Was sind Gaussian Splats? Ein anfängerfreundlicher Leitfaden für Immobilien, Bau, AEC und 3D-Teams

Wenn Sie online eine 3D-Szene gesehen haben, die fast wie ein echter Raum aussieht, den man durchgehen kann — aber es ist keine traditionelle Punktwolke, kein Mesh oder eine 360°-Tour — dann haben Sie wahrscheinlich einen Gaussian Splat betrachtet.

Gaussian Splats werden zu einem der wichtigsten neuen Formate in der 3D-Visualisierung. Sie lassen reale Räume hochfotorealistisch erscheinen und fühlen sich gleichzeitig leichtgewichtig und interaktiv an. Das ist ein großer Vorteil für Branchen wie Immobilien, Bau, AEC und Spieleentwicklung, wo Menschen eine schnellere Methode zur Erfassung und Präsentation realer Räume suchen, ohne alle in schwere Software oder technische Workflows zu zwingen.

In diesem Leitfaden erklären wir, was Gaussian Splats sind, wie die Technologie unter der Haube funktioniert, wie sie mit Photogrammetrie und Punktwolken verglichen wird, und warum sie für Fachleute wichtig ist, die reale Umgebungen erfassen, teilen und präsentieren müssen.

Was ist ein Gaussian Splat?

Um zu verstehen, was ein Gaussian Splat ist, hilft es zunächst zu verstehen, was er nicht ist.

Traditionelle 3D-Grafiken — Spiel-Engines, Photogrammetrie, CAD-Modelle — werden aus Polygonen aufgebaut. Dreiecke und Vierecke werden zu Oberflächen zusammengefügt, mit darüber gemallten Texturen. Alles in dieser Welt ist letztendlich ein Mesh: ein Netzwerk aus flachen Flächen, das die Form eines realen Objekts annähert.

Gaussian Splats funktionieren völlig anders.

Anstatt Oberflächen zu erstellen, repräsentiert ein Gaussian Splat die Welt als Millionen winziger, weicher 3D-Primitive — jedes ein kleines, verschwommenes Ellipsoid, das eine Position im Raum, eine Größe und Orientierung, einen Grad der Opazität und Farbinformationen enthält.

Stellen Sie es sich so vor:

Ein Gaussian Splat ist ein winziger weicher 3D-Pinselstrich. Wenn Sie Millionen davon in genau den richtigen Positionen zusammensetzen, können sie einen Raum, ein Gebäude, eine Straße oder eine Baustelle in einer Weise recreieren, die überraschend lebensecht aussieht.

Beobachten Sie, wie eine Szene aus dem Nichts aufgebaut wird — jeder einzelne Splat platziert und verfeinert, bis die gesamte Umgebung konvergiert:

Millionen weicher 3D-Primitive werden progressiv platziert und verfeinert, bis eine vollständige, navigierbare Umgebung entsteht.

Das ist die Kernidee. Es gibt keine Polygone, keine Oberflächen, keine Texturmaps. Nur eine enorme Wolke weicher visueller Elemente, die zusammen das Erscheinungsbild eines realen Raums erzeugen.

Von Polygonen zu Pinselstrichen

Jahrzehntelang hat jeder wichtige Ansatz zur 3D-Rekonstruktion auf Polygonen basiert. Photogrammetrie-Software nimmt Hunderte überlappender Fotos, trianguliert Geometrie und gibt ein Mesh aus — eine Polygonfläche mit Textur überzogen. LiDAR-Scans werden in Meshes konvertiert. Spiel-Umgebungen werden manuell als Meshes modelliert.

Meshes sind nützlich und gut verstanden. Aber sie haben einige grundlegende Einschränkungen:

Eine flache Oberfläche — eine gestrichene Wand, ein Glasfenster, eine Straße — benötigt viele Dreiecke, um flach und nahtlos auszusehen. Wenn das Mesh spärlich ist, sieht man die Facetten.
Scharfe Kanten und feine Strukturen — Drähte, Geländer, Gerüste, dünne Äste — sind notorisch schwer sauber zu rekonstruieren, weil sie eine sehr hohe Polygondichte erfordern.
Transparente Materialien — Glas, Wasser, feines Mesh — werden nicht nativ unterstützt. Polygone sind standardmäßig undurchsichtig.
Reflexionen — eine Mesh-Oberfläche hat eine feste Farbe pro Punkt. Sie kann nicht nativ erfassen, wie sich eine Reflexion verändert, wenn man sich darum herum bewegt.

