Superb AI baut für LH KI-System zur Sortierung von Wohnungsmängeln

Das südkoreanische Vision-KI-Unternehmen Superb AI hat für die Korea Land and Housing Corporation (LH) ein automatisches System zur Klassifizierung von Wohnungsmängeln aufgebaut. Mieter von LH-Wohnungen laden ein Foto von einem Riss in der Wand oder einem undichten Deckenbereich hoch. Die KI bestimmt innerhalb einer Sekunde, in welchem Raum, an welchem Material und welche Art von Mangel vorliegt. Die erste Ausbaustufe ist abgeschlossen, an der zweiten, erweiterten Stufe arbeitet das Unternehmen derzeit.

Enormes Beschwerdevolumen

Bei LH gehen jeden Monat rund 300.000 Fotos zu Mängelmeldungen ein, im Jahr etwa 4 Millionen. Bisher sortierten Mitarbeiter im Kundendienst sie einzeln per Textnachricht und Telefon. Das Klassifikationsschema ist komplex: Aus fünf Kriterien (Raum, Bauteil bzw. Material, Mangeltyp, Gewerk und Bauart) ergeben sich mehr als 18.000 Kombinationen. Weil die Berater unterschiedlich erfahren sind, wurden gleiche Mängel mitunter verschieden oder falsch eingeordnet.

Ein Modell statt mehrerer

Superb AI löst die Aufgabe mit einem einzigen Vision-Language-Modell (VLM), das Bilder und Sprache gemeinsam versteht. Üblich sind getrennte Modelle, eines zum Auffinden des Mangels, eines zur Bestimmung seiner Art. Hier klassifiziert ein Modell alle fünf Kriterien anhand eines Fotos, was laut Unternehmen die Struktur vereinfacht und den Wartungsaufwand senkt. Meldungen werden rund um die Uhr bearbeitet, und das Ergebnis kommt mit einer schriftlichen Begründung.

Erfasst werden typische Mängel wie Risse, Wasserschäden, Beschädigungen, Schimmel und Verschmutzungen. Auch wenn sich die Ursache auf dem Foto kaum bestimmen lässt, schließt das System anhand gelernter Muster darauf. Ziel der Auslegung sind eine Erkennungsgenauigkeit von mindestens 90 % und eine Quote aus Fehl- und Nichterkennungen von höchstens 10 %. Das Unternehmen hält diesen Standard nach eigenen Angaben durch regelmäßige Überwachung und Prüfung ein.

Was sich für LH ändert

Die Berater können sich nun auf Fälle konzentrieren, die menschliche Einschätzung erfordern, statt Meldungen nur anzunehmen und zu sortieren. Da die Mängeldaten einheitlich gespeichert werden, lässt sich auswerten, welche Mängel nach Wohnanlage, Material und Alter des Gebäudes häufig auftreten. Das erlaubt, wiederkehrende Problemstellen vorab zu prüfen und Austausch- und Reparaturzeitpunkte für alternde Anlagen datenbasiert in die langfristige Instandhaltungsplanung aufzunehmen.

CEO Kim Hyun-soo sagte, das Projekt löse die doppelte Herausforderung aus komplexem Klassifikationsschema und großen Mengen unstrukturierter Daten mit einem einzigen VLM. Der Ansatz lasse sich auf Anlagenprüfung und bildbasierte Bürgeranliegen in öffentlichen Diensten übertragen.