KI-Agenten im Bau: Was Agentic AI wirklich bedeutet
- vor 12 Minuten
- 5 Min. Lesezeit
Agentic AI ist das Thema der Stunde: KI-Systeme, die Aufgaben ausführen, statt nur Fragen zu beantworten. An einem C-Level-Event zu Künstlicher Intelligenz haben Führungskräfte aus Telekommunikation, Versicherung und Industrie gezeigt, wie sie mit KI-Agenten produktiv arbeiten. Die wichtigste Erkenntnis: Erfolgreiche Agenten-Systeme sind spezialisiert, kontrollieren sich gegenseitig und lassen die Entscheidung beim Menschen. Genau dieses Muster passt auf die Bearbeitung von Bauausschreibungen.
Was unterscheidet KI-Agenten von einem Chatbot?
Ein Chatbot beantwortet Fragen, ein KI-Agent erledigt Aufgaben. Er plant Arbeitsschritte, führt sie aus, prüft Zwischenergebnisse und liefert ein Resultat ab. Genau das meint der Begriff Agentic AI: Künstliche Intelligenz, die handelt statt nur zu antworten. Für Bauunternehmen ist dieser Unterschied zentral, denn die Submissionsbearbeitung besteht aus Aufgaben, nicht aus einzelnen Fragen.
Am Event brachte es der Eröffnungsredner auf eine einfache Formel: Der Mensch definiert, was erreicht werden soll. Der Agent übernimmt die Ausführung. Der Mensch beurteilt das Ergebnis.
Übertragen auf den Bau heisst das: Ein Agent beantwortet nicht nur die Frage nach einer Vertragsstrafe. Er liest das ganze Dossier, zieht Fristen und Klauseln heraus, vergleicht sie über alle Dokumente hinweg und legt Ihnen das Ergebnis strukturiert vor.
Das ist eine grundlegende Verschiebung gegenüber der ersten Generation generativer KI. Wer die Grundlagen dazu auffrischen möchte, findet sie in unserem Beitrag Generative KI im Bau 101.
Wie arbeitet ein Multi-Agenten-System in der Praxis?
Ein Multi-Agenten-System zerlegt eine komplexe Aufgabe in Teilaufgaben und verteilt sie auf spezialisierte KI-Agenten. Jeder Agent übernimmt einen klar abgegrenzten Schritt, etwa Daten sammeln, analysieren oder Ergebnisse zusammenführen. Komplexe Probleme lassen sich so zuverlässiger lösen als mit einem einzigen generischen Modell, das alles gleichzeitig können soll.
Ein Praxisbeispiel vom Event: Der Ernährungskonzern hatte in Nordamerika hohe Fluktuation im Verkauf. Neue Account Manager übernahmen Kundenportfolios, die sie kaum kannten, und sollten trotzdem schnell fundierte Gespräche führen.
Die Lösung war ein mehrschichtiges Agenten-System. Ein Agent sammelt Marktdaten, einer erstellt das Kundenprofil, einer analysiert das Produktportfolio des Kunden. Weitere Agenten kombinieren diese Informationen mit Konsumententrends, identifizieren Marktlücken und erstellen daraus konkrete Produktkonzepte.
Interessant war auch der Entwicklungsweg. Grosse Workshops mit allen Beteiligten scheiterten, weil jeder eine andere Arbeitsweise hatte. Erfolgreich wurde das Projekt erst, als zwei bis drei Personen das System bauten und alle anderen nur noch Feedback auf die Resultate gaben.
Wie verhindern Kontroll-Agenten Halluzinationen?
Kontroll-Agenten prüfen die Resultate anderer Agenten, bevor diese beim Nutzer landen. Sie vergleichen Aussagen mit den Quelldokumenten, erkennen Widersprüche und weisen fehlerhafte Ergebnisse zurück. In regulierten Branchen ist diese Kontrollschicht der entscheidende Faktor für Zuverlässigkeit und Akzeptanz im Team.
