ARCHER: KI-Agenten erzeugen prüfbaren Code für Baubestimmungen


Die Prüfung von Gebäuden auf Regelkonformität erfordert die Validierung tausender Regeln gegen große Building-Information-Modeling-Modelle (BIM) – ein mühsamer, kapitalintensiver und kaum skalierbarer Prozess. Bestehende Automated Compliance Checker (ACC) lassen sich schwer verallgemeinern, da sie meist für sehr spezifische Regelsätze und Anwendungsfälle entwickelt wurden. Zudem sind viele ACC proprietär: Der zugrunde liegende Prüfcode wird nicht offengelegt, sodass Nutzer nicht nachvollziehen können, ob ihre regulatorische Intention korrekt abgebildet wird.

Die Autoren stellen ARCHER (Agentic Rule and Compliance Harness for Executable Regulations) vor: ein testgetriebenes, deterministisch orchestriertes Multi-Agenten-Framework zur Programmsynthese, das aus regulatorischen Codes of Practice auditierbaren Verifikationscode generiert. Dies ermöglicht transparente, anpassbare und skalierbare Compliance-Prüfungen.

Um zu charakterisieren, was agentische Synthese erfolgreich macht, evaluieren die Forscher eine Taxonomie von sechs Harnesses mit steigender agentischer Komplexität über vier Basismodelle hinweg. Die Datengovernance-Stufen reichen von Frontier-Drittanbieter-APIs bis zu einem vollständig selbst gehosteten Open-Weights-Modell, getestet auf einem neuartigen Datensatz aus realen Compliance-Szenarien.

Ergebnisse: ARCHERs deterministische Multi-Agenten-Orchestrierung erreicht für jedes Basismodell die höchste Genauigkeit und verbessert die mittlere Union-Accuracy um 82 % gegenüber einer naiven Single-Prompt-Baseline. Die Kosten-Genauigkeits-Analyse zeigt, dass ein selbst gehostetes Open-Weights-Modell mit dem ARCHER-Harness 97,8 % der Genauigkeit einer Frontier-API bei einem Viertel der Kosten erzielt. Damit wird datensouveräne Compliance-Prüfung praktikabel – besonders relevant für Behörden und Bauunternehmen, die sensible Projektdaten nicht an externe Cloud-Anbieter übermitteln dürfen.

Hintergrund: BIM bezeichnet die digitale, modellbasierte Erfassung von Gebäudedaten über den gesamten Lebenszyklus; automatisiertes Rule Checking ist ein etabliertes Forschungsfeld der Bauinformatik, das ARCHER mit aktuellen LLM-basierten Agentensystemen verbindet. Anmerkung der Redaktion: Der Beitrag stammt aus der Informatik, nicht aus der Chemie. Er passt dennoch in dieses Blog, weil sein Kerngedanke – eine Regel in natürlicher Sprache in ausführbaren, maschinenprüfbaren Code zu übersetzen – exakt die Denkweise ist, mit der chemische Sachverhalte wie Atombilanz, Ladungsbilanz oder Löslichkeitsgrenzen zu berechenbaren Prüfroutinen werden.

