Künstliche Intelligenz (KI) macht Zirkuläres Bauen skalierbar: Sie hilft, verbaute Bauprodukte schneller zu erfassen, ihr Potenzial für eine Anschlussnutzung zu bewerten und Angebot und Bedarf an wiederverwendbaren Bauteilen zusammenzubringen. Je schneller und günstiger diese Schritte werden, desto häufiger lohnt sich Re-Use – und desto eher wird aus Abbruchmaterial ein Rohstoff für den nächsten Lebenszyklus.
Lange war das größte Hindernis für Zirkuläres Bauen nicht der Wille, sondern der Aufwand: Wer Bauteile wiederverwenden will, muss wissen, was verbaut ist, in welchem Zustand, in welcher Menge und wann es frei wird. Diese Informationen fehlen in den meisten Bestandsgebäuden. KI setzt genau hier an – auf fünf Ebenen:
- Portfolio und Stadt
Wo liegen die Materiallager, und wo lohnt sich ein genauer Blick?
- Gebäude
Bauprodukte im Pre-Deconstruction Audit erkennen und erfassen.
- Bauprodukt
Wert, Kosten und Potenzial für eine Anschlussnutzung abschätzen.
- Markt
Verfügbare Bauteile und Bedarf neuer Projekte zusammenbringen.
- Nachweis
Mengen, Verwertungswege und Emissionen für den nächsten Lebenszyklus bilanzieren.
Warum Zirkuläres Bauen Daten braucht
Ein Neubau startet mit Plänen, Ausschreibungen und Datenblättern. Ein Bestandsgebäude dagegen ist oft eine Blackbox: Pläne sind veraltet oder fehlen, Umbauten wurden nicht dokumentiert, Materialqualitäten sind unbekannt. Bevor ein Bauteil wiederverwendet werden kann, müssen Art, Menge, Zustand, Ausbaubarkeit und Schadstofffreiheit geklärt sein. Danach braucht es einen Abnehmer, der genau dieses Bauteil zum passenden Zeitpunkt sucht.
Jeder dieser Schritte war bisher Handarbeit von Fachleuten. Das macht Wiederverwendung teuer – vor allem bei Bauprodukten mit geringem Stückwert. KI verändert diese Rechnung: Sie übernimmt wiederkehrende Erfassungs- und Sortieraufgaben, damit sich die Expertinnen und Experten auf Bewertung, Planung und Entscheidung konzentrieren können.
Ebene 1: Portfolio und Stadt – wo liegen die Materiallager?
Für Kommunen und große Bestandshalter stellt sich zuerst die Frage, wo sich ein genauer Blick lohnt. Das Urban Mining Kataster macht dafür die im Gebäudebestand gebundenen Materialien und den CO₂-Gehalt gebäudescharf auf einer 3D-Karte sichtbar: Materialschätzungen, Gebäudevolumen und Nutzungstypen. Die Datengrundlage stammt vom Leibniz-Institut für ökologische Raumentwicklung (IÖR) und beruht auf typenbasierten Materialkennzahlen, die statistisch hochgerechnet werden.
Solche Hochrechnungen sind keine KI im engeren Sinn – aber sie sind die Datenbasis, auf der KI-Modelle aufsetzen. Kombiniert man die Schätzwerte aus dem Kataster mit den Ergebnissen tatsächlich durchgeführter Audits, lassen sich Prognosen für vergleichbare Gebäude immer weiter verbessern. So können Portfolios priorisiert werden: Welche Gebäude enthalten viele wiederverwendbare Bauprodukte, wo steht bald ein Rückbau an, wo lohnt sich ein Audit zuerst?
Ebene 2: Gebäude – KI im Pre-Deconstruction Audit
Das Pre-Deconstruction Audit nach DIN SPEC 91484 erfasst in zwei Stufen, welche Bauprodukte in einem Gebäude vorhanden sind, in welchem Zustand sie sich befinden, ob sie sich zerstörungsfrei ausbauen lassen und ob sie ein Potenzial für eine Anschlussnutzung besitzen. Concular hat die DIN SPEC 91484 als Konsortialleiter initiiert und setzt in seinen Audits in großem Umfang KI ein.
Materialerkennung vor Ort
Bei der Begehung unterstützt KI die Erkennung von Bauprodukten und Materialien: Sie schlägt Kategorien vor, strukturiert die Aufnahme und ordnet Daten dem digitalen Bauteil-Inventar zu. Die Auditorinnen und Auditoren prüfen, korrigieren und ergänzen – etwa beim Zustand, bei der Ausbaubarkeit oder bei Hinweisen auf Schadstoffe. Die KI ersetzt also nicht die fachliche Prüfung, sondern nimmt ihr die Routinearbeit ab.
