Visualisierung in Architektur und Innenarchitektur

Klassisches Rendering bedeutet, detaillierte 3D-Szenen aufzubauen, Materialien zuzuweisen und auf eine Render-Engine zu warten. In frühen Entwurfsphasen ist das langsam und teuer. Bildgenerierungsmodelle können einen groben Viewport, eine Skizze oder ein Foto aufnehmen und in Sekunden ein fotorealistisches Bild liefern. So kann ein Designer einem Kunden an einem Nachmittag zehn Material- und Lichtvarianten zeigen. Die Bilder sind Illustrationen der Absicht, keine geometrisch exakte Dokumentation, und müssen entsprechend gekennzeichnet und geprüft werden.

Problem & Nutzen

• Heute: Frühe Präsentationen stützen sich auf Handskizzen, Screenshots von Weißmodellen oder herkömmliches Rendering (Enscape, Lumion, V-Ray, Twinmotion, D5 Render), das ein fertiges, texturiertes 3D-Modell voraussetzt. Renderingstudios berechnen jedes Bild einzeln, die Lieferzeit beträgt Tage. Innenarchitekten stellen Moodboards von Hand zusammen.
• KI-Nutzen: schnelle Entwurfserkundung (viele Varianten pro Stunde), günstigere Kundenkommunikation in der Frühphase, einfachere „Was wäre wenn“-Fragen für fachfremde Kunden und niedrigere Einstiegshürden für kleine Büros und private Renovierer.
• Belege: Übersichten zu Werkzeugen aus dem Jahr 2026 beschreiben übereinstimmend den Konzept- und Vorentwurf als idealen Einsatzbereich, nicht die finalen Ausführungsvisualisierungen. Angaben von Herstellern und Blogs zur Zeitersparnis sind meist anekdotisch; messen Sie daher Ihre eigene Ausgangsbasis [1][2].

Varianten

• Skizze/Massenmodell zum Render: Ein SketchUp- oder Rhino-Viewport plus Prompt ergibt ein gestaltetes Bild, das die modellierte Geometrie einhält.
• Umgestaltung von Innenräumen: Foto eines bestehenden Raums, dann neue Möbel, Farben und Materialien (private Renovierung, Showrooms). Das Staging für Verkaufsanzeigen behandelt GEN-018.
• Fassaden- und Umgebungsstudien: Varianten von Verkleidung, Verglasung und Begrünung an einem festen Baukörper.
• Rundgang-Clips: Bild-zu-Video für kurze Kamerabewegungen (siehe GEN-002) oder Foto-zu-3D-Erfassung für begehbare Szenen (GEN-025).
• Bürgerbeteiligung: Kommunen und Projektentwickler visualisieren Planungsoptionen für Anwohner; hier ist die Kennzeichnung als Illustration unverzichtbar.
• Private Nutzung: Hausbesitzer testen Farb-, Boden- und Möbeloptionen vor dem Kauf.

So funktioniert es

1. sketch / photo / BIM viewport export (colour + depth + edges)
2. conditioning (geometry control: depth map, edge map, segmentation, reference image)
3. prompt + style/material references (text, mood board, IP-adapter image)
4. image generation (diffusion / flow model)
5. variants
6. selective editing (inpainting of a wall, floor, furniture; upscaling)
7. designer review
8. labelled export (AI marker)
9. client board / presentation

• Geometriesteuerung: die entscheidende Technik. Eine ControlNet-artige Konditionierung auf Tiefen-, Linien- oder Segmentierungskarten bewahrt Wände, Öffnungen und Proportionen der Ausgangsansicht, während das Modell Materialien, Licht und Atmosphäre erfindet. Plugin-Werkzeuge bieten dies als Regler für die „Geometrietreue“ an.
• Anweisungsbasiertes Bearbeiten: Neuere Modelle (Klasse FLUX Kontext, Gemini-Bildmodelle, GPT-Bildmodelle) bearbeiten ein vorhandenes Bild per Anweisung („ersetze den Eichenboden durch Terrazzo“) und lassen den Rest stabil.
• Mensch-in-der-Schleife (Human-in-the-Loop): Der Designer wählt Varianten aus und korrigiert sie. Alles, was einem Kunden, einer Behörde oder einem Käufer gezeigt wird, muss als KI-gestützte Illustration gekennzeichnet sein. Maße, Materialien und Normkonformität stammen aus dem Modell, nie aus dem Bild.

