Warum KI-Modelle für Handwerksbetriebe (vor allem SHK) interessant sind

In vielen Handwerksbereichen – besonders in Sanitär, Heizung und Klima (SHK) – werden die Aufgaben immer komplexer. Kunden erwarten schnelle Antworten, Gesetze und Vorschriften ändern sich ständig, und das Fachwissen muss auf dem neuesten Stand sein. Künstliche Intelligenz (KI, englisch Artificial Intelligence) kann helfen, vieles zu beschleunigen oder zu vereinfachen.

ChatGPT ist so ein KI-Modell, das Texte auf Basis von Daten auswertet und automatisch formulieren kann. Für SHK-Betriebe heißt das:

• Schnelle Unterstützung bei Fehleranalysen oder Wartungsfragen.
• Automatische Angebotserstellung oder Projektplanung.
• Einfachere Dokumentation von Bauvorhaben oder Anträgen.

Damit du weißt, welches ChatGPT-Modell für deine Zwecke passt, schauen wir uns die zwei grundlegenden Modelltypen kurz an. Alles, was ich hier schreibe, kannst Du auch auf andere Modelle anwenden zum Beispiel Perplexity, Gemini, 

1. Modelltyp: Nächstes-Wort-Vorhersage (Next-Token-Prediction)

Beispiel: GPT-4o

Das Prinzip des „Next-Token-Prediction“ (nächstes Wort vorhersagen) kannst du dir wie ein Puzzle vorstellen: Du hast viele kleine Puzzleteile (Tokens), aus denen ein Satz zusammengesetzt wird. Das KI-Modell schaut sich an, welches Teil am besten als Nächstes passt, und legt es dann an. Bei GPT-4o sind das bis zu 128.000 dieser Puzzleteile gleichzeitig. Das heißt, das Modell hat richtig viel Platz, um verschiedene Wörter, Sätze und Ideen im Kopf zu behalten. Je mehr dieser Tokens es verarbeiten kann, desto detaillierter und genauer kann es deinen Text oder deine Frage verstehen und beantworten. Ganz simpel gesagt: Stell dir vor, du hättest ein winziges Puzzle mit nur wenigen Teilen, das schnell zusammengebaut ist, aber kaum Details zeigt. Wenn du dagegen ein Riesenpuzzle hast, kannst du viel mehr Einzelheiten erkennen und ein größeres, klareres Bild zusammensetzen. Genauso ist es beim KI-Modell – je mehr Tokens es verarbeiten kann, desto umfangreicher und detaillierter wird das Ergebnis.

Warum sind viele Tokens wichtig?

Stell dir vor, du hast ein Notizbuch mit nur 2 Seiten (wenige Tokens). Da passen nur ein paar Stichworte rein, und wenn du eine komplexe Frage stellst, muss alles ganz knapp gehalten werden. Hast du aber 200 Seiten (viele Tokens), dann passen deine Frage, die zugehörigen Informationen, plus die Hintergrundinfos und Quellen hinein. Mit mehr Tokens versteht das Modell also mehr Kontext und kann detailliertere Antworten geben.

Wo ist GPT-4o nützlich?

• Schnelle FAQs: „Welche Dichtmittel sind für Trinkwasserleitungen zugelassen (approved)?”
• Kundenchat: „Mein Warmwasser fällt ständig aus. Was kann ich tun?”
• Erste Kalkulationen: „Wieviel Meter Rohrleitung brauche ich bei 20 m² Bad?”
• Standard-Protokolle: Übergabeprotokoll nach VOB (Verdingungsordnung für Bauleistungen)

Praxisbeispiel:
Stell dir vor, ein Kunde ruft an und sagt: „Meine Ölheizung zeigt Fehlercode E-23 und gleichzeitig fällt der Wasserdruck ab.“ Du könntest GPT-4o fragen:
„Zeig mir mögliche Ursachen für den Fehlercode E-23 bei einer Ölheizung und einem Druckabfall, letzte Wartung war im Februar 2025.“
GPT-4o würde dir in Sekunden eine Liste mit den typischen Ursachen vorschlagen – und du entscheidest dann, was am besten passt.

2. Modelltyp: Kettenartiges Denkmodell (Chain-of-Thought, auch Reasoning-Modell)

Beispiele: O1, O3

Diese Modelle versuchen, Probleme Schritt für Schritt zu lösen, so als würden sie kurz nachdenken und verschiedene Schritte nacheinander abarbeiten.

• O1 verarbeitet zum Beispiel bis zu 100.000 Tokens (Texteinheiten) in den Ausgaben. Das ist praktisch, wenn du komplexe Projekte planst, weil das Modell einzelne Schritte nachvollziehbar hintereinander ausführt.
• O3 ist eine erweiterte Version. Sie kann große Projekte noch umfassender planen und zusätzliche Dokumente automatisiert erstellen.

