Kategorie-Archive:Uncategorized

Entwicklung einer modularen DIN SPEC

Entwicklung einer modularen DIN SPEC zur Digitalisierung und Standardisierung der Liefer- und Wertschöpfungskette von Bauprodukten

Unmengen an analogen Lieferscheinen verbrauchen, durch repetitive Dokumentationstätigkeiten, viel Arbeitszeit auf den Baustellen. Die Lieferketten bei Bauprojekten sind durch die Vielzahl an Schnittstellen, dem Datenfluss und der Datenmenge sehr komplex und fragmentiert. Aufgrund dieser hohen Fragmentierung existiert derzeit keine digitale und allgemein formulierte Beschreibung der Lieferkette für Bauprodukte.

Das Teilvorhaben „Digitale Lieferkette für Bauprodukte“ des Verbundforschungsvorhabens „Smart Design and Construction“ (SDaC) verfolgt das Ziel die heterogenen Lieferketten von Bauprodukten durch den Einsatz einer KI-getriebenen Plattform nicht nur zu digitalisieren, sondern auch zu vereinheitlichen und zu standardisieren [1].

Es hat sich gezeigt, dass die Lieferanten und Bauunternehmen viele heterogene Datenverarbeitungssysteme nutzen. Ein Ziel des Teilprojektes ist es die Schnittstellen und Merkmallisten als Grundlage für eine allgemein formulierte und zugängliche digitale Lösung zu definieren und in einen Standard (DIN SPEC) zu überführen. Daher wurde im Rahmen von SDaC im August 2020 die DIN SPEC 91454 „Informationsaustausch der Liefer- und Wertschöpfungskette von Bauprodukten“ initiiert [2]. Das Ziel der DIN SPEC ist es durch Digitalisierung, Vereinheitlichung und Standardisierung der heterogenen Lieferkette die Potentiale zu heben sowie Ressourcenverschwendung zu reduzieren [3]. Mit der DIN SPEC 91454 werden die nachfolgenden drei Teilziele verfolgt:

  • Es werden allgemeine Möglichkeiten der Digitalisierung der Lieferketten von Bauprodukten beschrieben.
  • Es werden die Schnittstellen definiert und Merkmallisten erstellt. Die Merkmallisten sollen Grundlage für eine allgemein formulierte digitale Lösung bzw. als KI nutzbarer Standard dienen.
  • Es werden die Anforderungen an die Schnittstellen beschrieben.

Der Betrachtungsbereich der DIN SPEC im Lieferprozess wird im grau schraffierten Bereich in Bild 1 dargestellt [3]. Für eine Standardisierung ist das Erstellen eines gemeinsamen Wörterbuchs unabdingbar. In diesem werden die Begriffe für alle Akteure definiert. Zudem wird eine Übersetzungstabelle für den Informationsaustausch erstellt. Diese dient der Festlegung, welche Information von welchem Akteur erstellt und an wen gesendet wird. Ziel ist es, die aktuell vorherrschende Vielfalt in der Benennung von Attributen auf ein festgelegtes Vokabular zu beschränken.

Bild 1: Übersicht relevanter Rollen und ihrer Prozesse [4]

Die DIN SPEC 91454 wurde am 29. Januar 2021 initiiert. Seitdem haben mehrere Sitzungen stattgefunden [5]. Dabei wurde auf einer der ersten Sitzungen beschlossen, dass die DIN SPEC 91454 in drei Teile aufgeteilt wird (Bild 2):
• DIN SPEC 91454-1 Informationsaustausch der Liefer- und Wertschöpfungskette von Bauprodukten – Teil 1: Allgemeine Prozessbeschreibung
• DIN SPEC 91454-2 Informationsaustausch der Liefer- und Wertschöpfungskette von Bauprodukten – Teil 2: Beton
• DIN SPEC 91454-3 Informationsaustausch der Liefer- und Wertschöpfungskette von Bauprodukten – Teil 3: Asphalt

Bild 2: Aufbau der DIN SPEC 

In einer Sitzung im Oktober 2021 wurde Teil 1 bereits verabschiedet. Dieser beschreibt grundsätzlich, wie in der Wertschöpfungskette Rollen, Aufgaben und Prozesse festgelegt, zugewiesen und definiert werden können. Dabei werden Grundlagen für die Definition notwendiger Schnittstelleninformationen geschaffen, die zwischen den Beteiligten ausgetauscht werden. Teil 2 fokussiert sich auf das Bauprodukt Beton. Daran anknüpfend wurde Teil 3 initiiert, welcher sich auf das Bauprodukt Asphalt bezieht. Es ist aktuell angedacht, Teil 2 und Teil 3 im März 2022 zusammen zu verabschieden. Die letztendliche Veröffentlichung der drei Teile ist im direkten Anschluss geplant.
Das hohe Interesse aus der Bauwirtschaft an diesem Thema bekräftigt die Relevanz der Standardisierung und Digitalisierung des Informationsaustauschs von Bauprodukten. Bereits während der Erarbeitungsphase von den ersten drei Teilen, haben sich Vertreter aus unterschiedlichen Bereichen der Bauindustrie interessiert an der Ergänzung weiterer Bauprodukte gezeigt. Es wurden daher bereits Vorkehrungen getroffen, weitere Bauprodukte (bspw. Betonstahl, Betonfertigteile) als neue Teile der DIN SPEC 91454 anzugliedern.

