01
LV-Matching
Positionen aus Leistungsverzeichnissen über Projekte und Kataloge hinweg abgleichen, auch bei abweichender Formulierung.
Relevant für GewerkeBauunternehmenGroßhändlerHersteller
- GAEB-LV
- Position
- Teilleistung
- Titel
- Mengenansatz
- IFC / BIM
- IfcWall
- IfcSlab
- IfcBeam
- IfcSpace
- Ökobaudat
- GWP
- EPD
- Lebenszyklus
- Datensatz
- Kostendaten
- Kostenkennwert
- Kostengruppe
- Standardposition
- KG 300
- Rohbau
- Bodenplatte
- Stütze
- Geschossdecke
- Fundament
- Brandschutz
- Brandabschnitt
- Entrauchung
- F90
- Sprinkler
- Bewehrung
- Betonstahl
- Bewehrungsmatte
- Bügel
- Stabstahl
- Trockenbau
- Ständerwand
- Gipskarton
- Abhangdecke
- Vorsatzschale
- TGA
- Lüftung
- Heizung
- Sanitär
- Elektro
- Estrich
- Zementestrich
- Anhydritestrich
- Dämmschicht
- Randstreifen
- Mauerwerk
- Kalksandstein
- Ziegel
- Porenbeton
- Mörtel
- Dämmung
- Mineralwolle
- EPS
- Perimeterdämmung
- WLG 035
Vertical Foundation Model · API
Die Embedding-API für die Baubranche
flinq ist ein cross-modales Embedding-Modell für die europäische Bauwirtschaft. Es führt heterogene Baudaten wie BIM-Modelle (IFC), Ausschreibungen (GAEB), Herstellerprodukte, Baustellenbilder und weitere Bauprojektdaten in einem gemeinsamen semantischen Raum zusammen. Der Zugriff erfolgt über eine API.
curl https://api.flinq.ai/v1/embeddings \
-H "Authorization: Bearer $FLINQ_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "flinq-embed",
"input": "Stahlbeton C25/30, Bodenplatte d=25 cm"
}'Konzeptionelles Beispiel. Lauffähige Beispiele stehen in der Doku.
Verfügbar als Cloud-API, auf Wunsch on-premise (DSGVO-konform)
+30 %
bessere Produktsuche als OpenAI
nDCG 0,78 vs. 0,60
ρ 0,71 #1
versteht Maßeinheiten besser als das gesamte Feld
vs. ρ 0,57 (bestes Modell im Feld)
83 %
erkennt Bauteile an ihrer 3D-Form
82,9 % Genauigkeit; reine Textmodelle: 6,3 %
Unterstützt von Partnern und Programmen aus dem Ökosystem.
Was flinq liest
Ein Modell für alle Bau-Daten, ein gemeinsamer Vektorraum
flinq liest verschiedene Datenarten der Baubranche, jeweils in ihren gängigen Dateiformaten, und bildet sie in einen gemeinsamen Vektorraum ab. Semantisch ähnliche Objekte liegen darin nah beieinander, unabhängig von Datenart, Format und Quelle.
GAEB Leistungsverzeichnisse, Positionen
IFC BIM-Modelle, Bauelemente, 3D-Geometrie
JPG / PNG Baustellenbilder, Pläne
PDF Ausschreibungstexte, Datenblätter, Normen
CSV Kostendaten, Herstellerprodukte
flinq Embedding-Modell cross-modal
Gemeinsamer Vektorraum format- und quellunabhängig
Cross-modal: Eine LV-Position und das passende IFC-Bauteil liegen auf nahen Vektoren, über Format- und Quellgrenzen hinweg durchsuchbar.
Der Vorteil
Warum ein Embedding-Modell?
Für Suche, Matching und RAG über Baudaten spielt ein Embedding-Modell seine Vorteile gegenüber einem generativen LLM aus — bei Kosten, Tempo und Verlässlichkeit.
Bis zu 100× günstiger als ein LLM für dieselbe Aufgabe
Sie betten jedes Objekt einmal ein und speichern den Vektor. Suche und Matching sind danach reine Vektorrechnung — kein teurer Modellaufruf pro Anfrage wie bei einem LLM.
