Bauproduktivität — Forschungslinie
Die Bauproduktivität in Deutschland und in den meisten Industriestaaten stagniert seit Jahrzehnten, während Industrie, Logistik und Landwirtschaft in derselben Zeit ein Vielfaches an Effizienz gewonnen haben. Diese Produktivitätslücke ist kein Messartefakt, sondern Ausdruck struktureller Eigenschaften der Branche: fragmentierte Wertschöpfungsketten, projektbasierte Einzelfertigung ohne wiederholbare Lerneffekte, fehlende standardisierte Outputeinheiten und eine schwache Datenbasis entlang der Ausführung. Hinzu kommt eine kulturelle Prägung, in der menschliche Arbeitskraft als dominanter Produktivitätstreiber gilt und das langfristige Potenzial technologischer Interventionen systematisch unterschätzt wird — eine Wahrnehmung, die in aktuellen Branchenumfragen wie dem RICS Construction Productivity Report belegt ist.
Meine Forschungslinie setzt genau hier an. Sie verbindet eine mehrebenige Sicht auf Produktivität — von der volkswirtschaftlichen Branchenebene über Unternehmen und Projekte bis hinunter zum einzelnen Prozessschritt auf der Baustelle — mit den Methoden der digitalen und KI-gestützten Prozessanalyse. Ziel ist eine Produktivitätssteuerung, die nicht auf einzelne aggregierte Kennzahlen reduziert, sondern Ursache und Wirkung über alle Steuerungsebenen hinweg messbar und vergleichbar macht. Die methodische und didaktische Grundlage dieser Arbeit ist das gemeinsam mit Konrad Nübel, Pia Hollenbach, Lothar Köhler und Thorsten Jelinek verfasste Lehrbuch Digitale und KI-gestützte Produktivitätsanalyse im Bauwesen — Der smarte Einstieg für KMU (Springer Vieweg, 2026, DOI 10.1007/978-3-658-49587-9 link). Es richtet sich gleichermaßen an Praktiker im Mittelstand und an Studierende, die sich mit Bauwirtschaft, Baumanagement und Bauinformatik befassen.
Mehrebenen-Rahmenwerk
Produktivität im Bauwesen lässt sich nicht mit einer einzigen Kennzahl abbilden. Klassische Aggregate wie die Arbeitsproduktivität oder die Total Factor Productivity (TFP) erlauben volkswirtschaftliche Vergleiche, greifen aber zu kurz, sobald es um die Steuerung konkreter Projekte oder Prozesse geht. Das Bauwesen kennt keine einheitliche Outputeinheit: Quadratmeter, Kubikmeter und Laufmeter messen verschiedene Dinge, und Vertragsformen, Standortbedingungen und Gewerkestrukturen erzeugen zusätzliche Heterogenität.
Ich arbeite deshalb mit einem hierarchischen Rahmenwerk, das Produktivität auf vier konsistent verbundenen Ebenen beschreibt: einer operativen Ebene, die einzelne Prozessschritte auf der Baustelle als wiederholbare Wertstrom-Elemente erfasst (Bewehrungskorb positionieren, Schalung einbauen, Beton einbringen); einer taktischen Ebene, die die Sequenzierung und Übergabe zwischen Gewerken innerhalb eines Bauabschnitts oder Geschosses steuert; einer strategischen Ebene, die Leistung über Projekte und Portfolios hinweg aggregiert und zum Benchmarking führt; und einer normativen Ebene, die operative Kennzahlen an Unternehmensziele, Nachhaltigkeit und gesellschaftliche Wirkung anbindet.
Die Steuerungslogik unterscheidet sich dabei je Ebene. Auf operativer Ebene dominiert Effizienz im Sinne von Ressourcenproduktivität, geringem Ausschuss und kurzen Taktzeiten — „die Dinge richtig tun". Auf strategischer und normativer Ebene steht Effektivität im Vordergrund — „die richtigen Dinge tun". Die taktische Ebene bildet das Bindeglied: Sie sorgt für adaptive Koordination und die Bewältigung von Schnittstellen zwischen den Gewerken. Die Grundbotschaft des Modells ist methodisch: Erst wenn Produktivität auf allen Ebenen mit derselben Ontologie definiert ist, lassen sich Wirkzusammenhänge nachweisen — etwa zwischen einer Taktstörung auf der Baustelle und einer Margenverschiebung auf Unternehmensebene. Eine ausführliche Herleitung des Rahmenwerks samt der zugehörigen flussbasierten Systemlogik findet sich in Kapitel 5 des Lehrbuchs.
Digitale und KI-gestützte Transformation
Digitalisierung und Künstliche Intelligenz verändern die Art, wie Produktivität im Bauwesen gemessen und gesteuert werden kann — nicht primär durch neue Werkzeuge auf der Baustelle, sondern durch eine durchgängige Datenkette von der Sensorik bis zur Entscheidung. Im Buch beschreiben wir diese Transformation entlang dreier Begriffsstufen, die das Fraunhofer IESE etabliert hat: das digitale Modell als statisches Abbild, der digitale Schatten, der den realen Prozess kontinuierlich beobachtet, und der digitale Zwilling, der erst durch eine bidirektionale Kopplung zwischen Sensor und Steuerung eine aktive Prozessregelung ermöglicht.