Datenaufbereitung

Benötigt werden Viewport-Exporte (Farb-, Tiefen- und Kantenbilder) aus SketchUp, Revit, Rhino oder Archicad, Fotos von Standort und Räumen sowie Material- oder Moodboard-Referenzen. Diese liegen typischerweise auf Projektablagen, in den CAD/BIM-Projektordnern oder im E-Mail-Postfach des Büros; Kundenfotos befinden sich möglicherweise auf Smartphones und in Messengern. Typische Lücken sind uneinheitliche Dateibenennung, niedrig aufgelöste oder schlecht belichtete Fotos, fehlende Projekt-Metadaten, verstreute Materialbibliotheken und ungeklärte Nutzungsrechte an Kundenbildern und fremden Referenzbildern.

Schritte zur Aufbereitung: eine Projektordnerstruktur und ein Benennungsschema vereinbaren (PREP-009), eine Standard-Exportvorlage aus dem CAD-Werkzeug festlegen (Ansicht, Auflösung, Tiefen- und Linienpass), eine freigegebene Material- und Stilbibliothek mit Lizenzhinweisen aufbauen und einige Renderings als Goldstandard-Referenz aufbewahren (PREP-016). Personenbezogene Daten wie Gesichter oder Adressen aus Standortfotos entfernen, wo sie nicht nötig sind. Die Werkzeuge sind einfach: Stapelumbenennung, die Exportvorlagen der CAD-Software und ein gemeinsamer Asset-Ordner mit Zugriffsrechten je Projekt (PREP-023).

Die Datenaufbereitung macht nur einen kleinen Teil des Gesamtaufwands aus, etwa 10 bis 20 Prozent, weil das Modell keine Trainingsdaten braucht. Der Aufwand entfällt überwiegend auf wiederholbare Exporte und eine saubere Materialbibliothek.

Umsetzungswege

Welcher Weg für wen

• KMU: A, weil ausgereifte Rendering-Werkzeuge mit KI-Funktionen zu KMU-tauglichen Preisen existieren und der Einsatz zur normalen Entwurfsarbeit gehört.
• Großunternehmen: B, weil ein Unternehmen mit vielen Projekten Bild-APIs an seine BIM/CAD-Pipeline anbinden und die Projektdaten unter eigener Kontrolle halten kann.
• Entwickler: C, weil ComfyUI mit offenen Diffusions- und ControlNet-Modellen volle Kontrolle über Abläufe vom Viewport zum Render bietet.
• Privat: A, weil Verbraucher-Apps zur Raumumgestaltung günstig sind und keine Einrichtung brauchen.

Weg A — Kaufen (Standardsoftware)