[1] K. Vasilic, „Digitale Lieferkette für Bauprodukte: Das Vorhaben SDaC,“ DBV-Rundschreiben, vol. 267, pp. 10-11, März 2021.
[2] „Geschäftsplan DIN SPEC 91454: Informationsaustausch der Liefer- und Wertschöpfungskette von Bauprodukten.“ https://www.din.de/de/forschung-und-innovation/din-spec/alle-geschaeftsplaene/wdc-beuth:din21:333243274 (accessed 21. Mai, 2021).
[3] K. Vasilic, S. Bilgin, and Ö. Tercan, „Digitale Lieferkette für Bauprodukte: aktuelle Aktivitäten,“ DBV-Rundschreiben, vol. 268, pp. 5-7, Juni 2021.
[4] Wolber, J., Cisterna, D., Tercan, Ö., Meyer, L., Haghsheno, S. & Sievering, C. (2021, 16. September). Konzept einer durchgängigen Informationskette mit Methoden der Künstlichen Intelligenz am Beispiel der Lieferkette von Beton (S.83–194). Weimar. 6. Internationaler BBB-Kongress. https://publikationen.bibliothek.kit.edu/1000138887
[5] Ö. Tercan, K. Vasilic, and S. Bilgin, „Digitale Lieferkette für Bauprodukte – aktuelle Aktivitäten “ DBV-Rundschreiben, vol. 270, pp. 5-7, Dezember 2021.

 

KI Anwendungen im internationalen Vergleich

KI-Anwendungen im internationalen Vergleich

Eine Analyse über Anwendungen der Künstlichen Intelligenz in der Bauwirtschaft im internationalen Vergleich

In einer Analyse zum Thema „Anwendungen der Künstlichen Intelligenz in der Bauwirtschaft im internationalen Vergleich“ wurde eine Analyse von Softwareunternehmen, die KI-Anwendungen in der Bauwirtschaft anbieten, durchgeführt. Dabei fokussiert sich die Analyse auf 116 Softwareunternehmen in Europa und Amerika (hierbei wurden Nord- und Südamerika zu Amerika zusammengefasst).

Die Analyse zeigt, dass die meisten Softwareunternehmen mit Fokus auf die Baubranche und die Anwendungen mit KI-Technologien anbieten, in den USA vorzufinden sind (siehe Abbildung 1). Während in den USA 50 Unternehmen identifiziert wurden, folgt Deutschland auf Platz 2 mit 18 Unternehmen und auf Platz 3 England mit 17 Unternehmen. Aufgrund von Sprachbarrieren wurden in der Studie wenige asiatische Unternehmen betrachtet. Da Asien aber ebenfalls eine wichtige Rolle bei KI-Technologien spielt, wird dies Gegenstand einer weiteren Studie sein, um ein vollständiges Bild zu erhalten.

Abbildung 1: Geografische Verteilung identifzierter Softwareunternehmen

Beim Vergleich der KI-Anwendungen in den Projektphasen in den zwei Kontinenten Amerika und Europa ließ sich eine identische Verteilung der Anwendungen in den Projektphasen erkennen (siehe Abbildung 2). Beim Vergleich wurde in vier Phasen unterschieden: Baurealisierung, Bauplanung, Baubetrieb und „in allen Phasen“ (Baurealisierung, Bauplanung und Baubetrieb). Die überwiegende Anzahl – mindestens die Hälfte – aller KI-Anwendungen werden sowohl in Europa als auch in Amerika in der Projektphase Baurealisierung angeboten. In der Projektphase Baubetrieb werden in beiden Kontinenten KI-Anwendungen weniger oft angeboten.

Abbildung 2: Verteilung Softwareunternehmen in Projektphasen Amerika vs. Europa

Wie auch bei der Verteilung der Softwareunternehmen in den unterschiedlichen Projektphasen, liegt auch bei der Verteilung der Softwareunternehmen in KI-Methoden in den Kontinenten Amerika und Europa eine annähernd gleiche Verteilung vor (siehe Abbildung 3). In beiden Kontinenten überwiegt die Methode „Mustererkennung in Daten“ (je 21 Anwendungen), gefolgt von der Methode „Computer Vision“. Dabei wird diese KI-Methode in Europa (17 Anwendungen) öfter angeboten als in Amerika (12 Anwendungen). Die restliche Verteilung der genutzten KI-Methoden bei den angebotenen Anwendungen ist annähernd gleich.

Abbildung 3: Verteilung Softwareunternehmen in KI-Methoden Amerika vs. Europa

Die Analyse zeigt, dass in der Bauwirtschaft bereits viele Lösungen vorhanden sind, die auf KI-Anwendungen setzen. Gemeinsam mit den Entwicklungsteams arbeiten wir im Forschungsprojekt SDaC daran, KI-Anwendungen eine Plattform zu bieten, um einen entscheidenden Beitrag zur Digitalisierung der Baubranche zu leisten.

Objekterkennung in Grundrissplänen

Objekterkennung in Grundrissplänen

Dieser Inhalt wurde auch auf der internationalen Konferenz „AI in AEC“ am 24.03.2021 von Patrick Hemmer (KSRI-KIT) präsentiert.

In den letzten Jahren sind immer mehr Unternehmen in der Architektur-, Ingenieur- und Baubranche auf das Potential von künstlicher Intelligenz (KI) zur Verbesserung von Arbeitsprozessen aufmerksam geworden. Dieser Trend wird durch verschiedene technologische Fortschritte vorangetrieben, wie z.B. die zunehmende Verbreitung von Building Information Modeling (BIM). Bislang haben jedoch nur wenige mittlere und große Unternehmen ihre Daten gewinnbringend nutzen können. Wie auch in vielen anderen Branchen sind Mitarbeiter unsicher, welche Auswirkungen KI auf ihre Arbeit haben wird und zögern daher, die anstehende Transformation zu unterstützen.