Gaussian Splats umgehen all das. Da jeder Splat ein unabhängiges weiches Element ist — nicht mit einer Oberfläche verbunden — können sie feine Details, Kanten und komplexe optische Eigenschaften darstellen, mit denen Meshes Schwierigkeiten haben.

Links: Eine polygonbasierte Szene — flache Flächen und Texturen, die reale Geometrie annähern. Rechts: Dieselbe Welt als Gaussian-Splat-Pinselstriche — organisch, kontinuierlich und fotorealistisch bis hin zu einzelnen Blättern und Ästen.

Der Wechsel von Polygonen zu Splats ist nicht nur ein visuelles Upgrade. Es ist eine andere Philosophie darüber, wie man die reale Welt in 3D repräsentiert.

Was Gaussian Splats so real aussehen lässt

Hier wird es wirklich interessant. Die Qualitäten, die Gaussian Splats anders anfühlen lassen, beziehen sich nicht nur auf Auflösung oder Dateigröße. Sie stammen daher, was das Format tatsächlich darstellen kann, was Polygone nicht können.

Feine Details: Blätter, Pflanzen und organische Komplexität

In der Photogrammetrie sind feine organische Details — Blätter, Pflanzen, Gras, weiche Möbel — eine bekannte Schwäche. Der Rekonstruktionsalgorithmus muss passende Punkte über mehrere Fotos hinweg finden, und dünne Strukturen erzeugen einfach nicht genug Übereinstimmungen. Das Ergebnis ist oft klumpig, verschmiert oder ganz fehlend.

Gaussian Splats handhaben das natürlich. Jeder Pinselstrich wird unabhängig basierend auf dem Erscheinungsbild platziert, nicht darauf, ob die Software ein passendes geometrisches Merkmal finden konnte. Ein Blatt ist nur eine Sammlung von halbtransparenten Splats. Eine Pflanze sind Hunderte von ihnen übereinander geschichtet.

Ein Gewächshaus als Gaussian Splat aufgenommen — einzelne Pflanzen, Blätter und Laub werden mit der Art organischer Details gerendert, die Photogrammetrie konsistent Schwierigkeiten bereitet.

Feine Strukturen: Holz, Metall und geometrische Komplexität

Rechte Winkel, dünne Elemente, komplexe Geometrie — all das ist für polygonbasierte Rekonstruktion herausfordernd. Ein Photogrammetrie-Mesh einer Holzstruktur sieht oft so aus, als wäre die Geometrie leicht geschmolzen: Kanten runden sich ab, dünne Teile verschmelzen, und die Textur versucht, für das zu kompensieren, was die Geometrie verpasst hat.

Splats stellen diese Strukturen direkt als Erscheinungsbild dar, nicht als Geometrie. Ein Holzbrett ist kein Polygon mit einer Textur — es ist ein Cluster von Splats, die zusammen genau wie ein Holzbrett aussehen, Kante und alles.

Eine handgefertigte Holzachterbahn als Gaussian Splat aufgenommen — jede einzelne Planke, Verbindung und jedes Strukturelement mit scharfer Wiedergabetreue gerendert. Dieses Niveau an Feinstrukturdetails ist mit Photogrammetrie äußerst schwierig zu erreichen.

Transparenz: Durch Glas sehen

Polygon-Meshes sind grundlegend undurchsichtig. Sie können Glas in einer Spiel-Engine simulieren, indem Sie eine Oberfläche halbtransparent machen, aber in einer photogrammetrischen Rekonstruktion reflektiert Glas einfach die Umgebung zur Kamera zurück — sodass die Software es entweder ignoriert oder als feste Oberfläche rekonstruiert.

Gaussian Splats können Transparenz natürlich erfassen. Jeder Splat hat einen Opazitätswert. Ein Glasfenster ist eine Gruppe von Splats mit niedriger Opazität — man kann durch sie hindurch auf die Splats dahinter sehen.

Blick durch die Fenster eines Cafés — die Pflanzen und das Innere sind durch das Glas sichtbar, und während sich der Blickpunkt bewegt, verschiebt sich die Parallaxe der Welt hinter dem Fenster natürlich. Das ist nicht gefälscht. Es ist eine direkte Folge davon, wie Splats Opazität darstellen.

Blickwinkelabhängige Reflexionen: Sphärische Harmonische

Hier ist vielleicht die technisch interessanteste Eigenschaft von Gaussian Splats, so einfach wie möglich erklärt.