Antworten in Echtzeit, auch bei Millionen Objekten
Vektorsuche über vorberechnete Embeddings antwortet in Millisekunden. Ein LLM-Aufruf dauert Sekunden.
Reproduzierbare, belegbare Ergebnisse
Gleiche Eingabe, gleicher Vektor — jedes Mal. Nachvollziehbar für Kalkulation und Ausschreibung, wo LLM-Antworten variieren.
Keine Halluzination
Embeddings rufen reale, existierende Objekte ab — eine echte LV-Position, ein echtes Produkt — statt eine Antwort zu erfinden.
Weniger Fehltreffer, weniger Nacharbeit
Auf Baudaten trainiert: auf dem BauSatz-Benchmark nDCG 0,78 vs. 0,60. Höhere Domänengenauigkeit spart manuelle Korrektur.
Zum BenchmarkEine Integration, viele Funktionen
Dieselben Vektoren tragen Suche, Matching, RAG, Deduplizierung und Clustering — mehrere Funktionen aus einem Embedding-Aufruf.
Daten über Formatgrenzen hinweg verbinden
Gleichen Sie LV-Position, IFC-Bauteil und Datenblatt cross-modal ab — Verbindungen, die vorher Handarbeit oder unmöglich waren.
Ihre Daten bleiben in der EU
DSGVO-konform in der EU, auf Wunsch on-premise — ohne Umweg über einen US-LLM-Anbieter.
Kostenvergleich gegenüber generativen LLMs bei Retrieval- und Matching-Aufgaben; abhängig von Modell und Anfragevolumen.
Zugriff
Zugriff über eine HTTP-API
Der Zugriff auf das Modell erfolgt über eine HTTP-API. Ein Request bettet ein oder mehrere Bau-Objekte ein, die Antwort liefert die zugehörigen Vektoren zurück.
{
"model": "flinq-embed",
"input": [
"Stahlbeton C25/30, Bodenplatte d=25 cm",
"Bewehrungsstahl BSt 500 S, Mattenbewehrung"
]
}Ein Request bettet eine LV-Position ein.
{
"model": "flinq-embed",
"data": [
{ "index": 0, "embedding": [0.0131, -0.0427, 0.0588, …] },
{ "index": 1, "embedding": [0.0204, -0.0119, 0.0731, …] }
]
}Die Antwort liefert den Vektor und die Modellkennung. Vektor gekürzt.
Dies sind konzeptionelle Beispiele, die das Format zeigen. Die vollständige Referenz und lauffähige Beispiele stehen in der Doku.
Zur API-Referenz Was Sie bauen
Anwendungen, die mit flinq möglich sind
Auf der Embedding-API bauen Sie Such-, Matching- und RAG-Anwendungen über Baudaten. Die folgenden Beispiele zeigen je Anwendung einen möglichen Workflow. Es sind Anwendungen, die mit flinq möglich sind, keine Produkte, die flinq ausliefert.
02
Frühphasige Kostenprognose
Kostenkennwerte aus semantisch ähnlichen, bereits kalkulierten Positionen und Referenzprojekten ableiten.
Relevant für Planer/ArchitektenBauunternehmen
03
RAG & Wissensmanagement über Baudaten
Retrieval-Augmented Generation für unternehmensweites Wissensmanagement: Normen, Leistungsverzeichnisse und Projektunterlagen mit belastbaren Treffern durchsuchen.
Relevant für Planer/ArchitektenGewerkeBauunternehmenGroßhändlerHersteller
Funktionierende Beispiele mit echtem Code liegen in der Doku.
Weitere Anwendungen
Weitere Anwendungen auf denselben Embeddings. Filtern Sie nach Zielgruppe.
Benchmark
BauSatz: flinq small (0,6B) gegen das Feld
flinq small ist ein einzelnes 0,6B-Modell. Auf dem BauSatz-Benchmark führt es bei sechs von acht Aufgaben gegen größere, zero-shot getestete Modelle.
