Drees & Sommer baut auf KI

00:00:00: Sandra: Hallo und herzlich willkommen zu unserem Podcast “Baustelle Zukunft” über Innovation und Digitalisierung in der Baubranche, aufgenommen im Zeppelin Lab in Berlin. Ich bin Sandra May, Open Innovation Lead.

00:00:20: Wulf: Und ich bin Wulf Bickenbach, Geschäftsführer des Z LAB. Hallo auch von mir.

00:00:24: Sandra: Ihr wisst, Künstliche Intelligenz ist das Thema der Stunde und schon lange keine Zukunftsidee mehr, sondern bereits im Alltag angekommen. Aber, Wulf, wie steht es denn genau um KI im Bauwesen?

00:00:34: Wulf: Ja, auch im Bauwesen hat sich KI mittlerweile zu einem der wichtigsten Technologie- und Digitalisierungstrends entwickelt. So hat zum Beispiel das Bau-Softwareunternehmen Bluebeam in einer Studie in 2024 herausgefunden, dass im vergangenen Jahr fast 3/4 der befragten Unternehmen bereits KI in ihren Projekten angewandt haben.

00:00:55: Wulf: Sagt natürlich jetzt noch nichts darüber aus, wie genau KI da in die Bauprozesse eingebunden wird. Meine Vermutung wäre, dass es aktuell noch stark in den Backoffice-Prozessen und in der Planungsphase erst mal eingesetzt ist. Aber das Thema wird definitiv immer wichtiger.

00:01:10: Sandra: Das zeigt uns auf jeden Fall, dass der Wille da ist. Und demnach ist die entscheidende Frage nicht mehr ob, sondern wie KI Einzug in den Arbeitsalltag in der Baubranche hält.

00:01:20: Wulf: Genau, wir gehen deshalb heute der Frage nach: Wie setzen führende Unternehmen im Baugewerbe Künstliche Intelligenz ein und was sind Erfolgsfaktoren dafür?

00:01:30: Sandra: Das Unternehmen Drees & Sommer geht in diesem Bereich mit sehr spannendem Beispiel voran. Wir haben uns deshalb mit Raffaela Schneid, sie ist Head of Global AI und mit Julia Schmid unterhalten. Sie ist Mitgründerin des firmeninternen KI Startups formfollows.ai.

00:01:43: Wulf: Und wir diskutieren mit den beiden unter anderem über die Plattform DreSo.AI. Die umfasst mehrere KI-Assistenten, die den Mitarbeitenden helfen, Standardprozesse effizienter zu gestalten. Das ist dann zum Beispiel ein Chatbot, der mittels Künstlicher Intelligenz unternehmensbezogene Informationen bündelt und den Nutzer:innen zur Verfügung stellt. Und bei formfollows.ai wiederum geht es um die Bauplanung und insbesondere das Anforderungsmanagement, das dort von KI unterstützt wird.

00:02:09: Sandra: Wenn ihr darüber mehr erfahren möchtet, dann bleibt jetzt dran.

00:02:17: Wulf: Hi Raffaela, freut mich, mit dir zu sprechen.

00:02:19: Raffaela Schneid: Hallo Wulf. Ja, schön, dass wir da sein dürfen heute.

00:02:22: Wulf: Raffaela, du bist Head of Global AI bei Drees & Sommer. Kannst du diese Rolle mal beschreiben? Was machst du denn in der Rolle?

00:02:29: Raffaela Schneid: Also vielleicht kann man das auch einfach auf Deutsch wesentlich direkter formulieren: Ich leite das KI-Team bei Drees & Sommer. Da wir aber global aufgestellt sind, gehört das global mit in den Namen rein. Und im Endeffekt haben wir zwei ganz große Bausteine, mit denen wir uns beschäftigen.

00:02:48: Raffaela Schneid: Das eine ist unsere interne KI-Plattform DreSo.AI. Also die wird ja auf DreSo spezifische Use Cases und unsere Tools angepasst und aufgebaut. Das muss betreut werden. Da gibt es ein Customer Success, da gibt es Deep-Dive-Workshops, Pain Point Analysen etc. pp. Also so diese ganze Ent- und Weiterentwicklung der Plattform.

00:03:09: Raffaela Schneid: Und das andere ist unter dem Schlagwort KI Lab: Es ist ein riesengroßes KI-Universum da draußen. Wie kriegen wir dieses Wissen transferiert zu DreSo, auf DreSo zugeschnitten? Wie können wir in einem sicheren Rahmen Technologie verproben?

00:03:25: Raffaela Schneid: Und das alles dann aber auch zusammenzubringen ist quasi mein Hauptjob in einer Art Strategie-Vision. Wo wollen wir mit dem Thema KI weiter hin, wo liegen unsere Schwerpunkte? Also so wirklich dieser Blick fürs Ganze. Während mein Team aus ganz tollen Fachexpert:innen besteht, die dann wirklich auch tief in die Technologie einsteigen können.

00:03:47: Wulf: Das Thema “Künstliche Intelligenz” ist jetzt nicht mehr ein so ganz neues Thema, aber sagen wir mal der, ja man kann eigentlich schon sagen Hype, um das Thema, der ist ja schon noch relativ frisch. Gerade weil dieses Thema der Large Language Models, also der AI Chatbots, die jetzt auch mehr in die private Nutzung kommen, noch nicht so alt ist.