Eine zweite Ordnungslinie betrifft die Mensch-KI-Interaktion. Das Buch übernimmt das siebenstufige Spektrum der Mensch-KI-Kooperation, das von rein menschlichen Entscheidungen (Human-only Decision) über zunehmend gekoppelte Konfigurationen (Human-in-the-Loop, Human-on-the-Loop, Human-in-Command) bis zu weitgehend autonomen agentischen Systemen reicht, die Abläufe selbstständig disponieren und nur bei Bedarf Rückfragen stellen. Agentische KI-Systeme bewegen sich typischerweise im mittleren Bereich dieser Skala: Sie handeln eigenständig, bleiben aber durch definierte Eingriffspunkte, Feedbackmechanismen und Governance-Strukturen kontrollierbar. Für die Baupraxis bedeutet das, dass weder vollständige Automatisierung noch vollständige menschliche Kontrolle das Ziel sind, sondern eine aufgabenspezifische Verteilung von Verantwortung zwischen Mensch und System — abhängig von Risiko, Reversibilität und Datenlage des jeweiligen Prozessschritts.
Methodisch flankieren wir diese Spektren mit Standards für Prozessmodellierung — etwa BPMN und VDI 5600 — sowie mit dynamischen Wertstromanalysen, die Lean-Verfahren mit Live-Daten aus IoT, MES und ERP verknüpfen.
Diese Transformation hat eine unmittelbare Lehre-Dimension. Der zum Sommersemester 2027 startende Studiengang Master of Applied AI Transformation Management (MAI) an der HTWG Konstanz adressiert genau die Lücke zwischen Bauingenieurwesen, Produktionssystemen und angewandter KI. Er übersetzt die im Buch entwickelten Prinzipien in eine berufsbegleitende Qualifikation für Ingenieurinnen und Ingenieure, die diese Transformation in mittelständischen Unternehmen operativ verantworten sollen.
Methoden und Werkzeuge
Der methodische Werkzeugkasten dieser Forschungslinie verbindet etablierte Verfahren der Industrieproduktion mit baustellenspezifischen Anpassungen. Im Zentrum stehen fünf Bausteine, die im Lehrbuch in Kapitel 4 systematisch eingeführt werden:
- Discrete-Event-Simulation (DES) als Hauptmethode zur Modellierung von Flusseffizienz, Engpässen und Wartezeiten in Bauabläufen. DES erlaubt es, Taktentscheidungen, Personaleinsatz und Logistikkonzepte vor der Ausführung in einer virtuellen Prozessumgebung zu prüfen.
- Value Stream Mapping (VSM) und seine dynamische Variante Dynamic Value Stream Mapping, ergänzt um Echtzeitdaten aus Sensorik und ERP. VSM schlägt die methodische Brücke zwischen kaufmännischer Buchhaltung und operativem Geschehen und macht wertschöpfende von unterstützenden und nicht-wertschöpfenden Tätigkeiten unterscheidbar.
- Echtzeit-Ortungssysteme (RTLS) auf Basis von Ultra-Wideband-Ankern und -Tags, ergänzt um KI-gestützte Kameras zur Erfassung nicht getaggter Objekte. Die Kombination liefert einen kontextsensitiven, datenschutzkonformen Prozesszwilling der Baustelle.
- Datenfusion aus BIM, IoT-Sensorik und ERP- bzw. Projektmanagementsystemen über offene Standards wie MQTT, OPC UA und IFC. Die semantische Verknüpfung dieser Quellen ist die Voraussetzung dafür, dass aus heterogenen Einzelsignalen ein konsistentes Steuerungsbild entsteht.
- Edge-/Cloud-Architekturen mit lokaler Vorverarbeitung am Ort des Geschehens und zentraler Aggregation, Modelltraining und Visualisierung. Diese Trennung erlaubt reaktive Entscheidungen in Echtzeit und gleichzeitig strategische Auswertung über Projektgrenzen hinweg.
Diese Bausteine sind nicht als monolithische End-to-End-Lösung gedacht, sondern als modulare Architektur, die sich an die Reife des jeweiligen Unternehmens und Projekts anpassen lässt. Die operative Erprobung erfolgt unter anderem im Forschungsprojekt Walz 4.0, das Handwerkswissen und digitale Mensch-Maschine-Interaktion in einem produktivitätsbezogenen Kontext zusammenführt und damit den Brückenschlag zwischen tradiertem Erfahrungswissen und datenbasierter Steuerung untersucht.
Umsetzung in KMU — der smarte Einstieg
Die Forschungslinie und das Lehrbuch richten sich ausdrücklich an mittelständische Bauunternehmen. Großbudgets, eigene IT-Abteilungen und mehrjährige Transformationsprogramme sind in diesem Segment die Ausnahme. Im Buch entwickeln wir deshalb in Kapitel 7 eine pragmatische Sieben-Schritte-Sequenz für den smarten Einstieg in die digitale und KI-gestützte Produktivitätsanalyse:
- Schmerzpunkte, Engpässe und Potenziale identifizieren: strukturierte Mitarbeiterbefragungen, Wertstromaufnahmen, Zeitanalysen und Laufwege-Diagramme machen Reibungsverluste sichtbar und priorisieren die Stellen, an denen Digitalisierung den größten Hebel hat.
