Komplett KI generiert -
Von der Zeichnung - über die 3D-Visualisierung - bis zum Video
Die Idee für diesen Anwendungsfall ist nicht am Schreibtisch entstanden, sondern während eines Workshops.
Eine Teilnehmerin stellte eine ganz einfache Frage:
„Kann man aus einem 2D-Grundriss eigentlich auch ein 3D-Modell erzeugen?“
Ich kenne genau dieses Problem. Viele Bauherren und Kunden können sich einen zweidimensionalen Grundriss nur schwer räumlich vorstellen. Deshalb spielen Visualisierungen in Farbe und 3D eine wichtige Rolle, um Ideen verständlich zu machen und Entscheidungen zu erleichtern. In meiner früheren Tätigkeit mussten solche Darstellungen entweder aufwendig von Hand erstellt oder extern angefertigt werden. Genau deshalb wollte ich diesen Use Case selbst ausprobieren. Mich interessierte, wie weit lässt sich ein solcher Entwurf heute bereits mit einem KI-Werkzeug wie ChatGPT, keinem "Spezialwerkzeug" entwickeln.
Also habe ich es einfach ausprobiert und das Ergebnis hat mich selbst überrascht.
Aus einer einfachen Skizze entstand Schritt für Schritt eine Visualisierung eines Grundstücks – bis hin zu einem Konzept für eine Kamerafahrt durch das Eingangstor.
Dieser Beitrag zeigt den gesamten Ablauf. Nicht als professionelle Bauplanung, sondern als Beispiel dafür, wie man mit passenden Anweisungen (Prompts) komplexe Ergebnisse entwickeln kann.
Schritt 1 – Ein erster Grundriss als Skizze
Am Anfang stand lediglich eine kurze Aufgabenstellung.
Prompt:
„Erstelle mir einen Grundrissplan für einen Bungalow mit Swimmingpool, Wegen, Carport und Garten. Als Skizze.“
Ergebnis von ChatGPT
Die KI erzeugte einen ersten groben Entwurf des Grundstücks mit:
- Bungalow
- Swimmingpool
- Garten
- Wegen
- Carport
- einer sinnvollen Grundstücksstruktur
Natürlich ersetzt das keine Planung durch einen Architekten. Für eine erste Idee oder einen Konzeptentwurf liefert die KI jedoch bereits eine erstaunlich gute Grundlage.
KI erstellter Grundstücksplan
Schritt 2 – Die Skizze erhält Farbe
Im nächsten Schritt sollte aus der einfachen Zeichnung eine ansprechende Präsentationsskizze entstehen.
Prompt:
„Gestalte den Grundriss farbig im Stil einer Architektenzeichnung mit Wasserfarben.“
Ergebnis von ChatGPT
Aus der Schwarz-Weiß-Skizze entstand eine deutlich hochwertigere Darstellung.
Typisch für Architektenpräsentationen entwickelte die KI:
- eine weiche Aquarelloptik
- dezente Farben
- klar unterscheidbare Grünflächen
- Wasserflächen
- Wege
- Gebäude
Der eigentliche Grundriss blieb vollständig erhalten. Lediglich die optische Darstellung wurde verändert.
KI erstellter Grundstücksplan coloriert
Schritt 3 – Vom 2D-Grundriss zur 3D-Visualisierung
Nun wurde es spannend. Die eigentliche Frage aus dem Workshop lautete schließlich:
„Kann aus einem 2D-Grundriss ein 3D-Modell entstehen?“
Prompt:
„Erstelle jetzt aus diesem Grundriss ein 3D-Modell. Der Betrachter steht am Eingang des Grundstückes. Beachte den Blickwinkel.“
Ergebnis von ChatGPT
ChatGPT erzeugte auf Grundlage des Grundrisses eine perspektivische 3D-Visualisierung.
Gebäude, Garten, Pool, Carport, Wege und Bepflanzung wurden räumlich dargestellt und vermittelten erstmals einen realistischen Eindruck des Grundstücks.