00:04:07: Wulf: Wann habt ihr denn begonnen, bei Drees & Sommer euch mit dem Thema KI auseinanderzusetzen? Wann sind diese Strukturen sozusagen geschaffen worden?

00:04:14: Raffaela Schneid: Vielleicht ein Kommentar auf deine Einführung. Der Hype ist ja nicht wirklich gerade um das Thema KI, sondern ganz stark auch drauf, KI nutzbar zu machen. Also das ist ja eine ganz große Veränderung, die wir sehen. Private Nutzung, zur geschäftlichen Nutzung und da auch Effizienzen zu heben. Angefangen haben wir tatsächlich im Innovation-Center von Drees & Sommer mit einem großen KI-Ideathon, wo wir quasi auf die DreSos zugegangen sind und gefragt haben: Was sollen wir denn mit KI machen? Welche Probleme können wir mit euch lösen?

00:04:45: Raffaela Schneid: Das war im Sommer 2023 und haben aus diesen Ideen heraus eine Strategie abgeleitet, auch Richtung Kommunikation, Change Management. Wie kann man den Mitarbeiterinnen die Nutzung von KI-Tools nahebringen? Aber natürlich auch das ganze Thema Digitalisierung des Kerngeschäfts und dann eben der komplette Überbau. Dieses Thema: Wie finde ich für meine einzelnen Business Units auch überhaupt das Zielbild, wo es hingehen soll mit dem Thema KI und Digitalisierung.

00:05:17: Raffaela Schneid: Und aus diesen verschiedenen Workstreams und auch aus diesen Ideathon-Ideen ist dann relativ schnell die Entscheidung auch getroffen worden, diese Plattform aufzubauen, weil wir dadurch einfach auch viele Ideen relativ zügig umsetzen konnten und quasi den ersten DreSos eine KI an die Hand geben konnten, die auch sich mit ihren Prozessen und Problemfällen beschäftigt hat.

00:05:42: Wulf: Jetzt kenne ich das aus eigener Erfahrung, weil ich im Zeppelin Konzern auch sozusagen ein zentrales erstes KI Projekt, wo es darum ging, die Grundlagen zu legen, sozusagen für die Anwendung, betreuen durfte. Was mich jetzt interessieren würde: Habt ihr zu dem frühen Zeitpunkt auch schon Kundenstimmen mit eingebunden? Weil das ja nochmal ein ganz anderes Spiel ist, wenn man sich überlegt, als Unternehmen, wie kann ich Teile meiner Dienstleistung gegenüber dem Kunden vielleicht durch Künstliche Intelligenz anders, neu gestalten oder vielleicht sogar ganz neue Services Richtung Kunde entwickeln, mittels Künstlicher-Intelligenz-Unterstützung?

00:06:18: Raffaela Schneid: Das ging bei uns so ein bisschen zeitlich versetzt los, weil wir ja bisher kein Unternehmen waren, das für Softwareentwicklung bekannt ist oder für auch KI-Strategie, Innovation durch KI. Also wir haben quasi erst mal an uns selber gelernt. Ich guck erst mal, dass ich mich sauber aufstelle, dass ich meine Lessons Learned verarbeite und aber schon weiß, ich fange nicht für und mit den Kunden bei Null an, weil die Erwartungshaltung des Kunden ist ja nicht wir entwickeln gemeinsam was, sondern das ist ja eigentlich die Erwartungshaltung: Du hast schon was, was wir weiterentwickeln können.

00:06:58: Wulf: Jetzt hast du schon kurz angeschnitten, dass ihr das Thema KI als strategisches Thema betrachtet bei Drees & Sommer. Warum ist es für euch ein strategisches Thema?

00:07:07: Raffaela Schneid: Also es ist ja kein strategisches Thema für uns, weil es sexy ist oder tolles Marketing, sondern weil wir ja auch ganz klar dadurch auf unternehmerischer Seite was zurückbekommen. Wir können effizienter arbeiten. Wir können uns mehr um den Kundenkontakt kümmern. Wir können in die kreativen zwischenmenschlichen Themen einsteigen. Wir können die langweilig repetitiven Standardprozesse einfach fast komplett auflösen, was natürlich auch von der Motivation her ein ganz anderes Doing ist.

00:07:36: Raffaela Schneid: Wenn ich nicht ewig lange Excel-Tabellen ausfüllen muss, sondern das innerhalb von ein paar Minuten über die KI ausgespuckt, analysiert kriege und mich stattdessen meiner Passion widmen kann, wofür ich eigentlich da bin, was ich studiert habe, was mich privat interessiert und dadurch nicht nur ja mich persönlich voranbringt, sondern auch das Unternehmen. Und da DreSo sich ja immer schon als Führer zum Thema Innovation in der Baubranche gesehen hat: das Thema KI nicht zu machen, die Frage stellt sich ja dann eigentlich gar nicht.

00:08:05: Wulf: Wie ist das denn? Seht ihr das Thema, du hast das schon so ein bisschen angeschnitten mit, dass man zum Beispiel einfache Tätigkeiten ersetzen kann und Ähnliches, seht ihr das Thema auch verknüpft mit dem anderen großen Meta Trend, der natürlich alle beschäftigt, gerade denke ich, in der der Baubranche auch, nämlich Fachkräftemangel.

00:08:20: Raffaela Schneid: Auf jeden Fall spielt das eine ganz große Rolle mit. Da ist es ja aber auch immer so ein bisschen der feine Unterschied: Nutze ich KI als Enabler, weil ich damit andere Technologien ermögliche. Also zum Beispiel das Problem, was du nicht lösen wirst: Fachkräfte sind ja auch Fachkräfte, weil sie eine gewisse Expertise haben, um auch Qualitätskontrolle durchzuführen.