In einem Polygon-Mesh hat jeder Oberflächenpunkt eine feste Farbe. Wenn Sie die Wand blau angestrichen haben, ist sie aus jedem Winkel, unter jeder Beleuchtungsbedingung blau. Reflexionen müssen als separate Ebene hinzugefügt werden — eine Reflexionskarte oder ein Screen-Space-Effekt.

Jeder Gaussian Splat speichert etwas Ausgefeilteres: blickwinkelabhängige Farbe. Technisch gesehen nennt sich das sphärische Harmonische — eine mathematische Darstellung, wie sich die scheinbare Farbe und Helligkeit eines Punktes abhängig von der Richtung verändert, aus der man ihn betrachtet.

Was das in der Praxis bedeutet: Reflexionen werden nativ erfasst. Ein TV-Bildschirm, der die Straße draußen reflektiert, sieht tatsächlich so aus, als würde er die Straße draußen reflektieren — und wenn man sich bewegt, bewegt sich die Reflexion mit einem, genau so wie es im echten Leben wäre.

Eine Reihe von TV-Bildschirmen an einer Café-Wand, die die Reflexion der Straße draußen erfassen. Hin- und Herbewegen zeigt, wie sich die Reflexion natürlich mit dem Blickwinkel verschiebt — sphärische Harmonische in Aktion.

Transparenz und Reflexionen zusammen

Beide Effekte können in derselben Szene gleichzeitig koexistieren. Wenn man von außen durch ein Fenster schaut, kann man durch es hindurch die Pflanzen und das Innere sehen — Transparenz — während man auch die Straßenmarkierungen von der Straße sieht, die in der Glasoberfläche reflektiert werden — blickwinkelabhängige Reflexion.

Auf der Straße außerhalb des Cafés stehend — durch die Fenster können Sie gleichzeitig die Pflanzen drinnen sehen (Transparenz) und die Straßenmarkierungen vom Pflaster, die auf der Glasoberfläche reflektiert werden (blickwinkelabhängige Reflexion). Beides in einem einzigen Durchlauf erfasst.

Diese Kombination — Transparenz und blickwinkelabhängiges Erscheinungsbild in derselben Szene — ist etwas, das polygonbasierte Rekonstruktionen ohne umfangreiche manuelle Nachbearbeitung einfach nicht erzeugen können.

Wie Gaussian Splats trainiert werden

Wie kommt man also von einer Sammlung von Fotos oder einem Video-Walkthrough zu Millionen präzise positionierter Splats?

Der Prozess wird von KI angetrieben — speziell eine Form der differenzierbaren Optimierung namens Gradientenabstieg. Es funktioniert so:

Starten Sie mit einer groben Schätzung der Kamerapositionen (aus den Fotos)
Initialisieren Sie eine große Wolke zufälliger Splats im 3D-Raum
Rendern Sie, wie diese Splats von jedem aufgenommenen Kamerawinkel aussehen würden
Vergleichen Sie diese Renderings mit den eigentlichen Fotos
Passen Sie jeden Splat — seine Position, Größe, Orientierung, Opazität und Farbe — an, um den Unterschied zu reduzieren
Wiederholen Sie Millionen Mal, bis die Renderings den Fotos nahe kommen

Das Ergebnis ist ein Modell, das rein aus Bildern gelernt hat, genau wo jeder Pinselstrich platziert werden muss, um das Erscheinungsbild der Szene aus jedem Winkel nachzubilden.

Der Trainingsprozess in Aktion — ausgehend von einer verschwommenen, inkohärenten Initialisierung, konvergiert das Modell schnell, während Millionen von Splats iterativ repositioniert und verfeinert werden, bis die Szene scharf wird.

Dieser Ansatz wurde in einem wegweisenden Forschungspapier von 2023 formalisiert — "3D Gaussian Splatting for Real-Time Radiance Field Rendering" — und es ist seitdem zur Grundlage eines schnell wachsenden Ökosystems von Aufnahme-Tools, Rekonstruktionssoftware und Plattformen wie Splat Labs geworden.

Für eine Anleitung zur eigentlichen Erstellung eines Gaussian Splats, lesen Sie So erstellen Sie 3D-Gaussian-Splats.

Was ist Gaussian Splatting?

An diesem Punkt sollte die Definition intuitiv anfühlen.