Das Konzept der „human-zentrierten künstlichen Intelligenz“ hat in den letzten Jahren sowohl in der Praxis als auch in der Wissenschaft zunehmend an Bedeutung gewonnen. Der Ansatz basiert auf der Idee, dass KI-Systeme Mitarbeiter nicht ersetzen, sondern ergänzen und befähigen sollen. Besonders im Bereich der Architektur, indem viele Arbeitsprozesse durch eine Vielzahl sich wiederholender Aufgaben gekennzeichnet sind, ist die Identifizierung und Zuweisung dieser Aufgaben an Computer ein vielversprechendes Unterfangen. Aus diesem Grund ist davon auszugehen, dass zukünftig immer mehr Systeme Anwendung in der Praxis finden werden, die auf der Kombination von menschlicher und künstlicher Intelligenz beruhen.

Der Prozess der Massenermittlung erfordert das manuelle Zählen von relevanten Bauteilen. Im Bereich des Gebäudebetriebs besteht hierbei die Herausforderung, Objekte aus Grundrissen zu identifizieren, die meist nur als gerasterte Bilder oder Ausdrucke vorliegen (siehe Abbildung 1). 

Abbildung 1: Reduzierung der manuellen Arbeit durch KI-Anwendungen

Um dieses Problem zu lösen und die Qualitätskontrolle zu fördern, erkennt das im Rahmen des Forschungsprojekts „Smart Design and Construction“ entwickelte Human-in-the-loop System für die Benutzer relevante Symbole in gescannten Grundrissen, um den Planungsprozess zu unterstützen und den Abgleich mit den Gebäudeanforderungen zu vereinfachen (siehe Abbildung 2).

Abbildung 2: Durch die Quantifizierung von Unsicherheit der Vorhersagen kann das System den Anwendern kommunizieren, welche Symbole überprüft werden müssen

Hierbei findet eine bilaterale Zusammenarbeit zwischen Nutzer und System statt. Einerseits unterstützt es seine Anwender durch relevante Empfehlungen, bietet ihnen andrerseits aber auch die Möglichkeit ihr Domänenwissen gezielt einzubringen, um so schlussendlich zu einer effizienteren und zuverlässigeren Massenermittlung beizutragen.

Neben diesem Anwendungsfall arbeiten eine Vielzahl von Entwicklungsteams im Rahmen des Forschungsprojektes an Lösungen für weitere Anwendungsfälle, um einen entscheidenden Beitrag zur Digitalisierung der Baubranche zu leisten.

Ein neues Jahr – wo geht es hin?

Ein neues Jahr – wo geht es hin?

In vielen Studien zu Künstlicher Intelligenz ist die die Bauwirtschaft nicht aufgeführt. Es stellen sich daher die Frage, wo steht KI in der Baupraxis und wann wird es standardmäßig eingesetzt?

Anwendungen der Künstliche Intelligenz (KI) haben sich in den letzten zehn Jahren zu einer transformativen Technologie entwickelt und werden daher in vielen Branchen bereits gängig eingesetzt (siehe Abbildung 1): Vorne mit dabei ist das produzierende Gewerbe, das Finanz- und Bildungswesen sowie der Vertrieb. (Deloitte Research 2019)

Abbildung 1: Anwendung von KI in verschiedenen Branchen (Quelle: Deloitte Research 2019)

Da die Bauwirtschaft in der Abbildung nicht aufgeführt ist, stellt sich die Frage: Wo in der Abbildung würde man die Bauwirtschaft einordnen?

Betrachtet man die vier Quadranten in der Abbildung „Transition“, „Developed“, „Germination“ und „Growth“, wäre die Bauwirtschaft nach unserer Meinung in den Startlöchern (Germination) verortet.

Erste Anwendungen existieren als Insellösungen. An einer Umfrage am dritten Roundtable von SDaC am 13.01.2021 nahmen 197 Personen an einer Umfrage teil (siehe Abbildung 2). Davon sind 48% der Meinung, dass in weniger als 5 Jahren KI-Anwendungen in der Baupraxis standardmäßig eingesetzt werden. Folglich werden in den kommenden Jahren immer mehr KI-Anwendungen in Bauprojekten pilotiert und in der Breite angewendet.

Abbildung 2: Ergebnisse der Umfrage im dritten SDaC RoundTable zum Einsatz von KI in der Baupraxis (Quelle: SDaC)

Um hier hinzukommen, schlägt Reim et. al (2020) vier Schritte zur Implementierung von KI-Anwendungen im eigenen Unternehmen vor:

  • Schaffen eines Verständnisses zu Potenzialen und Herausforderungen von KI im Unternehmen.
  • Diskussion zur Veränderung von bestehenden Geschäftsmodellen und seinen Rollen.
  • Abgleich der IT-Strategien mit den Geschäftsmodellstrategien, mit dem Ziel neue Kompetenzen, Angebote und Kundensegmente zu fördern.
  • Akzeptanz der Organisation durch Pilotprojekte, die Bildung von KI-Teams, Schulungen zum Thema KI, die Entwicklung einer entsprechenden Strategie sowie internen und externen Gemeinschaften zur weiteren Entwicklung.