00:08:44: Raffaela Schneid: Wer kann jetzt noch qualifiziert bewerten, ob der Output der KI richtig, relevant, umfassend, rechtlich abgesichert, etc. ist? Meine These wäre: Fachkräftemangel wirst du nicht komplett durch KI und Technologie lösen können. Es lohnt sich auch da weiterhin in Menschen zu investieren, auch wenn es sicherlich einiges auffangen kann.

00:09:10: Wulf: Dann lass uns doch jetzt mal in eure konkreten Anwendungsfälle einsteigen. Du hast schon anfangs gesagt, ihr habt eine DreSo.AI. Was ist das genau?

00:09:20: Raffaela Schneid: DreSo.AI ist unsere selbst entwickelte KI-Plattform, auf der wir quasi verschiedene Anwendungsfälle, Prozesse, Prozessschritte, die unsere Mitarbeiter:innen quasi fast täglich oder zumindest häufig durcharbeiten, darüber abbilden können.

00:09:36: Raffaela Schneid: Ein Beispiel: Wir machen ja viele Ausschreibungen mit bzw. bewerben uns auf viele Ausschreibungen. Das sind mehrere 1000 im Jahr und für jede gefundene Ausschreibung lädst du dir diese Dokumente runter und musst dann über hunderte Seiten gucken: Passt diese Ausschreibung auf unser Leistungsportfolio? Haben wir die passenden Referenzen? etc. Das kann bis zu vier Stunden dauern, wenn das viele Dateien sind und die auch kryptisch geschrieben sind.

00:10:01: Raffaela Schneid: Wir haben da einen “Tender Checker” quasi aufgesetzt und können da diese Dateien hochladen und du hast innerhalb von anderthalb Minuten, inklusive Upload der Dokumente, eine fertige Analyse, mit fertiger quasi Exec-Summary, die du dann wieder benutzen kannst als Bewertungsgrundlage: Bewirbst du nicht oder bewirbst du dich nicht. Wir haben auch sehr dezidierte Sachen: Interaktion mit der HOAI, mit verschiedenen DIN-Normen…

00:10:27: Wulf: Wie ist es denn, wo kommen solche Ideen dann bei euch her? Ich verstehe, Ihr habt die zentrale Plattform. Da sind jetzt eben diese unterschiedlichen Räume, also die unterschiedlichen Anwendungsfälle drauf. Entwickelt ihr die Ideen zentral oder kommt jemand aus der Fachabteilung auf euch zu und sagt: “Hey, ich muss ständig Ausschreibungsdokumente scannen und das wäre doch mal eine Idee, so was umzusetzen.” Und wie geht ihr dann in die Interaktion und setzt das auf der Plattform um?

00:10:53: Raffaela Schneid: Es gibt tatsächlich mehrere Roads to Success. Die eine ist tatsächlich: wir sind mit einer kleinen Testuser Gruppe gestartet letztes Jahr, 150 Testuser. Wir sind jetzt so bei um die 1800 und haben dazu quasi analog unseren Customer Success mit großgezogen. Also es gibt zum Beispiel einen Teams-Kanal, da gibt es eine Prompt-Tauschbörse, da kann man seine Use Cases reinschreiben, seine Fragen reinstellen, Bugs melden, alles mögliche.

00:11:22: Raffaela Schneid: Das andere ist, dass wir zweimal die Woche Sprechstunden anbieten, jeweils eine Stunde. Ab April dann sogar zweisprachig. Also einmal auf Deutsch, einmal auf Englisch, wo du reinkommen kannst, Fragen stellen kannst, deinen Use Case präsentieren kannst und die Kollegin dann quasi da unsere Pipeline auch mitbefüllt. Und das dritte ist, wir haben drei verschiedene Arten von Raumtypen auf dieser Plattform:

00:11:45: Raffaela Schneid: Die öffentlichen habe ich erwähnt, die sind quasi verifiziert mit Dokumenten hinterlegt, die alle Mitarbeiter:innen einsehen dürfen. Die sind von uns verifiziert, dass die inhaltliche Ausgabe korrekt ist. Es gibt aber auch private und kollaborative Räume. Also ich als Raffaela könnte mir einen Raum aufsetzen, der einen Prozessschritt für mich persönlich abbildet. Oder ich sag, ich teile denen mit Wulf und Julia, weil wir am selben Projekt arbeiten. Wir interagieren gemeinsam in diesem Raum mit den hinterlegten Dokumenten, die wir nutzen dürfen.

00:12:15: Raffaela Schneid: Das heißt, wir haben quasi geguckt: “Okay, welche Themen-Buckets, sind quasi am häufigsten vertreten in den privaten und kollaborativen Räumen?” Weil das sind ja die Themen, die man eigentlich öffentlich dann zur Verfügung stellen müsste, weil das viele DreSos bewegt. Und aus der Liste, aus der Klassifizierung, haben wir dann für unsere Roadmap dieses Jahr die top vier, top drei Themen abgeleitet und arbeiten die dann gemeinsam mit dem Softwareentwicklungsteam, mit den Fachexpert:innen aus dem Kerngeschäft ab und bringen aber quasi unser technologisches Know-how mit, um die Umsetzung und die Qualität zu garantieren.

