ChatGPT für Architektur: ein DWG-Workflow

Wählen Sie das Ergebnis vor dem Hochladen

Wer in der Architektur eine DWG der Fachplanung erhält, braucht meist eine konkrete Antwort: Welche Raumbezeichnungen weichen von der Liste ab, welche Verweise fehlen oder welche Layer müssen neu zugeordnet werden? «Diesen Plan prüfen» lässt Belege und Ergebnis offen. Besser ist zunächst ein nummeriertes Pendenzenregister für ein Geschoss mit Planposition und Massnahme je Befund.

Nutzen Sie ChatGPT, um eine Prüfung zu ordnen, exportierte Informationen zu vergleichen oder eine kleine Automatisierung zu entwerfen. Dass ein DWG-Anhang angenommen wird, belegt nicht, dass seine Objekte ausgelesen wurden. Fragen Sie nach der verwendeten Darstellung: gerenderte Pixel, extrahierter Text, Objektverzeichnis oder verbundenes CAD-Werkzeug.

OpenAIs FAQ zum visuellen Abruf aus PDFs beschreibt eine Enterprise-exklusive Funktion für PDFs in Gesprächen; GPT Knowledge und Project Files nutzen ausschliesslich Textabruf. Ist der visuelle Abruf nicht verfügbar, hängen Sie separate lesbare Bildausschnitte des Plans an.

Bereiten Sie ein Planpaket vor

Lassen Sie die ausgegebene Quelle unverändert. Erstellen Sie eine Prüfkopie und erfassen Sie Plannummer, Revision, Ausgabedatum und Erstellungsprogramm. Lösen Sie die für das gewählte Geschoss benötigten externen Referenzen auf; nennen Sie bewusst ausgelassene Dateien. Exportieren Sie das relevante Layout als lesbares PDF und ergänzen Sie vergrösserte Ausschnitte dichter Details.

Ergänzen Sie für Vergleiche eine strukturierte CAD-Exporttabelle: Raumnummer, Raumname und Fläche oder Blockname, Handle und ausgewählte Attribute. Erhalten Sie führende Nullen in Kennungen. Geben Sie an, ob Längen in Millimetern, Metern oder Fuss und Zoll und Flächen in Quadratmetern oder Quadratfuss vorliegen. Ein Massstab im Plankopf beschreibt eine geplottete Ansicht, nicht die Einheiten im Modellbereich.

Beziehen Sie nur Informationen der Bauherrschaft ein, die in der genehmigten KI-Umgebung Ihres Büros zulässig sind. Das Entfernen eines Namens beseitigt keine sensiblen Grundrisse oder Sicherheitsinformationen.

Eine Eingabe für die erste sinnvolle Prüfung

Prüfen Sie nur Ebene 02 in Plan A-102, Revision C. Eingaben sind das exportierte Plan-PDF und room_schedule_C.csv. Längen sind in Millimetern, Listenflächen in Quadratmetern angegeben. Vergleichen Sie Raumnummern und -namen beider Eingaben. Liefern Sie eine Tabelle mit Raumnummer, PDF-Position, Listenwert, sichtbarem Planwert, Abweichung und Massnahmenvorschlag. Erhalten Sie führende Nullen. Leiten Sie keine verdeckten Räume ab und messen Sie keine Flächen aus Pixeln. Listen Sie unlesbare Beschriftungen separat. Ändern Sie keine Dateien und beurteilen Sie keine Vorschriftenkonformität.

Prüfen Sie zunächst zwei gut bekannte Räume. Kann ChatGPT sie nicht zuverlässig lokalisieren, verbessern Sie die Eingabe vor der Ausweitung. Verlangen Sie die Unterscheidung zwischen bestätigter Abweichung und unlesbarer Beschriftung. Sonst spiegelt eine scheinbar saubere Pendenzenliste womöglich nur fehlende Belege.

Binden Sie die Prüfung an Revision C. Trifft eine neue Liste ein, starten Sie den Vergleich mit einem ausdrücklich neuen Eingabepaar, statt alte und neue Werte im Gespräch zu vermischen.

Vom Skriptvorschlag zum kontrollierten CAD-Vorgang

Verlangen Sie für wiederkehrende Arbeiten zunächst eine nur lesende AutoLISP-Routine oder eine andere unterstützte CAD-Routine. Nennen Sie genaue AutoCAD-Version, Betriebssystem, Laufzeitumgebung und Zielobjekttypen. Verlangen Sie eine Übersicht betroffener und ausgeschlossener Objekte. Prüfen Sie den Code vor dem Laden in Ihre freigegebene CAD-Umgebung.

Eine sinnvolle erste Automatisierung listet Textobjekte auf bestimmten Layern auf und schreibt Handles und Werte in eine Tabelle. Später lassen sich Layer nach einer freigegebenen Zuordnung umbenennen. Definieren Sie den Umgang mit Namenskollisionen, gesperrten und referenzabhängigen Layern; das Programm muss Ausnahmen melden, statt sie still zu überspringen.

Führen Sie die geprüfte Routine an einer entbehrlichen Kopie aus. Vergleichen Sie Objektzahlen, ein bekanntes Mass und ein geplottetes Layout vorher und nachher. Öffnen Sie die gespeicherte Ausgabe erneut. Eine Erfolgsmeldung des Skripts ist weniger aussagekräftig als die prüfbare Datei.

ChatGPT kann auch über konfigurierte Werkzeuge handeln: OpenAI dokumentiert eigene MCP-Verbindungen. Diese separate Integration benötigt den passenden Server, Berechtigungen und CAD-Vorgänge. Ein Chat-Upload erstellt keine solche Verbindung, und eine Produkthilfe-Verbindung bedeutet keinen Zugriff auf Ihre Zeichnung.

Trennen Sie PDF-Konvertierung und Planprüfung

Liegt nur ein PDF vor, klären Sie, ob es Vektoren oder einen Scan enthält. Autodesks PDF-Importoptionen unterscheiden Vektorobjekte und angehängte Rasterbilder. Der Import eines gescannten Blatts erzeugt nicht automatisch bearbeitbare Wandgeometrie.

Kalibrieren Sie importierte Geometrie anhand bekannter Masse und prüfen Sie Text, Layer und Kurven. Prüfen Sie Befunde am Quellblatt; behandeln Sie einen importierten Umriss nicht als exakte Wiederherstellung des ursprünglichen CAD-Modells.

Für eine PDF-zu-DWG-Rekonstruktion in einer ARAI-Umgebung mit aktivierter Rekonstruktionsfähigkeit liefern Sie Quellblatt, bekannte Masse, Zieleinheiten und zulässige Abweichung. Öffnen Sie das Ergebnis im CAD und vergleichen Sie es mit dem PDF.

Prüfen Sie Ihren Plan in ARAI

Hängen Sie DWG, passendes PDF und die benötigten externen Referenzen des gewählten Geschosses an. Ergänzen Sie Raumliste, Raumauswahl, Längen- und Flächeneinheiten sowie vereinbarte Abgrenzungsregeln je Raum. Lassen Sie ARAI die Liste mit den Flächen dieser Plankonturen vergleichen. Verlangen Sie Objektkennungen und Planpositionen, um jeden Befund im CAD prüfen zu können.

Raumflächen in ARAI prüfen. Hängen Sie vor dem Senden Ihre Dateien an den Entwurf. Prüfen Sie gemeldete Abweichungen an Plan und Liste, bevor Sie Änderungen vornehmen. Siehe Leitfaden zum Revit-Export.