Lernimpuls

Kernidee: ARCHER adressiert das eigentliche Problem jeder automatisierten Regelprüfung: Eine Regel in natürlicher Sprache ist noch keine Prüfung – sie wird es erst, wenn man sie in Code übersetzt, dessen Bestehen oder Scheitern eindeutig und wiederholbar feststeht. Das Framework ist deshalb testgetrieben organisiert: Aus dem Regelwerk werden zunächst Prüffälle abgeleitet (welches Modell ist konform, welches verletzt welche Regel?), und erst danach generieren spezialisierte Agenten den Verifikationscode, der genau diese Prüffälle bestehen muss. Die Orchestrierung ist deterministisch statt frei improvisierend – feste Rollen wie Regelanalyse, Codeerzeugung, Testausführung und Reparatur in fester Reihenfolge –, weil jeder nichtdeterministische Sprung die Auditierbarkeit zerstört: Ein Bauherr muss nachvollziehen können, warum ein Bauteil durchgefallen ist, und das geht nur, wenn der geprüfte Code reproduzierbar vorliegt. Die Systematik dahinter ist eine Taxonomie von sechs Harness-Stufen mit steigender agentischer Komplexität, von einem einzelnen Prompt bis zum vollständigen Multi-Agenten-Verbund, evaluiert über vier Basismodelle und Datengovernance-Stufen von der Frontier-API bis zum selbst gehosteten Open-Weights-Modell. Für die Chemie ist das keine Fremdwort-Übung, sondern der gelebte Alltag des Fachs: Eine ausgeglichene Reaktionsgleichung ist genau so ein ausführbarer Prüfcode – die Atombilanz ($\sum n_i(\text{Element})_{\text{links}} = \sum n_i(\text{Element})_{\text{rechts}}$) und die Ladungsbilanz sind die Tests, die sie bestehen muss. Der Vergleich $Q$ gegen $K_{sp}$ ist ein If-Statement („fälle aus, wenn $Q > K_{sp}$"), die Oxidationszahl-Bilanz $\sum ON = \text{Gesamtladung}$ eine Assertion, die Dimensionsanalyse einer Formel eine Typprüfung. Wer verstanden hat, warum eine Regel erst durch Tests zur Prüfung wird, versteht auch ARCHERs Kernentscheidung: Die Prüffälle werden aus dem Regelwerk selbst abgeleitet – denn die Tests sind die Interpretation der Regel, und eine schwache Interpretation erzeugt grünen Code für die falsche Prüfung. Genau deshalb ist auditierbarer Code der Strategie nach überlegen: Nicht die Behauptung „konform" ist das Ergebnis, sondern der nachlesbare Weg dorthin.

Häufige Fehlvorstellung: „Ein gutes Sprachmodell kann Regeln auch direkt per Prompt prüfen." Falsch: Ohne erzeugten, deterministisch ausgeführten Code bleibt das Urteil des Modells eine nicht prüfbare Behauptung; eine hallucinierte Konformität ist von einer echten nicht unterscheidbar. Deshalb Programmsynthese statt freier Beurteilung – die Studie misst genau diesen Unterschied als +82 % mittlere Union-Accuracy gegenüber der naiven Single-Prompt-Baseline. Zweite Fehlvorstellung: „Das Modell erreicht 82 % Genauigkeit." Nein: Die mittlere Union-Accuracy wird um 82 % gegenüber der Baseline verbessert – relativ, nicht absolut. Union-Accuracy verlangt, dass alle Regeln eines Falls zugleich korrekt geprüft werden; sie fällt daher exponentiell mit der Regelzahl, und schon kleine Verbesserungen je Regel summieren sich drastisch. Dritte Fehlvorstellung: „Testgetrieben heißt automatisch korrekt." Nein: Tests kodieren die Interpretation der Regel. Unvollständige Prüffälle erzeugen Code, der alle Tests besteht und dennoch die falsche Sache prüft – Auditierbarkeit bedeutet deshalb, dass Code und Tests offengelegt werden, damit Fachpersonen die Interpretation prüfen können. Vierte Fehlvorstellung: „Open-Weights ist gratis und genauso gut." Genauer: 97,8 % der Genauigkeit bei einem Viertel der Kosten – die restlichen 2,2 % und der eigene Betrieb (GPU-Hardware, Wartung, Aktualisierungen) gehören zur Rechnung. Der entscheidende Gewinn ist nicht primär der Preis, sondern Datensouveränität: Sensible Projektdaten verlassen die eigene Infrastruktur nicht. Fünfte Fehlvorstellung: „Automatisierte Compliance-Prüfung ersetzt die Sachverständigen." Nein: Sie übernimmt die vollständige, ermüdungsfreie Anwendung der formalisierbaren Teilmenge der Regeln; Auslegungsspielraum, Grenzfälle und Verantwortung bleiben beim Menschen. Sechste Fehlvorstellung, und die chemisch wichtigste: „Die Atombilanz geht auf, also läuft die Reaktion so ab." Nein – die Bilanz ist eine notwendige, aber keine hinreichende Bedingung: Ob eine Reaktion freiwillig abläuft, entscheidet die Thermodynamik ($\Delta G < 0$), wie schnell, die Kinetik ($E_a$, Katalysator). Dieselbe Lücke zwischen „Prüfung bestanden" und „real konform" existiert in der Bauprüfung – und genau sie macht Audits durch Menschen unverzichtbar.

