Hinfahren. Leiter aufstellen. Zollstock anlegen. Maße auf einen Zettel schreiben. Zurückfahren. Maße in Excel eintippen. Feststellen dass ein Maß fehlt. Nochmal hinfahren. Das ist die Realität von Aufmaß in der Werbetechnik — seit Jahrzehnten unverändert. Ich kenne diesen Ablauf aus über 20 Jahren eigener Praxis. Die Nachfahrt für ein vergessenes Maß kostet mich im Durchschnitt anderthalb Stunden: Fahrtzeit, Parkplatzsuche, nochmals aufmessen, zurückfahren. Bei einem Stundensatz von 65 Euro sind das knapp 100 Euro pro Nachfahrt — für ein Maß das ich beim ersten Mal hätte notieren können. Multipliziert mit dreimal pro Woche sind das 300 Euro weröchentlich, die ich spare oder verschenke. Mit KI-gestützter Fotoerkennung geht es anders. Ein Foto, ein Klick, alle Maße. Hier erkläre ich wie das technisch funktioniert und wo die Grenzen liegen.

Das Grundprinzip

Ein Foto einer Fassade enthält alle geometrischen Informationen — aber in Pixeln, nicht in Metern. Um von Pixeln auf echte Maße zu kommen, brauchst du zwei Dinge: eine KI die einzelne Elemente erkennt und voneinander trennt, und ein Referenzmaß das die Umrechnung ermöglicht.

Das Referenzmaß ist der Schlüssel. Wenn du weißt dass eine Standardtür 2,10m hoch ist, und die Tür im Foto 400 Pixel hoch ist, dann ist 1 Pixel = 5,25mm. Von dort aus kannst du jedes andere Element im Foto berechnen. Das klingt simpel — der Teufel steckt in der Polygonsegmentierung: Fenster sind keine Rechtecke, Erker sind keine Quadrate, und ein Schaufenster mit Rundbogen hat eine völlig andere Fläche als sein umschließendes Rechteck vermuten lässt.

Die Multi-Modell-Kaskade

PlotonIQ nutzt nicht ein KI-Modell sondern vier — hintereinander geschaltet. Jedes Modell hat eine Aufgabe:

Claude Vision erkennt was auf dem Foto ist: Fenster, Türen, Schilder, Wände. Es liefert Bounding Boxes — Rechtecke die ungefähr zeigen wo ein Objekt ist. Das ist der erste, grobe Schritt.

Gemini Flash verfeinert die Lokalisierung. Es versteht Text-Prompts wie „alle Glasflächen“ und findet die exakten Positionen. Damit werden Fehlklassifikationen aus Schritt 1 korrigiert.

Gemini 2.5 Flash analysiert den Kontext: Ist das ein Schaufenster oder eine Haustür? Einscheibenverglasung oder Mehrfachverglasung? Welche Materialien kommen in Frage? Diese Information fließt in die Materialempfehlung — relevant wenn du hinterher das Angebot mit Positionen befüllen willst.

KI-Vision (Segment Anything Model) ist das Herzstück. Es erzeugt pixelgenaue Polygone — keine Rechtecke. Ein Fenster mit Rundbogen wird als Polygon mit 30+ Punkten erfasst, nicht als Rechteck das zu viel oder zu wenig Fläche einschließt. Das ist der Unterschied zwischen „irgendwie richtig“ und „gut genug für eine Kalkulation“.

Praxisbeispiel: Schaufensterfront mit 4 Fenstern und Tür

Letzte Woche stand ich vor einer Bäckerei in Neunkirchen. 4 Schaufenster, 1 Eingangstür mit Glaseinsatz. Klassisches Sichtschutz-Projekt, Milchglasfolie mit Plotschrift für den Firmenname.

Schritt 1: Foto mit dem iPhone, aus etwa 3 Metern Entfernung, möglichst frontal. Ich stand etwas schief wegen eines geparkten Lieferwagens — kein Problem, die Perspektivkorrektur erledigt das.

Schritt 2: In PlotonIQ öffnen. Auf ein Fenster tippen. Die KI erkennt sofort alle 4 Fenster und die Tür als separate Polygone. Dauer: 8 Sekunden in diesem Fall.

Schritt 3: Referenzmaß setzen. Ich klicke auf die Tür und gebe ein: Höhe 2,10m. Alle anderen Elemente werden automatisch berechnet. Ergebnis: Fenster 1: 1,42m × 1,18m = 1,68m². Fenster 2 und 3 identisch. Fenster 4 leicht kleiner: 1,38m × 1,15m = 1,59m². Tür: 0,92m × 2,10m = 1,93m² Gesamtfläche.

Schritt 4: Sprach-Annotation. Ich diktiere: „Fenster 1 bis 4: Milchglasfolie 3M Crystal. Tür: Öffnungszeiten Plotschrift weiß.“ Die KI ordnet die Materialien den Flächen zu.

Ergebnis: Eine SVG-Skizze mit allen Maßen, Flächenangaben und Material-Zuordnungen. Export als PDF. Dauer gesamt: unter 2 Minuten. Klassisch mit Zollstock und Zettel: 45 Minuten bis 1,5 Stunden inklusive Rückfahrt und Eintippen.