Gaussian Splatting ist der vollständige Prozess: einen realen Raum mit Fotos oder Video erfassen, den KI-Trainingsprozess ausführen, um ihn als Millionen weicher 3D-Primitive zu rekonstruieren, und dann diese Primitive interaktiv in Echtzeit zu rendern.

Der vollständige Workflow sieht so aus:

Erfassen Sie einen realen Raum mit Fotos, Videos oder einer Raumkamera wie der PortalCam
Verarbeiten Sie das Bildmaterial durch eine Gaussian-Splatting-Rekonstruktionspipeline
Hochladen Sie das Ergebnis auf eine Cloud-Plattform wie Splat Labs
Teilen Sie es mit Kunden, Stakeholdern oder Teammitgliedern über einen Browser-Link

Das schafft einen Weg von der Realwelt-Aufnahme zur immersiven visuellen Präsentation viel schneller als viele ältere 3D-Workflows — und mit fotorealistischer Qualität, die Polygone nicht erreichen können.

Gaussian Splats vs Photogrammetrie-Meshes

Mit der jetzt verstandenen Technologie wird der Vergleich mit Photogrammetrie viel konkreter.

Photogrammetrie erzeugt ein Polygon-Mesh mit einer Textur. Das Mesh ist eine geometrische Annäherung der Oberflächen in der Szene. Die Textur kompensiert für die Einschränkungen dieser Annäherung. Es funktioniert gut für viele Anwendungen, besonders dort, wo ein traditionelles 3D-Asset für CAD-, BIM- oder Spiel-Engine-Workflows benötigt wird.

Aber nachdem Sie die obigen Videos gesehen haben, haben Sie bereits die spezifischen Einschränkungen gesehen:

Flache Oberflächen sehen an den Kanten facettiert oder weich aus
Feine Strukturen wie Drähte und Geländer neigen dazu zu verschwinden oder zu verschmelzen
Organische Details wie Blätter und Gras werden geglättet oder gehen verloren
Glas und Transparenz können nicht rekonstruiert werden — Fenster werden zu undurchsichtigen Klumpen
Reflexionen werden als feste Textur eingebacken — sie bewegen sich nicht, wenn man navigiert

Gaussian Splats versuchen nicht, überhaupt eine Oberfläche aufzubauen. Sie repräsentieren das Erscheinungsbild direkt, weshalb all diese Probleme weitgehend verschwinden.

Wann Meshes noch besser sind: Wenn Sie ein traditionelles geometrisches Asset benötigen — etwas, das Sie in Revit importieren, in CAD messen oder als Kollisions-Mesh in einer Spiel-Engine verwenden können — ist ein Photogrammetrie-Mesh oft die richtige Wahl. Splats sind kein Polygon-Modell. Sie sind eine visuelle Darstellung.

Für viele Teams ist die richtige Antwort beides: Verwenden Sie ein Mesh für Ingenieurarbeiten, verwenden Sie einen Splat für Kommunikation und Präsentation.

Gaussian Splats vs Punktwolken

Das ist die wichtigste Unterscheidung für AEC-, Vermessungs- und Bauprofis.

Eine Punktwolke dreht sich in erster Linie um gemessene Geometrie. Es ist ein Datensatz aus 3D-Punkten — oft von LiDAR — der präzise räumliche Positionen erfasst. Es unterstützt Vermessungs-, Modellierungs-, Analyse-, BIM-Integrations- und Ingenieur-Workflows. Genauigkeit ist der Punkt.

Ein Gaussian Splat dreht sich in erster Linie um visuelle Präsentation. Es erfasst, wie ein Raum aus jedem Winkel aussieht, nicht nur, wo die Oberflächen sind.

Sie sind keine konkurrierenden Formate. Sie sind oft komplementär:

Ein Vermessungsingenieur verlässt sich auf eine Punktwolke für Ingenieur- und Maßgenauigkeit
Ein Projektmanager verwendet einen Gaussian Splat, um Standortbedingungen an Stakeholder zu kommunizieren
Ein Immobilienteam verwendet einen Gaussian Splat, um eine Immobilie entfernten Käufern zu präsentieren
Ein Bauteam verwendet einen Gaussian Splat, um den Fortschritt so zu dokumentieren, dass nicht-technische Kunden ihn tatsächlich verstehen

In Kombination mit der richtigen Plattform können Gaussian Splats auch Mess-Workflows unterstützen. In Splat Labs können Sie Abstands- und Flächenmessungen direkt innerhalb der 3D-Szene nehmen:

Präzisionsmessungen, die direkt innerhalb eines Gaussian-Splat-Viewers in Splat Labs durchgeführt werden.

