_Integrales Planen

Spätestens seit der Veröffentlichung von ChatGPT ist Künstliche Intelligenz nicht mehr nur ein Thema für IT-Expert*innen und Science-Fiction-Fans. Zahlreiche KI-Lösungen kommen weitreichend etwa bei der Bildersuche, Texterkennung und Sprachübersetzung zum Einsatz und erleichtern unseren (Arbeits-)Alltag – schon heute und oft unbewusst. 

Der Begriff und erste KI-Systeme wurden bereits in den 1950er- und 19060er Jahren geprägt und entwickelt. Die Technologie aus dem Bereich der Informatik ermöglicht es Computern und Maschinen, menschliche kognitive Fähigkeiten nachzuahmen. Dazu gehören das Erkennen von Mustern, das Lösen von Problemen, das Erklären, das Lernen aus Bildern und das Verstehen von Sprache. Dafür ist eine umfängliche Datengrundlage notwendig, aus denen die KI-Anwendungen ihre Informationen ziehen und diese Fähigkeiten erlernen können. Maschinelles Lernen und Deep Learning werden oft im Zusammenhang mit Künstlicher Intelligenz genannt – die Teilbereiche von KI darstellen: Maschinelles Lernen bezweckt die automatische Generierung von Wissen auf Basis von Erfahrungswerten, ohne explizit dafür programmiert zu werden. 

Algorithmen als Basis 

Allen Ansätzen gemein sind sogenannte Algorithmen – komplexe Regelwerke oder Berechnungsvorschriften zur Lösung einer spezifischen Aufgabe. Algorithmen verarbeiten vorliegende Daten, sogenannte Eingabedaten, mithilfe von mathematischen Methoden oder Verfahren. Dadurch können Muster erkannt und Entscheidungen getroffen werden. Diese Algorithmen sind in der Lage aus den verfügbaren Daten (Trainingsdaten) zu lernen; sie entwickeln also unterschiedliche Fähigkeiten, je nachdem auf welche Aufgabe und mit welchen Daten sie trainiert werden. Je mehr Daten sie erhalten, desto genauer und zuverlässiger werden die Klassifizierungen oder Vorhersagen.

In Fachkreisen wird zwischen Schwacher KI und Starker KI unterschieden: Während alle heute gängigen KI-Modelle Beispiele Schwacher KI sind, bezieht sich die Starke KI auf einen theoretischen Ansatz, bei dem die Maschine über eine dem Menschen vergleichbare Intelligenz verfügen würde – mit eigenem Bewusstsein und Antrieb. Bisher fehlt es an praktischen, funktionsfähigen Beispielen. Die Forschung in diesem Bereich schreitet aber stetig voran.

Teilbereiche Künstlicher Intelligenz

Zum großen Feld Künstlicher Intelligenz gehören verschiedene Teilbereiche. Oft genannt sind Deep Learning und Maschinelles Lernen. Letzteres bezweckt etwa die automatische Generierung von Wissen auf Basis von Erfahrungswerten, ohne explizit für eine Aufgabe programmiert worden zu sein. Für komplexe Aufgaben ist der Einsatz Künstlicher Neuronaler Netze sinnvoll. Sie sind vom menschlichen Gehirn inspiriert und bestehen aus zahlreichen Knoten (künstlichen Neuronen), die in Eingabe-, Verarbeitungs- und Ausgabeschichten angeordnet sind. Zweck der Netze ist die Informationsverarbeitung: Jedes Neuron empfängt und abstrahiert Informationen und leitet das Ergebnis an andere Neutronen weiter, bis ein bestimmtes Ziel erreicht ist. Künstliche Neuronale Netze werden in Techniken wie Deep Learning (Tiefes Lernen) eingesetzt, um komplexe Aufgaben wie etwa Mustererkennung zu bewältigen. 

Computer Vision bildet ein weiteres Teilgebiet der Künstlichen Intelligenz und ist auf das Verarbeiten und Interpretieren von rein visuellen Informationen und Daten (Bilder und Videos) ausgelegt. In der Praxis kommt diese Technologie zur Bild- und Objekterkennung sowie zur Gesichtserkennung, in der medizinischen Bildverarbeitung oder in autonom fahrenden Fahrzeugen zum Einsatz. 

KI im Bauwesen

Building Information Modeling begünstigt eine lebenszyklusorientierte Planung und bildet die Grundlage für einen rundum digitalen Planungsprozess. Daten und Informationen werden bei der Planungsmethode frühzeitig digital zusammengetragen und verarbeitet. Diese meist unstrukturierten Datenmengen zu bewältigen, ist ohne unterstützende Technologie je nach Umfang eine Mammutaufgabe. KI-basierte Anwendungen können diese Datenmassen strukturieren und für die Nutzer*innen einfacher lesbar machen. Außerdem können Informationen aus bereits abgeschlossenen Projekten als Trainingsdaten für KI-Systeme dienen, die dadurch bereits für spätere Projekte vorbereitet sind.

Einsatzbereiche im Bau- und Planungsprozess

Bereits vor der eigentlichen Entwurfsphase bieten digitale Tools und mit ihnen verbunden KI-Anwendungen hilfreiche Unterstützung, etwa bei der Ermittlung des Entwicklungspotenzials von möglichen Baugrundstücken. Dabei können öffentlich zugängliche Datenquellen und Informationen durch KI-Algorithmen analysiert werden, die daraus automatisierte Ergebnisse zum Nachverdichtungspotenzial oder der optimalen Ausnutzung eines Neubaugrundstücks ausgeben. Auch Echtzeit-Simulationen, etwa von Verschattungsszenarien, gehören zu den Anwendungsfällen von KI. Mit den Erkenntnissen aus diesen Analysen lassen sich mit entsprechender Software automatisiert verschiedene Gebäudevarianten und -setzungen generieren (Generatives Design).

Ein großes Feld für den Einsatz von Künstlicher Intelligenz zeigt das digitale Baustellenmanagement: Die bildbasierte Baufortschrittsüberwachung auf der Baustelle greift auf Künstliche Intelligenz zurück, indem aufgenommene Bilder und Videos von Drohnen durch Computer Vision analysiert und Bauteile identifiziert werden. Das digitale BIM-Modell ermöglicht dann eine Zuordnung und Abgleich, um so den Baufortschritt zu überprüfen und einen Soll-Ist-Vergleich durchzuführen. Ein weiteres Anwendungspotenzial zeigt sich in der Baustellenrobotik, beispielsweise im Erkennen von Hindernissen, Optimierung von Bewegungsabläufen oder zur Routenplanung. 

Für die Nutzungsphase von Gebäuden stehen bereits zahlreiche KI-Tools, insbesondere im kaufmännischen Bereich des Facility Managements und Real Estate Managements zur Verfügung, etwa für die Rechnungserstellung und -nachverfolgung, die Materialverwaltung oder das Vertragsmanagement. Auch Smart-Building-Systeme oder Schadenserfassungssoftwares greifen im Hintergrund auf Künstliche Intelligenz zurück. Obwohl sich die Technologie noch in der Entwicklung befindet, zeigen sich bereits heute viele Potenziale für die Baubranche: Darunter effizientere Planungsprozesse, sichere Baustellen, optimierte Gebäudeperfomances und mehr Nutzer*innenkomfort.

Fachwissen zum Thema

Tipps zum Thema