Um die Erwartungen aus Abbildung 2 zu treffen, entsteht ein erhöhter Handlungsbedarf in Bauunternehmen zur Schaffung eines Verständnisses mit Schulungen und Trainings sowie der Transformation bestehender Strukturen. 

Wo sehen Sie Unterstützungsbedarf durch beispielsweise Forschung, Politik oder Beratungen? Treten Sie gerne mit uns in Kontakt.

Das sind unsere Ziele im Jahr 2021:

  • Die Hauptfunktionalitäten der Plattform werden technisch realisiert.
  • Erste technische Prototypen für die Anwendungen werden auf Basis der im Konsortium bereitgestellten Daten fertigstellt.
  • Am 23.-25.04.2021 findet unser erster SDaC-Hackathon statt. Informationen folgen hierzu noch auf unserer Homepage unter: https://www.sdac.tech/hackathon. Damit ist es unser Ziel Innovationen für die Bauwirtschaft zu fördern.
  • Wir initiieren eine DIN Spec für den Informationsaustausch der Liefer- und Wertschöpfungskette von Bauprodukten.

Quellen:

Reim, Wiebke; Åström, Josef; Eriksson, Oliver (2020). Implementation of Artificial Intelligence (AI): A Roadmap for Business Model Innovation. AI 1, no. 2: 180-191. https://doi.org/10.3390/ai1020011

Deloitte (2019). Global artificial intelligence industry whitepaper. https://www2.deloitte.com/cn/en/pages/technology-media-and-telecommunications/articles/global-ai-development-white-paper.html

Ein Leitfaden für die Digitalisierung im Bauwesen

Ein Leitfaden für die Digitalisierung im Bauwesen

Welche Potentiale resultieren aus einer Digitalisierung? Wie sehen diese Potentiale aus, wenn mehrere Organisationen am gleichen Ergebnis arbeiten? Welche Maßnahmen müssen zur schrittweisen Umsetzung gemacht werden?

Digitale Bau-Netzwerke

In einer Analyse zum Thema „Digitale Bau-Netzwerke – eine empirische Analyse der Wareneingangskontrolle auf Baustellen“ wurde eine empirische Untersuchung durchgeführt.

Einzelne wissenschaftliche Quellen analysieren bereits, welche Verbesserungen und Herausforderungen allgemein durch eine Digitalisierung herbeigeführt werden können (vgl. Telekom 2019/2020). Wie sich diese konkret implementierbar lassen, wurde allerdings bisher unzureichend wissenschaftlich analysiert. Vor allem wenn – wie in er Bauwirtschaft – eine Vielzahl an Projektbeteiligten involviert sind.

Im konkreten Beispiel – dem Ablauf einer Betonlieferung von Bestellung bis Abrechnung – bedeutet dies beispielsweise, dass zeitlich betrachtet lediglich 33,33% der Prozessschritte auf der Baustelle wertschöpfende Prozesse sind. Die restlichen 66,66% entfallen auf nicht wertschöpfende, aber dennoch notwendige Tätigkeiten. Die Verschwendungen ist dabei hervorgerufen durch Medienbrüche und die damit verbundenen manuellen Aufbereitungsaufwände.

Aus den in der Analyse identifizierten Potentialen lassen sich Digitalisierungsmaßnahmen ableiten. Die Digitalisierung der Daten und ihrer Schnittstellen führt unmittelbar zu einer verbesserten Wertschöpfung entlang der Prozessketten und damit für das gesamte beteiligte Bau-Netzwerk. Als Ergebnis wurde ein Leitfaden entwickelt, der mittels eines schrittweise aufgebauten Maßnahmenplans die Umsetzung hin zur digitalisierten Wareneingangskontrolle vereinfachen soll. Bei Interesse an den vollständigen Ergebnissen melden Sie sich gerne bei uns.

Telekom. 2019/2020. „Digitalisierungsindex Mittelstand: Der digitale Status Quo im Deutschen Baugewerbe.“

Mensch und Maschine

Warum Mensch und Maschine in der Bauwirtschaft zusammenarbeiten sollten.

Einblicke in unsere Forschung.

Planungsfehlschlüsse als Motivation.

Der Bau des neuen Berliner Flughafens (BER) und viele andere prestigeträchtige Bauprojekte (z.B. der Bau des Eurotunnels oder des Sydney Opera House (Hall 1982)) zeigen, dass Planungsfehlschlüsse von Menschen oft zu Verzögerungen in Bauprojekten führen. Planungsfehlschlüsse wurden wissenschaftlich zuerst von Kahneman und Tversky (1977) beschrieben. Sie zeigen, dass Menschen bei der Planung von Projekten tendenziell die Zeit unterschätzen, welche benötigt wird um das Projekt erfolgreich abzuschließen. Die Folge dieser Fehlschlüsse sind in der Regel erhöhte Kosten, längere Projektdurchlaufzeiten und eine verminderte Qualität.

Oft sind diese Fehleinschätzungen jedoch nicht der mangelhaften Expertise von Verantwortlichen zuzuschreiben. Vielmehr wirken systemische Ursachen: Durch die stark fragmentierte Bauwirtschaft, die steigende Komplexität der Bauvorhaben und ihre zeitliche Begrenztheit entstehen Wissens- und Schnittstellenverluste. Einen analytischen Überblick über das Projekt, ohne Bias durch vorherige Projekte, bei sich ständig ändernden Parametern zu behalten, stellt eine enorme Herausforderung für Führungskräfte dar. Hieraus folgen häufig eine schlechte Führung und schlechte Entscheidungen (Bent Flyvbjerg 2020), die in den Planungsfehlschlüssen münden. Nach Kahneman und Tversky (1977) ist ein Stellhebel um diesem Problem entgegenzuwirken, die Ermöglichung eines Zugriff auf verteilte Informationen aus einer Vielzahl an Projekten. 