Die bessere Frage ist also oft nicht "Welcher gewinnt?" — sondern "Welches ist das richtige Lieferergebnis für dieses Publikum?"

Gaussian Splats vs Matterport-artige virtuelle Touren

Viele Menschen, die Gaussian Splats zum ersten Mal begegnen, stellen eigentlich eine vertrautere Frage:

Wie unterscheidet sich das von einer Matterport-Tour?

Die Antwort liegt darin, wie Navigation funktioniert. Matterport-artige Touren platzieren die Kamera an einer Reihe fester Scan-Positionen und lassen Sie zwischen ihnen hin- und herspringen. Sie teleportieren von Punkt zu Punkt. Die zugrunde liegenden Daten sind ein zusammengenähtes Panorama, keine echte 3D-Szene.

Gaussian Splats sind eine kontinuierliche 3D-Umgebung. Sie können sich frei bewegen, in jedem Winkel, in jede Richtung — nicht wegen einer Reihe fester Positionen, sondern weil die Splats die Szene tatsächlich in drei Dimensionen rekonstruieren. Navigation fühlt sich eher wie das Bewegen durch einen echten Raum an.

Flüssige, kontinuierliche Navigation durch einen Gaussian Splat — nicht zwischen festen Positionen springen, sondern sich frei durch eine vollständig rekonstruierte 3D-Umgebung bewegen.

Der Unterschied ist nicht nur ästhetisch. Er verändert, was der Betrachter über einen Raum verstehen kann — Layouts, Proportionen, Tiefe und räumliche Beziehungen sind in kontinuierlichem 3D natürlicher lesbar als in einer Teleportations-basierten Tour.

Für einen Vergleich von Splat Labs mit anderen Plattformen, lesen Sie Splat Labs vs. SuperSplat.

Warum Gaussian Splats für Immobilien wichtig sind

Immobilien sind eine der klarsten Anwendungen für Gaussian Splats.

Ein Inserat dreht sich letztendlich darum, jemandem zu helfen, Raum, Qualität, Atmosphäre und Layout zu verstehen. Fotos helfen, aber sie sind begrenzt. Grundrisse helfen, aber sie sind abstrakt. Traditionelle Touren helfen, können sich aber starr anfühlen.

Gaussian Splats schaffen eine immersivere Mitte. Sie ermöglichen es Käufern, Mietern, Investoren und entfernten Entscheidungsträgern, einen Raum zu erleben auf eine Weise, die sich näher anfühlt, dort zu sein.

Das eröffnet leistungsstarke Anwendungsfälle:

Luxus-Wohnungsdurchgänge — Käufern ermöglichen, von überall auf der Welt zu erkunden
Mehrfamilienhaus-Vermietung — Einheiten präsentieren, ohne persönliche Touren zu planen
Gewerbeimmobilienmarketing — Räume Mietern vor dem Ausbau präsentieren
Fernstandorttouren — Investoren ein echtes Gefühl für die Immobilie geben
Virtuelles Staging — KI-gestützte Neugestaltungskonzepte, die auf den echten Raum überlagert werden
Präsentationen vor Markteinführung — Räume teilen, bevor sie vollständig fertig sind

KI-gesteuertes virtuelles Staging innerhalb eines Gaussian Splats — jeden Raum mit einem Textbefehl neu gestalten, während die echte 3D-Struktur erhalten bleibt.

Für Immobilienteams geht es dabei nicht nur um Neuheit. Es geht darum, eine überzeugendere Möglichkeit zu schaffen, das Asset zu präsentieren. Sehen Sie, wie Teams KI-Szenenredesign für Entrümpeln und Neuinszenierung von Einzelhandelsflächen und Transformation von Büroumgebungen einsetzen.

Warum Gaussian Splats für Bau und AEC wichtig sind

Bau- und AEC-Teams brauchen oft eine bessere Möglichkeit, Standortbedingungen an Menschen zu kommunizieren, die physisch nicht vor Ort sind — Auftraggeber, Architekten, Ingenieure, Projektmanager, Berater, Subunternehmer und Kunden.

Gaussian Splats verwandeln eine erfasste Baustelle in ein immersives 3D-Protokoll, das viel leichter zu verstehen ist als ein Ordner voller Fotos.