Angegeben ist die primäre Metrik je Aufgabe, mit 100 multipliziert. Höhere Werte sind besser. flinq small ist das beste Modell aus v9b/v10. Die Vergleichsmodelle sind zero-shot. Quelle: öffentliche BauSatz-Leaderboards, Juni 2026.
| Aufgabe | flinq small | OpenAI | Qwen3-8B | Mistral | Gemma2 | BGE-M3 |
|---|---|---|---|---|---|---|
| Produktsuche | 78,4 | 59,5 | 56,8 | 40,3 | 58,6 | 36,8 |
| Maßeinheiten-Semantik | 70,9 | 55,8 | 58,7 | 52,5 | 57,8 | 48,6 |
| Spezifikations-Reranking | 78,5 | 72,6 | 64,9 | 70,7 | 61,8 | 68,9 |
| IFC-Namensabgleich | 71,2 | 13,3 | 22,2 | 19,1 | 13,5 | 49,7 |
| Gewerke-Clustering | 36,1 | 33,1 | 31,3 | 29,1 | 30,5 | 24,3 |
| Äquivalenzpaare | 97,1 | 96,1 | 96,1 | 96,1 | 96,1 | 96,1 |
| Abschnitts-Klassifikation | 72,8 | 71,5 | 73,2 | 60,7 | 72,4 | 69,5 |
| Positions-Matching | 85,2 | 87,1 | 85,7 | 87,2 | 86,1 | 86,9 |
Betrieb und Vertrauen
Als Cloud-API oder on-premise
flinq ist als Cloud-API verfügbar und auf Wunsch on-premise. Der Betrieb ist DSGVO-konform, das Hosting erfolgt in der EU.
Cloud-API
Direkter Zugriff über die gehostete API. Kein eigener Betrieb nötig.
On-premise
Auf Wunsch im eigenen Rechenzentrum oder in der eigenen VPC. Die Daten bleiben in Ihrer Umgebung.
DSGVO-konform
Datenverarbeitung nach den Vorgaben der DSGVO.
EU-Hosting
Die gehostete API wird in der EU betrieben.
Team
Das Team hinter flinq
flinq wird von einem Team mit Hintergrund in Architektur, BIM, Machine Learning und Bauökonomie entwickelt.
Valentina Mayer-Steudte
Co-Founder, CEO
Unternehmensführung, Strategie & Markenentwicklung
M.Sc. Architektur: Strategic Planning, BIM, Business Development, Branding.
Erfahrung: Co-Founder Wertstudent, Bez+Kock Architekten, cruu architecture (BIM)
Matthias Hornung
Co-Founder, CTO
Technische Architektur, ML-Integration & Systementwicklung
M.Sc. ITECH und M.Sc. Architektur: BIM, Graph ML, Robotics & Software.
Erfahrung: Design-to-Production, Transsolar, Blocher und Partners/Schwarz Architekten
Lukas Simon
Co-Founder, CPO
Produktstrategie, Datenpipelines & Vertrieb
cand. M.Sc. Economics: Data analysis, financial modeling, process optimization.
Erfahrung: Mercedes Benz, ZEW
News & Updates
Neueste Entwicklungen
Bleiben Sie auf dem Laufenden über neue Features, Einblicke und Best Practices.
flinq beim ZIA PropTech-Frühstück am S-TEC
Auf Einladung des ZIA am S-TEC und Fraunhofer IAO: In den Gesprächen bestätigte sich, dass Unternehmen kein weiteres Off-the-Shelf-Tool suchen, sondern Technologie, die ihre Abläufe versteht und sich einfügt. Eine Ankündigung dazu folgt in den kommenden Wochen.
Auf LinkedIn lesenflinq auf dem TGA Fachforum in der Viega World
Zwei intensive Tage in Attendorn: Lukas Simon pitchte flinqs Ansatz für KI-gestützte Vergabeprozesse in der TGA. Klares Learning — auch Hersteller und Großhändler wollen Positionen automatisch abgleichen.
