@techreport{BhardwajHauerMueckeetal., type = {Working Paper}, author = {Bhardwaj, Prakhar and Hauer, Franziska and M{\"u}cke, Vanessa and Dotter, Caroline and Haug, Sonja and Weikl, Simone and Weber, Karsten}, title = {Multi- und intermodale Mobilit{\"a}t erfassen und verstehen - eine Literatur{\"u}bersicht}, address = {Regensburg}, doi = {10.35096/othr/pub-8741}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-87415}, pages = {24}, abstract = {Die Transformation zu nachhaltiger Mobilit{\"a}t erfordert eine detaillierte Erfassung des tats{\"a}chlichen Mobilit{\"a}tsverhaltens, was durch herk{\"o}mmliche, aggregierte oder retrospektive Erhebungsmethoden (z.B. Z{\"a}hlstellen, Wegetageb{\"u}cher) nicht vollst{\"a}ndig gelingt. Zudem sind diese Methoden oft teuer, fehleranf{\"a}llig oder nicht nachhaltig skalierbar. Ziel dieser Literatur{\"u}bersicht ist es, einen systematischen {\"U}berblick {\"u}ber den aktuellen Forschungsstand zur Erhebung und Analyse individueller Mobilit{\"a}tsdaten zu geben und darauf aufbauend m{\"o}gliche Forschungsl{\"u}cken sowie Potentiale zu identifizieren. Die explorative Literaturrecherche umfasst sozialwissenschaftliche Erhebungen zu multi- und intermodalem Mobilit{\"a}tsverhalten, sowie einen {\"U}berblick {\"u}ber Analysem{\"o}glichkeiten von Wegedaten. Der Fokus liegt auf der Identifikation relevanter Datenquellen und methodischer Ans{\"a}tze zur Segmentierung, Verkehrsmittelerkennung und Wegezweckbestimmung. Ergebnisse aus aktuellen Studien verdeutlichen, dass ausschließlich sensorgest{\"u}tzte Datenerhebungen bisher nicht ausreichen, um Mobilit{\"a}tsverhalten vollumf{\"a}nglich und pr{\"a}zise abzubilden. Eine m{\"o}gliche L{\"o}sung ist ein "Best-of-both-worlds-Ansatz, der die passive, automatische Mobilit{\"a}tsdatenerfassung via Smartphone-Sensorik mit gezielten Nutzerkorrekturen und Erg{\"a}nzungen ("Human-in-the-Loop") innerhalb einer App kombiniert. Die Literaturauswertung zeigt, dass auf diesem Weg die beste Datenqualit{\"a}t gewonnen werden kann. Durch die Kombination von Mobilit{\"a}tsbefragung mit passiver Erhebung von Mobilit{\"a}tsdaten kann ein umfassender, m{\"o}glichst vollst{\"a}ndiger und korrekter {\"U}berblick {\"u}ber das Mobilit{\"a}tsverhalten gewonnen werden.}, language = {de} } @article{SchultzHauerHaugetal., author = {Schultz, Maximilian and Hauer, Franziska and Haug, Sonja and Weber, Karsten}, title = {K{\"u}nstliche Intelligenz in sozialen Organisationen implementieren}, series = {Sozialwirtschaft}, volume = {35}, journal = {Sozialwirtschaft}, number = {5}, publisher = {nomos Verlag}, doi = {10.5771/1613-0707-2025-5-35}, pages = {35 -- 38}, abstract = {Die Digitalisierung wird in der Gesellschaft seit vielen Jahren thematisiert. Durch K{\"u}nstliche Intelligenz (KI) hat diese Diskussion einen zus{\"a}tzlichen Anstoß bekommen. Inbesondere f{\"u}r gemeinwohlorientierte Organisationen bieten sich Potenziale sowie Risiken. Sie k{\"o}nnten zur Entlastung von Fachkr{\"a}ften, zur Verbesserung organisatorischer Abl{\"a}ufe und zur Entwicklung neuer Unterst{\"u}tzungsangebote beitragen. Angesichts chronischer Herausforderungen wie Fachkr{\"a}ftemangel, Ressourcenknappheit und wachsender Komplexit{\"a}t von Arbeitsprozessen erscheint KI daher als m{\"o}glicher Hebel f{\"u}r eine tiefgreifende Transformation.