KI-Scan-to-BIM macht aus Punktwolken Bestandsmodelle 2026

Wofür Scan-to-BIM wirklich da ist

Jede Sanierung beginnt mit derselben unbequemen Frage: Was ist eigentlich vorhanden? Pläne von 1974 lügen. Wände wurden versetzt. Ein Kanal wurde um einen Träger herumgeführt, den niemand dokumentiert hat. Bevor Sie einen Umbau planen, eine Etage aufstocken oder die Gebäudetechnik erneuern, brauchen Sie ein Modell des Gebäudes, wie es heute dasteht – nicht, wie es einmal gedacht war.

Scan-to-BIM beantwortet diese Frage. Sie gehen mit einem Laserscanner durch das Gebäude, erfassen Millionen Punkte und machen aus dieser Rohwolke ein intelligentes, parametrisches BIM-Modell in Revit oder IFC. Wände werden zu Wänden. Stützen wissen, dass sie Stützen sind. Rohre führen Durchmesser und Gefälle mit. Das Ergebnis speist Koordination, Kollisionsprüfung, Facility Management und jede nachgelagerte Entscheidung.

Der schwierige Teil war nie das Scannen. Scanner sind längst schnell und günstig. Der Engpass sitzt in der Mitte: eine formlose Masse aus Koordinaten in benannte, editierbare Bauteile zu verwandeln. Dieser Schritt hat früher Wochen im Leben eines Modellierers verschlungen. Die KI hat die Rechnung verändert.

Vom Laser zur Punktwolke: Was der Scanner Ihnen übergibt

Ein terrestrischer Scanner wie ein Leica RTC360 oder ein Faro Focus sendet einen Laser aus und misst, wo er zurückkommt – millionenfach pro Standpunkt. Bewegen Sie ihn durch das Gebäude, registrieren Sie die Standpunkte zueinander, und Sie erhalten eine einheitliche Punktwolke: einen dichten 3D-Schwarm gemessener Punkte, oft eingefärbt von der Scannerkamera. Handgeführte SLAM-Geräte und Matterport-Pro-Kameras liefern eine gröbere, schnellere Variante desselben Prinzips.

Am Ende steht eine Datei im Format .e57, .las oder .xyz, mitunter zig Gigabyte groß. Sie ist geometrisch auf wenige Millimeter genau. Und sie ist völlig ahnungslos. Die Wolke unterscheidet eine Wand nicht von einem Bücherregal. Jeder Punkt ist nur x, y, z und vielleicht eine Farbe. Das ist das Material, mit dem die KI arbeiten muss.

Autodesk ReCap und Leica Cyclone übernehmen Registrierung und Bereinigung – Scans ausrichten, Personen entfernen, die durchs Bild liefen, Rauschen kappen. Gute Registrierung zählt mehr, als man denkt. Sind Ihre Standpunkte um einen Zentimeter verschoben, rettet keine noch so clevere Modellierung das Ergebnis.

Wo die KI wirklich ihr Geld verdient

Die eigentliche Arbeit ist Segmentierung und Klassifizierung. Aus einer Wand undifferenzierter Punkte muss die Software entscheiden: Dieses Cluster ist eine Wand, jene Ebene eine Bodenplatte, dieser Zylinder ein 150-mm-Rohr, jene sich wiederholenden Formen eine Stützenreihe. Das ist ein Machine-Learning-Problem, und genau deshalb schrumpft ein Modellierungsauftrag von drei Wochen auf drei Tage.

Ebenenerkennung ist der ausgereifte Teil. Werkzeuge passen seit Jahren Ebenen an Punktcluster an, also werden flache Flächen – Böden, Decken, gerade Wände – zuverlässig extrahiert. Neuronale Netze, trainiert auf beschrifteten Wolken, gehen weiter: Sie erkennen tragende Stützen, Träger und technische Trassen und versehen sie mit der richtigen IFC-Klasse. PointFuse segmentiert eine Wolke automatisch in Flächen und Objekte. EdgeWise von ClearEdge3D ist eigens dafür gebaut, Wände und zylindrische Verrohrung aus dichten Industriescans zu ziehen und Ihnen Revit-native Geometrie zu übergeben.

Die spannende Verschiebung 2026 geht hin zu Objekten statt bloßer Flächen. Ältere Werkzeuge gaben Ihnen saubere Ebenen und ließen Sie die Wand bauen. Neuere versuchen, Ihnen die Wand selbst zu geben – mit Dicke, Unterkante und Oberkantenbindung, fertig zum Bearbeiten. Cloud2BIM-AI von ConstrIQ läuft lokal auf dem Desktop und exportiert direkt nach IFC, gedacht für Teams, die sensible Gebäudescans nicht in einen Cloud-Dienst geben dürfen. Dieser letzte Punkt wiegt schwerer, als er klingt; viele Scandaten stammen aus Kliniken, Gerichten und Sicherheitsbereichen.

