäre Ontologie: ein strukturiertes Wissenssystem mit Bauklassen, das OnsiteIQ entwickelt und pflegt. Wie Principal Product Manager Rammohan Adabala erklärt, ermöglicht die Ontologie entscheidungsrelevante Erkennungen: Klassen werden sowohl über ihren Zustand als auch über das Objekt definiert. So unterscheidet das System zwischen Trockenbauplatten, die montiert wurden, und solchen, die verspachtelt oder gestrichen wurden. Erst durch diese Unterscheidung können einzelne Bilderkennungen zu Fortschrittsangaben zusammengeführt werden, auf deren Grundlage Eigentümer handeln können.
Die Pipeline arbeitet in zwei Stufen:
• Erkennung auf Bildebene. Jedes auf einer Baustelle aufgenommene 360-Grad-Bild wird mit dem Segmentierungsmodell YOLO11 verarbeitet, das die im Bild vorhandenen Bauelemente erkennt und klassifiziert. Die Ontologie umfasst eine große Bandbreite an Klassen für jede Bauphase – vom unverkleideten Rohbau aus Beton und den Rohinstallationen der Gebäudetechnik bis hin zu ungestrichenen Trockenbauflächen, fertigen Oberflächen und eingebauten Haushaltsgeräten. Erkennt das System beispielsweise einen Kühlschrank oder einen Backofen, weiß es, dass eine Wohn- oder Hotelwohneinheit die Ausbauphase erreicht hat.
• Zusammenführung zu Erkenntnissen. Einzelne Bilderkennungen werden über den gesamten Datensatz eines Projekts hinweg zusammengeführt und ergeben Fortschrittskennzahlen für einzelne Stockwerke und Gewerke. Diese Kennzahlen fließen in die Fortschrittsverfolgung, Terminplananalyse, Risikoanalyse und Sicherheits-Dashboards der Plattform ein und werden Eigentümern, Projektentwicklern und Projektmanagern direkt angezeigt.
Durch den Einsatz von Segmentierung erhält OnsiteIQ detailliertere räumliche Informationen als mit der alleinigen Erkennung von Begrenzungsrahmen. Während die Ontologie des Unternehmens wächst, entwickelt OnsiteIQ außerdem eine Ensemble-Architektur, die ein Segmentierungsmodell mit einem Klassifikator kombiniert. So kann das System die Genauigkeit für eine wachsende Zahl von Klassen effizienter verbessern, als es mit einem einzelnen Modell möglich wäre.
Abb. 1: Die Plattform von OnsiteIQ bei der Arbeit mit Ultralytics YOLO11.
Warum Ultralytics YOLO11?#
OnsiteIQ entschied sich für Ultralytics YOLO11, weil es Erkennungsgenauigkeit und Flexibilität beim Training vereint und das Team damit eigene proprietäre Datensätze einfach erstellen und weiterentwickeln kann. Laut Principal Engineer Evgeny Nuger ging der Einstieg – einen Datensatz erstellen, das Training ausführen und die Ergebnisse schrittweise verbessern – deutlich schneller als der Aufbau einer eigenen Infrastruktur von Grund auf. Das war einer der Hauptgründe für den Wechsel des Teams zu Ultralytics.
Da die Trainingsdaten von OnsiteIQ proprietär sind, direkt auf aktiven Baustellen aufgenommen und gemäß der unternehmenseigenen Ontologie beschriftet werden, verwaltet das Team seine Infrastruktur selbst auf AWS. Für das Training und die Aktualisierung der Modelle verwendet es das Ultralytics-Python-Paket. So behält OnsiteIQ die volle Kontrolle über seine Daten und profitiert zugleich von der Leistungsfähigkeit und Zuverlässigkeit der YOLO-Modellfamilie.
Die Flexibilität der YOLO-Architektur war auch wichtig, als sich der Anwendungsfall von OnsiteIQ weiterentwickelte. Das Team begann mit einem einzelnen Segmentierungsmodell und arbeitet nun auf einen Ensemble-Ansatz hin, während die Ontologie wächst. Dieser natürliche nächste Schritt wird vom YOLO-Framework unterstützt, ohne dass die zugrunde liegende Pipeline grundlegend geändert werden muss.