}, language = {de} } @inproceedings{HoengEderSchmailzletal., author = {Hoeng, Simon Konrad and Eder, Friedrich and Schmailzl, Marc and Obergrießer, Mathias}, title = {Exploring the Potential of BIM Models for Deriving Synthetic Training Data for Machine Learning Applications, Montreal}, series = {Advances in Information Technology in Civil and Building Engineering, Proceedings of ICCCBE 2024, Volume 2, Simulation and Automation}, booktitle = {Advances in Information Technology in Civil and Building Engineering, Proceedings of ICCCBE 2024, Volume 2, Simulation and Automation}, publisher = {Springer Nature}, address = {Cham}, isbn = {9783031873638}, issn = {2366-2557}, doi = {10.1007/978-3-031-87364-5_5}, pages = {54 -- 63}, abstract = {To increase the efficiency and quality of design and construction tasks, the use of Artificial Intelligence (AI) and Machine Learning (ML) offers a way to automate both repetitive and complex tasks. Many of these ML models rely heavily on large amounts of suitable, machine-readable, and labeled training data. Therefore, a variety of conceivable use cases for ML in the Architecture, Engineering and Construction (AEC) industry are difficult to implement due to a lack of freely and directly usable training data. The process of manually structuring and labeling existing data is time-consuming and needs in some cases skilled personnel to ensure the quality of the labeled data. Due to these factors, approaches for utilizing artificially generated data, referred to as synthetic data, are becoming more prevalent. Since Building Information Models contain a large amount of information, deriving training data from these models presents an obvious route for generation of this data. There are many ML applications whose implementation is inhibited due to a lack of training data, for which model-based synthetic data offer a possible solution approach. The Industry Foundation Classes (IFC) standard provides a powerful exchange format for models independently of their authoring software. Parametric and generative approaches to model creation enable the generation of numerous different building models within a short period of time and with low effort. This paper presents a workflow for automated derivation of synthetic training data from rule-based or parametrically generated models combined with existing IFC datasets as a multimodal data repository. The method is validated by testing automated synthetically labeled image data for a plan detection task, which is carried out with the Object Detection Framework YOLOv8. The suggested workflow has the potential to enhance data accessibility, thereby contributing to the implementation of ML applications in the AEC industry.}, language = {en} } @techreport{SchultzHauerHaugetal., type = {Working Paper}, author = {Schultz, Maximilian and Hauer, Franziska and Haug, Sonja and Weber, Karsten}, title = {KINiro, K{\"u}nstliche Intelligenz f{\"u}r Nichtregierungsorganisationen - Bedarf, Akzeptanz und Umsetzungsm{\"o}glichkeiten. 