Durch die Komplexität von Bauprojekten können viele Faktoren auf Entscheidungen wirken, die als Informationen in einem Projekt zu dokumentieren sind. So zeigen Fallbeispiele in der Prognose der Projektdauer auf, dass einfache Modelle, wie das Bromilowsche-Modell von 1980, nicht in der Baupraxis anwendbar sind (Magnussen 2006, Flyvbjerg 2002). 

Weitere Forschungsarbeiten legen dar, dass Methoden der Künstlichen Intelligenz bessere Prognosen treffen, da eine Vielzahl an Faktoren aus einer Vielzahl von Projekten maschinell ausgewertet werden kann (z.B. Petruseva 2012, Dissanayaka 1999, Wei 2006). In diesen Arbeiten wurden vor allem Künstliche Neuronale Netze (KNN) angewendet. KNNs agieren nach dem „black box“-Ansatz. Sie sind nicht „inherent“ für den Menschen verständlich wie z.B. ein Entscheidungsbaum. Offene, transparente „glas box“-Ansätze sind zur nachvollziehbaren Entscheidungsfindung erforderlich.

Mensch und Maschine - wie gut sind beide im Vergleich?

Um zu vergleichen wie gut Mensch und Maschine Entscheidungen treffen, wurden anhand eines Datensatz verschiedene KI-Modelle trainiert. Der Datensatz enthält 225 Projekte mit fünf beschreibenden Merkmalen im Bereich des Hochbaus sowie des Infrastrukturbaus (d.h. Straßen-, Brücken- sowie der Kanalisationsbau) in New York. Es wurden verschiedene Entscheidungsbäume (z.B. Random Forest, GBT, catboost) trainiert, um auf die Dauer von Bauprojekten vorherzusagen und das Trainingsmodell anschließend an einem unbekannten Testdatensatz zu evaluieren. Die Vorhersagen der KI-Modelle wurden anschließend mit der vom Menschen prognostizierten Dauer verglichen. Die folgende Abbildung zeigt den Vergleich. Zu erkennen ist, dass der Mensch bei den meisten Projekten mit seiner Prognose näher an der realisierten Dauer lag als die Maschine (Anzahl der Fälle). 

 

Der Vergleich zwischen Mensch und Maschine bei Entscheidungen in der strategischen Phase in einem Bauprojekt unter einer hohen Unsicherheit zeigt die Vorteile einer datengetriebenen Analyse distributiver Informationen auf: Es kann mit distributive Informationen umgegangen und Wirkungsmechanismen können zur Entscheidungsfindung transparent und objektiv aufgezeigt werden. Mit der Hinzunahme weiterer Merkmale und einer größeren Projektdatenbank können die Ergebnisse weiter verbessert werden. Auch kann vermutet werden, dass mit einer Abnahme der Unsicherheit und der Zunahme an Informationen innerhalb des Projektes bessere Ergebnisse durch die Maschine produziert werden können.

Da der Mensch als letzter Entscheidungsträger eintritt und die Dauer eines Bauprojektes auch durch zahlreiche weiche (d.h. nicht quantifizierbare) Faktoren bestimmt wird, bleibt der Mensch bei relevanten Entscheidung weiterhin essentiell. Eine Zusammenarbeit von Mensch und Maschine scheint daher zukünftig sehr sinnvoll

Wäre die Planung des Berliner Flughafens BER durch KI-Modelle besser gewesen?

Erklärbare KI-Modelle können bei der Planung und Realisierung von Bauprojekten unterstützen, da sie eine Vielzahl an Parametern aus einer Vielzahl an Projekten objektiv auswerten können. Risiken können so schnell und transparent analysiert werden. 

Da Modelle auf Basis des jeweiligen Datensatzes trainiert werden und bisher weltweit keine Datenbank mit tausend dokumentierten Flughafenprojekten existiert, kann kein spezifisches Flughafen-Bauprojekt-Modell trainiert werden. So sind in der Forschung folgende zwei Fragen zu stellen:

1. Inwieweit können identifizierte Wirkungszusammenhänge auf Projekte einer andere Kategorie, eines anderen Standortes oder einer anderen Größe übertragen werden können?

2. Wie wirken weiche Faktoren in das Training von KI-Modelle ein? Beispielhaft können hier Vertrauen, Akzeptanz oder die Kollaboration der Projektbeteiligten genannt werden. 

Auch in anderen Bereichen sind Fehlplanungen zu finden.

Fehlplanungen sind nicht nur bei der Prognose der Dauer von Großbauprojekten zu finden. Auch in anderen Projektphasen sind die Aufgaben weiterhin sehr komplex: Werden in der Bauwerksplanung einzelne Objekte geplant, so kann es zu einer fehlenden Einplanung oder fehlerhaften Anordnung kommen. Die Vertragsgestaltung kann durch die Definition des Leistungsverzeichnisses falsch interpretierbare oder fehlende Passagen enthalten. Oder bei der Aufnahme des Baufortschritts können einzelne Elemente vergessen werden. 

