KILTAX wird gefördert:
KILTAX – Entwicklung einer semantischen Daten- und KI-Infrastruktur zur automatisierten Bewertung von EU-Taxonomie-Fähigkeit
Das Verbundprojekt „KILTAX“ wird gemeinsam von RITTWEGER + TEAM und dem Institut für Angewandte Informatik (InfAI) e. V. durchgeführt. Ziel ist die Entwicklung einer wissensbasierten Softwarelösung, die die Erstellung von EU-Taxonomie-Konformitätsberichten für Bauprojekte automatisiert unterstützt.
Im Mittelpunkt steht die Verbindung von Materialwissen, Nachhaltigkeitsbewertung und regulatorischen Anforderungen. ESG- und EPD-Produktdaten, bautechnisches Prozesswissen und aktuelle Nachhaltigkeitskriterien werden dafür in einem Wissensgraphen zusammengeführt. Das System soll die Einhaltung der EU-Taxonomie-Anforderungen prüfen und nachvollziehbar dokumentieren.
Eine grafische Benutzeroberfläche und eine natürliche Sprachschnittstelle ermöglichen gezielte Abfragen. So sollen auch weniger erfahrene Anwender hochwertige und überprüfbare Berichte in kürzerer Zeit erstellen können. Ergänzend ist eine interaktive Chatbot-Funktion vorgesehen, über die Nutzer mit der Software kommunizieren können.
RITTWEGER + TEAM bringt das Fachwissen zur Entwicklung, Bewertung und Auswahl von Materialressourcen und Bauprozessen in das Projekt ein. Dafür werden bestehende Abläufe, Schnittstellen und Entscheidungskriterien dokumentiert und gemeinsam mit dem InfAI auf ihre Digitalisierbarkeit geprüft. Zudem bindet RITTWEGER + TEAM Hersteller von Bauprodukten, Verarbeiter, Rückbauunternehmen und Recyclingunternehmen in den Aufbau der erforderlichen Datenbasis ein.
Der Forschungsanteil liegt in der Entwicklung und Erprobung neuer Verfahren zur semantischen Datenintegration, ontologiebasierten Wissensrepräsentation und graphbasierten KI-Inferenz. Untersucht wird unter anderem, wie unterschiedliche ESG- und EPD-Datenquellen in konsistente Wissensgraphen überführt und durch ein erklärbares GraphRAG-Verfahren für nachvollziehbare Bewertungen genutzt werden können.
Als Ergebnisse sind ein funktionaler Demonstrator, ontologische und algorithmische Prototypen sowie evaluierte Methoden für eine erklärbare und automatisierte Taxonomie-Bewertung vorgesehen.
Verbundpartner: FILINA Innovation + Technik GmbH
Projektlaufzeit: 01.03.2026 bis 28.2.2029
Förderkennzeichen: 16KN116825
Projektträger: VDI/VDE Innovation + Technik GmbH
Damit aus den beschriebenen Daten, Methoden und KI-Verfahren eine praktisch nutzbare Lösung entsteht, müssen die einzelnen Bausteine gezielt miteinander verknüpft werden
Produkt- und ESG-Daten, Informationen zu Bauprozessen sowie regulatorische Anforderungen fließen in eine gemeinsame Daten- und KI-Infrastruktur ein. Dort werden sie strukturiert, ausgewertet und für die automatisierte EU-Taxonomie-Prüfung nutzbar gemacht.
Die Grafik zeigt in mehreren aufeinander aufbauenden Bereichen die Entwicklung einer semantischen Daten- und KI-Infrastruktur zur automatisierten Bewertung der EU-Taxonomie. Ausgangspunkt sind verschiedene Eingangsdaten: ESG-Produktdaten der Hersteller, bautechnisches Prozesswissen, regulatorische Anforderungen wie EU-Taxonomie und Nachhaltigkeitskriterien sowie Material- und Umweltinformationen. Diese unterschiedlichen Informationen fließen in eine gemeinsame semantische Daten- und KI-Infrastruktur ein.