00:12:58: Wulf: Dann würde ich jetzt gern noch mal auf den anderen großen Part kommen, den du angesprochen hast: das AI Lab bei euch. Wie funktioniert das?

00:13:06: Raffaela Schneid: Ja, unser KI-Lab. Das gab es schon tatsächlich länger, allerdings nur virtuell. Also konnte es quasi virtuell über eine Sandbox quasi Tools verproben oder Code verproben, den du selbst geschrieben hast.

00:13:19: Raffaela Schneid: Seit letztem Jahr sind wir personell auch besetzt. Also wir haben wirklich KI-Fachexperten, die jahrzehntelang in dem Bereich gearbeitet haben und die können zum einen selbst Code schreiben, haben aber auch quasi Hardware und Software zur Verfügung, um darüber eben auch Technologieverprobungen von neuen Tools, von neuen Sprachmodellen, von Open Source Modellen, aber auch von Skripten, ich habe es vorhin erwähnt, oder von Machine-Learning-Engineering-Projekten quasi aufzusetzen, umzusetzen.

00:13:52: Raffaela Schneid: Wie können wir das übertragen auf unsere Use Cases bei DreSo, zum Beispiel? Und das Letzte ist auch so ein bisschen diese Art Wissenstransfer, das Unternehmen aufschlauen. Wir haben AI-Talks, die wir anbieten, wo wir quasi dieses große Universum versuchen, greifbar zu machen und dann auch immer ein Deep-Dive Thema haben.

00:14:16: Raffaela Schneid: Und das Letzte, was da vielleicht noch ganz interessant zu wissen ist: Wir haben eine Art Residency, die man bei uns machen kann. Also du bist Fachexperte mit Prozess XY, den du automatisieren möchtest. Dann stellst du ein gewisses Kontingent deiner Zeit zur Verfügung, kommst zu uns ins Lab, entwickelst da quasi die technische Verprobung mit, gehst dann wieder raus aus dem Lab und die Ergebnisse des Labs werden dann zum Beispiel wieder auf der Plattform integriert.

00:14:43: Raffaela Schneid: Also dieser Schulterschluss findet da auch ganz stark statt mit den Ideen der DreSos, die jetzt vielleicht über die DreSo.AI Pipeline hinausgehen, wo man noch mal einen Schritt vorher ansetzen muss: Was mit den Themen überhaupt passieren könnte vs. Ideen, die man quasi direkt auf DreSo.AI zum Beispiel umsetzen kann.

00:15:04: Wulf: Jetzt ist es ja so, wenn man mit solchen Themen in große Organisationen reingeht, so wie ihr auch eine seid, dann sucht man, würde ich mal behaupten, in der Regel nach den Champions, die Lust haben, so was zu verproben und vorne wegzulaufen. Also die Early Adopter, bei dem Thema vielleicht und gleichzeitig auch Anwender:innen, die verstehen, dass bei so einer neuen Technologie Scheitern eigentlich mit zu dem Spiel dieser Weiterentwicklung gehört.

00:15:35: Wulf: Gleichzeitig ist es ja auch so, dass natürlich große Organisationen, große Unternehmen auch schauen, dass sie sehr kosteneffizient arbeiten. Und die Frage, die sich da mir aufdrängt und die sich sicherlich auch viele unserer Hörerinnen und Hörer stellen, die in ähnlichen Kontexten unterwegs sind: Ist es sozusagen dieses Angebot, was ihr zentral macht für die Beteiligten, die sagen: “Ich komme mit einem Usecase, ich möchte mit euch was entwickeln.” In dem Wissen, es kann auch am Ende zu keinem Ergebnis führen.

00:16:04: Wulf: Ist das für die in Anführungsstrichen kostenlos oder müssen die gleich ein Budget mitbringen, um so eine Entwicklung anstoßen zu können?

00:16:11: Raffaela Schneid: Also ich kann dir die Frage tatsächlich aus zwei Perspektiven beantworten. Das eine war zum Beispiel die 150 Testsuser für DreSo.AI, die haben kein Budget gebraucht. Aber den Stunden-Buy-In: Haben wir folgendermaßen gelöst, dass wir zum einen über unsere höchste Führungsebene die Leute haben nominieren lassen und Selbstnominierung angeboten haben. Das heißt also per se Leute, die dafür affin sind, die dafür aber auch Zeit haben oder die von ihrer höchsten Führungskraft ausgewählt worden sind, waren da von Anfang an mit dabei.

00:16:46: Raffaela Schneid: Fantastisch für die Motivation, weil unser erster Satz gefühlt im Onboarding war: “Es ist Beta, es ist 80 %, es wird Bugs geben, es wird down sein, ihr werdet genervt sein, aber ihr habt jetzt die Chance, es für alle anderen 1000 richtig geil mit aufzubauen” und es war für die vollkommen in Ordnung.

00:17:07: Raffaela Schneid: Jetzt eher projektbezogen im Sinne von: “Ich habe eine Idee, könnten wir mal was machen, brauche ich Budget etc.?” Es gibt tatsächlich ein gewisses Budget bei uns im Team. Sei es für DreSo.AI, sei es das AI Lab. Also du bezahlst zum Beispiel dann auch nicht unbedingt Lizenzkosten oder Serverkosten usw, weil wir den Tech-Stack ja selber auch nutzen für uns und den als Service dadurch quasi zur Verfügung stellen. Das Einzige, wo man meistens gucken muss, ist die Stundenzahl und teilweise übernehmen wir auch diese Stundensätze dann. Dass wir quasi sagen: Das ist ja ein Win-Win für uns, da geben wir gerne Geld für aus, weil auch da wieder: Skalierung, Hebel ansetzen.