Die maschinelle Analyse und der Vergleich von einer Vielzahl an Projekten sowie Abschnitten innerhalb des Projektes kann dabei helfen, diese Planungsfehlschlüsse zu reduzieren. KI-Modelle können hier den Menschen unterstützen, Suchzeiten reduzieren und Auswertungen verbessern. Entscheidungen sowie die Führung von Bauprojekten kann schlussendlich verbessert werden. 

Bei Fragen und Interesse an den oben genannten Inhalten können Sie sich gerne an svenja.oprach@kit.edu wenden. Die Ergebnisse sind einen Teil einer Doktorarbeit am Institut für Technologie und Management im Baubetrieb.

1. Netzwerktreffen

1. Netzwerktreffen von SDaC

am 08.10. und 09.10.2020.

Das zweitätige Netzwerktreffen, aufgeteilt in ein Konsortialtreffen und ein Treffen mit unseren assoziierten Partnern, diente dem Austausch und der Diskussion unserer Demonstratoren.

„Wir haben mitten im Lockdown das Projekt begonnen, weshalb es besonders schön ist zu sehen, was das Team des Karlsruher Institut für Technologie (KIT) mit den Konsortialpartnern innerhalb eines halben Jahres auf die Beine gestellt hat.“ so Prof. Dr. Shervin Haghsheno vom KIT, welcher die Wissenschaftliche Leitung inne hat. Besonders stolz sei er, dass trotz der Größe des Projekts schnell ein Teamgefühl vorhanden war. „Ich freue mich, dass alle Partner mit hoher Motivation an dem Projekt mitarbeiten. Das ist insbesondere auch der Projektleitung zu verdanken, da diese sehr viel Gewicht auf Teamarbeit legt, sowohl auf menschlicher als auch organisatorischer Ebene.“

Das 1. Netzwerktreffen diente dazu, den assoziierten Partnern den aktuellen Stand des Forschungsprojektes vorzustellen und die einzelnen Anwendungsfälle zu diskutieren. Roland Sitzberger, Partner bei Porsche Consulting Construction & Infrastructure, war als assoziierter Partner eingeladen und freute sich zu erfahren, was bisher gelaufen ist. „Den Austausch mit den verschiedenen involvierten Parteien inklusive ihrer unterschiedlichen Wünsche, Anregungen und Herkünften sehe ich als sehr wertvoll an. Das wird uns schneller vorwärtsbringen, als wenn wir nur die einzelnen Silos betrachten“ so Sitzberger.

Auch Eric Giese, CTO digitales bauen GmbH und Konsortialpartner, blickt zufrieden auf den Fortschritt von SDaC. „Das Schöne an dem Projekt ist, dass alle Player der Baubranche vertreten sind und wir diese in die Forschung involvieren können. Außerdem können wir uns so relativ früh um die Geschäftsmodelle kümmern, weshalb wir einen Vorteil gegenüber anderen Forschungsprojekten haben. Und heute haben wir wichtiges Feedback erhalten, um zu erfahren, ob wir auf dem richtigen Weg sind.“ 

Nach dem Treffen geht es nun darum, das nächste größere Ziel zu erreichen. „Jetzt wollen wir die Phase des Verstehens der Bedürfnisse im Hinblick auf unsere Anwendungsfälle abschließen. Wir wollen konkret wissen, welche Bedürfnisse der Anwender hat, um dann zu Beginn 2021 in die Entwicklung der Prototypen gehen zu können“ sagt Prof. Dr. Shervin Haghsheno.

KI & Drohnen in der Baurealisierung

KI und Drohnen in der Baurealisierung

Photogrammetrie durch Drohnen zur Erstellung intelligenter 3D-Modelle

Einsatz von Drohnen auf Baustellen zur Baufortschrittsdokumentation, Vermessung, Kartierung und Einsicht von schwer erreichbaren Stellen

Getrieben durch die rasante Verbreitung von Smartphone Technologie in den letzten Jahren, hat sich auch die Drohnentechnologie drastisch weiterentwickelt. Eine Vielzahl der Komponenten und Sensoren von Smartphone wie z.B. Gyroskop, Lithium-Ionen Akku, Kamerasensoren uvm. findet ebenfalls Verwendung in handelsüblichen Drohnen bzw. Multicoptern, wie sie auch genannt werden.

Die vorhandene Drohnentechnologie ist bereits so weit, dass sie mit kleineren Anpassungen an der Software für den Einsatz auf Baustellen gut geeignet ist. Möglichkeiten für den Einsatz von Drohnen auf Baustellen sind u.a. Baufortschrittsdokumentation, Vermessung und Kartierung, Einsicht von schwer erreichbaren Stellen.

Die Herausforderungen im Einsatz von Drohnen bestehen darin, die passenden Systeme aus Drohnen Hardware, -Software und Datenanylse Tools für den entsprechenden Anwendungsfall auszuwählen. Künstliche Intelligenz spielt hierbei eine entscheidende Rolle um aus den oftmals riesigen Datenmengen die richtigen Rückschlüsse ziehen zu können.

KI zur Umwandlung von Bilddaten in intelligente 3D-Modelle

Ein Beispiel bei der künstliche Intelligenz bereits heute auf der Baustelle zum Einsatz kommt, ist die digitale Erstellung von Dach- und Fassadenvermessungen. Hier hilft die KI um aus Bilddaten, intelligente 3D Modelle zu erstellen, die standardisiert vermessen werden können. Wie das funktioniert ist in den folgenden drei Schritten zu sehen:

  1. Vor Ort werden mit einer Drohne Bilder des Gebäudes erfasst:
2. Durch Unterstützung von Photogrammetrie-Algorithmik ein 3D Modell erstellt:
3. Mit hilfe von Edge Detection und einer semantischen Analyse ein intelligentes 3D CAD Modell erstellt:

Auf Basis des 3D CAD Models können Aufmaße erstellt werden, bauartbedingte Veränderungen vorgenommen werden, Soll-Ist Vergleiche erstellt werden uvm. Das intelligente 3D Modell bietet die Grundlage für alle Projektbeteiligten sich auf einheitlicher Datenbasis über das Vorhaben auszutauschen.