Wo sind O1 oder O3 nützlich?

• Komplexe Projektplanung (z.B. mehrstufige Sanierung eines Altbaus: Heizungsumrüstung, Dämmung, Lüftung).
• Technische Risikoanalyse (z.B. statische Berechnungen für eine Solarthermie-Anlage).
• Förderanträge und Bauanträge: O1 oder O3 können die rechtlichen Vorgaben aus verschiedenen Quellen zusammennehmen und automatisiert Formulare ausfüllen oder Entwürfe schreiben.
• Energieeffizienznachweise (Energy Efficiency Certificates): Berechnungen zu Verbrauch, Wirtschaftlichkeit usw.

Praxisbeispiel:
„Erstelle ein Angebot für die Sanierung eines 120m²-Einfamilienhauses auf Wärmepumpenbasis. Berücksichtige dabei die BAFA-Förderung, die geplanten Änderungen der EEG-Umlage, verschiedene Außentemperaturen und vergleiche Luft/Wasser mit Sole/Wasser.“
Das O1-Modell könnte dir dann Schritt für Schritt Folgendes liefern:

1. Welche Daten es braucht (Gebäudestandort, Isolierung, gewünschte Vorlauftemperatur).
2. Welche Fördermöglichkeiten greifen.
3. Wie sich die Wirtschaftlichkeit entwickelt, wenn es sehr kalt oder sehr warm ist.
4. Welches System unterm Strich günstiger ist.
5. Wenn du Vergleichbare Angebote dem System zur Verfügung gestellt hat, bezieht es sich auf Deine Angebote und erstellt hieraus ein Neues. 

So „denkt“ ein Chain-of-Thought- bzw. Reasoning-Modell ganz grob

Nehmen wir mal an, du fragst O1:
„Wie plane ich ein neues Bad mit Fußbodenheizung (floor heating) in einem Altbau mit alten Gussrohren?“
Das Modell könnte „innerlich“ so vorgehen (vereinfacht dargestellt):

1. Verstehen des Kontexts: „Okay, es geht um ein Altbau-Bad, vermutlich mit Platzproblemen und alten Rohrleitungen. Fußbodenheizung ist gewünscht.“
2. Teilaufgaben definieren: „Ich muss die nötige Heizleistung berechnen, die Eignung der Gussrohre prüfen, das Layout für die Fußbodenheizung planen und eventuell Förderungen berücksichtigen.“
3. Einzelschritte durchgehen:
   • Mögliche Dämmmaßnahmen
   • Dicke des Estrichs
   • Regelungstechnik für die Heizung
   • Anschlüsse an das bestehende System
4. Lösung formulieren: „Ich schlage vor, die Gussrohre vor Ort zu prüfen oder zu ersetzen. Hier ist eine Beispiel-Kalkulation für die Materialkosten, so könnte eine Fördermaßnahme aussehen …“

So siehst du, dass das Modell nicht einfach nur die Wörter hintereinander setzt, sondern einen kleinen Fahrplan im Kopf hat (Chain-of-Thought/Reasoning).

Noch mehr Beispiele: Wann verwende ich welches Modell?

• GPT-4o:
  • Kunde fragt im Chat nach dem nächsten Wartungstermin: Schnell und einfach.
  • Du willst eine Liste aller für Trinkwasser zugelassenen Kleb- und Dichtstoffe erstellen.
  • Erstellung von kurzen Standardangeboten (z.B. Wartungspaket für eine Ölheizung).
• O1:
  • Planung einer Wärmepumpe in einem zweistöckigen Einfamilienhaus mit Fördermitteln und mehreren Energiequellen.
  • Detaillierte Empfehlung, wie man eine Steuerung per App auf eine bestehende Heizungsanlage aufschaltet.
• O3:
  • Erstellung kompletter Bauanträge (application documents) inkl. rechtlicher Anhänge.
  • Umfangreiche Machbarkeitsstudie (feasibility study) für ein Mehrfamilienhausprojekt, inkl. mehreren Varianten und direkten Verweisen auf DIN-Normen.

Token (Texteinheiten) einfach erklärt

Stell dir vor, du schreibst alle deine Fragen, Randdaten und Hinweise auf Zettel (Tokens). Je mehr Tokens das Modell zur Verfügung hat, desto mehr Informationen kann es gleichzeitig im Kopf behalten.

• Kleines Modell = wenig Tokens: Du kriegst eher kurze, knappe Antworten.
• Größeres Modell = viele Tokens: Du kannst lange Texte eingeben, zum Beispiel komplette Baupläne, Verordnungen und Hintergrundinfos, und das Modell kann alles miteinander verknüpfen und dir eine umfangreiche Lösung liefern.