00:17:53: Raffaela Schneid: Wenn wir das einmal machen und dadurch tausende von Leuten effizienter machen können, haben wir als Unternehmen ja viel mehr davon, als dass wir sagen: “Nee, das machen wir nicht.”

00:18:03: Wulf: Dann würde mich zum Abschluss der Betrachtung dessen, was ihr bei DreSo rund um das Thema KI macht, noch interessieren: Es gibt immer so eine Gretchenfrage: “Wie entscheidet man denn, was man nicht weiter macht bei den Sachen, die man ausprobiert?” Also, wie ist eure Governance da aufgestellt?

00:18:21: Raffaela Schneid: Na ja, zum einen Governance, es gibt ja einen sehr klaren rechtlichen Rahmen seit Februar 2025 und da müssen wir einfach gucken, dass wir kein Hochrisikosystem entwickeln und dementsprechend schauen müssen, was sind unsere Transparenzverpflichtungen etc. Auf einer anderen Seite ist bei uns auch das Thema Evals bzw. Qualität seit, ja ich würde sagen Januar jetzt auch, eines der Prio-Themen. Also zu schauen, was sind die erwarteten Antworten, der erwartete Output, der erwartete Flow dieses Prozesses?

00:18:54: Raffaela Schneid: Sind wir zufrieden damit oder nicht? Und wenn nicht, dann wird es erst mal geparkt. Also da schauen wir wirklich über die Evaluierung, über die qualitative Evaluierung. Und dann natürlich jetzt auf inhaltlicher Ebene, da kann man ja auch sich für viele Themen entscheiden oder nicht entscheiden. Wir haben im Januar unsere Roadmap aufgesetzt, basierend auf der Priorisierung: Was brauchen die User, was wird an uns herangetragen, was wird häufig an uns herangetragen?

00:19:19: Raffaela Schneid: Und das heißt aber auch: Jedes neue Thema muss sich dagegen natürlich messen. Das einzige, was uns da gegebenenfalls quasi den Stolperstein geben könnte, sind natürlich technische Entwicklungen, die wir überhaupt nicht auf dem Bildschirm haben. Und da sind wir einfach auch relativ klar in der Kommunikation. Es ist eine Produkt Roadmap, die dynamisch ist, die wir natürlich einhalten wollen und auch transparent aufzeigen: So wollen wir das machen.

00:19:44: Raffaela Schneid: Aber wenn “the next big thing” um die Ecke kommt, dann müssen wir die eventuell anpassen.

00:19:51: Wulf: Okay, wenn wir jetzt nochmal zum Abschluss den Blick oder wenn du den Blick für uns einmal nach Außen in die Branche rein richten könntest: Wo siehst du denn Potenziale, strategische Potenziale, für KI in der Bauwirtschaft?

00:20:06: Raffaela Schneid: Wenn ich mir die Bauwirtschaft angucke, ist glaube ich für mich das Hauptthema, wenn es um KI geht, KI als Enabler, KI als Geschäftsmodell, KI um digitale Services aufzubauen. Thema “Robotics” oder Thema “Omniverse”. Wie kann ich die Grundlagen Technologie KI nutzen, um darauf aufzusetzen, um meine Planungsprozesse, meine Baustellenprozesse, die Baustelle an sich, meine fehlenden Fachkräfte zu ersetzen?

00:20:38: Raffaela Schneid: Wie kann ich mein Asset Management intelligenter gestalten? Also ich glaube, da ist gar nicht mal so die spezifische Antwort: Nutze Tool für XY und dann bist du fein. Sondern eher, überleg dir, wie KI “enabled” Prozesse, Technologien, Tools, Baustellen dich quasi weiterbringen als Unternehmen. Ob du jetzt modular baust, dir ESG auf die Fahne geschrieben hast oder Asset Management betreibst, da gibt es ja sehr vielfältige Lösungen und Anwendungsfälle.

00:21:10: Wulf: Wunderbar! Dann herzlichen Dank, liebe Raffaela, für das spannende Gespräch.

00:21:19: Wulf: Julia, es freut mich, jetzt auch mit dir sprechen zu können.

00:21:21: Julia: Hi Wulf, schön, dass ich da sein darf.

00:21:24: Wulf: Julia, du bist bei den Drees & Sommer firmeneigenen Startup formfollows.ai. Was macht formfollows.ai genau?

00:21:34: Julia: Also formfollows.aiI ist aktuell ein internes Startup, was sich darauf konzentriert, vor allem die Probleme der frühen Planungsphase zu optimieren. Also wir haben ja im Grunde bei der Baubranche immer die Herausforderung, dass man mit ganz, ganz vielen verschiedenen Anforderungen zu kämpfen hat. Mit Anforderungen zu: was ist denn überhaupt der Bedarf an das Gebäude? Was will der Kunde? Was will der Nutzer?

00:22:01: Julia: Was sind die Regularien von außen? Was sind vielleicht Normen, Standards, die man bedenken muss? Und die sind ganz, ganz viele unterschiedliche Dokumente, Informationen, die erst mal zusammenkommen müssen. Also im Grunde, was formfollows.ai macht, ist eben, diese ganzen Anforderungen von Beginn an zu kennen und zu wissen, die zu konsolidieren und zusammen mit dem menschlichen Wissen und der menschlichen Expertise automatisch dann Raumbücher und Funktionsdiagramme zu erstellen.

