Zwei Drittel der Länder in der europäischen Region der Weltgesundheitsorganisation setzen AI bereits bei der Diagnose ein, die Hälfte bietet patientenorientierte Chatbots — The Jerusalem Post berichtete die Zahl diesen Monat neben der unbeantworteten Frage: Wer zahlt, wenn das Modell falsch liegt? Die Architektur folgt der Medizin um einen Beschaffungszyklus nach, auf der gleichen Kurve. Das ist die Front, auf der wir stehen wollen, bevor eine erste Codezeile einen Grundriss berührt.

Am 1. September 2026 öffnen wir Edition XIV der Building System Specialist Schiene, und wir eröffnen sie mit einem Talk. Dr. Mikhael Johanes — Postdoc im Design++ an der ETH Zürich, seine Forschung setzt Machine Learning auf die Architekturplanung an — erklärt, was ein ML-Modell wirklich macht, wenn es ein Briefing liest. Nicht die Demo-Show. Der Mechanismus. Wir haben diese Session zuerst als Schlussvortrag unseres dreitägigen KI Summer Camp, 2.–4. Juli 2025, im PAZ Central an der Niederdorfstrasse 77 in Zürich gehostet, und der Saal war danach noch voller Energie. Darum spielen wir ihn jetzt wieder, als Eingang zur Kohorte.

←HEUTE: AI sitzt bereits in zwei Dritteln von Europas Diagnosesystemen; die Architektur übernimmt die gleichen Modelle mit deutlich schwächeren Audit-Spuren. →3012: Im Zürich-3012 Horizont überlebt das Büro, das benennen kann, worauf seine Werkzeuge trainiert wurden. Drehpunkt: Ein Modell, das Sie nicht befragen können, ist eine Lieferantenenentscheidung, keine Entwurfsentscheidung — und das wird erst klar, wenn Sie das Trainingsset und die Rechnung beide gesehen haben.

Hier das System hinter dem Signal. Machine Learning in der Planung ist nicht Intuition in der Box. Es ist Retrieval über Vektoren — das Modell verwandelt Ihr Briefing in Zahlen, gleicht diese Zahlen ab gegen das, worauf es trainiert wurde, und gibt die nächsten Nachbarn zurück. Das ist mächtig und begrenzt. Die Grenze ist das Trainingsset, die Default-Gewichtung, die Lizenzbedingungen. Johanes’ Arbeit macht diese Grenze lesbar statt magisch, und das ist genau die Kompetenz, die ein praktizierendes Büro jetzt braucht.

Am Schreibtisch wird das relevant, sobald ein Plugin ‘Optionen generieren’ anbietet. Der Kontrollmechanismus ist unsichtbar: welche Präzedenzfälle das Modell bevorzugt, welche es nie sah, was es stillschweigend rundet. Wir haben PAZGPT und die PAZ-BOX Archicad Tooling auf dem gegenteiligen Prinzip aufgebaut — Sie sollten sehen und steuern können, was der Assistant greift, innerhalb Ihres eigenen Archicad Workflows, statt die Vendor-Defaults zu akzeptieren. Dieser Talk lehrt Sie, diese Transparenz beim Namen einzufordern.

Hack: Sehen Sie, worauf Ihr Modell das Briefing wirklich abgleicht, bevor Sie den Vorschlägen trauen. Embeddings sind der Trick — verwandeln Sie Text in einen Vektor, dann messen Sie die Distanz. Führen Sie das aus und lesen Sie die Zahlen: der höchste Score ist der Präzedenzfall, den das Modell für Ihre Frage hält.

from sentence_transformers import SentenceTransformer, util
m = SentenceTransformer("all-MiniLM-L6-v2")
brief = m.encode("naturally lit atrium, timber, low embodied carbon")
refs  = m.encode(["glass office tower", "CLT primary school", "concrete parking deck"])
print(util.cos_sim(brief, refs))

Die CLT-Schule erhält den höchsten Score — nicht weil das Modell Kohlenstoff versteht, sondern weil diese Worte in seinen Trainingsdaten nebeneinander lagen. Ändern Sie ein Wort im Briefing und beobachten Sie, wie die Rangfolge sich verschiebt. Das ist die Instabilität, die Sie regeln müssen.

Atelier: Für ein Büro, das seinen ersten AI-gestützten Entwurfsschritt diesen Herbst aufbaut, ist das Risiko nicht das Modell, das einen Balken halluziniert — es ist das Modell, das stillschweigend tragend wird, ehe jemand aufgeschrieben hat, was es entscheiden darf. Diese Woche: wählen Sie ein AI-Werkzeug, das Ihr Team bereits nutzt, öffnen Sie seine Model Card oder Terms Page, und schreiben Sie eine einzeilige Exit-Klausel — was Sie brauchen würden, um es auszutauschen — ehe es ein Liveprojekt berührt. Wenn es keine Model Card hat, ist diese Abwesenheit Ihre Antwort.

Für wen: 39 zertifizierte BSS Professionals — angestiegen von 22 aus der letzten Kohorte — ihre Praxis erweiternd, und alle, die abwägen, ob algorithmische Entwurfslogik in einen realen Workflow gehört. Der BSS Track selbst ist ein fünfmonatiges Mentoring bei sechs Stunden die Woche, das Praktiker von Element-für-Element-Zeichnung hin zu algorithmischer Entwurfslogik führt. Stufe: Praktiker, der einen Grasshopper Graph lesen kann und ein Modell genauso lesen will. Sie müssen nicht vor dem Talk coden; danach werden Sie es wollen.

Der Talk ist kostenlos und ist zugleich die offene Tür zu Edition XIV. Unsere Aufzeichnung des ursprünglichen Keynote sitzt auf der PAZ Workshops Seite, und das September-Datum ist die Live-Version mit Raum, um Johanes direkt zu befragen. Bringen Sie eine Frage zu einem Werkzeug von Ihrem Schreibtisch mit — je schärfer die Frage, desto mehr zahlt sich die Stunde aus. Reservieren Sie Ihren Platz und kommen Sie mit der Frage aufgeschrieben.