Prüfe dich:

  1. Atombilanz als Gleichungssystem: Formulieren Sie für die Verbrennung von Ethanol ($\mathrm{C_2H_5OH}$ mit $\mathrm{O_2}$ zu $\mathrm{CO_2}$ und $\mathrm{H_2O}$) die Atombilanz als lineares Gleichungssystem in den Koeffizienten $a, b, c, d$, lösen Sie es, und verifizieren Sie jede Elementbilanz explizit. Warum ist dieses Verfahren ein „ausführbarer Prüfcode" im Sinne von ARCHER – was meldet dieselbe Routine für $\mathrm{C_2H_5OH + O_2 \rightarrow CH_2O + H_2O}$, und was sagt das Ergebnis wirklich aus?
  2. Formel-Validator: Viele Software-Chemiepakete prüfen Summenformeln mit der Regel „Doppelbindungsäquivalente $DBE = C + 1 + \frac{N - H - X}{2}$ müssen ganzzahlig und nichtnegativ sein". Prüfen Sie damit die Formeln $\mathrm{C_4H_9O}$ und $\mathrm{C_4H_{10}O}$. Welche ist für ein neutrales, geschlossenschaliges Molekül unmöglich, und welche plausible Strukturen deckt die zulässige Formel ab?
  3. Fällungsregel als If-Statement: 20,0 mL einer 1,0 mmol/L $\mathrm{BaCl_2}$-Lösung werden mit 30,0 mL einer 2,0 mmol/L $\mathrm{Na_2SO_4}$-Lösung gemischt ($K_{sp}(\mathrm{BaSO_4}) = 1{,}1\times10^{-10}$). (a) Berechnen Sie $Q$ nach dem Mischen. (b) Entscheiden Sie per Regel „fälle aus, wenn $Q > K_{sp}$". (c) Berechnen Sie die Gleichgewichtskonzentration an $\mathrm{Ba^{2+}}$ und den ausgefällten Massenanteil.
  4. Union-Accuracy-Arithmetik: Ein Prüfsystem erzeugt für jede der 5 Regeln eines Falls eigenen Verifikationscode; jede Einzelregel wird mit Wahrscheinlichkeit $p$ korrekt umgesetzt. (a) Berechnen Sie die Union-Accuracy (alle 5 Regeln korrekt) für $p = 0{,}96$ und für eine Single-Prompt-Baseline mit $p = 0{,}80$. (b) Angenommen, ein Harness verbessert die Union-Accuracy relativ um 82 %: Welcher Wert ergibt sich aus der Baseline, und welcher Einzelregel-Wert $p'$ gehört dazu? (c) Erklären Sie, warum Union-Metriken „ehrlicher", aber strenger sind als Mittelwerte je Regel.
  5. Kosten-Genauigkeits-Abwägung: Eine Frontier-API prüfe einen BIM-Fall mit 92 % Union-Accuracy zu Kosten von 4,0 Geldeinheiten; ein selbst gehostetes Open-Weights-Modell erreiche 97,8 % dieser Genauigkeit bei einem Viertel der Kosten. (a) Berechnen Sie Genauigkeit und Kosten pro Fall des selbst gehosteten Modells. (b) Berechnen Sie die Kosten je vollständig korrekter Prüfung beider Varianten und ihr Verhältnis. (c) Nennen Sie neben den Kosten zwei Gründe, warum eine Behörde die selbst gehostete Variante trotz der 2,2 % Genauigkeitsdifferenz wählen könnte.
  6. Regel formalisieren: Formalisieren Sie die chemische Regel „Die Summe der Oxidationszahlen eines Ions entspricht seiner Gesamtladung" als prüfbare Assertion und wenden Sie sie auf $\mathrm{Cr_2O_7^{2-}}$ und $\mathrm{MnO_4^-}$ an (O immer −2). Welche Falschangabe würde die Assertion sofort aufdecken – und warum ist die bestehende Assertion dennoch kein Beweis dafür, dass die Struktur real existiert?