Wie sich diese Erfassung weiter automatisieren lässt, erforscht Concular auch auf europäischer Ebene: Im Horizon-Europe-Projekt SUM4Re (2024–2027) entwickeln die Partner digitale Materialbanken aus dem Gebäudebestand – mit automatisierter Datenerfassung und KI-gestützter Materialidentifikation.
Inventar clustern und bewerten
Nach der Erfassung hilft KI, das Inventar zu ordnen und zu bewerten. Ein Beispiel ist die Re-Use-Bewertung der City-Galerie in Germering: Aus den Audit-Daten entsteht ein Reusable Factor, mit dem ein Algorithmus das Inventar clustert und bewertet. So wird schnell sichtbar, welche Produktgruppen sich für den Wiedereinbau eignen und wo sich der Aufwand nicht lohnt.
Schneller und damit günstiger
Der entscheidende Effekt ist ökonomisch: Jedes Audit, das KI-gestützt schneller erfasst und ausgewertet wird, wird günstiger. Und jedes abgeschlossene Projekt verbessert die Modelle – Concular hat bisher mehr als 1.000 Projekte begleitet. Wie groß der Zeitgewinn sein kann, zeigt das Forschungsprojekt NaiS („Nachhaltige intelligente Sanierungsmaßnahmen“) unter Leitung des Karlsruher Instituts für Technologie (KIT), an dem Concular beteiligt war: Die KI-gestützte Plattform verknüpft Bilder, Grundrisse, Dokumente und statistische Gebäudedaten, ergänzt fehlende Informationen und schlägt Sanierungsoptionen vor.
- 16 Stundendauerten Aufgaben bisher, die die Plattform in 10–20 Minuten erledigt
- 104Testpersonen haben die Plattform erprobt
- 93 %von ihnen sahen einen klaren Mehrwert
Quelle: KIT, Presseinformation 045/2026 vom 12.05.2026 zum Projekt NaiS (2023–2026)
Damit wird das Audit vom aufwendigen Einzelgutachten zum standardisierten, digitalen Prozess. Das ist eine wichtige Voraussetzung dafür, dass Audits flächendeckend eingesetzt werden können – zum Beispiel, wenn die EU sie künftig verpflichtend macht. Mehr dazu lesen Sie im Fachartikel zum Circular Economy Act.
Ebene 3: Bauprodukt – Wert, Kosten und Anschlussnutzung abschätzen
Ob ein Bauteil wiederverwendet, recycelt oder entsorgt wird, ist eine Abwägung aus technischer Machbarkeit, wirtschaftlicher Zumutbarkeit und ökologischem Potenzial. Genau diese Kriterien legt das Anschlussnutzungskonzept nach DIN SPEC 91525 fest. Für die Entscheidung braucht es Schätzungen: Was ist das Bauteil wert? Was kosten Ausbau, Prüfung, Lagerung und Transport? Wie lange dauert das?
An diesen Fragen arbeitet Concular als Verbundkoordinator im Forschungsprojekt MIRAKEL – einem Mixed-Reality- und KI-basierten Assistenzsystem für Urban Mining. Gemeinsam mit dem Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI), der SRH University, der Berliner Immobilienmanagement GmbH, Wilhelm Knepper, ryze technologies und Circular Structural Design entsteht von November 2025 bis April 2028 ein System, das Fachleute bei der Bewertung von Gebäuden unterstützt:
Bauteile und Materialien werden per Smartphone und 3D-Kamera erfasst und direkt mit BIM verknüpft.
Deep-Learning-Modelle schätzen Materialwerte, Prozesskosten und Zeit – auf Basis des Urban Mining Index und historischer Auftragsdaten.
Empfehlungen bleiben nachvollziehbar; das Fachwissen vor Ort fließt laufend in die Modelle ein.
Bestands-, Prozess-, Kosten- und Nachhaltigkeitsdaten werden miteinander verknüpft.
Das Ziel: Entscheidungen über Wiederverwendung sollen nicht erst nach aufwendigen Einzelprüfungen fallen, sondern früh und belastbar – mit klaren Hinweisen, welche Prüfschritte als Nächstes sinnvoll sind, etwa eine Materialgüteprüfung. Ein erster Prototyp wird in ausgewählten Liegenschaften getestet. Gefördert wird MIRAKEL vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) im Rahmen der Strategie Forschung für Nachhaltigkeit (FONA).
Ebene 4: Markt – Matching von Angebot und Bedarf
Ein erfasstes und bewertetes Bauteil ist erst dann im Kreislauf, wenn es eingebaut wird. Die größte Hürde ist dabei die zeitliche und räumliche Passung: Bauteile werden im Rückbau frei, während Neubauten und Sanierungen sie Monate später an anderen Orten brauchen. Hier setzt das KI-gestützte Matching der Concular Plattform an. Es gleicht verfügbare Bauprodukte mit dem Bedarf laufender Projekte ab – nach Produktgruppe, Eigenschaften, Mengen, Zeitpunkt und Ort.