Konkrete Aufgaben im SHK-Handwerk (mit KI-Unterstützung)

1. Fehlerdiagnose und Troubleshooting (Störungsbehebung)
   • Das Modell kann Fehlercodes von Heizungen oder Lüftungsanlagen analysieren und dir Vorschläge liefern, welche Bauteile du prüfen solltest.
   • Du sparst Zeit beim Suchen in Handbüchern und bist schneller bei der eigentlichen Reparatur.
2. Angebotserstellung und Kostenkalkulation
   • Für eine Badrenovierung oder eine neue Heizungsanlage kann das Modell Daten zu Materialpreisen, Fördermitteln, Arbeitszeit usw. zusammentragen und sogar verschiedene Varianten vergleichen (z.B. Wärmepumpe vs. Gasbrennwert).
3. Bauantragsunterstützung
   • Gerade bei denkmalgeschützten Gebäuden oder bei speziellen Auflagen (Schallschutz, Brandschutz) kann das Modell eine erste Vorlage für den Bauantrag erstellen.
   • Du musst das am Ende natürlich prüfen und unterschreiben, aber es nimmt dir viel Fleißarbeit ab.
4. Energieeffizienz-Simulation (Energy Efficiency Simulation)
   • Ob ENEV-Berechnungen oder Wirtschaftlichkeitsanalysen: Die KI kann dir eine klare Übersicht geben, wo sich welche Investition lohnt.

Schrittweise Einführung in deinem Betrieb

1. Analysephase (3–6 Wochen): Sammle deine Standardprozesse, Formulare und Fachbegriffe, damit das Modell mit deinen spezifischen Daten arbeiten kann.
2. Pilotphase (2–4 Wochen): Starte mit einem einfachen Modell wie GPT-4o für Kundenchat und erste Dokumenten-Entwürfe.
3. Erweiterungsphase (4–8 Wochen): Setze O1 ein, um komplexere technische Planungen oder Förderanträge abzudecken.
4. Vollautomatisierung (ab 6 Monaten): Nutze O3, wenn du ganze Projektanträge und mehrstufige Sanierungskonzepte automatisiert erstellen willst.

Wichtig: Haftung und Datenschutz

• Haftungsfragen: Eine KI darf nie komplett deine Fachentscheidung ersetzen. Prüfe die Empfehlungen immer, gerade wenn es um Trinkwasserverordnung (TWIN), DIN EN 806-2 oder EN 12828 geht.
• Datenschutz: Achte darauf, dass du keine sensiblen Kundendaten unverschlüsselt eingibst und kläre, wo die Server stehen.

Was wirklich wichtig ist

Schon jetzt sparst du Zeit und Nerven, wenn du KI-Modelle einsetzt. Und mit jedem Update (zum Beispiel GPT-5 irgendwann) werden die Modelle noch besser:

• Teamwork zwischen mehreren KI-Modellen: Eines kümmert sich um die technische Planung, ein anderes schreibt den offiziellen Teil für den Bauantrag.
• 3D-Integration: Möglicherweise kannst du demnächst CAD-Dateien direkt hochladen und die KI erstellt dir eine Heizungsplanung.
• Prädiktive Wartung (predictive maintenance): Aufgrund von Sensor- und Wartungsdaten kann die KI Ausfälle vorhersagen, bevor es teuer wird.

Für dich als Handwerker heißt das:

1. Mit einem einfachen Modell anfangen (GPT-4o).
2. Mitarbeiter schulen und Abläufe anpassen.
3. Schrittweise auf O1 oder O3 erweitern, wenn deine Projekte größer und komplexer sind.
4. Alle rechtlichen Vorgaben im Blick behalten und lieber einmal mehr prüfen, bevor du die Empfehlung 1:1 umsetzt.

Wenn du das beherzigst, profitierst du von einer deutlichen Zeitersparnis und kannst gleichzeitig deinen Kunden einen modernen Service bieten. Die Verbindung von klassischem Handwerkswissen und KI-Technik wird immer mehr zum Erfolgsfaktor – gerade im SHK-Bereich, wo die Energiewende und neue Vorschriften ein hohes Tempo vorgeben.