4. Arbeitspapier: K{\"u}nstliche Intelligenz in Nichtregierungsorganisationen: In-depth-Interviews}, address = {Regensburg}, organization = {Ostbayerische Technische Hochschule (OTH) Regensburg / Institut f{\"u}r Sozialforschung und Technikfolgenabsch{\"a}tzung (IST)}, doi = {10.13140/RG.2.2.25460.46720}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-79471}, pages = {128}, abstract = {Vor dem Hintergrund der wachsenden Bedeutung K{\"u}nstlicher Intelligenz (KI) in unterschiedlichen gesellschaftlichen Kontexten untersucht dieses Arbeitspapier aus dem Projekt KINiro den Einsatz, die Bedarfe sowie die Akzeptanz von KI in Nichtregierungsorganisationen (NROs). Im Rahmen des Projekts „KINiro - Bedarf, Akzeptanz und Umsetzungsm{\"o}glichkeiten" wurden zehn vertiefende Expert*innen-Interviews mit Vertreter*innen verschiedener NROs gef{\"u}hrt. Ziel war es, ein differenziertes und vertiefendes Verst{\"a}ndnis von Wissen, ben{\"o}tigten und vorhandenen Ressourcen, organisatorischen Strukturen, Umsetzungsm{\"o}glichkeiten und das Erheben von Akzeptanz und die Gr{\"u}nde f{\"u}r Nicht-Akzeptanz zu erheben. Das Arbeitspapier ist das vierte in dem Projekt und baut auf den Erkenntnissen des Scoping Reviews, der ersten qualitativen Studie und der großen quantitativen Studie auf. Die Ergebnisse zeigen, dass das Interesse an KI in NROs stark zugenommen hat, insbesondere nach der breiten Verf{\"u}gbarkeit von KI-Anwendungen wie ChatGPT. Die befragten Organisationen experimentieren aktuell mit KI vorwiegend in den Bereichen Textproduktion, Datenanalyse, Wissensmanagement und Prozessoptimierung. Es werden auch spezielle KI-Anwendungen f{\"u}r die Bedarfe der NROs entwickelt und eingesetzt. Zugleich bestehen jedoch große Herausforderungen, insbesondere begrenzte finanzielle und personelle Ressourcen, fehlendes Know-how und der Mangel an Digitalisierung. Datenschutz und ethische Fragestellungen sowie m{\"o}gliche Verzerrungen (Bias) sind zentrale Bedenken. Dennoch lassen sich erste erfolgreiche Umsetzungsstrategien erkennen, etwa die Bildung interner Arbeitsgruppen, die Unterst{\"u}tzung durch F{\"u}hrungskr{\"a}fte, auch gezielte Schulungen sowie die Entwicklung von Leitlinien werden positiv bewertet. Diese Ans{\"a}tze tragen dazu bei, Vorbehalte abzubauen und Akzeptanz zu f{\"o}rdern. Das Arbeitspapier zeigt damit, wie die vorherigen Arbeitspapiere, dass KI im gemeinwohlorientierten Sektor grunds{\"a}tzlich auf Offenheit trifft, zugleich aber ein breites Spektrum an Voraussetzungen wie Ressourcen, Know-how, rechtliche Rahmenbedingungen und nutzbare Anwendungen ben{\"o}tigt werden, um das volle Potenzial von KI verantwortungsvoll auszunutzen.}, language = {de} } @masterthesis{Janes, type = {Bachelor Thesis}, author = {Janes, Valentin}, title = {Potenziale des Einsatzes von K{\"u}nstlicher Intelligenz zur Rezeptentwicklung und Prognose der Eigenschaften von ZFSV}, doi = {10.35096/othr/pub-7734}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-77347}, school = {Ostbayerische Technische Hochschule Regensburg}, pages = {61}, abstract = {"Methoden der K{\"u}nstlichen Intelligenz (KI) werden im Bauwesen bereits vielf{\"a}ltig eingesetzt. In den meisten F{\"a}llen sind sie jedoch auf Spezial- oder Forschungsprojekte beschr{\"a}nkt. Die Analyse von geotechnischen Labordaten stellt dabei noch eine Ausnahme dar. Die Hauptgr{\"u}nde f{\"u}r den geringen Einsatz von KI-Anwendungen in der Geotechnik liegen nach Ansicht der Autoren neben dem eingeschr{\"a}nkten Zugang zu geeigneten Daten vor allem an Unsicherheiten im Umgang mit KI-Methoden, insbesondere der Nachvollziehbarkeit."