Bei Schwierigkeiten: Zu Frage 1: Ansatz $a\,\mathrm{C_2H_6O} + b\,\mathrm{O_2} \rightarrow c\,\mathrm{CO_2} + d\,\mathrm{H_2O}$; C: $2a = c$; H: $6a = 2d$, also $d = 3a$; O: $a + 2b = 2c + d = 4a + 3a = 7a$, also $b = 3a$. Mit $a = 1$: $\mathrm{C_2H_5OH + 3\,O_2 \rightarrow 2\,CO_2 + 3\,H_2O}$ ($\Delta H \approx -1367\ \mathrm{kJ/mol}$). Verifikation: C 2 = 2, H 6 = 6, O $1 + 6 = 4 + 3 = 7$ – alle drei Tests grün. Genau das ist der ARCHER-Gedanke: Die Regel (Massenerhaltung) wird in Code übersetzt, dessen Ergebnis ja/nein ist, nicht „vermutlich ja". Setzt man stattdessen die Formaldehyd-Variante ein, meldet dieselbe Routine grün: C: $2a = c$; H: $6a = 2c + 2d$; O: $a + 2b = c + d$. Mit $a = 1$ folgt $c = 2$, $d = 1$, $b = 1$ – also $\mathrm{C_2H_5OH + O_2 \rightarrow 2\,CH_2O + H_2O}$, eine tatsächlich masseerhaltende Gleichung (partielle Oxidation). Genau hier zeigt sich die Grenze des Prüfcodes: Die Atombilanz zertifiziert nur Massenerhaltung, nicht, dass die Reaktion wirklich so ablauft – Vollverbrennung und Formaldehyd-Pfad bestehen denselben Test, die Entscheidung zwischen ihnen fällt in Thermodynamik und Kinetik, nicht in der Bilanzroutine. Und umgekehrt meldet die Routine bei einem echten Bilanzverstoß (etwa $\mathrm{CH_4 + O_2 \rightarrow CO_2 + H_2}$, wo die Wasserstoffbilanz $4 \neq 2$ scheitert) hart „Nein" – dieses verlässliche Nein ist der Wert der Formalisierung. Zu Frage 2: $\mathrm{C_4H_9O}$: $DBE = 4 + 1 + \frac{0 - 9 - 0}{2} = 5 - 4{,}5 = 0{,}5$ – nicht ganzzahlig, für ein neutrales, geschlossenschaliges Molekül unmöglich (die Formel beschriebe ein Radikal oder geladenes Teilchen; als neutraler Valenz-Verstoß: ungerade Valenzelektronenzahl). $\mathrm{C_4H_{10}O}$: $DBE = 4 + 1 - 5 = 0$ – zulässig, keine Mehrfachbindung und kein Ring; die Formel deckt die Alkohole (1-Butanol, 2-Butanol, iso-Butanol, tert-Butanol) und die Ether (Diethylether, Methylpropylether, Methylisopropylether) ab. Zu Frage 3(a): Nach dem Mischen auf $V = 50{,}0\ \mathrm{mL}$ gilt $[\mathrm{Ba^{2+}}] = 1{,}0\times10^{-3}\times\frac{20}{50} = 4{,}0\times10^{-4}\ \mathrm{mol/L}$ und $[\mathrm{SO_4^{2-}}] = 2{,}0\times10^{-3}\times\frac{30}{50} = 1{,}2\times10^{-3}\ \mathrm{mol/L}$; damit $Q = 4{,}0\times10^{-4}\times1{,}2\times10^{-3} = 4{,}8\times10^{-7}$. Zu 3(b): $Q = 4{,}8\times10^{-7} \gg K_{sp} = 1{,}1\times10^{-10}$ – die Regel feuert, $\mathrm{BaSO_4}$ fällt aus (die Grenze ist rund 4400-fach überschritten). Zu 3(c): Überschüssiges Sulfat: $n = 60\ \mu\mathrm{mol} - 20\ \mu\mathrm{mol} = 40\ \mu\mathrm{mol}$ in 50,0 mL, also $[\mathrm{SO_4^{2-}}]_{\text{überschuss}} = 8{,}0\times10^{-4}\ \mathrm{mol/L}$; daraus $[\mathrm{Ba^{2+}}] = K_{sp}/[\mathrm{SO_4^{2-}}] = 1{,}1\times10^{-10}/8{,}0\times10^{-4} = 1{,}4\times10^{-7}\ \mathrm{mol/L}$. Ausgefällt sind damit $1 - \frac{1{,}4\times10^{-7}}{4{,}0\times10^{-4}} \approx 99{,}97\ \%$ des Bariums – die If-Regel „$Q$ gegen $K_{sp}$" ist das einfachste Beispiel eines regelbasierten Prüfcodes, der aus zwei Messwerten ein hartes Konformitätsurteil ableitet. Zu Frage 4(a): Union-Accuracy ist das Produkt der Einzelwahrscheinlichkeiten: $0{,}96^5 = 0{,}815 \approx 81{,}5\ \%$; Baseline $0{,}80^5 = 0{,}328 \approx 32{,}8\ \%$. Zu 4(b): Mit +82 % relativ: $0{,}328 \times 1{,}82 = 0{,}597 \approx 59{,}7\ \%$; der zugehörige Einzelregel-Wert folgt aus $p'^5 = 0{,}597$, also $p' = 0{,}597^{1/5} \approx 0{,}90$. Die Botschaft: Von 80 % auf rund 90 % je Regel – eine moderat klingende Verbesserung – kauft man +82 % bei der harten Kennzahl. Zu 4(c): Ein Mittelwert je Regel erlaubt es, einen Fall mit vier grünen und einer katastrophal falschen Prüfung als „zu 80 % korrekt" zu verbuchen; im Bauwesen ist aber genau der eine falsche Befund der Schaden. Union-Metriken belohnen daher Vollständigkeit und Robustheit, strafen aber jeden einzelnen Ausfall – deshalb fallen sie exponentiell mit der Regelzahl und wirken klein. Zu Frage 5(a): Genauigkeit $0{,}978\times92\ \% = 90{,}0\ \%$; Kosten $\frac{4{,}0}{4} = 1{,}0$ Geldeinheit je Fall. Zu 5(b): Frontier $4{,}0/0{,}92 = 4{,}35$ Geldeinheiten je vollständig korrekter Prüfung; selbst gehostet $1{,}0/0{,}90 = 1{,}11$ – das Verhältnis ist $4{,}35/1{,}11 \approx 3{,}9$, also rund 4-fach günstiger je korrektem Ergebnis. Zu 5(c): Erstens Datensouveränität: Projektdaten sensibler Bauvorhaben verlassen die eigene Infrastruktur nicht – für Behörden oft ein Hartkriterium, das 2,2 % Genauigkeit aufwiegt. Zweitens Auditierbarkeit und Unabhängigkeit: Eigenes Modell plus offener Prüfcode erlaubt Nachvollziehbarkeit und Reproduzierbarkeit der Urteile ohne Vendor-Lock-in; hinzu kommen Planbarkeit der Kosten (keine API-Preisänderungen) und Verfügbarkeit bei Ausfall externer Dienste. Zu Frage 6: Assertion in Pseudosprache: „Sei $\mathrm{ON}(\mathrm{O}) = -2$; fordere $\sum_i \mathrm{ON}(E_i) = \text{Gesamtladung}$, sonst Fehler." Anwendung auf Dichromat: $2x + 7\times(-2) = -2 \Rightarrow 2x = 12 \Rightarrow x(\mathrm{Cr}) = +6$; auf Permanganat: $x + 4\times(-2) = -1 \Rightarrow x(\mathrm{Mn}) = +7$. Die Assertion deckt sofort die verbreitete Falschangabe $x(\mathrm{Cr}) = +3$ (bzw. $x(\mathrm{Mn}) = +6$) auf, weil die Bilanz dann $-8$ bzw. $-10$ statt der geforderten Ladung liefert. Dennoch beweist die grüne Assertion keine reale Existenz: Sie prüft nur die Buchhaltung der Ladungen – ob die Verbindung tatsächlich so vorliegt, ob sie stabil ist und ob die Oxidationszahlen die Bindungsverhältnisse sinnvoll beschreiben, entscheidet sich außerhalb des Prüfcodes, etwa über Elektronegativitätsabfolgen und Strukturdaten. Genau dieser Rest ist der Grund, warum ARCHER Code erzeugt, den Fachpersonen auditieren können, statt ein schwarzes Konformitätsurteil auszugeben.

Entitäten: archer | methode building-information-modeling | konzept automated-compliance-checker | konzept multi-agenten-orchestrierung | konzept programmsynthese | methode open-weights-modell | konzept datensouveränität | konzept testgetriebene entwicklung | methode union-accuracy | konzept regelkonformität | konzept atombilanz | konzept reaktionsgleichung | konzept löslichkeitsprodukt | konzept oxidationszahl | konzept bauinformatik | konzept


📄 Quelle

Nachrichten-Artikel

📄 Original-Publikation 📄 Original-Publikation


🧪 Verwandte Rechner

Mit diesen interaktiven Werkzeugen können Sie das Thema vertiefen:

🔬 reaktionsgleichungen-ausgleichen → 🔬 stoechiometrie-rechner → 🔬 uebungsgenerator →