Die Werkzeuge, die 2026 die Arbeit machen

Der Markt teilt sich in wenige ehrliche Kategorien. Niemand hat einen einzigen Knopf, der aus einer Wolke ein fertiges Modell macht, was auch immer das Marketing behauptet. Aber jedes dieser Werkzeuge kann einen Teil richtig gut:

Leica Cyclone / CloudWorx – Registrierung, Bereinigung und das Arbeiten in Revit mit referenzierter Wolke. Das Rückgrat der meisten professionellen Abläufe.
Autodesk ReCap – die Verbindung von Rohscans zur Autodesk-Welt. Eher Bereinigung und Formatumwandlung als Modellierung.
PointFuse – automatische Segmentierung in Meshes und klassifizierte Flächen, nützlich, wenn Sie Objekte statt Punktbrei wollen.
EdgeWise (ClearEdge3D) – am stärksten bei Verrohrung und Tragwerk in industrie- und TGA-lastigen Scans; extrahiert Bauteile als Revit-Familien.
Cloud2BIM-AI (ConstrIQ) – Desktop, lokale Verarbeitung, direkter IFC-Export. Die datenschutzbewusste Option.
Matterport / NavVis – Erfassung plus gehosteter digitaler Zwilling; der Einstieg für Teams ohne vermessungstauglichen Scanner.

Die meisten Büros setzen zwei oder drei davon hintereinander ein. Erfassen mit dem einen, registrieren in Cyclone oder ReCap, automatisch klassifizieren in PointFuse oder EdgeWise, dann von Hand in Revit fertigstellen. Die KI erledigt die Fleißarbeit; der Modellierer trifft das Urteil.

Bestand gegen Planung: die Lügen aufdecken

Sobald Sie ein Bestandsmodell haben, tut sich eine zweite Nutzung auf. Legen Sie es über das Planungsmodell, und die Software färbt jede Abweichung ein: die Platte, die 40 mm zu tief betoniert wurde, die Wand, die 8 cm neben ihrer Achse steht, der Strang, der im falschen Feld landete. Das ist Abweichungsanalyse, und auf der aktiven Baustelle ist sie so viel wert wie das Modell selbst.

Verifly und ähnliche Werkzeuge nehmen einen frischen Scan mitten im Bau und vergleichen ihn mit dem BIM. Statt dass ein Polier den Fehler drei Gewerke später findet, findet ihn die Wolke am Tag seines Entstehens. Das ist der Unterschied zwischen einem Nachtrag und einem Desaster. Bei Denkmal- und Facility-Arbeit dokumentiert dieselbe Überlagerung, wie weit ein Gebäude über Jahrzehnte von seinen Bestandsplänen abgedriftet ist.

Über die Sanierung hinaus: Zwillinge, Denkmal und Übergabe

Sanierung ist die naheliegende Nutzung, doch das Modell überlebt das Projekt. Speisen Sie den Bestand in eine Facility-Plattform wie Autodesk Tandem, bekommt das Gebäude einen digitalen Zwilling, den Facility Manager jahrelang abfragen – wo ist das Absperrventil, was liegt über dieser Decke, welche Wand ist tragend, bevor jemand hineinbohrt. Der Scan zahlt sich lange nach dem Banddurchschnitt aus.

Denkmalpflege ist ein weiterer stiller Gewinn. Das Scannen einer denkmalgeschützten Kirche oder eines hundert Jahre alten Rathauses hält seinen exakten Zustand vor jedem Eingriff fest, und ein Scan-to-BIM-Modell dokumentiert Ornamentik und unregelmäßige Geometrie in einer Dichte, die Handaufmaß nie erreichen könnte. Restauratoren nutzen dieselben Abweichungsüberlagerungen, um Setzungen, Risse und Bewegungen zwischen jährlichen Aufnahmen zu verfolgen. Und bei der Übergabe ist ein präzises Bestandsmodell zunehmend eine vertragliche Leistung, kein nettes Extra – Eigentümer wollen den Zwilling, nicht eine Kiste voller PDFs.

Wo es weiterhin scheitert

Hier kommt der Teil, den die Herstellerdemos auslassen. Automatische Klassifizierung ist gut in sauberen, offenen, geometrisch einfachen Räumen. Richten Sie sie auf ein bewohntes Büro der 1960er mit abgehängten Decken, Kabelpritschen, Möbeln und vierzig Jahren Ad-hoc-Umbauten, und die Genauigkeit fällt. Die KI hält ein Bücherregal für eine Wand. Sie übersieht ein Rohr hinter einem Kanal. Sie sieht nicht, was der Laser nie getroffen hat.