Im Zentrum der Infrastruktur steht zunächst ein Wissensgraph, der Wissen und Daten integriert und miteinander verknüpft. Darauf bauen KI und GraphRAG auf: Die Grafik beschreibt diesen Schritt als erklärbare Inferenz auf Wissensgraphen mit Large Language Models. Anschließend erfolgt die EU-Taxonomie-Prüfung, bei der Bewertung und Nachweisführung automatisiert werden. Eine Wissensbasis mit Ontologien dient parallel dazu der Strukturierung und Aktualisierung der zugrunde liegenden Informationen und ist mit der Daten- und KI-Infrastruktur sowie der Ergebnisseite verbunden.
Als Ergebnisse nennt die Grafik einen automatisierten, geprüften und nachvollziehbaren Konformitätsbericht sowie eine Datengrundlage für nachhaltige Entscheidungen im zirkulären und nachhaltigen Bauen. Damit führt der dargestellte Ablauf von heterogenen Ausgangsdaten über deren semantische Verknüpfung und KI-gestützte Verarbeitung bis zur automatisierten Prüfung und dokumentierten Nachweisführung.
Im unteren Bereich wird der Mehrwert für Unternehmen entlang des Projektverlaufs dargestellt. Die einzelnen Stufen reichen von mehr Transparenz über Materialinformationen über die Erfüllung regulatorischer Anforderungen und die Bewertung von Kreislauffähigkeit und Materialeigenschaften bis zum Verständnis von Ressourceneffizienz und CO₂-Wirkung. Den Abschluss bildet die Sicherstellung von Nachweisbarkeit und Konformitätsberichten. Die Grafik verbindet damit Eingangsdaten, semantische Wissensstrukturen und KI-Methoden mit der regulatorischen Bewertung und den daraus entstehenden Informations- und Nachweismöglichkeiten für Unternehmen.
KI-gestützte Materialauswahl in der Praxis
Die im Projekt KILTAX entwickelte semantische Daten- und KI-Infrastruktur wird in konkreten Anwendungsszenarien der Gebäudeplanung und des Produktdesigns erprobt. Ausgangspunkt sind jeweils die spezifischen Anforderungen an Bauteil, Produkt und Material. Diese werden strukturiert erfasst, mit verfügbaren Material- und Nachhaltigkeitsinformationen verknüpft und durch KI-basierte Recherche- und Bewertungsprozesse unterstützt. Die folgenden Grafiken veranschaulichen den daraus entstehenden Rechercheprozess – von der Anforderungsdefinition bis zur Identifikation geeigneter Materialien.
Die Grafik zeigt, wie KI-basierte Materialrecherche in einer Planungssoftware nachhaltige Materialentscheidungen in der Gebäudeplanung unterstützt. Sie ist in drei Bereiche gegliedert: Oben stehen die Datenquellen, in der Mitte der eigentliche Planungs- und Rechercheprozess und darunter die daraus entstehenden Ergebnisse. Als Datengrundlage dienen EPDs, Produktdatenblätter, Materialpässe beziehungsweise Digitale Produktpässe, Zertifikate, Herstellerangaben und Lieferkettendaten.