(Ren{\´e} Sonnenberg und M Sc David D{\"o}ring, 2023, S. 1) Aus diesem Grund wird in vorliegender Arbeit das Potenzial des Einsatzes von K{\"u}nstlicher Intelligenz zur Rezeptentwicklung und Prognose der Eigenschaften von zeitweise fließf{\"a}higen, selbstverdichtenden Verf{\"u}llbaustoffen (ZFSV) untersucht. ZFSV werden haupts{\"a}chlich im Erd- und Tiefbau eingesetzt. Sie sind eine Mischung, welche in der Lage ist, ohne {\"a}ußere Verdichtung unter dem Einfluss von Schwerkraft Hohlr{\"a}ume vollst{\"a}ndig zu f{\"u}llen. Dabei bietet der ZFSV logistische, {\"o}konomische und {\"o}kologische Vorteile gegen{\"u}ber konventionellen Verf{\"u}llmaterialien wie Sand. Aktuelle Forschungsprojekte an der HafenCity Universit{\"a}t (HCU) in Hamburg zeigen, dass ZFSV mit dem Einsatz von Recycling-Materialien noch nachhaltiger hergestellt werden kann (Weidlich, Banushi, B{\"u}schken u. a., 2022, S. 17). Das Ziel der Arbeit ist es, durch Verwendung digitaler Methoden, geotechnische Labordaten zu strukturieren und mittels KI auszuwerten. Die Auswertung mithilfe von K{\"u}nstlicher Intelligenz erfolgt durch Programmierung einer Anwendung in Python. Mit der Auswertung will man Vorhersagen {\"u}ber die Rezeptur und Eigenschaften von ZFSV treffen. Dadurch ist es m{\"o}glich, den ZFSV ressourcenschonender herzustellen, was gerade angesichts der aktuellen Thematik Nachhaltigkeit im Bausektor und dessen CO2-Bilanz positiv beitragen kann.}, language = {de} } @techreport{HauerHaugSchultzetal., type = {Working Paper}, author = {Hauer, Franziska and Haug, Sonja and Schultz, Maximilian and Scharf, Anna and Weber, Karsten}, title = {KINiro, K{\"u}nstliche Intelligenz f{\"u}r Nichtregierungsorganisationen - Bedarf, Akzeptanz und Umsetzungsm{\"o}glichkeiten. 3. Arbeitspapier: K{\"u}nstliche Intelligenz in Nichtregierungsorganisationen: Quantitative Erforschung der Umsetzung in deutschen NROs}, publisher = {OTH Regensburg}, address = {Regensburg}, doi = {10.13140/RG.2.2.11094.66883}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-73518}, pages = {105}, abstract = {Hintergrund und Fragestellung K{\"u}nstliche Intelligenz (KI) stellt ein wichtiges Thema der Digitalisierung dar und hat das Potenzial viele Arbeitsfelder grundlegend zu ver{\"a}ndern. Mit dem Einsatz von KI wird die Hoffnung verbunden durch Automatisierung Zeit und Geld zu sparen. Dies k{\"o}nnte besonders interessant f{\"u}r Organisationen sein, die wenig Ressourcen zur Verf{\"u}gung haben, da sie nicht gewinnorientiert oder ehrenamtlich arbeiten. Dazu z{\"a}hlen Nichtregierungsorganisationen (NRO), die einen wichtigen Bestandteil der Zivilgesellschaft darstellen. Aufgrund der komplexer werdenden Arbeit von NROs scheint KI M{\"o}glichkeiten zur Bew{\"a}ltigung aktueller und zuk{\"u}nftiger Herausforderungen zu bieten. {\"U}ber den Einsatz von KI in NROs ist derzeit jedoch wenig bekannt. Methodik Es wurde eine quantitative Querschnittstudie deutscher Nichtregierungsorganisationen (NRO) zum Thema KI durchgef{\"u}hrt. Der Web-Survey baut auf den Erkenntnissen des Scoping Reviews und der qualitativen Interviews auf und vertieft den Einblick in die Bereiche aktuelle Nutzung von KI, Wissenstand in den Organisationen sowie vorhandene und noch ben{\"o}tigte Ressourcen. Daf{\"u}r wurden 343 NROs verschiedener Gr{\"o}ßen und Handlungsfelder befragt und die Ergebnisse quantitativ analysiert. Ergebnisse Die meisten NROs sind der Anwendung von KI gegen{\"u}ber positiv eingestellt und planen den Einsatz f{\"u}r die Zukunft oder testen ihn bereits. Daf{\"u}r werden meist schnell umsetzbare, externe Anwendungen wie Schreibunterst{\"u}tzungen oder Text{\"u}bersetzung f{\"u}r B{\"u}rot{\"a}tigkeiten in den Arbeitsablauf eingebaut. Diese Nutzung beschr{\"a}nkt sich h{\"a}ufig auf