Das kann nützlich sein für:

Fortschrittsdokumentation — Standortbedingungen im Laufe der Zeit erfassen und vergleichen
Bestandserfassung — den Als-gebaut-Zustand vor Beginn der Arbeiten dokumentieren
Remote-Stakeholder-Review — jedem ermöglichen, die Baustelle von seinem Browser aus zu begehen
Kommunikation von Problemen — genau zeigen, wo ein Problem im vollständigen 3D-Kontext ist
Anhängen von Notizen, PDFs und Medien — RFIs, Mängel-Listeneinträge und Dokumente an genaue Stellen in der Szene anheften
Digitale Zwilling-Präsentation — eine intuitivere Möglichkeit, die gebaute Umgebung zu präsentieren

Eine Baustelle als Gaussian Splat für Remote-Stakeholder-Review und Fortschrittsdokumentation aufgenommen.

Mit 4D-Zeitlinien in Splat Labs können Teams Scans vergleichen, die zu verschiedenen Zeitpunkten aufgenommen wurden, um den Fortschritt visuell zu verfolgen:

4D-Zeitlinienvergleich — zwischen Scans, die zu verschiedenen Daten aufgenommen wurden, scrollen, um den Baufortschritt zu verfolgen.

Für AEC-Teams liegt der Wert nicht nur darin, dass es gut aussieht. Es liegt darin, dass es die Kommunikation verbessert. Teams, die Autodesk Construction Cloud, Revit oder ArcGIS verwenden, können Gaussian Splats direkt in ihre bestehenden Workflows integrieren.

Warum Gaussian Splats für Spieleentwicklung und virtuelle Produktion wichtig sind

Spiele-Teams, VFX-Studios und virtuelle Produktionsgruppen können von Gaussian Splats profitieren, weil sie eine schnelle Aufnahme und Überprüfung realer Räume ermöglichen.

Das kann nützlich sein für:

Umgebungsreferenz — einen realen Standort erfassen und in die Kreativpipeline einbringen
Standorterfassung und digitale Erkundung — eine Veranstaltungsort remote erkunden, bevor man sich für einen Dreh entscheidet
Previsualisierung — schnell räumlichen Kontext für eine Szene aufbauen
Kollaborative Review — eine Umgebung mit dem Kreativteam im Browser teilen
VFX-Previsualisierung — digitale Elemente in realem 3D-Kontext platzieren

Nicht jeder Splat wird zu einem produktionsfertigen Spiel-Asset, aber Splats können äußerst wertvoll sein für das Verständnis von Umgebungen, die Kommunikation der Kunstrichtung und den schnelleren Aufbau von Digitalwelt-Kontext.

KI-Objekteinfügung in einen Gaussian Splat des Shibuya Crossing, Tokyo — eine 90-Meter-Kreatur, die im realen Maßstab aus jeder Kameraposition im Scan platziert wird. Standortscouts, DPs und VFX-Supervisoren können Aufnahmen planen, bevor irgendjemand am Set erscheint.

Für eine tiefere Betrachtung, lesen Sie KI VFX-Previsualisierung und 3D-Standortscout.

Was machen Sie eigentlich mit einem Gaussian Splat, nachdem er erstellt wurde?

Das ist die Frage, die viele Inhalte nicht beantworten.

Einen Gaussian Splat zu erstellen ist nur ein Teil des Workflows. Sobald Sie einen haben, müssen Sie immer noch praktische Fragen beantworten wie:

Wie kann ich ihn einfach ansehen?
Wie teile ich ihn mit einem Kunden oder Stakeholder?
Wie bette ich ihn auf einer Website ein?
Wie füge ich Messungen oder Anmerkungen hinzu?
Wie hänge ich PDFs, Fotos oder Videos an bestimmte Teile der Szene an?
Wie erstelle ich ein geführtes Erlebnis für nicht-technische Betrachter?
Wie generiere ich einen Grundriss aus dem 3D-Scan?

Hier wird eine Plattformschicht wichtig — und wo Splat Labs ins Spiel kommt.

Wie Splat Labs Gaussian Splats in echten Workflows nützlich macht

Splat Labs ist darauf ausgerichtet, Fachleuten zu helfen, rohe Gaussian Splats in verwendbare Lieferergebnisse zu verwandeln. Anstatt bei "Wir haben einen Splat erstellt" aufzuhören, hilft Splat Labs Ihnen, etwas damit zu tun.