Die Wirkung von Bauanalysen im großen Maßstab#
OnsiteIQ hat gemeinsam mit seinen Kunden Wirkungsstudien durchgeführt, um die betrieblichen Verbesserungen durch den Einsatz der Plattform zu quantifizieren. In diesen Studien haben sich mehrere Kennzahlen wiederholt gezeigt:
• Streitigkeiten 3-mal schneller beigelegt. 81 % der Nutzer meldeten eine schnellere Beilegung von Streitigkeiten. Im Durchschnitt sank die Zeit bis zur Lösung um das Dreifache, in manchen Fällen je nach Bauphase und Komplexität sogar um das Siebenfache. Mit einer lückenlosen, geolokalisierten visuellen Aufzeichnung aller Baustellenbereiche können Beteiligte schnell feststellen, wann und wo ein Problem aufgetreten ist. So verbringen sie weniger Zeit mit wiederholten Abstimmungen zwischen den Gewerken.
• Einsparungen von 25.000 bis 400.000 US-Dollar bei Kostenüberschreitungen. Kunden berichten, dass sie pro Projekt Kostenüberschreitungen zwischen 25.000 und 400.000 US-Dollar vermeiden konnten, indem sie Probleme bei der Abfolge der Arbeiten und Risiken erkannten, bevor diese sich verschärften.
• 20 % weniger Projektverzögerungen. Da die meisten Bauprojekte später als geplant fertiggestellt werden, bedeutet eine Verringerung der Verzögerungen um 20 % eine deutliche Verbesserung der Vorhersagbarkeit von Fertigstellungsterminen und der Realisierung von Einnahmen.
• 24 % höhere Vorhersagbarkeit der Fertigstellung. 78 % der Nutzer berichteten von einer besseren Vorhersagbarkeit der Projektfertigstellung, mit einer durchschnittlichen Steigerung um 24 %. Das gibt Eigentümern und Projektentwicklern eine verlässlichere Grundlage für die Finanzplanung und die Berichterstattung an Beteiligte.
Darüber hinaus dient die Plattform als langfristige Dokumentation des Gebäudes. Nach Abschluss der Bauarbeiten können Facility Manager anhand der Bilder von OnsiteIQ nachvollziehen, was sich hinter Wänden befindet, Rohrleitungen lokalisieren oder Probleme am Gebäude untersuchen – ohne raten oder störende Untersuchungsarbeiten durchführen zu müssen.
Lückenlose Transparenz über den gesamten Projektlebenszyklus#
OnsiteIQ löst ein grundlegendes Informationsproblem im Bauwesen. Große Bauprojekte erfordern erhebliche Investitionen, eine komplexe Koordination zahlreicher Gewerke und sind durch Verzögerungen mit hohen finanziellen Risiken verbunden. Durch die Kombination von 360-Grad-Aufnahmen mit einer KI-Pipeline auf Basis von Ultralytics YOLO11 verschafft OnsiteIQ Projektteams die nötige Transparenz, um Projekte auf Kurs zu halten – vom ersten Tag des Aushubs bis zur Übergabe und darüber hinaus.
Die Ergebnisse sind messbar: Streitigkeiten werden dreimal schneller beigelegt, Verzögerungen um ein Fünftel reduziert und pro Projekt Kostenüberschreitungen in Höhe von Hunderttausenden US-Dollar vermieden. Während OnsiteIQ seine Ontologie weiter ausbaut und seine Ensemble-Modellarchitektur weiterentwickelt, bleibt Ultralytics YOLO das Herzstück einer Plattform, die jeder Baustelle zuverlässige, kontinuierliche Erkenntnisse liefern soll.
Interessierst du dich für Bildverarbeitung mit KI im Bauwesen und in der Infrastruktur? Entdecke unsere Lizenzoptionen, um Bildverarbeitungslösungen in deine Projekte zu integrieren. Besuche unser GitHub-Repository und werde Teil unserer Community.