erste Versuche und wird durch interessierte Einzelpersonen vorangetrieben. F{\"u}r gr{\"o}ßere Umsetzung fehlen h{\"a}ufig Zeit, Geld und Wissen. Da die NROs selbst erwarten, dass die Nutzung von KI in den n{\"a}chsten Jahren zunehmen wird, werden mehr Wissensaufbau und Austausch in den Organisationen notwendig. Schlussfolgerung Das Interesse an der Thematik scheint in der Zielgruppe vorhanden zu sein, wie die hohe Teilnahmebereitschaft nahelegt. Doch handelt es sich um ein eher neues Thema f{\"u}r die NROs, sodass der Einsatz noch getestet wird und feste Strukturen, welche die Anwendung systematisieren und regeln noch aufgebaut werden m{\"u}ssen. Um dies zu erm{\"o}glichen, sind mehr Wissen, Richtlinien und finanzielle Ressourcen notwendig. Die Umsetzung hat in den NROs jedoch wenig Priorit{\"a}t, da zun{\"a}chst andere H{\"u}rden {\"u}berwunden werden m{\"u}ssen.}, language = {de} } @techreport{SchultzScharfHaueretal., type = {Working Paper}, author = {Schultz, Maximilian and Scharf, Anna and Hauer, Franziska and Haug, Sonja and Weber, Karsten}, title = {KINiro, K{\"u}nstliche Intelligenz f{\"u}r Nichtregierungsorganisationen - Bedarf, Akzeptanz und Umsetzungsm{\"o}glichkeiten. 2. Arbeitspapier: K{\"u}nstliche Intelligenz in Nichtregierungsorganisationen: Explorative Studie in einem neuen Forschungsfeld}, publisher = {OTH Regensburg}, address = {Regensburg}, doi = {10.13140/RG.2.2.10671.75685/1}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-73118}, pages = {35}, abstract = {Hintergrund und Fragestellung Nichtregierungsorganisationen (NRO) sind ein wichtiger Bestandteil der Zivilgesellschaft und interagieren auch mit Regierungen, Unternehmen und anderen gesellschaftlichen Akteuren. Aufgrund der komplexer werdenden Arbeit von NROs scheint K{\"u}nstliche Intelligenz (KI) M{\"o}glichkeiten zur Bew{\"a}ltigung aktueller und zuk{\"u}nftiger Herausforderungen zu bieten. Jedoch ist wenig {\"u}ber die Arbeit von NROs mit KI bekannt. Methodik Es wurden f{\"u}nf explorative Interviews mit Vertreter*innen von Nichtregierungsorganisationen (NROs) zum Thema Wissen, Akzeptanz, Bedarfe und Risikoeinsch{\"a}tzungen gef{\"u}hrt und ausgewertet. Dabei sind NROs aus verschiedenen Handlungsfeldern und Gr{\"o}ße interviewt. Es wurden informelle Vorgespr{\"a}che gef{\"u}hrt, um eine erste Orientierung im Forschungsfeld zu generieren. Aus den Erkenntnissen der Vorgespr{\"a}che und den Ergebnissen des Scoping Reviews ist ein Leitfaden erstellt worden, der zur Orientierung f{\"u}r die Expert*inneninterviews dient. Im Anschluss wurden dann f{\"u}nf explorative leitfadengest{\"u}tzte Expert*inneninterviews durchgef{\"u}hrt und qualitativ ausgewertet. Ergebnisse Ein zentraler Befund ist, dass das Thema KI gerade in den NROs ankommt und es noch keine gefestigten Strukturen und Vorstellungen zum Einsatz von KI gibt. KI wird in einzelnen spezifischen Projekten eingesetzt, ohne dass diese umfassend in Arbeitsabl{\"a}ufe integriert ist. Die Akzeptanz von KI ist generell positiv; die Technologie wird als potenzielle L{\"o}sung f{\"u}r strukturelle Herausforderungen und Unterst{\"u}tzung im Alltag gesehen. Die Nutzung von KI-Anwendungen beschr{\"a}nkt sich jedoch mit Ausnahme von Large Language Models auf Pilotprojekte. Mit j{\"u}ngerem Alter und Techni� kaffinit{\"a}t ist eine h{\"o}here Akzeptanz verbunden. Besonders kritisch werden Anwendungen von KI im Sozial- oder Gesundheitsbereich als Ersatz