Auftragsentwicklung für ein Startup: Vom 3D-Modell zur automatisierten Mengenermittlung
Warum Unternehmen und Startups für technisch anspruchsvolle Spezial-Software zu uns kommen: Ein Praxisbericht aus unserer Auftragsentwicklung für das Projekt QTO-AI.
Die Ausgangslage des Kunden-Startups
Wenn Standard-Baukästen an komplexen Branchendaten scheitern
Viele Gründer und mittelständische Betriebe haben eine glasklare fachliche Idee, stehen aber vor einer hohen technischen Hürde: Ihre Daten stecken in hochkomplexen Spezialformaten (wie dreidimensionalen CAD-Modellen, Maschinenprotokollen oder gewachsenen SQL-Datenbanken), die kein Standard-Webentwickler auslesen kann.
Im Rahmen einer individuellen Auftragsarbeit für ein spezialisiertes Startup (QTO-AI) bestand die Aufgabe darin, einen vollautomatischen Parser und Berechnungs-Worker zu entwickeln, der dreidimensionale Gebäudemodelle einliest, sämtliche Bauteilmassen berechnet und daraus prüffähige Ausschreibungsdaten generiert.
Python-Worker + Graph-Datenbank + KI-Klassifikation
Als technischer Entwicklungspartner haben wir für das Startup eine entkoppelte Microservice- und Worker-Architektur aufgebaut – nach demselben Prinzip („New Digital Yarn“), mit dem wir auch im Fitnessstudio-BI-Projekt verschiedenste Datenquellen verweben:
- Spezialisierter Geometrie-Parser: Ein asynchroner Python-Worker liest Wandflächen, Decken, Öffnungen und Dämmstärken direkt aus den hochgeladenen 3D-Modellen aus.
- Memgraph Beziehungs-Graph: Räumliche Abhängigkeiten zwischen Bauteilen werden in einer Graph-Datenbank abgebildet, um Folgeschritte und Nebenleistungen zuverlässig abzuleiten.
- KI-Klassifikation & Export: Eine mehrstufige Regel- und KI-Pipeline strukturiert die Mengen in 20 Gewerke und erzeugt fertige Austauschdateien (GAEB X83/P83 & PDF).
Weitere Details zur technischen Umsetzung finden Sie in der Fallstudie zur QTO-AI Auftragsentwicklung.