Large Language Model (LLM): Definition, Funktion und Bedeutung für die Bauwirtschaft

Ein Large Language Model (LLM) ist ein KI-System, das mit enormen Textmengen trainiert wurde und auf Basis dieser Daten Text generieren, zusammenfassen oder analysieren kann. Bekannte Beispiele sind ChatGPT, Claude oder Gemini. Im Kern macht ein LLM eine einzige Sache: Es sagt voraus, welches Wort statistisch am wahrscheinlichsten als nächstes folgt. Diese Mechanik ist mächtig, hat aber drei Grenzen, die in der Bauwirtschaft besonders ins Gewicht fallen.

Was ist ein LLM?

Ein Large Language Model, kurz LLM, ist eine Art künstliche Intelligenz, die für Sprachverarbeitung trainiert wurde. «Large» bezieht sich dabei auf zwei Dinge: erstens auf die enorme Datenmenge, mit der das Modell trainiert wurde. Zweitens auf die Anzahl der Parameter, die das Modell intern verwendet, um Sprache zu verstehen und zu erzeugen. Aktuelle LLMs haben hunderte Milliarden Parameter.

Bekannte LLMs sind:

• GPT-Modelle (OpenAI), Grundlage von ChatGPT

• Claude (Anthropic)

• Gemini (Google)

• Llama (Meta), als Open-Source-Variante

Diese Modelle können Texte schreiben, übersetzen, zusammenfassen, Fragen beantworten, Code generieren und Dokumente analysieren. Was sie tatsächlich tun, ist allerdings simpler als es wirkt.

Wie funktioniert ein LLM?

Im Kern macht ein LLM eine einzige Aufgabe: Es berechnet, welches Wort mit höchster Wahrscheinlichkeit als nächstes folgt. Wenn Sie schreiben «Der Bauleiter prüft die...», schätzt das Modell, dass nach diesem Anfang Wörter wie «Pläne», «Submission» oder «Baustelle» wahrscheinlich sind. Es wählt das wahrscheinlichste, fügt es an und wiederholt den Prozess.

Diese Wahrscheinlichkeiten kommen aus dem Training. Während des Trainings hat das Modell Milliarden Texte gelesen, also Bücher, Webseiten, wissenschaftliche Artikel und Foren. Dabei hat es gelernt, welche Wortfolgen häufig vorkommen und welche Bedeutungsmuster typisch sind.

Drei Schritte sind technisch entscheidend.

1. Tokenisierung. Der Text wird in kleine Einheiten zerlegt, die «Tokens» genannt werden. Ein Token kann ein ganzes Wort, ein Wortteil oder ein Satzzeichen sein. Das deutsche Wort «Bauunternehmen» zum Beispiel wird oft in mehrere Tokens zerlegt.

2. Training. Das Modell lernt aus Beispielen, welche Tokens auf welche folgen und in welchem Kontext. Dieser Prozess kostet erhebliche Rechenleistung und Zeit, oft Wochen oder Monate auf spezialisierten Servern.

3. Inference. Wenn Sie eine Frage stellen, generiert das Modell die Antwort Token für Token, basierend auf dem Gelernten und dem konkreten Kontext der Frage.

Wichtig zu verstehen: Ein LLM versteht den Inhalt nicht im menschlichen Sinn. Es erkennt statistische Muster. Das reicht, um beeindruckende Antworten zu liefern. Es bedeutet aber auch, dass das Modell keine echte Wahrheitsprüfung vornimmt.

Was LLMs gut können

LLMs sind bei vielen sprachbasierten Aufgaben Menschen ebenbürtig oder überlegen.

• Texte zusammenfassen: Aus 50 Seiten Vertrag werden drei Absätze.

• Sprachen übersetzen: Auch fachsprachlich, mit guter Qualität.

• Dokumente strukturieren: Aus einem unstrukturierten Brief wird ein Protokoll.

• Antworten generieren: Auf Basis vorgegebener Informationen, plausibel formuliert.

• Code schreiben: In den meisten gängigen Programmiersprachen.

Im Bauwesen bedeutet das konkret: Ein LLM kann eine Submissionsunterlage in Minuten überfliegen und eine erste Einschätzung liefern. Es kann Klauseln in Verträgen identifizieren und gegen Standardvorlagen vergleichen. Es kann Mails an Bauherren in passendem Ton entwerfen. Was vorher Stunden gekostet hat, geht in Minuten.