f{\"u}r menschliche Interaktionen gesehen. Betont werden auch ethische Bedenken und eine hohe Bedeutsamkeit von Datenschutz. Schlussfolgerung K{\"u}nstliche Intelligenz in Nichtregierungsorganisationen ist ein aufkommendes und sich entwickelndes Forschungsthema. Die Interviews unterstreichen den Bedarf an mehr Wissen, ethischen Richtlinien und finanziellen Ressourcen f{\"u}r eine effektive Nutzung von KI in NROs. Ein umfassendes Verst{\"a}ndnis von KI und eine tiefergehende, systematische Integration in Arbeitsabl{\"a}ufe in diesen Organisationen m{\"u}ssen noch entwickelt werden.}, language = {de} } @techreport{ScharfHauerSchultzetal., type = {Working Paper}, author = {Scharf, Anna and Hauer, Franziska and Schultz, Maximilian and Haug, Sonja and Weber, Karsten}, title = {KINiro, K{\"u}nstliche Intelligenz f{\"u}r Nichtregierungsorganisationen - Bedarf, Akzeptanz und Umsetzungsm{\"o}glichkeiten. 1. Arbeitspapier: K{\"u}nstliche Intelligenz in Nichtregierungsorganisationen: Ein Scoping Review {\"u}ber ein junges Forschungsfeld}, publisher = {OTH Regensburg}, address = {Regensburg}, doi = {10.13140/RG.2.2.21668.69765}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-73090}, pages = {24}, abstract = {Hintergrund und Fragestellung Nichtregierungsorganisationen (NRO) sind ein wichtiger Bestandteil der Zivilgesellschaft und interagieren auch mit Regierungen, Unternehmen und anderen gesellschaftlichen Akteuren. Aufgrund der komplexer werdenden Arbeit von NROs scheint K{\"u}nstliche Intelligenz (KI) M{\"o}glichkeiten zur Bew{\"a}ltigung aktueller und zuk{\"u}nftiger Herausforderungen zu bieten. Jedoch ist wenig {\"u}ber die Arbeit von NROs mit KI bekannt. Daher besch{\"a}ftigt sich das Projekt KINiro in diesem ersten Working Paper mit der Frage, welche (nicht-)wissenschaftlichen Erkenntnisse zum Themenkomplex NROs und KI bereits vorliegen. Methodik Es wurde ein Scoping Review zur Erfassung (nicht-)wissenschaftlicher Texte zu NROs und KI durchgef{\"u}hrt. Die systematische Literaturrecherche wurde in den Datenbanken Web of Science, Science Gate und WISO durchgef{\"u}hrt. In den Review wurden schließlich 14 Titel eingeschlossen und qualitativ analysiert. Ergebnisse Die Mehrheit der gefundenen Treffer sind Pressemitteilungen. Unter den Treffern befinden sich lediglich zwei (wissenschaftliche) Studien. Die NROs setzen sich auf verschiedenen Ebenen mit der Thematik von KI auseinander, wobei sich zwei Herangehensweisen unterscheiden lassen. Einige NROs nehmen am gesellschaftlichen Diskurs {\"u}ber den Einsatz von KI teil und treiben diesen in theoretischer Hinsicht voran, ohne die Technik dabei selbst zu nutzen. Andere NROs integrieren die KI-Systeme praktisch in ihre Arbeitsabl{\"a}ufe oder f{\"u}hren Projekte zum Zweck der NRO mit KI-Unterst{\"u}tzung durch. F{\"u}r die Entwicklung von KI-Anwendungen wird mit For-Profit-Unternehmen kooperiert und die Expertise der Unternehmen mit Daten der NROs kombiniert. Durch den Einsatz von KI erhoffen sich NROs einen gezielteren Einsatz von Ressourcen. Hierbei zeigt sich, dass f{\"u}r die Nutzung in KI-Systemen ein interdisziplin{\"a}rer Konsens {\"u}ber Standards in Datenerhebung und Speicherung als notwendig angesehen wird. Schlussfolgerung Aus der geringen Anzahl an gefundenen Texten, insbesondere (wissenschaftlichen) Studien, und dem Ver{\"o}ffentlichungszeitraum, der in den vergangenen sieben Jahren liegt, l{\"a}sst sich schließen, dass es sich um einen jungen Forschungsbereich handelt. Die ausgeschlossenen Titel zeigen auf, dass NROs aktuell noch h{\"a}ufiger mit der Digitalisierunge allgemein besch{\"a}ftigt sind und die Auseinandersetzung mit KI erst noch am Anfang steht.