Hochladen und in der Cloud hosten

Laden Sie PLY-, SPLAT- oder KSPLAT-Dateien hoch und teilen Sie sie sofort. Keine Dateigrößenverhandlungen, kein Versenden riesiger Dateien per E-Mail, keine Software-Installationen für Ihre Betrachter.

Per Link teilen oder auf jeder Website einbetten

Jedes Projekt erhält eine teilbare Viewer-URL. Schließen Sie es in ein iframe ein und betten Sie es auf Ihrer Website, MLS-Listing oder Projektportal ein.

Messungen hinzufügen

Nehmen Sie Abstands- und Flächenmessungen direkt innerhalb der 3D-Szene vor — nützlich für die Schätzung, Planung und Kommunikation räumlicher Informationen an Stakeholder.

Mit Dokumenten, Bildern und Video annotieren

Heften Sie Anmerkungen mit PDFs, Fotos, Videos und Notizen an genaue Stellen in der Szene an. Hängen Sie RFIs, Prüfberichte, Mängel-Listeneinträge oder Marketingmaterialien genau dort an, wo sie hingehören.

Geführte virtuelle Touren erstellen

Erstellen Sie geführte Walkthroughs mit automatischen Kamerapfaden, Anmerkungen und einem Filmleisten-Navigator, damit nicht-technische Betrachter ein kuratiertes Erlebnis erhalten.

Eine in Splat Labs erstellte geführte Tour — Wegpunkte, Anmerkungen und ein Filmleisten-Navigator führen Betrachter durch den Raum.

KI-Grundrisse generieren

Verwandeln Sie jeden 3D-Scan mit einem Klick in einen automatischen Grundriss — komplett mit Beschriftungen, Themen und einer Mini-Map-Überlagerung.

KI-generierte Grundrisse aus einem Gaussian Splat — Ein-Klick-Generierung mit anpassbaren Themen und Beschriftungen.

Mehrere Scans mit Portalen verbinden

Verbinden Sie Innen- und Außenscans oder verbinden Sie verschiedene Etagen und Gebäude in ein einziges navigierbares Erlebnis mit nahtlosen Portalen.

Nahtlose Portale, die mehrere Gaussian-Splat-Scans zu einem kontinuierlichen navigierbaren Erlebnis verbinden.

Funktioniert auf jedem Gerät

Gaussian Splats auf Desktop, Tablet oder Mobilgerät anzeigen und interagieren — keine App-Installation erforderlich.

Gaussian Splats, die flüssig auf Mobilgeräten laufen — keine App-Installation, nur ein Browser-Link.

Der echte Geschäftswert liegt nicht nur in der Rekonstruktion. Er liegt in Kommunikation, Zusammenarbeit und Auslieferung. Splat Labs hilft, die Lücke zwischen der Erstellung eines Gaussian Splats und seiner tatsächlichen Verwendung in der realen Welt zu überbrücken.

Wer sollte Gaussian Splats verwenden?

Gaussian Splats sind besonders wertvoll für Menschen, die reale Räume klar kommunizieren müssen. Das umfasst:

Immobilienmakler und Händler — immersivere Inserate und virtuelle Touren
Entwickler und Immobilienvermarkter — Präsentationen vor Markteinführung und vor Baubeginn
Architekten — Dokumentation von Bestandsbedingungen und Designkommunikation
Bauteams — Fortschrittsverfolgung, RFI-Kontext und Remote-Review
Projektmanager — klarere Stakeholder-Updates mit vollem 3D-Kontext
Vermessungs- und Kartierungsprofis — visuelle Ergänzungen zu Punktwolken-Lieferergebnissen
Facility-Teams — Raumdokumentation und Wartungsplanung
Spieleentwickler — Realwelt-Umgebungserfassung und Referenz
VFX und virtuelle Produktionsteams — Standortscout und Previsualisierung
Digitale Zwilling- und Raumcomputing-Teams — immersive, webzugängliche 3D-Erlebnisse

Wenn Ihre Arbeit davon abhängt, anderen Menschen zu helfen, einen realen Raum aus der Ferne zu verstehen, sind Gaussian Splats es wert, beachtet zu werden.

Häufig gestellte Fragen

Sind Gaussian Splats das Gleiche wie Punktwolken?

Nein. Punktwolken sind in erster Linie geometrische Messdatensätze, die in Vermessungs- und Ingenieur-Workflows verwendet werden. Gaussian Splats sind in erster Linie visuelle, immersive Szenenrepräsentationen, die für fotorealistische Präsentation und Kommunikation entworfen wurden.

