App-EntwicklungKI · Multi-AgentBauwesen · PropTech

BauKIT — Baukostenkalkulation aus dem PDF, in Minuten statt Stunden

Eine SaaS-Plattform mit Multi-Agent-KI-Pipeline für die österreichische Baubranche. Pläne werden automatisch ausgelesen, gegen 20.000+ LBH-Positionen abgeglichen und durch einen Reviewer-Agenten qualitätsgesichert.

20.000+

LBH-Positionen

automatisch abgeglichen

Multi-Agent

KI-Pipeline

orchestriert statt Monolith

MVP in 12 Wo.

live

iterative Weiterentwicklung danach

Die Herausforderung

Baukostenkalkulation in Österreich ist komplex: tausende Positionen aus dem Leistungsbuch Hochbau (LBH), individuelle Projektparameter, und jede Menge Erfahrungswissen, das traditionell nur im Kopf des Baumeisters existiert.

BauKIT digitalisiert dieses Wissen und macht es über eine SaaS-Plattform für Baufirmen zugänglich — schneller, transparenter und unabhängig von einzelnen Köpfen.

Unsere Lösung

Bauplan-Upload

PDF-Pläne werden automatisch ausgelesen und ausgewertet — kein manuelles Übertragen mehr.

Multi-Agent KI-Pipeline

Spezialisierte Agenten für Positionserkennung, LBH-Zuordnung und Kostenschätzung — orchestriert statt als Monolith.

Abgleich gegen das LBH

Direkter Bezug zum offiziellen Leistungsbuch Hochbau mit 20.000+ Positionen.

Reviewer-Agent

Ein zweiter KI-Agent prüft die Ergebnisse der Pipeline — automatische Qualitätssicherung statt blindes Vertrauen.

Das Ergebnis

Plan-PDF→Kalkulation

Domänenwissen digitalisiert, KI-gestützt und prüfbar

Was bisher Stunden manueller Erfassung gekostet hat, läuft jetzt durch eine KI-Pipeline mit eingebauter Qualitätssicherung. Der Baumeister kontrolliert und ergänzt — er erfasst nicht mehr Position für Position.

Projekt-Timeline

So lief das Projekt ab

Woche 1–3

Plan-Erkennung als Prototyp

Erste KI-Pipeline für PDF-Analyse: Wie liest die Maschine einen Bauplan?

Woche 4–6

LBH-Zuordnung

Multi-Agent-Logik für Mapping erkannter Positionen auf die 20.000+ LBH-Einträge.

Woche 7–9

Reviewer-Agent

Zweite KI prüft die erste — Qualitätssicherung als Bestandteil der Pipeline.

Woche 10–12

SaaS-Frontend

Anwender-Oberfläche für Projekt-Anlage, Plan-Upload und Kalkulations-Review.

Gesamtdauer

MVP in 12 Wochen, danach iterative Erweiterung

Aufwand Kunde

wöchentliche Reviews + Validierung der KI-Kalkulationen

Kundenstatement folgt

Wir stimmen aktuell mit dem Kunden ein Zitat ab. Bis dahin sprechen die Ergebnisse für sich.

Self-Check

Passt das zu Ihrem Unternehmen?

Passt, wenn …

▸Sie haben tiefes Domänenwissen, das in Köpfen Ihrer Mitarbeiter steckt — und das skalieren wollen.
▸Es gibt klare Referenzdaten oder Regelwerke (Kataloge, Normen, Stammdaten), auf die KI aufsetzen kann.
▸Ein SaaS-Geschäftsmodell ist denkbar — entweder intern als Werkzeug oder extern für Kunden.
▸Sie haben einen Zeithorizont von mindestens 3 Monaten für einen produktiven MVP.

Eher nicht, wenn …

▸Sie suchen eine einfache App ohne KI-Komponente — dafür gibt es schlankere Wege.
▸Es fehlt ein klar definierter Domain-Use-Case („KI für irgendwas") — wir empfehlen vorher einen Discovery-Workshop.
▸Es gibt keine internen Kapazitäten für wöchentliche Reviews während der Entwicklungsphase.

UmsetzungMVP in 12 Wochen

Häufige Fragen

Häufige Fragen zu KI-SaaS-Plattformen.

Was potenzielle Auftraggeber typischerweise wissen wollen, bevor sie ein App-Projekt starten.

Ein MVP mit KI-Komponente steht typischerweise nach 10–14 Wochen. Danach folgt iterative Erweiterung auf Basis echter Anwender-Nutzung. Wir bauen bewusst vom kleinsten produktiven Kern her, nicht vom Pflichtenheft.

Das hängt stark von Domänenkomplexität, Anzahl der KI-Schritte und Integrations-Bedarf ab — eine seriöse Zahl bekommen Sie erst nach einem Konzept-Workshop. Wir geben Ihnen vor Projektstart einen klaren Rahmen für MVP, Vollausbau und laufenden Betrieb.

Nein. Sie liefern das Domänenwissen — wir bauen die KI-Pipeline. Im laufenden Betrieb genügt es, wenn jemand bei Ihnen Ergebnisse prüft und Rückmeldung gibt. KI-Tuning übernehmen wir.

Klassische Programme rechnen mit Werten, die ein Mensch eingibt. Eine KI-Pipeline liest Pläne und Dokumente selbst aus, ordnet zu und schlägt vor. Der Mensch prüft und korrigiert — statt jede Zeile manuell zu erfassen.

Jede Zuordnung ist transparent und korrigierbar. Der Reviewer-Agent markiert unsichere Ergebnisse. Korrekturen fließen in die kontinuierliche Verbesserung — die Pipeline wird mit jedem Projekt präziser.

Ja, das ist sogar das Schöne an Multi-Agent-Architekturen: Die Struktur bleibt, nur Domänen-Logik und Referenzdaten (wie das LBH) werden ausgetauscht. Wir haben Pipelines bereits für Bau, Hausverwaltung und Bildung gebaut.