Building Information Modeling im Bestand – Nachhaltige Lebenszyklusverlängerung von Bestandsbauwerken durch automatisierte Aufnahme und Analyse der Tragsysteme (BIMiB-Tragsystem)

In dem Projekt BIMiB-Tragsystem (Building Information Modeling im Bestand – Nachhaltige Lebenszyklusverlängerung von Bestandsbauwerken durch automatisierte Aufnahme und Analyse der Tragsysteme) entwickelt die FH Bielefeld zusammen mit den Projektpartnern HOCHTIEF ViCon und Pape Architekten ein System, mit dem in Bestandsbauten automatisiert Daten zum Zustand des Gebäudes aufgenommen und bewertet werden können. Projektleiter ist Prof. Dr. Dominic Becking.

Herausforderung

Da in Deutschland weitaus weniger neue Gebäude errichtet werden, als es bereits fertige Gebäude (Bestandsbauten) gibt, werden naturgemäß die meisten Baumaßnahmen nicht an Neubauten, sondern an Bestandsbauten durchgeführt. Dies wird sich auch in naher Zukunft nicht ändern, weil durch Sanierungsmaßnahmen die Klimaneutralität von Bestandsbauten ausgebaut werden soll. Im Gegensatz zu Neubauten sind bei Bestandsbauten die Kenntnisse über das Bauwerk jedoch meist unvollständig, und vorhandene Daten liegen nur in Papierform vor. Der zeitliche und finanzielle Aufwand der Baumaßnahmen könnte in vielen Fällen reduziert werden, wenn relevante Daten in elektronischer und  als auch strukturierter Form vorliegen würden, denn dies würde zumindest eine teilautomatisierte Überführung der Daten in digitale Modelle des Building Information Modeling (BIM) ermöglichen.

Ziele und Vorgehen

Im Projekt BIMiB soll ein System entwickelt werden, das aus 3D-Punktwolken und digitalisierten Papierplänen automatisch ausgesuchte wichtige Tragwerksstrukturen in Bestandsbauten erkennt. Dabei werden Methoden des maschinellen Lernens eingesetzt. Ein entscheidendes Element ist das Schaffen von semantischen und ontologischen Kontexten. Dabei werden die zu erkennenden Strukturen mit baufachlichen, bauhistorischen und konstruktiven Informationen belegt, wodurch sie klassifizierbar werden. Diese Kontextsammlung wird zu einem Metamodell verknüpft, das die Verbindungen zwischen den erkannten Strukturen und den Bewertungs- oder Ausschlusskriterien beschreibt. Darauf baut die Entwicklung eines Verfahrens auf, mit dem erkannte Strukturen mit den Kontexten verglichen werden. Das Verfahren soll zudem eine Einordnung vornehmen und dann über eine Plausibilitätsprüfung eine bessere Erkennung ermöglichen. Auch dieses Verfahren nutzt Methoden des maschinellen Lernens.

Innovationen und Perspektiven

Die Neuheit des Ansatzes besteht darin, dass mit Methoden des maschinellen Lernens Tragwerksdaten in Bestandsbauten aus unterschiedlichen Quellen digitalisiert, interpretiert und strukturiert werden. Eine Besonderheit des Projektes ist auch die frühzeitige und umfassende Verknüpfung von Fachwissen aus dem Bauingenieurwesen mit Strukturierungskonzepten aus der Informatik. Die automatisierte Gewinnung und strukturierte Aufbereitung von Daten unterstützen den Trend der zunehmenden Digitalisierung im Bauwesen.

Die Projektpartner streben auch eine wirtschaftliche Nutzung der Ergebnisse an. Dies soll zum einen durch die Sicherung und Verwertung des geistigen Eigentums geschehen, aber auch durch die Weiterentwicklung der Projektergebnisse zu marktreifen Produkten durch die Projektpartner.