Der Ernährungskonzern nannte diese Prüfinstanzen intern augenzwinkernd Diktatoren: Agenten, die den anderen Agenten Arbeitsanweisungen geben und anschliessend nachkontrollieren, ob die Ergebnisse stimmen.
Der Grund für den Aufwand: Das Unternehmen arbeitet in einem stark regulierten Umfeld und kann sich erfundene Fakten schlicht nicht leisten. Erst diese Kontrollschicht brachte die Akzeptanz der Verkaufsteams.
Die Parallele zum Bau liegt auf der Hand. Eine übersehene oder falsch wiedergegebene Vertragsklausel kann ein Bauunternehmen bis zu CHF 1 Million kosten. Deshalb arbeitet auch Scait nach diesem Prinzip: Jeder Befund wird mit einem Quellenverweis auf die Originalstelle im Dokument belegt. Wie das in der Praxis aussieht, zeigt die Werkvertragsanalyse mit Quellenverweis in Construix.
Wie viel Autonomie ist bei KI-Agenten sinnvoll?
Weniger, als das Marketing verspricht. Auf dem Podium waren sich alle einig: Vollautonome Workflows ohne menschliche Freigabe setzt heute kaum ein Unternehmen produktiv ein. KI-Agenten übernehmen die Vorarbeit, doch die Entscheidung trifft eine Fachperson. Je höher das Risiko einer Aufgabe, desto wichtiger ist diese menschliche Kontrolle.
Eine Führungskraft des Telekommunikationskonzerns beschrieb dafür ein einfaches Modell: Der Prüfaufwand richtet sich nach den Konsequenzen. Eine interne Notiz erhält fünf Minuten Review. Eine Präsentation für den Verwaltungsrat wird Satz für Satz geprüft.
Dasselbe gilt für Prozesse. Bei Aufgaben mit tiefem Risiko darf die KI weitgehend selbstständig arbeiten, mit Stichprobenkontrolle. Bei Entscheidungen mit realen Konsequenzen braucht es eine Oberfläche, in der ein Mensch die Ergebnisse effizient prüfen und korrigieren kann.
Bemerkenswert war die Aussage einer Verantwortlichen, deren Entwicklerteams KI nutzen, um KI-Anwendungen zu bauen: Selbst dort geht kein Resultat ohne menschliche Freigabe in den produktiven Einsatz. Wer täglich mit diesen Werkzeugen arbeitet, vertraut ihnen viel, aber nicht blind.
Eine zweite Erkenntnis aus der Diskussion: Je subjektiver eine Frage, desto weniger taugt ein Prüf-Agent als Schiedsrichter. Wo sich zwei Fachleute uneinig wären, kann auch die KI keinen objektiven Entscheid liefern. Für den Bau heisst das: Faktenprüfung lässt sich delegieren, die Beurteilung nicht.
Was bedeuten KI-Agenten für die Submissionsbearbeitung?
Die Bearbeitung einer Ausschreibung ist ein Paradefall für spezialisierte KI-Agenten: hunderte Dokumente, tausende Seiten, ständige Querbezüge zwischen Vertrag und Leistungsverzeichnis. Ein einzelnes generisches KI-Tool scheitert an diesem Umfang. Spezialisierte Prüfschritte mit Kontrollmechanismen und Quellenverweisen liefern dagegen messbare Entlastung.
Ein erfahrener Kalkulator investiert heute 26 Stunden oder mehr, um ein Ausschreibungsdossier vollständig durchzuarbeiten. Unter Zeitdruck bleibt vieles ungelesen, und genau dort verstecken sich die Risiken.
Ein agentisches System geht anders vor. Spezialisierte Prüfungen lesen das komplette Dossier: Die automatische Vertragsanalyse gleicht Klauseln gegen Schweizer Branchenstandards ab, die LV-Prüfung plausibilisiert Mengen und Massenbilanzen. Die Ergebnisse landen als strukturierte Befunde beim Kalkulator, jeder einzelne mit Quellenverweis.