Durch die geeignete Kombination von Drohnen und moderner KI-Methoden können die Mitarbeitenden auf der Baustelle unterstützt, Prozesse beschleunigt und die Risiken auf der Baustelle reduziert werden.

Im Rahmen von Smart Design und Construction arbeitet das Projektteam daran eine Vielzahl von weiteren Anwendungsfällen die sich aus der Kombination von KI & Drohnen ergibt, für die Bauunternehmen zu erschließen.

KI in der Bauausführungsplanung

KI in der Bauausführungsplanung

... erste Schritte zur Analyse der Inhalte mithilfe von KI.

Unsere Anwendungsfäll in der Bauausführungsplanung

In der Bauausführungsplanung beschäftigen wir uns mit folgenden drei Anwendungsfällen: 

1. Der Überprüfung von Leistungsverzeichnissen: In diesem Anwendungsfall soll für den Auftraggeber das aktuelle Leistungsverzeichnis auf Vollständigkeit überprüft werden, um so eventuelle Nachträge vorherzusagen. Das Ziel ist die Kostenstabilität zu unterstützen und lästige Prüfarbeiten zu reduzieren. 

2. Der Vorhersage von Terminen: Hier sollen auf Basis identifizierter Prozessreihenfolgen und deren Dauern Optionen für Terminpläne erstellt werden. Ziel ist eine einfache Erstellung des Terminplans, der auf Erfahrungswerten aufbaut und damit eine Zeitstabilität gewährleistet. 

3. Der Vorhersage von Mängeln: Dieser Anwendungsfall beinhaltet die Vorhersage von Mängeln vor Start der Bauausführung. Ziel ist damit die Erreichung einer frühen Qualitätsstabilität.

In allen drei Anwendungsfällen dokumentiert jede Baustelle – sogar jeder Projektebetiligter – über Freitexte Informationen unterscheidlich. Beispielsweise werden bei der Aufnahme von Mängeln üblicherweise ein Mangeltitel und eine Mangelbeschreibung dokumentiert. Eine direkte vergleichbarkeit der Inhalte ist damit nicht möglich. Und eine Aufbereitung der Daten mit intelligenten Methoden wird benötigt.

Künstliche Intelligenz zur Textaufbereitung

Am Beispiel der Mängelprädiktion wird ein mögliches Vorgehen zur Aufbereitung der Informationen im Folgenden erklärt:

Da es keine standardisierte Formulierung für Mängel gibt, benennen beispielsweise verschiedene Bauleiter denselben Mangel unterschiedlich. Eine Auswertung ist somit unmöglich.  

Hier kommen Word Embeddings ins Spiel. Wörter werden bei diesen Verfahren über Vektoren dargestellt. Eine der bekanntesten Methoden ist word2vec. Durch die Vektorrepräsentation können mathematische Operationen mit Wörtern durchgeführt werden. So können Abstände berechnet werden und ähnliche Formulierungen erkannt werden. Mit diesen Embeddings können bei Natural Language Processing (NLP) Aufgaben, wie z.B. Syntactic Parsing oder Sentiment Analysis, sehr gute Leistungen erzielt werden.  

Mit dieser Methode erreichen wir den ersten wichtigen Meilenstein bei der Freitext-Analyse. Einzelne Wörter werden klassifiziert und Ähnlichkeiten werden gefunden. Eine Auswertung der Mangeldaten wird somit möglich gemacht.  

Normal 0 21 false false false DE DE AR-SA /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Normale Tabelle"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin-top:0cm; mso-para-margin-right:0cm; mso-para-margin-bottom:8.0pt; mso-para-margin-left:0cm; line-height:107%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:Arial; mso-bidi-theme-font:minor-bidi; mso-fareast-language:EN-US;} Die Anwendung von word2vec auf einen Datensatz zur Mängelprädiktion

Doch nicht nur bei diesem Anwendungsfall helfen uns Word Embeddings: Auch bei Terminplänen und Nachträgen finden sich fast ausnahmslos Freitextfelder. Mit unseren bauspezifischen Wortvektoren können auch diese von der Maschine verstanden werden.

Hier findet Ihr die drei Anwendungsfälle nochmal zusammengefasst:

Herausforderungen und Potentiale von KI für die Bauwirtschaft – Ergebnisse eines SDaC Roundtables

Herausforderungen und Potentiale

... von Künstlicher Intelligenz für die Bauwirtschaft - Ergebnisse des Roundtables am 19.06.2020

Am 19.06.2020 fand der erste digitale Roundtable von SDaC unter dem Titel „Künstliche Intelligenz für die Bauwirtschaft – Potentiale und Herausforderungen“ im Rahmen des Digitaltags 2020 der EU (www.digitaltag.eu) statt. Die Veranstaltung wurde durch das CyberForum e.V. organisiert, von Dominik Steuer (Prokurist von SteuerTiefbau GmbH) und Svenja Oprach (Projektleiterin von SDaC) moderiert. 