• KI-Render-Plugins im CAD: Veras (EvolveLAB, jetzt Teil von Chaos) für SketchUp, Revit, Rhino, Archicad, Vectorworks und Autodesk Forma; Chaos-Werkzeuge mit KI-Verbesserung; Enscape und Twinmotion/Lumion/D5 Render für klassisches Echtzeit-Rendering, zunehmend mit KI-Funktionen (aktuelle Funktionslisten prüfen).
• Web-Werkzeuge: Gendo, Rendair, PromeAI, Mnml, Midjourney, Krea; Verbraucher-Apps für Innenräume wie Reroom oder Werkzeuge im Stil von RoomGPT für die private Nutzung.
• Analyse in der Konzeptphase, kein Rendering: Autodesk Forma (Studien zu Sonne, Wind, Lärm, CO₂) ergänzt einen Renderer; siehe GEN-024.
• Prüfen: wo Bilder und hochgeladene Modelle verarbeitet und gespeichert werden, ob Eingaben für das Training genutzt werden, die kommerziellen Lizenzbedingungen für die Ergebnisse sowie EU-Hosting oder ein AVV. Die meisten genannten Werkzeuge stammen aus den USA; EU-Alternativen sind seltener, prüfen Sie daher je Anbieter (keinen als EU kennzeichnen, solange es nicht bestätigt ist).
• A wählen, wenn: ein Büro diese Woche Ergebnisse ohne IT-Aufwand will.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Bild-APIs: Modelle von Black Forest Labs (FLUX; deutscher Anbieter, Unternehmen mit Sitz in der EU; API mit regionalen Optionen), Stability AI, Google Gemini/Imagen, OpenAI-Bildmodelle, Adobe Firefly (Aussage zu kommerziell unbedenklichem Training) über API; Azure OpenAI oder Vertex AI in EU-Regionen bei Anforderungen an die Datenhaltung.
• Pipeline: Viewport-Pässe (Farbe, Tiefe, Normalen) per Skript oder Add-in aus dem CAD-Werkzeug exportieren, ein konditioniertes Modell aufrufen und die Ergebnisse in ein gemeinsames Board (Miro, Figma, Notion) zurückführen.
• Orchestrierung: n8n oder ein kleiner Dienst; ein VLM prüft die Ergebnisse gegen das Briefing (zum Beispiel Fensteranzahl, Raumtyp) und meldet Abweichungen.
• B wählen, wenn: ein Unternehmen ein eigenes Werkzeug im Firmenstil oder die Integration mit den eigenen Projektdaten wünscht.

Weg C — Selbst betreiben (Open Source)

• Modelle: Stable Diffusion XL oder SD 3.5 mit ControlNet (Tiefe, Canny, Segmentierung) und IP-Adapter; FLUX.1 [dev] und FLUX Kontext [dev] (nicht-kommerzielle Lizenz für die dev-Gewichte, Bedingungen prüfen) oder FLUX Schnell (Apache 2.0); Qwen-Image und Qwen-Image-Edit, HiDream (offene Gewichte, Lizenz prüfen).
• Stack: ComfyUI oder InvokeAI mit Workflow-Vorlagen; Plugins für Krita/Photoshop; Hochskalierung mit offenen Super-Resolution-Modellen.
• Hardware: HW2 (eine GPU mit 24 bis 32 GB) betreibt SDXL und quantisiertes FLUX mit ControlNet bei wenigen Sekunden bis unter einer Minute pro Bild; HW3 für größere Bearbeitungsmodelle und Stapelverarbeitung über Nacht.
• Aufwand: Ein technisch versiertes Teammitglied muss die ComfyUI-Workflows und Modellaktualisierungen pflegen.
• C wählen, wenn: Kundenentwürfe vertraulich sind (Wettbewerbe, private Wohnsitze, Verteidigungs- oder kritische Infrastrukturbauten) oder das Volumen hoch ist.

Weg D — Eigenes Training

LoRA-Feintuning auf den eigenen Projektbildern eines Büros oder einem regionalen Stil (zum Beispiel lokale Fachwerk-Bauweise, der Markenauftritt eines Projektentwicklers) ist mit 20 bis 200 kuratierten, rechtlich freigegebenen Bildern auf einer HW2-GPU machbar. Ein vollständiges Modelltraining lohnt sich nicht. Trainieren Sie nur mit Bildern, die Ihnen gehören oder für die Sie eine Lizenz haben; Projektfotos von Kunden können urheberrechtlichen und vertraulichkeitsbezogenen Einschränkungen unterliegen.

Stand der Technik (2026)

