Entwicklung einer KI-basierten Fachplanung in der Beschallungstechnik.

Abstract

Es wird untersucht, wie sich die Planung von Beschallungssystemen im Hospitality-Bereich durch KI vereinfachen und beschleunigen lässt, ohne den Anspruch fachlicher Plausibilität zu verlieren. Ziel ist es, bereits in der Akquisephase eine belastbare Kostenschätzung aufzustellen, die typische Unsicherheiten der Vorplanung berücksichtigt und zugleich den Aufwand der manuellen Angebotserstellung reduziert. Dafür wird ein regelbasiertes Planungsschema entwickelt, das technische Bedingungen wie Zonenlogik, Lautsprecherund Verstärkerdimensionierung und Systemtopologie in strukturierte Eingaben überführt und mit einem Large-Language-Model in Form eines Custom GPT in eine automatisierte Stücklisten- und Kostenschätzung umwandelt. Die Vorgehensweise kombiniert eine einheitliche Datengrundlage aus technischen Komponenten und Preisen mit reproduzierbaren Berechnungs- und Zuordnungsregeln. Der Ansatz wird anhand von Referenzprojekten aus der Praxis validiert, indem die geschätzten Kosten sowie die Planungsentscheidungen mit den Ergebnissen einer realen Fachplanung gegenübergestellt werden. Die Resultate zeigen, dass sich mit dem entwickelten Ansatz als vorgelagertes Planungswerkzeug automatisiert nachvollziehbare Preisspannen erzeugen lassen, die für die frühe Entscheidungsphase von Projekten geeignet sind.

The project investigates how AI can simplify and accelerate the planning of sound systems in the hospitality sector without compromising technical plausibility. The aim is to produce a reliable cost estimate during the acquisition phase that considers the typical uncertainties of preliminary planning while reducing the effort involved in manual quotation preparation. To this end, a rule-based planning scheme is being developed that converts key technical conditions such as zone logic, loudspeaker and amplifier dimensioning, and system topology into structured inputs and uses a large language model in the form of a custom GPT to convert them into an automated parts list and cost estimate. The approach combines a uniform data basis of technical components and prices with reproducible calculation and allocation rules. The approach is validated using reference projects from practice, in which the estimated costs and planning decisions are compared with the results of real technical planning. The results show that the developed approach can be used as an upfront planning tool to automatically generate comprehensible price ranges that are suitable for the early decision-making phase of projects.