00:22:34: Julia: Der Output ist im Grunde die automatische Generierung und Kombination von ganz vielen Daten hin zu einem Informationspool oder eine Informationsbasis, die miteinander verknüpft ist, die alle Anforderungen an ein Gebäude enthält.

00:22:51: Wulf: Der Begriff Raumbuch, der ist vielleicht nicht all unseren Zuhörenden so geläufig. Einfach nur mal, damit man eine Idee davon bekommt: Das ist ja auch etwas, das jetzt nicht erst mittels AI erstellt wird, sondern das gibt es ja schon immer. Was für Informationen stehen denn in so einem Raumbuch am Ende zum Beispiel drin?

00:23:11: Julia: Das ist ganz interessant. Also ein Raumbuch ist nichts anderes als eine Liste an Flächen. Es ist ganz häufig einfach eine Excel-Tabelle und je nach Detailtiefe des Planungsprozesses wird dieses Raumbuch oder diese Areal-Liste immer weiter verfeinert. Also es werden zum Beispiel Anforderungen an die Räume hinzugefügt, Größen, Attribute, Anzahl der Steckdosen etc.

00:23:36: Julia: Und das ist auch der Clou dahinter, dass man im Grunde zu Beginn einen groben Überblick hat über den Flächenbedarf und wenn es dann kurz vor der Umsetzung steht, ist diese Raumbuchliste so detailliert, dass da wirklich alle Anforderungen an Gebäude drinstehen.

00:23:55: Wulf: Okay, und dann, wenn man sich jetzt vorstellt, was man sich alles für Attribute vorstellen kann, dann wird wahrscheinlich… ist das wie so ein exponentielles Wachstum an Komplexität dieser Liste, nehme ich an. Weshalb es dann wirklich auch Sinn macht, daraus einen KI-Use-Case zu machen, weil man ja da eigentlich genau gerade diese unglaublich vielen Rekombinationsmöglichkeiten, die ein Mensch auch nur begrenzt überblicken kann, einer Maschine übergeben kann, die das Ganze zum einen garantiert schneller und effizienter macht, zum anderen aber im Zweifel vielleicht auch Kombinationen oder Abfolgen von Räumen definieren kann oder findet, die ein Mensch nicht gesehen hätte, weil er einfach nicht die Vielzahl an Versuchen, in Anführungsstrichen, machen kann.

00:24:38: Julia: Genau das ist exakt das aktuelle Problem in der Branche. Wenn man sich überlegt: man ändert eine kleine Zahl, einen kleinen Parameter zu Beginn ab. Zum Beispiel man hat sich in der Mitarbeiterzahl vertan, man hat eine Null vergessen, man erhöht plötzlich die Möglichkeit, Homeoffice machen zu dürfen. Das sind kleine Änderungen, aber die riesen Auswirkungen auf den späteren Plan haben, also auf das spätere Gebäude und die KI ermöglicht eben, dass man diese verschiedenen Varianten erkennt und diese Information auch überhaupt erst wahrnimmt, indem man diese verschiedenen kleinen Parameter im Hintergrund eben möglichst schnell und intuitiv anpassen kann.

00:25:22: Julia: Und wenn man sich mal überlegt, es gibt kleine Büros, aber dann gibt es einfach Büros mit mehreren 1000 Mitarbeitern oder es gibt Krankenhäuser oder Produktionsstätten. Da ist natürlich das Thema mit exponentieller Komplexität noch mal was ganz anderes.

00:25:37: Wulf: Wie seid ihr denn auf diese Idee gekommen? Habt ihr da eine breitere Analyse gemacht? Habt ihr verschiedenste Dinge euch angeguckt und seid dann bei dem Thema gelandet? Genau…

00:25:48: Julia: Also die Idee von formfollows ist konkret in Drees & Sommer entstanden. Wir haben uns angeguckt: Was sind denn die Probleme in der Baubranche? Bauen ist teuer. Bauen ist komplex. Bauen ist sehr zeitaufwendig. Bauen überschreitet häufig die geplanten Kosten, eben aufgrund der Komplexität. Und wir haben uns überlegt: Wie können wir dieses Kernproblem angehen?

00:26:12: Julia: Und mit der Frage im Hinterkopf haben wir die Lösung entdeckt, dass es eben am besten funktioniert, wenn man sich mal von Anfang an überlegt: Was sind denn eigentlich zu Beginn, wenn noch kein einziger Strich auf dem Papier getan wurde, was sind denn die Anforderungen an das Gebäude? Und deswegen haben wir gesagt: Okay, die frühe Planungsphase ist mal der Ansatzpunkt, wo man vor allem diese Kernprobleme der Branche auch adressieren kann.

00:26:42: Wulf: Jetzt hast du gerade was Spannendes angesprochen. Wenn man mal bei diesem Beispiel Schule bleibt. Da stellt sich mir die Frage: Was für Arten von Daten schmeißt ihr denn eigentlich in eure KI rein? Womit kann die KI arbeiten? Also bei Schulen würde mir einfallen: Logisch, es gibt einen Architekten, der sich da Gedanken drüber macht, es gibt wahrscheinlich Schulplaner, die wissen, wie viele Flächen muss ich für welche Klassenstärken haben usw. und da gibt es garantiert Dokumente zu oder womit arbeitet eure KI?