• Stärken: überzeugende Materialien, Tageslicht und Stimmung; schnelle Variantenerzeugung; anweisungsbasierte Bearbeitung, die das Layout erhält; Plugin-Integration, die die Geometrie direkt aus dem CAD-Viewport liest.
• Grenzen und Fehlerbilder: uneinheitlicher Maßstab und uneinheitliche Proportionen; erfundene oder fehlende Türen, Treppen und statische Logik; unleserlicher Text auf Schildern; physikalisch unplausible Möbel; Abweichungen zwischen aufeinanderfolgenden Ansichten desselben Gebäudes (keine echte 3D-Konsistenz); Beleuchtung, die schön, aber physikalisch falsch ist und sich daher nicht für Aussagen zu Tageslicht oder Energie eignet.
• Kein Ersatz für BIM oder physikalisch basiertes Rendering: Für maßgenaue Ausführungsvisualisierungen, Bauanträge und Tageslichtstudien nutzen Sie modellbasierte Renderer; KI ist das Front-End für Ideenfindung und Gestaltung.
• Trend: Video- und 3D-fähige Generierung (Bild-zu-Video, Gaussian-Splat-Szenen, GEN-025) für konsistente Rundgänge; agentische Werkzeuge, die aus Briefings Grundrisse vorschlagen (GEN-024).
• Herkunftsnachweis: Die KI-Verordnung (AI Act) und der EU-Verhaltenskodex zur Markierung und Kennzeichnung KI-generierter Inhalte drängen Werkzeuge zu Wasserzeichen und Metadaten im Stil von C2PA [3][4].

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (Bildgenerierung, ControlNet, ComfyUI auf HW2): GEN-001 Marketingbilder, GEN-011 Retusche und Inpainting, GEN-018 virtuelles Staging, GEN-016 Illustration, GEN-014 Ideenfindung im Produktdesign: Ein GPU-Server und eine Workflow-Bibliothek bedienen alle.
• Vorgelagert: GEN-024 (Standortplanung, Massenmodell, Grundrisse), VIS-040 (Scan-to-BIM-Bestandsmodelle, die echte Geometrie liefern), DOC-030 (Mengen und Kosten aus Plänen).
• Nachgelagert: GEN-002 und GEN-025 für Rundgänge und Touren, GEN-005 für Präsentationen.

Aufwand, Kosten & Kennzahlen

• Weg A: Stunden bis Tage; Plugin-Abonnements kosten typischerweise einige zehn Euro pro Nutzer und Monat (Preise variieren je nach Quelle, bitte prüfen) [1].
• Weg B: 2 bis 6 Wochen für eine Pipeline und die Board-Integration; die Kosten der Bild-API pro Render sind im Verhältnis zur Arbeitszeit gering.
• Weg C: 2 bis 6 Wochen zum Abstimmen der Workflows; eine GPU-Workstation plus Pflege in Teilzeit.
• Kennzahlen: Zeit vom Briefing bis zum ersten kundenfertigen Konzeptbild, Varianten pro Stunde, Anteil der vom Kunden akzeptierten KI-Bilder, eingesparte Überarbeitungsrunden, Kosten pro Visualisierung im Vergleich zum externen Studio, Anteil korrekt gekennzeichneter Bilder.

Menschen & Veränderung

Binden Sie zuerst die Geschäftsleitung ein, für das Budget und die Entscheidung, welche Werkzeuge erlaubt sind, dann die Entwurfsleitung als Prozessverantwortliche, die festlegt, wo KI-Renderings zulässig sind (Konzeptphase) und wo nicht (Genehmigungsplanung). Die IT klärt Konten und Hardware; Kunden sollten informiert werden, wenn KI-Visualisierungen gezeigt werden, weil Renderings Details versprechen können, die der Plan nicht einlöst. Führen Sie einen Pilot mit zwei oder drei Designern an einem echten Projekt durch und lassen Sie sie die Ergebnisse den Kollegen vorstellen, wie in GUIDE-009 und GUIDE-008.