}, language = {de} } @misc{Hoeng, type = {Master Thesis}, author = {H{\"o}ng, Simon}, title = {Entwicklung eines digitalen Werkzeugs zur automatisierten Remodellierung von Bauwerken auf Grundlage von Bestandspl{\"a}nen: Erzeugung von synthetischen Daten f{\"u}r KI-L{\"o}sungen}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-65218}, school = {Ostbayerische Technische Hochschule Regensburg}, pages = {93}, abstract = {In Anbetracht der hohen Zahl an zu ert{\"u}chtigenden Bauwerken in Deutschland bei gleichzeitig zunehmendem Fachkr{\"a}ftemangel in der Baubranche ist es wichtig, effiziente Planungs- und Bauprozesse zu schaffen. Digitale und automatisierte Arbeitsmethoden auf Basis von digitalen Bauwerksmodellen beginnen sich daher zu etablieren. F{\"u}r viele Bestandsbauwerke werden diese Methoden aber nur z{\"o}gerlich angewendet, da das als Grundlage ben{\"o}tigte digitale Bauwerksmodell erst aufwendig erstellt werden m{\"u}sste. Moderne Techniken der k{\"u}nstlichen Intelligenz (KI) wie Machine- oder Deep Learning bewegen im Moment viele Forschungs- und Wirtschaftsbereiche. Ihr Einsatz kann auch in der Bauwirtschaft L{\"o}sungen f{\"u}r komplexe oder repetitive Aufgaben bieten. In dieser Arbeit wird ein Tool konzipiert und evaluiert, welches in der Lage ist, mithilfe von KI-Techniken aus Bestandspl{\"a}nen dreidimensionale (3D) Bauwerksmodelle zu rekonstruieren. Bei der Konzeptionierung hat sich eine der großen Herausforderung beim Einsatz von Machine Learning herauskristallisiert. Um KI-Systeme {\"u}berwacht trainieren zu k{\"o}nnen, werden sog. gelabelte Trainingsdaten ben{\"o}tigt. In diesem konkreten Fall Positionspl{\"a}ne, bei denen in einer maschinenlesbaren Form hinterlegt ist, welche Art von Bauteilen an welcher Stelle des Planes dargestellt sind. Damit kann eine KI lernen, selbstst{\"a}ndig unbekannte Pl{\"a}ne zu analysieren und darin Bauteile zu klassifizieren. Diese Daten k{\"o}nnen entweder unter großem Aufwand manuell erstellt werden oder man greift auf synthetische Daten zur{\"u}ck. Synthetische Daten sind k{\"u}nstlich erschaffene Daten, die von ihrer Struktur und ihren Eigenschaften her echte Daten imitieren. Da dabei der Erzeugungsprozess gesteuert wird, lassen sich die ben{\"o}tigten Labels gleichzeitig miterzeugen. Auf diese Weise entsteht sog. Ground Truth Data, also Daten, bei denen man sich sicher sein kann, dass sie korrekt gelabelt sind. F{\"u}r diese Arbeit wurde eine Datenpipeline umgesetzt, die in der Lage ist, synthetische Daten speziell f{\"u}r die Zwecke der Baubranche zu generieren. Mithilfe des Applications Programming Interface von Autodesk Revit wurde eine C\#-Anwendung programmiert, die zufallsgesteuert Modelle erzeugt und anhand dieser Modelle realistische Pl{\"a}ne ableitet. Parallel dazu werden mithilfe der im Modell hinterlegten Bauteilinformationen die f{\"u}r die KI ben{\"o}tigten gelabelten Daten erzeugt. Erste Testl{\"a}ufe mit dem Objekterkennungsframework YOLOv5 waren vielversprechend. Der gew{\"a}hlte Ansatz hat sich somit als flexibel und skalierbar erwiesen, um damit KI-Systeme f{\"u}r bauspezifische Aufgaben - wie die Bauteilerkennung auf Pl{\"a}nen - zu trainieren.}, language = {de} }