Was LLMs nicht können

Das ist der wichtige Teil, gerade für die Bauwirtschaft.

1. Erstens: LLMs halluzinieren. Das Modell sagt voraus, was wahrscheinlich klingt, nicht was wahr ist. Wenn das Training keine Information zu einem Thema enthält, erfindet das Modell oft eine plausible, aber falsche Antwort. Bei Submissionen mit hohem Risiko ist das nicht kleinzureden.

2. Zweitens: LLMs haben einen Wissens-Stichtag. Jedes Modell wurde zu einem bestimmten Zeitpunkt trainiert. Was danach geschehen ist (neue Vertragsklauseln, geänderte Branchennormen, aktuelle Gerichtsurteile), kennt es nicht. Ohne Zugriff auf aktuelle Quellen bleibt das Modell auf dem Stand seines Trainings stehen.

3. Drittens: LLMs kennen Ihren Kontext nicht. Ein generisches LLM weiss nicht, wie Ihr Unternehmen kalkuliert, welche Bauherren Sie bedienen oder welche Klauseln in Ihrer Branche kritisch sind. Ohne diesen Kontext bleibt jede Antwort allgemein.

Was bedeutet das für die Bauwirtschaft?

Die kurze Antwort: LLMs sind ein mächtiges Werkzeug, aber kein eigenständiger Bauexperte. Wer sie produktiv im Bau einsetzen will, muss zwei Dinge zusätzlich lösen.

1. Erstens: Quellen-Grounding. Statt das LLM aus dem Gedächtnis antworten zu lassen, gibt man ihm konkrete Dokumente, also den Werkvertrag, das Leistungsverzeichnis, die Branchennormen, und fordert Antworten ausschliesslich aus diesen Quellen. So lassen sich Halluzinationen drastisch reduzieren.

2. Zweitens: Branchenspezifischer Workflow. Statt freier Konversation arbeitet eine spezialisierte Plattform mit vorgegebenen Prozessen, die für Submissionen optimiert sind. Was geprüft wird, in welcher Reihenfolge, mit welchen Kriterien: Das ist eingebaut, nicht improvisiert.

Genau diese beiden Schichten setzt Scait auf ein LLM auf. Scait liefert die Fakten. Sie treffen die Entscheidung. Das LLM ist die Sprach-Engine, aber die Verlässlichkeit kommt aus dem Workflow und dem Quellen-Grounding.

Demo vereinbaren

Wenn Sie sehen wollen, wie ein LLM in einer auf Schweizer Submissionen spezialisierten Plattform arbeitet: Wir zeigen Ihnen Scait an einem Ihrer eigenen Projekte. Unverbindlich, in 30 Minuten.

---

FAQ

Ist ein LLM dasselbe wie KI?

Nein. KI ist der Oberbegriff für viele Technologien. Ein LLM ist eine spezifische Art von KI für Sprachverarbeitung. Andere KI-Typen erkennen Bilder, steuern Roboter oder treffen Entscheidungen in Spielen. LLMs decken den Sprach-Bereich ab.

Kann ein LLM lernen, während ich es nutze?

Im Standardfall nein. Das Training ist abgeschlossen, bevor das Modell verfügbar wird. Es gibt aber Verfahren, mit denen ein LLM während der Nutzung Kontext aufnimmt oder über zusätzliche Schichten neue Daten einbindet. Das ist genau, was branchenspezifische Plattformen wie Scait tun: Sie geben dem LLM Ihre Dokumente und Ihren Kontext mit, damit die Antworten zu Ihrem Unternehmen passen.

Sind alle LLMs gleich gut?

Nein. Die Qualität hängt vom Training, der Modellgrösse und dem Anwendungsfall ab. Für Schweizer Submissionen zählt nicht das absolut grösste Modell, sondern das Modell, das mit den richtigen Quellen, dem richtigen Workflow und dem richtigen Kontext arbeitet. Generische Stärke schlägt spezifische Eignung selten.

Ist ein LLM dasselbe wie ein Chatbot?

Nicht ganz. Ein Chatbot ist eine Anwendung, die typischerweise auf einem LLM aufsetzt, aber zusätzlich eine Benutzeroberfläche, eine Konversations-Logik und oft eine bestimmte Persona hat. Das LLM ist die Engine, der Chatbot ist das fertige Produkt. Eine Plattform für Submissionen ist ebenfalls ein LLM-basiertes Produkt, aber ohne Chatbot-Charakter, weil sie einem strukturierten Prozess folgt.