Sind Gaussian Splats das Gleiche wie Photogrammetrie?

Nein. Photogrammetrie erzeugt ein Polygon-Mesh mit Texturen. Gaussian Splatting erzeugt eine Wolke weicher 3D-Primitive. Beide beginnen mit Fotografien, aber sie repräsentieren das Ergebnis auf völlig unterschiedliche Weise — und Gaussian Splats handhaben feine Details, Transparenz und Reflexionen, die Polygon-Meshes nicht können.

Sind Gaussian Splats nützlich für Messungen?

Ja. In Kombination mit einer Plattform wie Splat Labs können Sie Abstands- und Flächenmessungen direkt innerhalb der 3D-Szene nehmen. Gaussian Splats sind jedoch nicht dasselbe wie ein vermessungsqualitatives Punktwolken-Lieferergebnis.

Was sind sphärische Harmonische in Gaussian Splats?

Sphärische Harmonische sind die mathematische Technik, die es jedem Gaussian Splat ermöglicht, seine scheinbare Farbe und Helligkeit abhängig vom Blickwinkel zu ändern. Im Klartext: So erfassen Gaussian Splats Reflexionen und blickwinkelabhängige Beleuchtungseffekte, die in polygonbasierten Rekonstruktionen flach aussehen.

Können Gaussian Splats auf Telefonen angezeigt werden?

Ja. Gaussian-Splat-Erlebnisse können auf Telefonen, Tablets und Desktop-Browsern angezeigt werden. Mit Splat Labs gibt es nichts zu installieren — einfach einen Link öffnen.

Kann ich einen Gaussian Splat auf meiner Website einbetten?

Ja. Splat Labs macht es einfach, einen Gaussian-Splat-Viewer einzubetten auf jeder Website mit einem einzigen iframe-Einbettungscode.

Welche Dateiformate werden häufig verwendet?

Die häufigsten Gaussian-Splat-Dateiformate sind PLY, SPLAT und KSPLAT. Splat Labs unterstützt alle drei.

Benötige ich spezielle Hardware, um Gaussian Splats aufzunehmen?

Nicht immer. Viele Teams nehmen Splats mit Standard-Fotos oder -Videos von einem Telefon oder einer Drohne auf. Dedizierte Raumkameras wie die PortalCam oder Vermessungsqualitätsgeräte wie der Lixel L2 Pro können bessere Ergebnisse erzielen, sind aber nicht zum Einstieg erforderlich.

Wie unterscheidet sich Gaussian Splatting von NeRF?

Sowohl Neural Radiance Fields (NeRF) als auch Gaussian Splatting erstellen fotorealistische 3D-Szenen aus Bildern, und beide verwenden KI-basiertes Training. Der Hauptunterschied ist die Rendering-Geschwindigkeit: Gaussian Splatting rendert in Echtzeit mit einem schnellen GPU-Rasterizer, was es für interaktives Anzeigen und kommerzielle Anwendungen viel praktischer macht. NeRFs erfordern typischerweise neuronale Netzwerk-Inferenz zum Rendern jedes Frames, was viel langsamer ist.

Erste Schritte

Gaussian Splats sind wichtig, weil sie reale Räume einfacher zu erfassen, einfacher zu verstehen und einfacher zu präsentieren machen.

Für Fachleute in Immobilien, Bau, AEC und 3D-Medien schafft das eine leistungsstarke neue Möglichkeit, Räume zu kommunizieren, die immersiver als Fotos ist, zugänglicher als Punktwolken und fotorealistischer als traditionelle Polygon-Meshes.

Aber die Technologie allein ist nicht die vollständige Geschichte. Der echte Wert kommt, wenn ein Gaussian Splat gehostet, geteilt, annotiert, gemessen und auf eine Weise präsentiert werden kann, die für echte Menschen und echte Workflows funktioniert.

Dort passt Splat Labs ins Bild.

Splat Labs kostenlos testen

Live-Demos erkunden

Sehen Sie Gaussian Splats in Aktion mit diesen interaktiven Datensätzen:

Wohnimmobilien — durch eine Wohnimmobilie gehen
Red Rocks Amphitheatre — einen ikonischen Außenveranstaltungsort erkunden
Baufortschritt — 4D-Zeitlinien auf einer Baustelle vergleichen
Saltbox Denver — einen modernen Coworking-Space besichtigen
REI Denver Flagship — KI-Szenenredesign in einem 8.400 m² großen Einzelhandelsgeschäft sehen