Das funktioniert intern und extern. Beim BLB NRW werden erfasste Bauteile nach dem Prinzip Design by Availability zuerst für andere Vorhaben des Landes eingeplant; was dort keinen Platz findet, wird extern vermarktet, zum Beispiel über eine Bauteilbörse. Planende sehen so früh, welche Bauteile verfügbar sind, und können ihren Entwurf darauf ausrichten – statt erst nach der Planung nach passendem Material zu suchen.
Ebene 5: Nachweis – Daten für den nächsten Lebenszyklus
Am Ende steht die Dokumentation: Mengen, Verwertungswege und eingesparte Emissionen werden bilanziert, etwa für die Abfallhierarchie des Kreislaufwirtschaftsgesetzes, für DGNB/BNB-Zertifizierungen oder die EU-Taxonomie. Ein Gebäuderessourcenpass hält Kennzahlen zu Kreislaufwirtschaft und Emissionen für den neuen Lebenszyklus fest. Weil die Daten aus Audit, Bewertung und Matching bereits digital und strukturiert vorliegen, entsteht dieser Nachweis weitgehend automatisch – ohne erneute Erfassung.
Grenzen und Voraussetzungen von KI
KI ist im Zirkulären Bauen ein Werkzeug, kein Ersatz für Fachwissen. Drei Punkte sind dabei entscheidend:
Modelle sind nur so gut wie ihre Daten. Standards wie die DIN SPEC 91484 machen Audit-Daten vergleichbar und lernbar.
Wer über Wiedereinbau, Gewährleistung und Haftung entscheidet, muss wissen, worauf eine Empfehlung beruht.
Zustand, Ausbaubarkeit und Schadstofffreiheit bestätigen qualifizierte Fachleute – die KI bereitet vor.
Was das für Bestandshalter, Kommunen und Planende bedeutet
Für Eigentümer großer Portfolios und für die öffentliche Hand wird Zirkuläres Bauen dadurch planbar: Materialpotenziale lassen sich früh abschätzen, Audits werden schneller und günstiger, und wiederverwendbare Bauteile finden leichter einen Abnehmer. Für Planende bedeutet KI-gestütztes Matching, dass verfügbare Bauteile zu einem Entwurfsparameter werden – nicht zu einer nachträglichen Suche. Und für alle Beteiligten entsteht eine digitale Dokumentation, die für Nachweise und künftige Umbauten erhalten bleibt. Wie die Schritte im Gesamtprozess zusammenspielen, lesen Sie auf der Seite Urban Mining.
Häufige Fragen
Wie wird KI im Zirkulären Bauen eingesetzt?
KI unterstützt auf mehreren Ebenen: bei der Abschätzung von Materiallagern im Bestand, bei der Erkennung und Erfassung von Bauprodukten im Pre-Deconstruction Audit, bei der Bewertung von Wert, Kosten und Anschlussnutzung sowie beim Matching von verfügbaren Bauteilen mit dem Bedarf neuer Projekte.
Ersetzt KI das Pre-Deconstruction Audit durch Fachleute?
Nein. KI übernimmt wiederkehrende Aufgaben wie die Erkennung und Strukturierung von Bauprodukten. Zustand, Ausbaubarkeit und Schadstofffreiheit werden weiterhin von qualifizierten Auditorinnen und Auditoren geprüft und bestätigt.
Warum macht KI die Wiederverwendung von Bauteilen günstiger?
Erfassung, Bewertung und Vermittlung von Bauteilen waren bisher vor allem Handarbeit. Wenn KI diese Schritte beschleunigt, sinken die Kosten pro Bauteil. Im Forschungsprojekt NaiS erledigte eine KI-gestützte Plattform Aufgaben, die bisher rund 16 Stunden dauerten, in 10 bis 20 Minuten.
Was ist das Forschungsprojekt MIRAKEL?
MIRAKEL ist ein vom BMFTR gefördertes Forschungsprojekt (2025–2028), in dem Concular mit dem DFKI und weiteren Partnern ein Assistenzsystem für Urban Mining entwickelt. Es verbindet Mixed-Reality-Erfassung mit KI-gestützter, erklärbarer Bewertung von Materialwerten, Kosten und Zeit.
Was bedeutet KI-gestütztes Matching von Bauteilen?
Beim Matching gleicht eine Plattform verfügbare Bauteile aus dem Rückbau mit dem Bedarf laufender Neubau- und Sanierungsprojekte ab – nach Produktgruppe, Eigenschaften, Menge, Zeitpunkt und Ort. So finden wiederverwendbare Bauteile schneller einen Abnehmer.