Verdeckung ist der ewige Feind. Ein Scanner erfasst nur, was in Sichtlinie liegt. Alles hinter einem Schrank, über einer Deckenplatte oder in einem Schacht fehlt schlicht, und kein Modell kann Geometrie erfinden, die es nie gemessen hat. Gekrümmte und nicht rechtwinklige Flächen bringen Werkzeuge, die auf Kästen getrimmt sind, weiterhin ins Straucheln. Und der Level of Development ist Verhandlungssache: eine LOD-200-Hülle für eine Machbarkeitsstudie ist etwas völlig anderes als ein LOD-350-Modell mit genauer Gebäudetechnik für eine Vollsanierung.

Der ehrliche Ablauf hält den Menschen daher an zwei Stellen im Spiel – beim Prüfen der automatisch klassifizierten Bauteile und beim Modellieren der unordentlichen Ausnahmen von Hand. Die KI hat aus drei Wochen drei Tage gemacht. Sie hat daraus keine null Tage gemacht, und wer das verspricht, verkauft Ihnen später einen Nachbesserungsauftrag.

Ein realistisches Projekt, von Anfang bis Ende

Nehmen wir an, Sie dokumentieren eine vierstöckige Schule für eine Sanierung. Sie scannen zwei Tage lang, vielleicht sechzig Standpunkte plus handgeführte Erfassung in den engen Treppenhäusern. Sie registrieren alles über Nacht in Cyclone – das ist der Schritt, den Sie nicht überstürzen. Sie schicken die registrierte Wolke durch PointFuse oder EdgeWise, um Wände, Böden und die Haupttrassen der Technik automatisch zu extrahieren. Dann verbringen Sie ein paar Tage in Revit damit, das zu korrigieren, was die KI falsch gemacht hat, und das zu modellieren, was sie nicht sehen konnte.

Das Ergebnis ist ein Bestandsmodell, dem Ihr Planungsteam wirklich trauen kann, geliefert in einer Woche statt in einem Monat. Diese Verdichtung ist die ganze Geschichte. Keine Magie, keine Vollautomatik – eine echte, unspektakuläre, enorme Zeitersparnis beim unglamourösesten Teil der Arbeit.

Fragen, die wirklich gestellt werden

Kann KI eine Punktwolke ganz ohne menschliche Arbeit in BIM umwandeln?

Nein, und seien Sie skeptisch, wenn jemand das Gegenteil behauptet. KI automatisiert Segmentierung, Ebenenerkennung und die Klassifizierung gängiger Bauteile zuverlässig, und das ist der Großteil der Arbeit. Aber Verdeckungen, unordentliche reale Bedingungen und Entscheidungen zum Level of Development brauchen weiterhin das Auge eines Modellierers. Planen Sie Prüfung und manuelle Fertigstellung ein.

Wie genau ist ein Scan-to-BIM-Modell?

Die Punktwolke selbst ist mit einem vermessungstauglichen Scanner und guter Registrierung typischerweise auf wenige Millimeter genau. Das BIM-Modell erbt diese Genauigkeit dort, wo die KI korrekt klassifiziert, verliert sie aber überall, wo Geometrie verdeckt oder falsch erkannt wurde. Die Qualität der Registrierung setzt die Obergrenze – nachlässige Standpunkte vergiften alles Nachgelagerte.

Welche Dateiformate sind wichtig?

Scanner geben Punktwolken als .e57, .las oder .xyz aus. Registrierung und Bereinigung laufen in Werkzeugen wie ReCap oder Cyclone. Das fertige Modell landet als natives Revit-Format oder als IFC, das offene Austauschformat, mit dem das Modell ohne Herstellerbindung zwischen verschiedenen BIM-Plattformen wandert.

Brauche ich einen teuren Scanner für den Anfang?

Zum Ausprobieren nicht. Eine Matterport-Pro-Kamera oder ein handgeführtes SLAM-Gerät liefert eine brauchbare Wolke für Machbarkeit und Raumdokumentation. Für vermessungstaugliche Bestände, die eine echte Sanierung speisen, ist ein terrestrischer Scanner wie ein Leica RTC360 oder Faro Focus das Werkzeug, denn Millimetergenauigkeit ist der Sinn der Übung.

Wie lange dauert ein Scan-to-BIM-Projekt tatsächlich?

Es hängt von Größe und angestrebtem Level of Development ab, aber das Muster ist konstant: Erfassung ein bis zwei Tage, Registrierung eine Nachtarbeit, automatische Klassifizierung läuft in Stunden, und die manuelle Fertigstellung frisst die eigentliche Zeit. Ein mittelgroßes Gebäude, das einen Modellierer früher drei bis vier Wochen kostete, landet mit KI im Spiel in rund einer Woche – die meiste davon fürs Prüfen und Korrigieren, nicht fürs Bauen von null.

Möchten Sie sehen, wie KI aus einer einfachen Beschreibung fertige Visualisierungen und Entwurfsrichtungen macht? Entdecken Sie, was Pixintel für Designteams entwickelt.

Bilder: AI-Designed