00:27:09: Julia: Also wir unterscheiden zwei Arten von Daten. Daten, die zum einen öffentlich zugänglich sind, wie zum Beispiel Bauordnungen, Richtlinien, Regularien. Also darauf besteht generell Zugriff. Und die zweite Art von Daten sind projektspezifische Informationen. Aber so kombinieren wir die Möglichkeit, dieses allgemeine Wissen, was jeder kennen könnte, mit projektspezifischen Wissen zu kombinieren.

00:27:37: Wulf: Jetzt weiß ich aus unserem Vorgespräch: Ihr habt natürlich, und ich sage deswegen natürlich, weil Menschen, die sich mit KI auseinandersetzen, wissen, dass das Teuerste an der KI das Training der Basismodelle ist. Ihr habt kein eigenes Basismodell trainiert dafür, weil das vom wirtschaftlichen Case ja einfach ziemlich sinnfrei wäre, denn es gibt ja sehr gute Basismodelle, die man verwenden kann und auch nicht nur die Bekannten.

00:28:01: Wulf: Seid ihr da irgendwo auf Hürden gestoßen, wo ihr gesagt habt: Wow, das haben wir uns vorher vielleicht nicht so schwierig vorgestellt.

00:28:08: Julia: Selber ein Basismodell zu entwickeln ist sehr, sehr teuer und sehr zeitintensiv. Man spricht da wirklich von Unsummen, die viele nicht tragen können. Wir auch nicht. Und was der gängige Weg ist, ist, dass man sich auf ein Modell oder die Kombination mehrerer vorhandener Modelle entscheidet und dann diese Kombination der unterschiedlichen Modelle so einsetzt, dass man sogenannte Experten Modelle hat für bestimmte Aufgaben und die dann feintuned.

00:28:43: Julia: Also man bringt der KI eine bestimmte Aufgabe zusätzlich noch bei, dass sie besser wird in bestimmten Dingen.

00:28:51: Wulf: Wie nimmst du die Geschwindigkeit der Entwicklung an der Stelle wahr? Weil viele Modelle ja auch ständig Updates bekommen.

00:28:57: Julia: Also wir gucken tatsächlich konstant, was für Modelle gerade auf dem Markt sind und welche wir dann einsetzen können. Es ist natürlich so, dass die neuen Modelle, die sind vielleicht besser und für komplexere Aufgaben geeignet, während die kleineren Modelle für Routineaufgaben oder für weniger komplexe Anfragen eingesetzt werden können. Und da haben wir absolut den Vorteil, dass sie deutlich günstiger sind, als wenn man jetzt das Neueste vom größten Modell einsetzt und da müssen wir natürlich auch ganz klar wirtschaftlich entscheiden, welches Modell wir einsetzen, sodass wir auf die beste Kombination aus Kosten und Funktionalität kommen.

00:29:38: Wulf: Da schließt sich natürlich dann die interessante Frage an: Wie ist eigentlich euer Team strukturiert? Was habt ihr für Kompetenzen in eurem Startup?

00:29:46: Julia: Okay, das ist eine sehr gute Frage, weil wir haben uns so aufgestellt… Wenn man AI-Startup hört, oder KI-Startup hört, dann kommt einem natürlich erst mal der Entwickler in den Sinn. Wir haben sehr gute Entwickler. Ich bin auch sehr stolz auf sie. Aber was unser Team vor allem ausmacht, sind auch die Experten aus dem Produktmanagement. Weil, die Entwicklung ist zwar das eine, aber das Produkt dann so auszurichten, dass es auch wirklich Mehrwert liefert und dass es am Kunden ausgerichtet ist, sodass der Kunde auch wirklich davon profitiert, das ist im Grunde, wo der Mehrwert sitzt.

00:30:24: Wulf: Das Kundenthema ist, aus ganz persönlicher Erfahrung, hier im Z LAB entwickeln wir ja auch digitale Produkte, eins was extrem wichtig ist. Wie war denn eure Erfahrung? Seid ihr da offene Türen eingerannt, als ihr gesagt habt: “Hey, wir wollen das mal mit jemandem vertesten”? Oder war es schwierig, sozusagen erste Partner, Kunden dafür zu gewinnen, die sagen: “Wir sind bereit, mit euch diesen Entwicklungsweg zu gehen”.

00:30:55: Julia: Ja, genau, das ist tatsächlich bei uns total spannend. Wir haben drei unterschiedliche Arten von Kunden: Also wir haben die Kunden, die total “hyped” sind, die unser Tool unbedingt einsetzen möchten. Die sagen, KI ist das, was sie brauchen. Die aber vielleicht von der KI sich sogar mehr erhoffen, als sie dann in der Realität umsetzen kann. Da muss man natürlich auch sehr viel Arbeit leisten, um die jeweiligen Personen erst mal auf den Boden der Tatsachen zurückzuführen.

00:31:23: Julia: Zu sagen: “Ja das eine ist möglich, das andere noch nicht.” Und dann gibt es natürlich diejenigen, die die Funktionalität in der Hinsicht überschätzen, dass sie sagen, sie möchten KI überhaupt gar nicht einsetzen.

00:31:36: Julia: Und unsere Wunschanwender, auf die wir sehr häufig treffen, sind die, die sagen: “Wir akzeptieren die möglichen Kinderkrankheiten in eurem Tool. Wir akzeptieren die Grenzen von KI. Wir sind da doch offen und schauen, wie wir mit der Zeit gehen und uns weiterentwickeln.”