Betriebsrat: meist nein, weil das Werkzeug Bilder verarbeitet und kein Mitarbeiterverhalten. Relevant wird er (abhängig), wenn der Anbieter die Aktivität einzelner Nutzer zentral protokolliert, da das BAG die objektive Eignung zur Überwachung nach §87 Abs. 1 Nr. 6 BetrVG genügen lässt; einen vorhandenen Betriebsrat sollten Sie in jedem Fall früh nach §90 Abs. 1 Nr. 3 unterrichten. Eine bzw. ein Datenschutzbeauftragte(r) ist nur nötig, wenn Kundenfotos mit Personen oder Adressen hochgeladen werden; dann den AVV prüfen (Art. 28 DSGVO). KI-Kompetenz: Unterstützen Sie Mitarbeitende mit einer kurzen Schulung zu Prompts, Grenzen, Urheberrecht und Kennzeichnung (Art. 4 KI-Verordnung, GUIDE-006). Typische Sorge: Designer fürchten, ersetzt zu werden; stellen Sie KI als schnelleres Skizzierwerkzeug dar und lassen Sie den Designer für jedes an Kunden versandte Bild verantwortlich.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): Der typische Einsatz ist nicht hochriskant. Die Transparenzpflicht nach Art. 50 gilt für synthetische Bildinhalte: Anbieter müssen Ausgaben maschinenlesbar als KI-generiert erkennbar machen, und Betreiber von realistischen „Deepfake“-Inhalten müssen dies offenlegen. Eingestuft als begrenztes Risiko; die KI-Kompetenz nach Art. 4 gilt für das Personal. Kein Fall des Art. 5. Stellen Sie Renderings nicht als amtliche Planungsunterlagen dar [3].
• Irreführende Darstellung: Verbraucherschutz- und Wettbewerbsrecht (UWG in Deutschland) gelten für Verkaufsvisualisierungen von nicht gebauten Immobilien; weisen Sie „Illustration, nicht verbindlich“ aus und halten Sie verbindliche Angaben in der Baubeschreibung fest.
• Urheberrecht: Rein KI-generierte Bilder genießen möglicherweise keinen Urheberrechtsschutz; Stile, die einen namentlich genannten Architekten oder lebenden Künstler imitieren, bergen rechtliche Risiken; prüfen Sie Freistellungen für Trainingsdaten und Ergebnisse (zum Beispiel bei Adobe Firefly). Prüfen Sie die Lizenz offener Gewichte für die kommerzielle Nutzung.
• DSGVO: Fotos privater Wohnhäuser können Bewohner, Nachbarn und Fahrzeuge erkennbar machen; Gesichter und Kennzeichen in Standortfotos müssen vor dem Hochladen in Cloud-Werkzeuge unkenntlich gemacht werden. Projektdaten von Kunden können personenbezogene Daten enthalten und erfordern einen AVV sowie einen Verarbeitungsort in der EU oder mit Angemessenheitsbeschluss.
• Vertraulichkeit: Wettbewerbsbeiträge und sensible Gebäude sollten Weg C oder vertragliche Regelungen ohne Training mit den Daten nutzen.
• Gegenmaßnahmen: Bilder kennzeichnen, das BIM-Modell als maßgebliche Quelle behalten, jedes Bild gegen den Plan prüfen, Prompts und Seeds in der Projektakte speichern.

Erste Schritte

1. Ein laufendes Projekt in der Frühphase auswählen und die Viewport-Exporte sowie ein kurzes Briefing sammeln.
2. Ein Plugin (zum Beispiel Veras, mit kostenloser Testversion) und einen offenen Workflow (ComfyUI mit einem Tiefen-ControlNet) an denselben Ansichten testen; Genauigkeit und Aufwand vergleichen.
3. Eine Hausregel aufstellen: KI-Visualisierungen kennzeichnen, „Illustration“ vermerken und niemals Maße daraus entnehmen.
4. Eine rechtlich geklärte Referenzbibliothek aufbauen und, für Weg C, eine gemeinsame GPU-Workstation einrichten.
5. Nach einem Monat Varianten pro Stunde und Kundenfeedback messen, dann über die Skalierung entscheiden.

Quellen

1. Gendo — Top 10 AI rendering software for architects in 2026 — https://gendo.ai/blog/top-10-ai-rendering-software-architects-2026
2. Visioplan — AI architecture rendering: 10 tools compared — https://visioplan.io/en/blog/ai-rendering-tools-architects-comparison-2026
3. Regulation (EU) 2024/1689 (AI Act), Art. 50 — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
4. European Commission — AI Act policy page (code of practice on AI-generated content) — https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
5. ControlNet (Zhang et al.) — Adding Conditional Control to Text-to-Image Diffusion Models — https://arxiv.org/abs/2302.05543
6. Black Forest Labs — FLUX documentation — https://docs.bfl.ai
7. ComfyUI — https://github.com/comfyanonymous/ComfyUI
8. Veras by EvolveLAB — https://www.evolvelab.io/veras