Auftragsentwicklung für Startup (QTO-AI): Vom 3D-Modell zur Mengenermittlung
Beispiel für unsere Vielseitigkeit als Full-Stack-Macher: Im Kundenauftrag für ein spezialisiertes BauTech-Startup (QTO-AI) haben wir die komplette Backend-Pipeline entwickelt – vom automatischen 3D-Geometrie-Parser über eine Graph-Datenbank bis zum fertigen Ausschreibungs-Export.
Technische Umsetzung im Kundenauftrag
Wenn Startups oder Mittelständler vor komplexen Datenformaten stehen, entwickeln wir als technischer Umsetzungspartner die passende Server- und Worker-Architektur (Python FastAPI, Graph-DB und Web-Frontend).
Maßgeschneiderter 3D-Geometrie- & Massen-Parser
Im Auftrag des Startups entwickelten wir einen spezialisierten Parser-Worker, der Wandflächen, Decken, Öffnungen und Dämmstärken automatisiert aus komplexen 3D-CAD-Exportdateien ausliest.
KI-gestützte Positions-Zuordnung (QTO-AI)
Eine mehrstufige Regel- und KI-Pipeline ordnet die extrahierten Bauteile den passenden Leistungspositionen zu und bereitet strukturierte Ausschreibungstexte vor.
Standardisierter Daten-Export (GAEB X83 & PDF)
Erzeugung standardisierter Austauschdateien für branchenübliche Kalkulationsprogramme sowie prüffähiger PDF-Berichte auf Knopfdruck.
Graph-Datenbank für Bauteil-Abhängigkeiten
Über eine Cypher-basierte Graph-Datenbank (Memgraph) werden räumliche Zusammenhänge zwischen Bauteilen geprüft, damit keine Nebenleistungen übersehen werden.
Asynchrone Worker-Queue für große Modelle
Parallele Hintergrund-Worker verarbeiten selbst umfangreiche Gebäudemodelle ohne Timeout im Browser und liefern Echtzeit-Fortschrittsanzeigen.
Mandantentrennung & Revisionssicheres Audit-Log
Jeder Berechnungsschritt vom Bauteil bis zur Position bleibt für Planer und Kalkulatoren lückenlos nachvollziehbar.