AI extracts knowledge from past projects

AEC Magazine • 5. November 2025

Tektome KnowledgeBuilder designed to turn know-how from past projects into “design Intelligence”


Tektome has unveiled KnowledgeBuilder, an AI -powered platform designed to automatically organise massive volumes of siloed project documents to help AEC teams make smarter decisions while avoiding repeated mistakes.

The software, already piloted by Takenaka Corporation, one of Japan’s largest construction firms, analyses and extracts key content from scattered files — including drawings, reports, photos, and handwritten notes on marked up PDFs — and consolidates the data into a central, structured, and “instantly searchable” knowledge base.

The platform enables architects and engineers to ask questions in plain language and quickly see how similar issues were handled in past projects, eliminating the need to “reinvent the wheel.”

According to the company, even non-IT staff can configure what to pull from drawings, proposals, photos or meeting minutes without coding or complex setup.

KnowledgeBuilder works across PDFs, CAD files (DWG and DXF), scanned images, handwritten markups, and more, with support for BIM files (RVT and IFC) coming soon.

Its search functionality includes two modes: combined filtering across project attributes, file-level attributes, and keywords for precise narrowing, and a semantic keyword search that understands context and synonyms, and highlights matches inside documents and drawings.

According to Tektome, this natural query ability helps teams retrieve critical insights on demand, greatly improving decision-making speed and confidence.

For its KnowledgeBuilder implementation, Takenaka Corporation established multiple working groups. On-site team members took the lead in verifying how as-built drawing data could be structured and after a three-month pilot programme, were able to set up their own custom extraction criteria tailored to their needs. This allowed them to quickly retrieve practical information such as past as-built drawings that matched specific project requirements, reference examples from similar projects, and summaries of relevant numerical data from previous designs.

Takenaka is now expanding the system by importing a larger volume of past as-built drawings and further enhancing search options and usability.

“The shift from manually searching hundreds of thousands of pages of drawings to instant access through natural language has revived veteran design expertise as actionable knowledge, allowing designers to focus on more creative tasks,” said Mr. Takaoka of the Structural Department, Design Division at Takenaka’s Tokyo headquarters.


von Michael Plat 5. November 2025
Gemeinsam mit Leica Geosystems haben wir einen Videokurs entwickelt, der den Aufbau eines historischen Dachstuhls in Autodesk Revit zeigt. Wir führen euch Schritt für Schritt durch den gesamten Prozess – von der Punktwolke bis zum fertigen 3D-Modell. Im Kurs werden zwei Ansätze vorgestellt: die klassische Modellierung mit Trägerfamilien und die adaptive, parametrische Arbeitsweise – mit deutlichen Unterschieden in Präzision und Flexibilität. Der Schwerpunkt liegt auf der adaptiven parametrischen Modellierung – einer Methode, mit der sich selbst komplexe Geometrien flexibel und effizient abbilden lassen. Ziel des Kurses Erstellung eines Revit-Modells einer historischen Dachkonstruktion (Holzbau), das auf einer Punktwolke basiert. Dabei werden zwei Methoden verglichen:  Klassische Modellierung mit Balkenfamilien Adaptive Modellierung mit parametrischen Familien Kursablauf – Arbeitsschritte Vorbereitung Archiv mit Projektdateien herunterladen und entpacken Projekt in Autodesk Recap anlegen (E57-Datei importieren) Punktwolke bereinigen und Koordinatenursprung korrekt setzen Einrichtung in Revit Neues Projekt starten, Punktwolke verknüpfen Achsen, Ebenen und Bearbeitungsbereiche anlegen Punktwolke in Revit richtig platzieren und fixieren Sichtbarkeitsbereiche (Scope Box, View Range) einstellen Konzeptionelle Modellierung Erstellung einer konzeptionellen Dachform mit Referenzpunkten und -linien Aufbau von Dach- und Turmgeometrien Parametrische Steuerung (z. B. Dachwinkel, Höhen, Punkte) Erstellung von adaptiven Linien und Flächen für spätere Holzrahmen Architektonische Modellierung Aufbau von Dach-, Boden- und Wandflächen auf Basis der konzeptionellen Form Einfügen von Öffnungen (Fenster, Schornsteine) Arbeiten mit Ansichtsvorlagen und Sichtbarkeitseinstellungen Klassische Holzmodellierung Verwendung einer Trägerfamilie (Beam Family) Balken nach Punktwolkengeometrie ausrichten Manuelle Winkel- und Schnittanpassungen über Parameter Nachteile: hohe manuelle Nacharbeit bei Änderungen Adaptive Holzmodellierung Verwendung adaptiver Komponentenfamilien mit Referenzlinien Automatische Anpassung an konzeptionelle Form Platzierung von Sparren, Pfetten, Stützen und Streben Parametrische Steuerung von Winkeln, Offsets und Längen Deutlich flexiblere Anpassung an Änderungen der Form Verfeinerung und Detailierung Einfügen von Diagonalsparren, Querstreben, Pfetten und Stützen Anwendung von Schnittfamilien zur präzisen Verbindungen Überprüfung der Anpassungsfähigkeit (Parametrisierungstest) Abschluss Zusammenführen der Geometrie Kontrolle in 3D- und Schnittansichten Synchronisation und Abschluss des Projekts Vergleich beider Methoden (klassisch vs. adaptiv)
von AEC Magazine 4. November 2025
Nexus from CMiC offers natural language processing, “construction intelligence” and agent-driven automation The post AI-powered construction ERP platform launches appeared first on AEC Magazine.
von AEC Magazine 31. Oktober 2025
AI analyses drawings and specifications then automatically extracts product information The post mbue launches AI-powered submittals appeared first on AEC Magazine.
von AEC Magazine 31. Oktober 2025
New tool helps build stronger financial cases for water infrastructure investments The post CivilSense ROI Calculator launches appeared first on AEC Magazine.
von AEC Magazine 31. Oktober 2025
Planradar report reveals inconsistent QA/QC leads to reduced visibility, putting projects at risk of higher costs and lower margins. The post Inconsistent QA/QC standards threatening construction profits appeared first on AEC Magazine.
von AEC Magazine 29. Oktober 2025
Structural analysis and design software puts spotlight on mobile loads and code compliance The post Scia Engineer 2026 launches appeared first on AEC Magazine.
von AEC Magazine 29. Oktober 2025
Digital twin pilot project analyses data captured by real-time cameras The post City of Raleigh using AI to gain insight into traffic appeared first on AEC Magazine.
von AEC Magazine 29. Oktober 2025
Acquisition will help strengthen OpenSpace’s “Visual Intelligence Platform” The post OpenSpace acquires construction progress tracking firm Disperse appeared first on AEC Magazine.
von AEC Magazine 9. Oktober 2025
The hidden threat inside EULAs, Autodesk shows its AI hand, Chaos embraces AI and lots more The post AEC Magazine September / October 2025 appeared first on AEC Magazine.
von Michael Plat 6. Februar 2024
Unsere Enscape Experimente von 2019