Insgesamt nahmen 24 Personen aus der Bauwirtschaft (75% der Teilnehmer) und anderen Ökosystem (25% der Teilnehmer) teil. 

In Kurzumfragen wurde ein gemeinsames Bild der Herausforderungen und Potentialen von KI für die Bauwirtschaft abgeleitet. Die Ergebnisse werden im Folgenden dargestellt (eine Mehrfachauswahl war möglich):

Normal 0 21 false false false DE DE AR-SA /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Normale Tabelle"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin-top:0cm; mso-para-margin-right:0cm; mso-para-margin-bottom:8.0pt; mso-para-margin-left:0cm; line-height:107%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:Arial; mso-bidi-theme-font:minor-bidi; mso-fareast-language:EN-US;} Was sind Ihrer Meinung nach die größten Hemmnisse einer erfolgreichen Digitalisierung der Bauwirtschaft? (n = 21)

Als die drei größten Herausforderungen nannten die Teilnehmer unklare Schnittstellen (76%), zu geringe IT-Kenntnisse bei Fachpersonal (67%) und die Qualität der digitalisierten Daten (62%). Für eine erfolgreiche Digitalisierung der sind daher die Aufbereitung von Daten, eine verlustfreie Übertragung von Informationen über Systemgrenzen hinweg sowie intuitive Anwendungen für Jedermann notwendig. 

Dies bestätigt das Konzept von SDaC: Heterogene Daten werden aufbereitet und über Schnittstellen auf SDaC miteinander verknüpft. Auf dieser Grundlage können humanzentrische, intuitive Anwendungen konzipiert werden. 

Normal 0 21 false false false DE DE AR-SA /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Normale Tabelle"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin-top:0cm; mso-para-margin-right:0cm; mso-para-margin-bottom:8.0pt; mso-para-margin-left:0cm; line-height:107%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:Arial; mso-bidi-theme-font:minor-bidi; mso-fareast-language:EN-US;} Das SDaC-Konzept von heterogenen Daten zu intuitiven Anwendungen

Normal 0 21 false false false DE DE AR-SA /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Normale Tabelle"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin-top:0cm; mso-para-margin-right:0cm; mso-para-margin-bottom:8.0pt; mso-para-margin-left:0cm; line-height:107%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:Arial; mso-bidi-theme-font:minor-bidi; mso-fareast-language:EN-US;} Welche Erwartungen haben Sie bei der Implementierung von KI in der Bauwirtschaft? (n = 21)

Damit können laut den Teilnehmern, vorallem repetitive Prozesse unterstützt werden (95%). Als Beispiel kann hier der Anwendungsfall „Objekterkennung in der Bauwerksplanung“ genannt werden: Sucht ein Planer oder Bauleiter in Plänen einzelne Elemente des gleichen Typs, kann eine trainierte KI eine erste Liste aller Elemente in einem Bruchteil der Zeit und in Echtzeit wiedergeben. Als Folge können kreative Tätigkeiten erweitert (62%) und die Komplexität (67%) reduziert werden. Das Intensivieren von Kundenbeziehungen, wie zwischen einem Bauunternehmen und Bauherren, wurde primär nicht als Erwartung gesehen. Weiter wurden in einer offenen Diskussion folgende Erwartungen genannt: Die Reduktion von Fehlern und die Etablierung neuer Geschäftsmodelle.

Normal 0 21 false false false DE DE AR-SA /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Normale Tabelle"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin-top:0cm; mso-para-margin-right:0cm; mso-para-margin-bottom:8.0pt; mso-para-margin-left:0cm; line-height:107%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:Arial; mso-bidi-theme-font:minor-bidi; mso-fareast-language:EN-US;} Welche Risiken sehen Sie bei der Implementierung von KI in der Baubranche? (n = 20)

Als Risiken sahen die Beteiligten die Marktdominanz durch die Verfügbarkeit großer Datenmengen bei großen Bauunternehmen (70%). Um die gesamte Bauwirtschaft nachhaltig im Rahmen einer KI-Strategie zu entwickeln, muss hierbei ein besonderer Fokus auf KMUs gelegt werden. In Deutschland sind 99% der Unternehmen KMUs. Neue Forschungsansätze, wie Machine Transfer Learning, können eine Möglichkeit darstellen, wie Metadaten über eine Plattform ausgetauscht werden, ohne dabei die Rohdaten freizugeben. 

Als ein weiteres wesentliches Risiko wurden potentielle Falschdeutungen (60%) gesehen. Nicht fundierte und fehlerhafte Entscheidungen auf Basis einer KI-Anwendung können hohe Folgekosten, Konflikte und Qualitätsdefizite mit sich ziehen.

Ist in diesem Fall das Bauunternehmen als Nutzer, der Datenlieferant oder der Anbieter der KI-Anwendung schuldig? Mit erklärbaren KI-Methoden soll der SDaC-User in den Entscheidungsprozess einbezogen werden, denn nur er kann die finale Entscheidung treffen und ist damit auch für diese verantwortlich. 

Als weitere Risiken können der „War of Data“ (Wer hat die besseren Daten?) und dem notwendigen Knowhow-Aufbau in der Bauwirtschaft genannt werden.

Aufgrund des positiven Feedbacks sind weitere digitale Roundtables in Planung. 

Nehmen Sie am 18.September von 10:30-12:00Uhr an unserem nächsten Roundtable teil. Thema ist die erfolgreiche Kollaboration von Mensch und Maschine. Unter folgendem Link können Sie sich hierzu registrieren: https://register.gotowebinar.com/register/2076799752368934671