Auf den ersten Blick finde ich das Ergebnis sehr gut. Bei genauerem Hinschauen sieht man die kleinen Details, die nicht stimmen.
Autos stehen anders herum
Die Mauer am Eingang ist nicht identisch
Die Anordnung der Zimmer ist nicht identisch
Die Einrichtung stimmt nicht über ein.
KI erstelltes Bild vom Grundstück und Gebäude
Schritt 4 – Die Kameraposition präzisieren
Das erste 3D-Ergebnis war bereits sehr überzeugend. Dennoch entsprach die Perspektive noch nicht vollständig meiner Vorstellung. Deshalb wurde der Prompt präzisiert.
Prompt:
„Der Betrachter steht am Eingangstor und schaut über das Tor in das Grundstück. Blickhöhe 1.700 mm.“
Ergebnis von ChatGPT
Mit dieser zusätzlichen Information änderte sich die gesamte Perspektive.
Jetzt entsprach die Darstellung schon eher der Sicht eines Menschen, der unmittelbar vor dem Grundstück steht.
Allerdings gab es hier große Veränderungen am Gebäude auf der rechten Seite. Hier zeigt sich wieder das Problem eines LLM. Es kann nicht sehen und denken.
KI geniertes Bild
Schritt 5 – Aus dem Bild entsteht ein Video
Nachdem die Perspektive stimmte, entstand die nächste Idee:
Warum nicht aus dem Bild eine Kamerafahrt entwickeln?
Prompt:
„Die Kamera steht vor dem Tor auf Augenhöhe, durchschreitet das Tor, folgt dem Weg und bewegt sich langsam auf den Hauseingang zu. Beschreibe die Bewegung und Blickrichtung präzise.“
Ergebnis von ChatGPT
Die KI erzeugte eine detaillierte Beschreibung der Kameraführung, der Blickrichtung und des Bewegungsablaufs.
Damit entstand eine Vorlage, die später beispielsweise in einem KI-Videogenerator genutzt werden kann, um daraus eine flüssige Kamerafahrt zu erzeugen.
KI generiertes Video
Ergebnis mit DeeVid
Ein letzter Versuch mit dem Ausgangsbild, neuem Prompt und einem anderen Werkzeug. Das Ergebnis kommt jetzt meiner Idee schon recht nah.
Was zeigt dieser kleine Use Case?
Eigentlich geht es hier gar nicht um Architektur. Es geht darum, wie sich bestehende Arbeitsprozesse durch KI weiterentwickeln lassen.
Aus einer ersten Idee entstanden Schritt für Schritt eine Skizze, eine Präsentationszeichnung, eine 3D-Visualisierung und schließlich die Grundlage für ein Video. Genau so entstehen heute KI-Anwendungen. Nicht durch einen perfekten Prompt, sondern durch viele kleine Entwicklungsschritte.
Die Praxis mit einem LLM zeigt zwei Kernaspekte:
- Gute Ergebnisse entstehen iterativ
Der erste Versuch liefert selten das finale Ergebnis. Erst durch präzise Nachbesserung, Vergleiche und die menschliche Fachkompetenz entsteht Qualität. - KI-Ergebnisse sind nicht exakt wiederholbar
Entscheidend ist daher nicht das identische Ergebnis, sondern die Fähigkeit, den Prozess stabil zu steuern.
Der Mehrwert entsteht beim Blick auf die eigene Arbeit:
- Welche Aufgaben wiederholen sich?- Wo kosten Routinen Zeit?
- Welche Schritte profitieren von KI?
Aus diesen Experimenten wachsen bewährte Prompts, strukturierte Abläufe und schließlich KI-Assistenten für wiederkehrende Aufgaben. Das Architekturbeispiel ist nur der Impulsgeber – das Prinzip funktioniert in jeder Branche.
Welche Erfahrungen hast Du gemacht? Welche Use Cases setzt Du bereits mit KI um?