Der Prozess beginnt mit der Definition des Planungsziels. Dabei werden Bauteile und Funktionen festgelegt, Budget und Gestaltung berücksichtigt und Nachhaltigkeitsziele priorisiert. Anschließend werden die Nachhaltigkeitskriterienbestimmt, nach denen Materialien beurteilt werden sollen – darunter ein niedriger CO₂-Fußabdruck, Kreislauffähigkeit, Materialgesundheit und hohe Sozialstandards. Im nächsten Schritt erfolgt die KI-basierte Recherche in der Planungssoftware. Sie durchsucht Hersteller- und Produktdaten, verknüpft EPDs, Materialpässe und Zertifikate, filtert passende Materialien und macht Alternativen sowie mögliche Zielkonflikte sichtbar. Darauf folgt die Bewertung und der Vergleich: Materialien können anhand von Scores und Ampeldarstellungen bewertet, Varianten für einzelne Bauteile miteinander verglichen und deren Vor- und Nachteile transparent gegenübergestellt werden. Die ausgewählten Materialien werden anschließend in die Gebäudeplanung integriert. Materialien können gezielt ausgewählt, Planung und Ausschreibung dokumentiert und Entscheidungen auf dieser Grundlage fundiert getroffen werden. Als Ergebnisse nennt die Grafik vorausgewählte Materialien, nachvollziehbare Entscheidungen, eine frühzeitige Optimierung der Gebäudeplanung sowie eine bessere Grundlage für Ausschreibung und Beschaffung.
Wichtig ist die dargestellte Rollenverteilung: Die KI unterstützt Recherche und Vorauswahl, ersetzt jedoch nicht die fachliche Prüfung. Planung und Nachhaltigkeitsexpertise bleiben für die abschließende Bewertung erforderlich.
Die Grafik zeigt, wie KI-basierte Materialrecherche in einer Planungssoftware den Auswahl- und Entscheidungsprozess im Produktdesign unterstützt. Sie ist in drei Bereiche gegliedert: Oben stehen die Datenquellen, in der Mitte der eigentliche Planungs- und Rechercheprozess und darunter die daraus entstehenden Ergebnisse. Als Datengrundlage dienen EPDs, Produktdatenblätter, Materialpässe beziehungsweise Digitale Produktpässe, Zertifikate, Herstellerangaben und Lieferkettendaten.
Der Prozess beginnt mit der Definition des Planungsziels. Dabei werden Material und Funktionen festgelegt, Budget und Gestaltung berücksichtigt und Transformationsziele priorisiert. Anschließend werden die Transformationskriterienbestimmt, nach denen Materialien beurteilt werden sollen – darunter ein niedriger CO₂-Fußabdruck, Kreislauffähigkeit, Materialgesundheit und hohe Sozialstandards.
Im nächsten Schritt erfolgt die KI-basierte Recherche in der Planungssoftware. Sie durchsucht Hersteller- und Produktdaten, verknüpft EPDs, Materialpässe und Zertifikate, filtert geeignete Materialien und macht Alternativen sowie mögliche Zielkonflikte sichtbar. Darauf folgt die Bewertung und der Vergleich: Materialien können anhand von Scores und Ampeldarstellungen bewertet, Varianten für einzelne Bauteile miteinander verglichen und deren Vor- und Nachteile transparent gegenübergestellt werden.
Die ausgewählten Materialien werden anschließend in die Produktion und weitere Planung integriert. Materialien können gezielt ausgewählt, Planung und Ausschreibung dokumentiert und Entscheidungen auf dieser Grundlage fundiert getroffen werden. Als Ergebnisse nennt die Grafik vorausgewählte Materialien, nachvollziehbare Entscheidungen, eine frühzeitige Optimierung des Produkt- oder Transformationsdesigns sowie eine bessere Grundlage für die Produktionsplanung.
Wichtig ist die dargestellte Rollenverteilung: Die KI unterstützt Recherche und Vorauswahl, ersetzt jedoch nicht die fachliche Prüfung. Planung und Nachhaltigkeitsexpertise bleiben für die abschließende Bewertung erforderlich.
Verbundpartner
Das Institut für Angewandte Informatik (InfAI) e. V. bringt seine Expertise in der angewandten Informatik und der Entwicklung wissensbasierter Softwaresysteme in das Projekt ein. Gemeinsam mit RITTWEGER + TEAM überführt das Institut Fachwissen, Daten und Bewertungsprozesse in eine semantische Daten- und KI-Infrastruktur für die automatisierte Prüfung der EU-Taxonomie.