Auf LinkedIn lesenflinq bei „Bauindustrie meets Startups 2026“ in München
Im Dialog mit Vorstand und Mitgliedern des Bayerischen Bauindustrieverbands: Die Bauwirtschaft meistert ihre Herausforderungen mit Technologieoffenheit und kollaborativem Innovationsgeist.
Auf LinkedIn lesen FAQ
Häufige Fragen
Was ist flinq?
flinq ist die Embedding-API für die europäische Baubranche. Ein cross-modales Modell bildet heterogene Baudaten in einen gemeinsamen Vektorraum ab, von Leistungsverzeichnissen und BIM-Modellen über Baustellenbilder bis zu Herstellerprodukten, Kostendaten und Normen. Diese Dokumentarten gibt es europaweit in unterschiedlichen nationalen Formaten; die deutschen Formate wie GAEB unterstützt flinq heute am tiefsten. Der Zugriff erfolgt über eine API.
Ist flinq ein SaaS-Produkt oder eine API?
flinq ist ein API-Service. Das Produkt ist das Modell hinter einer API, keine fertige Anwendung. LV-Matching, Kostenprognose und RAG sind Beispiele dafür, was Sie auf der API bauen, nicht Funktionen, die flinq ausliefert.
Welche Daten und Dateiformate unterstützt flinq?
flinq liest gängige Dateiformate der Baubranche und die darin enthaltenen bauspezifischen Inhalte. Verarbeitet werden GAEB, IFC, PDF, JPG, PNG und CSV. Inhaltlich erkennt das Modell unter anderem Leistungsverzeichnisse und Ausschreibungstexte, BIM-Modelle und Bauelemente samt 3D-Geometrie, Baustellenbilder, Herstellerprodukte, Kostendaten sowie Normen. GAEB ist dabei das deutsche Format für Leistungsverzeichnisse, also die nationale Ausprägung einer Dokumentart, die es europaweit gibt; IFC dagegen ist ein internationaler BIM-Standard. Am tiefsten ist die Unterstützung heute für die deutschen Formate. Alle werden in denselben Vektorraum eingebettet.
Wie greife ich auf das Modell zu?
Über eine HTTP-API. Sie senden Bau-Objekte als Request und erhalten Embedding-Vektoren zurück. Die vollständige Referenz und lauffähige Beispiele stehen in der Doku.
Was kann ich auf flinq bauen?
Typische Beispiele sind das Matching von LV-Positionen, frühphasige Kostenprognosen und RAG über Baudaten. Darauf aufbauend lassen sich etwa VOB-gerechte Ausschreibungstexte ermitteln oder Leistungsverzeichnisse über externe Kostendatenbanken bepreisen. Weitere Beispiele sind das Bepreisen ausgeschriebener Positionen über eine interne Kostendatenbank, das Zuordnen passender Herstellerprodukte, die ETIM-Klassifikation von Produkten oder das Auffinden relevanter nationaler Normen, etwa DIN. Diese Anwendungen bauen Sie auf der API auf; flinq liefert das Embedding-Modell, nicht die fertige Anwendung.
Was unterscheidet flinq von generischen Embedding-Modellen?
flinq ist auf branchenspezifische Aufgaben trainiert. Auf dem BauSatz-Benchmark erreicht flinq small (0,6B) bei der Produktsuche nDCG 0,78 gegenüber 0,60 bei OpenAI und erkennt Bauteile an ihrer 3D-Form mit 82,9 % Genauigkeit, während reine Textmodelle 6,3 % erreichen.
Kann ich flinq on-premise betreiben?
Ja. flinq ist als Cloud-API verfügbar und auf Wunsch on-premise. So bleiben die Daten in Ihrer Umgebung.
Ist flinq DSGVO-konform?
Ja. flinq ist DSGVO-konform und wird in der EU gehostet.
Worauf beruht die Qualität der Embeddings?
Auf einem kuratierten, cross-modalen Datensatz aus zusammengehörigen Bau-Objekten. Dieser Datensatz ist der verteidigbare Kern. Das Modell-Backbone ist austauschbar.