- Ziele und Nutzenversprechen konkret benennen: SMART formulierte Ziele in den Kategorien Zeit, Kosten, Qualität, Nachhaltigkeit und Mitarbeiterentlastung — verknüpft mit einem ehrlichen Nutzenversprechen für die Belegschaft.
- Geeignete Technologien auswählen und bewerten: systematische Bewertung nach Reifegrad, Passfähigkeit zur bestehenden Infrastruktur und Verhältnis von Effizienzgewinn zu Aufwand. Eine einfache Nutzwertanalyse ersetzt das IT-Großprojekt.
- Pilotierung mit Quick-Win-Charakter: schlanke Piloten in einem klar umrissenen, nicht kritischen Prozessbereich — etwa ein digitales Bautagebuch, mobile Zeiterfassung oder KI-gestützte Lieferschein-Erkennung. Frühe Erfolge schaffen Vertrauen und Anschlussfähigkeit für die nächste Stufe.
- Empowerment und partizipative Implementierung: Mitarbeitende werden früh eingebunden, Digitallotsen ausgebildet und eine konstruktive Fehlerkultur etabliert. Digitalisierung wird damit zu einer Sache der Belegschaft, nicht einer abstrakten Stabsstelle.
- Wirkung systematisch messen: vorher und nachher mit konsistenten Kennzahlen auf operativer, taktischer und strategischer Ebene vergleichen. Erst belastbare Daten erlauben es, Investitionen zu rechtfertigen und Skalierung vorzubereiten.
- Skalierung vorbereiten, strategisch verankern und Erfolge feiern: erfolgreiche Piloten in eine digitale Roadmap überführen, in Unternehmensstrategie und Personalentwicklung verankern, Lernerfolge sichtbar machen. Erst auf dieser Stufe lohnen sich strukturelle Investitionen in Plattformen, Schnittstellen und Weiterbildung.
Diese Logik bricht mit dem verbreiteten Muster, Digitalisierung als End-to-End-Großprojekt zu denken, und ersetzt es durch eine modulare, niedrigschwellige Sequenz, die KMU erlaubt, mit überschaubarem Risiko zu starten und Lernkurven aufzubauen. Begleitend setzen wir auf eine partizipative Implementierung mit Digitallotsen, einer konstruktiven Fehlerkultur und der frühen Einbindung der operativen Belegschaft — denn die größte Hürde der digitalen Transformation im Bauwesen ist selten die Technik, sondern die Anschlussfähigkeit an gewachsene Arbeitsroutinen.
Lehrbuch, Lehre und Abschlussarbeiten
Das Lehrbuch Digitale und KI-gestützte Produktivitätsanalyse im Bauwesen — Der smarte Einstieg für KMU (Bühler, Nübel, Hollenbach, Köhler, Jelinek; Springer Vieweg 2026; ISBN 978-3-658-49586-2 (Print), 978-3-658-49587-9 (eBook); DOI link) bildet die didaktische Grundlage dieser Forschungslinie. Es ist als Reihenband in Bauwirtschaft und -management — Praktiken, Entwicklungen und Perspektiven (Springer Vieweg) erschienen und richtet sich gleichermaßen an Praktikerinnen und Praktiker, an Studierende des Bauingenieurwesens und an Studierende wirtschaftsnaher Bauprogramme. Das Werk entstand aus interdisziplinären Dialogen mit Handwerksbetrieben, Bauunternehmen, Architekturbüros, IT-Entwicklern und Wissenschaftlern und wurde von Thomas Bauer mit einem Geleitwort eingeführt.
In der Lehre an der HTWG Konstanz fließt diese Linie schwerpunktmäßig in das Thema Produktivität im Bauwesen ein und ist mit Lehrveranstaltungen zu Lean Management, Digitalisierung im Bauwesen, Projektsteuerung und Allgemeiner Betriebswirtschaftslehre verbunden. Eine Übersicht findet sich im Reiter Lehre. Der ab Sommersemester 2027 startende Studiengang Master of Applied AI Transformation Management (MAI) macht die im Buch entwickelten Prinzipien zur Grundlage einer eigenständigen Qualifikation.
Abschlussarbeiten im Bereich Bauproduktivität sind ausdrücklich erwünscht — insbesondere zu Themen rund um digitale Wertstromanalyse, Discrete-Event-Simulation, Mensch-KI-Kooperation auf der Baustelle, Walz 4.0 und Zirkuläre Ökonomie. Themenvorschläge und ausgeschriebene Arbeiten sind im Reiter Lehre dokumentiert. Eigenständige Themenideen aus der Praxis — etwa aus Werkstudierenden-Tätigkeiten oder Praktika in mittelständischen Bauunternehmen — sind willkommen, sofern sie sich an die methodische Linie aus Mehrebenen-Rahmenwerk und digitaler Produktivitätsanalyse anschließen lassen.