Dazu kommt der Quervergleich zwischen den Dokumenten, denn viele teure Fehler liegen genau dort, wo Vertrag und Leistungsverzeichnis einander widersprechen. Welche Fallen dabei lauern, zeigt unser Beitrag über versteckte Risiken im Leistungsverzeichnis.
Der Kalkulator bleibt dabei der Entscheider. Er prüft die Befunde, verwirft, was nicht relevant ist, und konzentriert seine Erfahrung auf die Beurteilung statt auf das Blättern. In rund 70 realen Projekten hat dieses Vorgehen den Aufwand um etwa 60% reduziert. Eine Übersicht weiterer Anwendungsfälle bietet der Beitrag wo KI im Bau heute Sinn macht.
Worauf sollten Bauunternehmen bei agentischen Lösungen achten?
Vier Kriterien trennen brauchbare Lösungen von riskanten: nachvollziehbare Quellen, Spezialisierung auf die Branche, eingebaute Kontrollmechanismen und eine klar geregelte menschliche Verantwortung. Wer diese Punkte systematisch abfragt, erkennt schnell, ob hinter dem Begriff Agentic AI Substanz steckt oder nur eine neue Verpackung.
Konkret lohnt sich bei jeder Evaluation dieser Blick:
Quellenverweise: Belegt das System jede Aussage mit der Originalstelle im Dokument? Ohne Beleg keine Verlässlichkeit.
Branchenspezialisierung: Kennt die Lösung Schweizer Normen, Vertragslogik und Dokumenttypen aus dem Bau? Generische Modelle kennen sie nicht.
Kontrollmechanismen: Prüfen unabhängige Instanzen die Resultate, bevor Sie sie sehen?
Verantwortung: Ist klar geregelt, dass die Freigabe bei Ihren Fachleuten liegt und nicht beim System?
Dazu kommt die Datenfrage: Wo werden Ihre Ausschreibungsunterlagen verarbeitet und gespeichert? Was Schweizer Firmen dabei beachten müssen, haben wir im Artikel zu KI und Datenschutz im Bau zusammengefasst.
Sehen Sie KI-Agenten an einem echten Projekt
Theorie ist das eine. Wie spezialisierte Prüfungen eine echte Ausschreibung durcharbeiten, zeigen wir Ihnen am liebsten an einem Ihrer eigenen Projekte.
Unverbindlich, 30 Minuten, mit Ihren eigenen Unterlagen. Über CHF 1.3 Milliarden
analysiertes Projektvolumen sprechen für sich.
Häufige Fragen zu KI-Agenten
Was ist ein KI-Agent? Ein KI-Agent ist ein KI-System, das eine Aufgabe selbstständig plant und ausführt, statt nur auf einzelne Fragen zu antworten. Er kann Dokumente lesen, Informationen vergleichen, Zwischenschritte prüfen und ein fertiges Resultat abliefern. Die Freigabe des Resultats bleibt in professionellen Anwendungen beim Menschen.
Was ist der Unterschied zwischen Agentic AI und generativer KI? Generative KI erzeugt Inhalte auf Anfrage, etwa Texte oder Zusammenfassungen. Agentic AI nutzt diese Fähigkeit, um mehrstufige Aufgaben durchzuführen: Sie zerlegt ein Ziel in Arbeitsschritte, führt diese aus und kontrolliert die Ergebnisse. Agentic AI ist also die arbeitende Anwendung generativer KI.
Wie zuverlässig sind KI-Agenten? Das hängt von der Architektur ab. Systeme mit spezialisierten Agenten, gegenseitiger Kontrolle und Quellenverweisen erreichen eine deutlich höhere Verlässlichkeit als ein einzelnes generisches Modell. Entscheidend ist, dass jede Aussage auf die Originalstelle im Dokument zurückführbar ist und eine Fachperson die Freigabe erteilt.