00:31:55: Julia: Weil ich habe KI erwähnt, dann möchte ich auch noch mal den Menschen erwähnen. Weil was uns ganz wichtig ist, dass den Anwendern bewusst ist, dass sie nicht einer KI vertrauen, sondern sie vertrauen im Grunde immer noch dem Menschen, der plant. Der ist aber in seiner Kompetenz durch eine Künstliche Intelligenz unterstützt.

00:32:16: Julia: Also im technischen Jargon spricht man von “Human in the Loop”, das bedeutet so viel: Der Anwender ist immer noch derjenige, der alles entscheidet und alles validiert im Grunde und unsere Technologie ist nur ein “Enabler” oder ein Verstärker dessen, was der Anwender sowieso schon kann und macht.

00:32:37: Wulf: Vielleicht ganz zum Abschluss, wenn du mal in das nächste Jahr oder die nächsten zwei Jahre reinschaust: Was denkst du, wird der größte Treiber für euer Produkt und für euer Geschäftsmodell sein?

00:32:50: Julia: Da würde ich ganz klar sagen, das hängt mit der Mentalität und mit der Einstellung der Menschen ab. Also wir haben schon eine riesen Veränderung gegenüber 2023/2024 gesehen, dass KI immer mehr Zugang in die Gesellschaft gefunden hat. Und wenn wir sehen, wie die Entwicklung in den letzten Jahren war und das auf die Zukunft projizieren, dann ist das wahrscheinlich, was uns am meisten Mehrwert bringt, wenn einfach die Akzeptanz steigt, dass man offen ist, neue Technologien auszuprobieren und offen hingegen besser zu werden.

00:33:26: Wulf: Julia, Herzlichen Dank für die spannenden Einblicke und das spannende Gespräch.

00:33:31: Julia: Ich danke dir!

00:33:36: Sandra: Wir haben uns ja in unserem Podcast schon viel mit KI in der Baubranche beschäftigt und auch im Z LAB begleitet uns das Thema schon lange. Drees & Sommer scheint mir ein Unternehmen zu sein, das vergleichsweise sehr weit vorne mit dabei ist. Siehst du das auch so? Und was denkst du, woran das liegen könnte?

00:33:52: Wulf: Ja, ich denke, das liegt natürlich zuallererst an der Art der Arbeit von Drees & Sommer. Sie sind ein Beratungsunternehmen. Sie sind viel in den frühen Planungsphasen unterwegs und das bedeutet viel Arbeit am PC, mit Texten, mit großen Datenmengen. Und das ist natürlich per se ein Thema, was eine hohe Anwendbarkeit sozusagen des aktuellen Hauptthemas im Bereich KI hat, nämlich der Large Language Models.

00:34:14: Sandra: Aber auch der Blick auf die strategische Umsetzung zeigt: Hier wird schnell gehandelt. Was machen Sie denn richtig?

00:34:19: Wulf: Also mir fallen da drei Punkte aus dem Gespräch ein: Einmal folgen Sie dem klassischen Ansatz agiler Entwicklung, das heißt, Sie versuchen aus der Nutzung, wo Sie die Nutzer:innen in frühen Pilotprojekte einbinden, Ihrer KI-Tools, schnell zu lernen und die Anwendung anzupassen und zu optimieren. Dann haben Sie sich getraut, in die Breite zu gehen, ein umfangreiches KI-Angebot zu etablieren. In dem Wissen, dass Dinge, die nicht funktionieren, dann auch wieder abgeschaltet werden müssen.

00:34:45: Wulf: Und sie haben kein generisches KI-Angebot einfach so ausgerollt, nach dem Motto: “Hier ist ChatGPT, damit könnt ihr mal arbeiten.” Sondern sie haben sehr spezifische, auf ihre Anwendungsfälle angepasste KI-Agenten entwickelt.

00:34:58: Sandra: Und darüber hinaus entwickeln sie auch ihre eigenen KI-Business-Cases, wie zum Beispiel das Start-up formfollows.ai zeigt. Was können denn unsere Zuhörer:innen aus diesem Startup mitnehmen?

00:35:09: Wulf: Was da einfach spannend ist: das ist ja erst mal ein interner Anwendungsfall gewesen und hat intern Nutzen erzielt. Und jetzt gehen Sie damit auch auf externe Kunden zu. Das heißt, sie können damit auch extern Geld verdienen. Für mich so ein KI befeuerter neuer Service. Eigentlich ein typischer Prototyp für das, was KI leisten kann, denn das passt ganz gut zum Grundverständnis, wie man KI am besten, denke ich, verstehen kann, nämlich als Instrument im Werkzeugkasten, was es eben erlaubt, neue Geschäftsmodelle und Produkte anzutreiben.

00:35:40: Sandra: Jetzt würde mich noch interessieren, liebe Zuhörer und Zuhörerinnen, was nehmt ihr denn mit aus der Folge? Wie fandet ihr sie? Gebt uns doch Feedback auf den Podcast-Plattformen oder an unsere E-Mail Adresse: podcast@z-lab.com. Folgt uns und hört beim nächsten Mal wieder rein. Ich bedanke mich noch bei unseren Gästinnen für diese sehr spannenden Einblicke und bei dir Wulf für die Moderation und freue mich aufs nächste Mal. Ciao!

00:36:03: Wulf: Tschüss! Bis zum nächsten Mal.