Räumliche KI soll Baustellensteuerung um Raum-Zeit-Daten erweitern
Künstliche Intelligenz unterstützt Baustellenleitung und Projektteams bereits bei Building Information Modeling, Projektmanagement, Überwachung, Automatisierung repetitiver Aufgaben oder Robotereinsatz. Gängige Sprachmodelle erfassen jedoch räumliche und zeitliche Dimensionen nicht systematisch. Dadurch fehlen ein lokales Verständnis und eine belastbare Vergleichbarkeit für Aufgaben, bei denen Geografie und Verlauf entscheidend sind, etwa bei Lagerflächen entlang von Linienbaustellen, bei Kapazitätsvergleichen über mehrere Jahre oder bei logistikbezogenen Fragestellungen.
Standard-LLM verarbeiten Updates als isolierte Information
Ändern sich Daten, gelten Aktualisierungen in Standard-LLM häufig als neue, unabhängige Information. Beziehungen und Veränderungen über Raum und Zeit werden nicht als zusammenhängendes Muster erkannt. Ohne einheitlichen räumlichen Rahmen und ohne komplexe externe GIS-Logik lassen sich veränderliche Geografien, entstehende Hotspots oder räumliche Muster im Zeitverlauf nur unzureichend abbilden.
Large Geo-Grid Model schafft eine einheitliche Raumgrammatik
The Green Bridge entwickelt dafür das Large Geo-Grid Model. Grundlage ist das EEA Reference Grid der European Environment Agency, das in den globalen Raum übertragen werden soll. Das Modell teilt die Erde in ein hierarchisches Gitter aus festen Zellen. Jede Zelle erhält eine permanente ID, definierte Nachbarschaften und einen Eltern-Kind-Bezug über 17 Rasterebenen mit einer Skalierung von 1 Millimeter bis 100 Kilometer. So entsteht eine stabile Referenz, die Umgebung, Richtung und Entfernung abbildet und räumliche Daten vergleichbar, überlagerbar und statistisch auswertbar machen soll.
Von Logistik bis Nachkalkulation: Daten werden zu Raum-Zeit-Tokens
Daten zu Lageroptionen, Anlieferungszeiten, Fachkraftverteilung, Arbeits- und Pausenzeiten, Energiekosten, Wetter, Verzögerungen oder vergleichender Nachkalkulation werden auf das Raster projiziert. Jede Zelle fungiert dabei als räumliches Token mit Zeitstempel, dessen Merkmale sich im Verlauf verändern. Aus mehrzeitigen Daten sollen räumliche Dynamiken wie Muster, Clustering-Trends und Entwicklungsrichtungen erkennbar werden. Ziel ist, dass Bauleiter komplexe Fragen per Prompt stellen und Antworten als visuell leicht erfassbare Karten erhalten, um Planung, Baustellensteuerung und Terminabweichungen zu unterstützen.
Kombination aus Sprachmodell und Geo-Grid-Modell
Die Technologie ist als Kombination aus Sprachmodell und Geo-Grid-Modell angelegt. Das Sprachmodell dient als Denk- und Kommunikationsebene, das Geo-Grid-Modell liefert die räumlich-zeitliche Grundlage. Über strukturierte Tool-Aufrufe werden georäumliche Schlussfolgerungen erzeugt und als erklärbare Ergebnisse samt Karte zurückgegeben; als einbezogene Parameter werden unter anderem Wetterdaten, Preisentwicklung und Verkehrsfluss genannt.
