Team Informationsaufbereitung
Wir beschäftigen uns mit folgenden drei Forschungsfragen
Wie können maschinelle Lernmodelle eingesetzt werden, um schwer erfassbare Informationen aus Bestandsgebäuden (z.B. PDF-Grundrisse, Bilddateien) zu digitalisieren und für eine Integration in openBIM-Datenformate aufzubereiten?
Wie können die digitalisierten Daten aus Bestandsgebäuden mit anderen digitalen Daten (z.B. GIS) angereichert werden, um eine vollständige und durchgängige Nutzung in den weiteren Planungsschritten zu ermöglichen?
Wie können die digitalisierten Daten aus Bestands-gebäuden für intelligente Analysen eingesetzt werden, um Einsparpotenziale in Bezug auf Energieeffizienz und Nachhaltigkeit zu identifizieren und gezielte Sanierungsmaßnahmen zu empfehlen?
Einblicke in den ersten Demonstrator zur Digitalisierung von Grundrissen
Zur Erfassung von analogen Bilddaten hat das Karlsruher Service Research Institute (KSRI) des KIT ein KI-Modell trainiert im Bereich Semantic Segmentation, bei dem eine Vorhersage für jede Klasse Pixelmasken produziert. Für das Training sind Open Source Datensätze genutzt worden, welche für Forschungszwecke zugelassen sind.
Die erkannten Pixel kann durch eine intelligente Human-AI Collaboration eine Qualitätskontrolle und -verbesserung durchgeführt werden.
In der momentanen Entwicklung werden die segmentierten Pixel in ein Vektorformat überführt. Daraus wird ein Zwischenmodell (u.a. CityGML, IFC) für die weitere Anreicherung mit öffentlich verfügbaren Materialdaten erstellt (u.a. TABULA, DIN 12831-1).
Die Ergebnisse der KI zeigen eine bessere Vorhersageüberlappung mit dem tatsächlichen Sachverhalt (berechnet als Durchschnitt über alle Klassen und Bilder der Datensätze) als das der Fall von anderen Forschungsarbeiten in diesem Bereich ist.
Aktuell wird die Übertragbarkeit des Modells auf neue Datensätze und insbesondere unsere Fallszenarien des Konsortialpartners Ed. Züblin untersucht.