Häufig gestellte Fragen (FAQ)

1. Was genau sind Tokens, und wieso brauche ich mehr oder weniger davon?
   Tokens sind kleine Texteinheiten. Je mehr Tokens ein Modell verarbeiten kann, desto umfangreichere oder detailliertere Eingaben und Ausgaben sind möglich. Für schnelle, einfache Aufgaben reicht ein Modell mit wenigen Tokens aus. Bei sehr komplexen Projekten oder ausführlichen Texten ist ein Modell mit vielen Tokens im Vorteil.
2. Muss ich ständig mit dem Internet verbunden sein, damit die KI funktioniert?
   Das hängt vom Modell und Anbieter ab. Einige KI-Lösungen laufen in der Cloud, andere kann man mit speziellen Versionen auch lokal nutzen (aber dann meist mit eingeschränktem Funktionsumfang). Für die meisten Anwendungen ist jedoch eine Internetverbindung nötig.
3. Haftet die KI bei falschen Empfehlungen?
   Nein. Letztendlich liegt die Verantwortung für die Fachentscheidung immer bei dir als Handwerksbetrieb. Eine KI liefert Vorschläge, doch die Prüfung bleibt in deiner Hand. Bei sicherheitsrelevanten und rechtlichen Themen (z.B. Trinkwasserverordnung) sollte man immer genau hinschauen.
4. Wie viele meiner Mitarbeiter müssen sich mit der KI auskennen, damit es sinnvoll ist?
   Schon wenn eine Person im Betrieb weiß, wie man gute Eingaben (Prompts) formuliert und die Ergebnisse prüft, bringt das erste Vorteile. Nach und nach können mehr Kolleginnen und Kollegen geschult werden, um alle möglichen Anwendungen zu nutzen.
5. Kann das Modell auch Bilder oder Pläne verstehen?
   Je nach Modell und Erweiterung. Momentan arbeiten manche Systeme an einer Bild- oder CAD-Verarbeitung. GPT-4o selber ist eher auf Text ausgerichtet. Zukünftige Versionen könnten aber auch Bilder oder 3D-Pläne direkt verarbeiten.
6. Wie schule ich meine Mitarbeiter am besten im Umgang mit KI?
   Am besten lernt man, indem man Beispiele in der Praxis durchspielt. Zeig ihnen, wie sie Fragen stellen, welche Detailtiefe nötig ist und wie man Ergebnisse einschätzt. Anschließend könnt ihr intern Checklisten erstellen, damit jeder weiß, wie man z.B. eine korrekte Fehlersuche oder Kostenschätzung mit der KI macht.
7. Kann ich mit den KI-Modellen meine alten Bau- und Kundendaten verknüpfen?
   Ja, viele Anbieter ermöglichen Schnittstellen, über die du deine eigenen Daten einbinden kannst. Dafür musst du eventuell deine Dokumente und Daten in ein passendes Format bringen oder ein KI-Tool nutzen, das diese Anbindung unterstützt.
8. Was kostet mich die Nutzung eines KI-Modells?
   Das ist sehr unterschiedlich. Manche Basismodelle sind kostenlos oder günstig pro Anfrage. Komplexere Versionen können pro Monat oder pro Nutzungseinheit (Tokens) abgerechnet werden. Eine genaue Kalkulation lohnt sich, besonders wenn du viele Anfragen hast.
9. Macht eine KI meinen Job irgendwann überflüssig?
   Nein, KI-Modelle sind Werkzeuge, keine Ersatz-Handwerker. Sie nehmen dir Routinearbeiten ab, doch das handwerkliche Können und die praktische Erfahrung bleiben deine Stärken. KI kann dich nur dabei unterstützen, effizienter zu arbeiten.
10. Was muss ich rechtlich noch beachten?
    Neben der schon erwähnten Haftung (Fachprüfung) und dem Datenschutz solltest du auch die AGB des KI-Anbieters lesen. Bei sensiblen Daten (zum Beispiel Kundendaten) ist zu klären, wo die Server stehen und wie die Daten verschlüsselt werden.

Viel Erfolg bei der Umsetzung!

Aktuelle KI-Systeme und ihre Modell-Technologien

In dieser Tabelle findest du einige aktuelle KI-Systeme, die Chain-of-Thought-Modelle (auch Reasoning-Modelle) bzw. klassische Next-Token-Prediction-Technologien einsetzen. Hier siehst du, welches Hauptmodell dahintersteckt und welche Besonderheiten es jeweils gibt.

Diese Liste ist nicht abschließend, aber sie zeigt dir, wie Chain-of-Thought (Reasoning) und Next-Token-Prediction in verschiedenen Systemen zum Einsatz kommen. Gerade bei Google Gemini wird eine erweiterte Reasoning-Funktion erwartet, und Perplexity AI kombiniert KI-Modelle mit einer starken Suchkomponente.

Wenn du ein spezielles System ins Auge fasst, lohnt es sich, einen Blick darauf zu werfen, welche Modellversion genau dahintersteht und wie viele Tokens es verarbeiten kann. So findest du das KI-System, das am besten zu deinen Anforderungen passt.

Stand: März 2025