Genauigkeit: ±5%

Die ehrliche Antwort: KI-Aufmaß ist nicht präzise wie ein Laser-Entfernungsmesser — und das muss es auch nicht sein, weil es ohnehin in eine KI-Kalkulation mit Materialpuffer fließt. Die Genauigkeit liegt bei ±5%, abhängig von der Perspektive des Fotos, der Bildqualität und der Entfernung. Ein Fenster das in Wirklichkeit 152cm breit ist, wird als 145–160cm erkannt.

Für Angebote ist das ausreichend. Du kalkulierst ohnehin mit Sicherheitszuschlag — typischerweise 10–15% Materialzugabe für Verschnitt und Fehler. Die KI-Ungenauigkeit fällt innerhalb dieser Reserve. Für die Produktion — wenn du die Folie zuschneidest — misst du vor Ort nochmal nach. Aber die Nachfahrt zum Nachmessen eines vergessenen Maßes fällt komplett weg, weil du alle Maße bereits im System hast.

Zum Vergleich: Klassisches Aufmaß mit Zollstock hat bei komplexen Fassaden ebenfalls 2–3% Fehler — weil Menschen Maße abrunden, die Skizze nicht maßstabsgetreu ist, oder beim Übertragen ein Zahlendreher passiert. Der praktische Unterschied zwischen manuell und KI ist kleiner als man denkt.

Perspektiv-Korrektur

Wenn du nicht exakt frontal fotografierst (und das tut niemand, weil Autos, Radständer oder Passanten im Weg sind), entstehen perspektivische Verzerrungen. Elemente am Rand des Fotos erscheinen schmaler als in der Mitte. PlotonIQ korrigiert leichte Perspektivfehler automatisch über Homographie-Transformation: Das System erkennt parallele Linien in der Architektur und richtet das Bild entsprechend aus.

Bei starker Schrägansicht (mehr als 20° von der Frontalachse) empfehlen wir ein zweites Foto von einer anderen Position. Das System kann dann beide Perspektiven kombinieren.

Was nicht funktioniert

  • Verdeckte Flächen: Wenn ein Baum, ein Gerüst oder ein Lieferwagen vor dem Fenster steht, kann die KI das verdeckte Element nicht erkennen. Manuelle Ergänzung mit Draw-and-Snap.
  • Nacht-Aufnahmen: Zu wenig Kontrast zwischen Glasfläche und Rahmen für zuverlässige Segmentierung. Tagsüber oder mit künstlichem Licht fotografieren.
  • Stark reflektierende Fassaden: Spiegelungen von Sonne oder gegenüberliegenden Gebäuden verwirren die Segmentierung. Diffuses Licht oder bewölkter Himmel ideal.
  • Vollverglaste Fassaden ohne Rahmen: Wenn Glas nahtlos an Glas grenzt ohne sichtbare Rahmenkante, kann das System die Einzelflächen nicht trennen.

In allen diesen Fällen nutzt du die manuelle Draw-and-Snap-Funktion — du zeichnest die Polygone selbst auf dem Foto, das System berechnet die Flächen aus dem Referenzmaß.

Häufige Fragen

Kann ich das KI-Aufmaß mit dem Angebot verknüpfen?

Ja. Die erkannten Flächen und Materialzuordnungen fließen direkt in ein neues Angebot. Das System berechnet automatisch Materialmengen und Preise basierend auf deinen Stammdaten. Du musst keine Zahlen manuell übertragen.

Funktioniert es nur für Schaufenster?

Nein. Fassadenbeschriftungen, Fahrzeugbeklebungen (Seitenansicht), Schilder an Wänden, Dächer von Pagodenzelten — alles was du frontal fotografieren kannst. Fahrzeuge haben eigene Vorlagen für gängige Modelle zusätzlich zur Foto-Erkennung.

Wie gut funktioniert es in Innenbereichen?

Gleich gut wie draußen, solange ausreichend Licht vorhanden ist. Gleichmäßiges Künstliches Licht — z.B. in einem Ladenlokal — funktioniert oft besser als direktes Sonnenlicht das Schatten erzeugt.

Brauche ich eine spezielle Kamera?

Nein. Jedes aktuelle Smartphone reicht. Das iPhone 12 oder ein Samsung Galaxy A54 liefern ausreichende Bildqualität. Wichtiger als die Kamera ist der Aufnahmewinkel und ausreichendes Licht.

Fazit

KI-Aufmaß ersetzt nicht den Fachmann — es ersetzt den Zollstock beim Erstaufmaß. Die Zeitersparnis liegt bei 80–90% pro Fassade. Keine vergessenen Maße, keine unleserlichen Zettel, keine Nachfahrten. Und das Wichtigste: Der manuelle Fallback funktioniert immer — du zeichnest die Polygone selbst wenn die KI scheitert. Produktdesign schlägt Modell-Hoffnung: Ein System das bei schwierigen Fällen einen sauberen manuellen Rückfall bietet, ist wertvoller als eines das behauptet, alles automatisch zu können.

Probiere das KI-Aufmaß mit deiner nächsten Fassade aus (Schritt-für-Schritt-Anleitung). Der erste Eindruck überzeugt schneller als jede Erklärung. Beta-Zugang sichern →