Fünfzehn Jahre KI im Büro: PAZ Back-to-Work Camp, 23. September
Eintägiger PAZ-Workshop am 23. September 2026 zu fünfzehn Jahren KI-Gewohnheiten für Architekturbüros. Eine echte Aufgabe mitbringen.
Als Dr. Mikhael Johanes, ein Design++-Postdoktorand an der ETH Zürich, unseren KI Summer Camp – die Ausgabe 2.–4. Juli 2025 – mit einem Keynote zum machine learning im Entwurf schloss, war es eine Zeitleiste, die am meisten nachwirkte. Die meisten Methoden, die die Zeichentafel heute umgestalten, sind alte Forschung – Jahrzehnte davon – die erst kürzlich billig genug geworden ist, um im arbeitenden Büro zu laufen. Die Lücke zwischen dem Moment, in dem eine Methode bewiesen ist, und dem Moment, in dem sie erschwinglich ist, ist die ganze Geschichte der Rechnung in der Praxis – deshalb halten wir einen Camp im Kalender.
Das Signal: Am Mittwoch, 23. September 2026, führen wir einen eintägigen Workshop im PAZ Central durch – den Camp, den wir PAZ-Working-with-KI-since-15-Years genannt haben. Ein Back-to-Work-Tag für Büros, die den Sommer hinter sich lassen, gebaut um eine These, die wir stützen können: Wir weben KI und Rechnung seit fünfzehn Jahren in Architekturarbeit ein, und der brauchbare Teil ist nicht der Hype-Zyklus, sondern die Gewohnheiten, die ihn überleben.
←HEUTE: 2026 kann ein Büro ein Retrievalmodell über die eigenen alten Briefs mittags auf dem Laptop laufen lassen. →3012: Im Zürich-3012, auf das wir hinschreiben, haben die Schulen, die Grundlagen unterrichteten, noch Studierende; die, die nur Werkzeuge verkauften, sind vergessen. Drehpunkt: Das Werkzeug wechselt jährlich; die Gewohnheit, eine saubere Frage an die eigenen Daten zu stellen, bleibt.
Warum fünfzehn Jahre zählen
Die Zahl ist keine Dekoration. Die PAZ-Bibliothek, die unseren Building System Specialist-Titel trägt – das Fünf-Monats-Programm, sechs Stunden pro Woche, das 39 Spezialisten zertifiziert hat – schöpft aus mehr als fünfzehn Jahren gesammelter Scripts, Templates und Tools. Das ist, wofür ein Camp wie dieser steht: ein Rückgrat wiederverwendbarer Züge statt eines neuen Modells zum Bewundern. Wenn wir einem Büro zeigen, wie unser PAZ-BOX Archicad-Automatisierung in Reichweite eines LLM-Prompts bringt, bedeutet die Demo nur, weil unter ihr anderthalb Jahrzehnte Workflow-Logik stecken.
Der Camp deckt die Inhalte unserer Sommer-Ausgaben – GenAI und LLMs, Python und Grasshopper für Rechnergeometrie, Datenbereinigung und -visualisierung, Custom-AI-Assistenten bauen – in einen einzigen Tag gepresst und auf September-Realität ausgerichtet: voller Posteingang, steckender Wettbewerbsentwurf, keine Zeit zum Neulernen. Der KI Summer Camp 2025-Bericht zeigt: Das Lehrplan arbeitet mit echten Architektur-Ausschreibungen, nicht Spielzeugbeispielen.
Wie es am Schreibtisch aussieht
Stellen Sie sich den ersten Montag vor. Drei Wettbewerbe halb gelesen, ein Modell, das Bereinigung braucht, der stille Verdacht, dass die halbe Woche im Wiedertippen landet, was ein Script halten könnte. Unsere Sommer-Camps liefen CHF 1.790–2.190 und füllten das PAZ Central an der Niederdorfstrasse 77 von 09:00 bis 16:30, weil dieser Verdacht wahr ist – die Erträge verzinsen sich, sobald ein Büro KI vom Spielzeug zum Werkzeug macht.
Atelier: Die Verschiebung, die zurückkehrende Büros diesen Herbst spüren: KI ist vom Demo-Tisch in die tägliche Datei gewandert. Der eine Zug für Montag: eine wiederholte Aufgabe aus der letzten Woche picken – Ebenen umbenennen, Mengen extrahieren, eine Wettbewerbszusammenfassung schreiben – und den exakten Prompt oder das kurze Script aufschreiben, das sie entfernt, dann einmal auf echten Daten probieren, bevor überall skaliert.
Hack: Die letzten zehn Wettbewerbsbriefs in ein durchsuchbares Gedächtnis verwandeln, bevor der nächste kommt. Der Trick: sie einmal einbetten, billig abfragen – sodass die Büro-Geschichte selbst antwortet, bevor ein generisches Modell es tut. Ein paar Python-Zeilen bringen dir einen funktionierenden Retrievalstore, den du das Jahr über wächst.
from openai import OpenAI
client = OpenAI()
briefs = open("competition_briefs.txt").read().split("nn")
vecs = [client.embeddings.create(model="text-embedding-3-small", input=b).data[0].embedding for b in briefs]
print(len(vecs), "Briefvektoren bereit – jetzt neue cosine-abgleichen")
Ein lokales Modell nutzen, wenn die Daten hausintern bleiben; das Muster ist dasselbe. Das ist der ganze Camp in einer Nussschale – eine saubere Frage an die eigenen Daten, schnell beantwortet.
Waren Sie bei unseren Juli-Ausgaben, kennen Sie den Rhythmus: Der Raum wird still, jemandes Script läuft endlich, und der Sound, den ein Raum von Architekten macht, wenn es funktioniert, ist der Grund, warum wir weitermachen. Diese Ausgabe: dasselbe Handwerk, abgestimmt auf die Back-to-Work-Woche. Der vollständige Sitzungslauf und der Anmeldungsweg stehen auf unserer Camp-Seite – Laptop mitbringen und eine echte Aufgabe, die bis Oktober weg sein soll.
PAZ Kaffi · interdisziplinäre Redaktionsarbeit, geleitet von der PAZ Academy