Maschinelles Lernen im Bauwesen – Lösungen für den Mittelstand


Intelligentere Entscheidungen treffen, komplexe Datenbestände in wertvolle Informationen umwandeln, und dabei auch noch stetig besser werden – all dies macht maschinelles Lernen möglich. Im Bauwesen reicht die Palette der möglichen Einsatzbereiche über die gesamte Wertschöpfungskette einer Immobilie. Das Kompetenzzentrum Planen und Bauen gibt in Umsetzungsprojekten einen Einblick in die Beispiele der Bestandsaufnahme über die Überprüfung des Baufortschritts bis zur zerstörungsfreien Prüfung von Bauteilen.

Maschinelles Lernen ist eine fundamentale Methode im Umfeld der künstlichen Intelligenz (KI). Sie wird eingesetzt, wenn aus bestehenden Datensätzen Merkmale und Besonderheiten abzuleiten sind, um damit Vorhersagen zu anstehenden bzw. zukünftigen Prozessen zu treffen.  

Einsatzmöglichkeiten

Im Bauwesen lässt sich diese technologische Lösung auf vielfältige Einsatzmöglichkeiten anwenden, z. B. für die Bestandsaufnahme von Gebäuden. Vor diesem Hintergrund hat etwa die Jade Hochschule am Standort Oldenburg einen bestehenden Algorithmus auf einen Bestandsdatensatz angewendet, um das Potenzial aufzuzeigen, das durch Anwendung einer KI als assistive Technologie entsteht „Wir zeigen kleinen und mittelständischen Unternehmen, wie man Informationen aus einem Bilddatensatz eines Bestandsmodelles extrahieren kann. Beispielsweise kann man mit Hilfe von Objekterkennung interessante Punkte oder Anomalien ableiten bzw. kennzeichnen. Moderne Bauzustandserkennung oder Fertigstellungsmeldung mittels Roboter oder Drohnen erfolgt zum Beispiel mit Unterstützung dieser Methode“, erklärt Christian Kreyenschmidt, wissenschaftlicher Mitarbeiter am Institut für Datenbankorientiertes Konstruieren der Jade Hochschule

Einfachere Baustellen dank Objekterfassung

Auf dieser Basis lassen sich Immobilien- bzw. Objektbestände leichter erfassen und beispielsweise an schwer zugänglichen Stellen deutlich einfacher warten. Dies gilt etwa für Brücken und Windkraftanlagen, bei den Schäden oder Anomalien mit dieser Methode direkt vor Ort identifiziert und lokalisiert werden können. Die Inspektion erfolgt wie oben bereits erwähnt über teilweise autonome Roboter oder Drohnen. Werden diese durch Baustellen gesteuert oder über Gebäude hinweg gelenkt, lässt sich überprüfen, ob das, was bereits errichtet wurde, mit dem tatsächlichen Soll übereinstimmt oder ob die Planung korrekt umgesetzt ist. Dies erfolgt in Rückkopplung mit den bestehenden Gebäudedatenmodell.

Forschungsvorhaben rings um das Thema Brandschutz

Ein aktuelles Forschungsvorhaben an der Ruhr-Universität Bochum (RUB), am Lehrstuhl für Informatik im Bauwesen, nutzt so genannte „Deep Learning Algorithmen”, um Anlagen rings um das Thema Brandschutz in Bildern zu erkennen. Dazu gehören Feuerlöscher ebenso wie Rauchwarnmelder und Löschdecken. Deep Learning Algorithmen stellen in den meisten Fällen neuronale Netze dar, die viele Schichten aus linearen und nichtliniearen Verarbeitungseinheiten miteinander kombinieren. Diese Tiefe wird mit dem Ausdruck „deep“ dokumentiert. „Damit kann beispielsweise festgestellt werden, wo Feuerlöscher in einem Gebäude hängen oder ob sie wirklich dort hängen, wo sie sein sollten, sodass der Brandschutzbeauftragte durch diese Lösung bestmögliche Unterstützung bei seiner Tätigkeit erfährt. Ziel ist es, diese Technologie weiterzuentwickeln, um beispielsweise die Prüfplaketten eines Feuerlöschers auf dieser Basis auszuwerten und zu dokumentieren“, erläutert Angelina Aziz, wissenschaftliche Mitarbeiterin der RUB. Gleichzeitig sollen die erkannten Brandschutzanlagen und deren extrahierten Informationen in ein aktuelles BIM-Modell überführt und verortet werden. Auch diese Anwendung ist ein Beispiel dafür, wie maschinelles Lernen den Alltag im Bauwesen bzw. in der Immobilienbewirtschaftung vereinfachen kann. 


27.10.2022