TY - RPRT A1 - Bhardwaj, Prakhar A1 - Hauer, Franziska A1 - Mücke, Vanessa A1 - Dotter, Caroline A1 - Haug, Sonja A1 - Weikl, Simone A1 - Weber, Karsten T1 - Multi- und intermodale Mobilität erfassen und verstehen - eine Literaturübersicht N2 - Die Transformation zu nachhaltiger Mobilität erfordert eine detaillierte Erfassung des tatsächlichen Mobilitätsverhaltens, was durch herkömmliche, aggregierte oder retrospektive Erhebungsmethoden (z.B. Zählstellen, Wegetagebücher) nicht vollständig gelingt. Zudem sind diese Methoden oft teuer, fehleranfällig oder nicht nachhaltig skalierbar. Ziel dieser Literaturübersicht ist es, einen systematischen Überblick über den aktuellen Forschungsstand zur Erhebung und Analyse individueller Mobilitätsdaten zu geben und darauf aufbauend mögliche Forschungslücken sowie Potentiale zu identifizieren. Die explorative Literaturrecherche umfasst sozialwissenschaftliche Erhebungen zu multi- und intermodalem Mobilitätsverhalten, sowie einen Überblick über Analysemöglichkeiten von Wegedaten. Der Fokus liegt auf der Identifikation relevanter Datenquellen und methodischer Ansätze zur Segmentierung, Verkehrsmittelerkennung und Wegezweckbestimmung. Ergebnisse aus aktuellen Studien verdeutlichen, dass ausschließlich sensorgestützte Datenerhebungen bisher nicht ausreichen, um Mobilitätsverhalten vollumfänglich und präzise abzubilden. Eine mögliche Lösung ist ein "Best-of-both-worlds-Ansatz, der die passive, automatische Mobilitätsdatenerfassung via Smartphone-Sensorik mit gezielten Nutzerkorrekturen und Ergänzungen ("Human-in-the-Loop") innerhalb einer App kombiniert. Die Literaturauswertung zeigt, dass auf diesem Weg die beste Datenqualität gewonnen werden kann. Durch die Kombination von Mobilitätsbefragung mit passiver Erhebung von Mobilitätsdaten kann ein umfassender, möglichst vollständiger und korrekter Überblick über das Mobilitätsverhalten gewonnen werden. KW - KI KW - Mobilität Y1 - 2025 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-87415 CY - Regensburg ER - TY - JOUR A1 - Schultz, Maximilian A1 - Hauer, Franziska A1 - Haug, Sonja A1 - Weber, Karsten T1 - Künstliche Intelligenz in sozialen Organisationen implementieren BT - von der Einzelinitiative zur Strategie JF - Sozialwirtschaft N2 - Die Digitalisierung wird in der Gesellschaft seit vielen Jahren thematisiert. Durch Künstliche Intelligenz (KI) hat diese Diskussion einen zusätzlichen Anstoß bekommen. Inbesondere für gemeinwohlorientierte Organisationen bieten sich Potenziale sowie Risiken. Sie könnten zur Entlastung von Fachkräften, zur Verbesserung organisatorischer Abläufe und zur Entwicklung neuer Unterstützungsangebote beitragen. Angesichts chronischer Herausforderungen wie Fachkräftemangel, Ressourcenknappheit und wachsender Komplexität von Arbeitsprozessen erscheint KI daher als möglicher Hebel für eine tiefgreifende Transformation. KW - KI KW - Sozialwirtschaft Y1 - 2025 U6 - https://doi.org/10.5771/1613-0707-2025-5-35 VL - 35 IS - 5 SP - 35 EP - 38 PB - nomos Verlag ER - TY - CHAP A1 - Hoeng, Simon Konrad A1 - Eder, Friedrich A1 - Schmailzl, Marc A1 - Obergrießer, Mathias T1 - Exploring the Potential of BIM Models for Deriving Synthetic Training Data for Machine Learning Applications, Montreal T2 - Advances in Information Technology in Civil and Building Engineering, Proceedings of ICCCBE 2024, Volume 2, Simulation and Automation N2 - 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. KW - KI KW - BIM KW - Synthetic Data Y1 - 2025 SN - 9783031873638 U6 - https://doi.org/10.1007/978-3-031-87364-5_5 SN - 2366-2557 SP - 54 EP - 63 PB - Springer Nature CY - Cham ER - TY - RPRT A1 - Schultz, Maximilian A1 - Hauer, Franziska A1 - Haug, Sonja A1 - Weber, Karsten T1 - KINiro, Künstliche Intelligenz für Nichtregierungsorganisationen - Bedarf, Akzeptanz und Umsetzungsmöglichkeiten. 4. Arbeitspapier: Künstliche Intelligenz in Nichtregierungsorganisationen: In-depth-Interviews N2 - Vor dem Hintergrund der wachsenden Bedeutung Künstlicher 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 Umsetzungsmöglichkeiten“ wurden zehn vertiefende Expert*innen-Interviews mit Vertreter*innen verschiedener NROs geführt. Ziel war es, ein differenziertes und vertiefendes Verständnis von Wissen, benötigten und vorhandenen Ressourcen, organisatorischen Strukturen, Umsetzungsmöglichkeiten und das Erheben von Akzeptanz und die Gründe für 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 Verfügbarkeit 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 für 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 mögliche Verzerrungen (Bias) sind zentrale Bedenken. Dennoch lassen sich erste erfolgreiche Umsetzungsstrategien erkennen, etwa die Bildung interner Arbeitsgruppen, die Unterstützung durch Führungskräfte, auch gezielte Schulungen sowie die Entwicklung von Leitlinien werden positiv bewertet. Diese Ansätze tragen dazu bei, Vorbehalte abzubauen und Akzeptanz zu fördern. Das Arbeitspapier zeigt damit, wie die vorherigen Arbeitspapiere, dass KI im gemeinwohlorientierten Sektor grundsätzlich auf Offenheit trifft, zugleich aber ein breites Spektrum an Voraussetzungen wie Ressourcen, Know-how, rechtliche Rahmenbedingungen und nutzbare Anwendungen benötigt werden, um das volle Potenzial von KI verantwortungsvoll auszunutzen. KW - Künstliche Intelligenz KW - KI KW - Nichtregierungsorganisationen KW - Qualitative Befragung KW - NGO Y1 - 2025 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-79471 CY - Regensburg ER - TY - THES A1 - Janes, Valentin T1 - Potenziale des Einsatzes von Künstlicher Intelligenz zur Rezeptentwicklung und Prognose der Eigenschaften von ZFSV N2 - “Methoden der Künstlichen Intelligenz (KI) werden im Bauwesen bereits vielfältig eingesetzt. In den meisten Fällen sind sie jedoch auf Spezial- oder Forschungsprojekte beschränkt. Die Analyse von geotechnischen Labordaten stellt dabei noch eine Ausnahme dar. Die Hauptgründe für den geringen Einsatz von KI-Anwendungen in der Geotechnik liegen nach Ansicht der Autoren neben dem eingeschränkten Zugang zu geeigneten Daten vor allem an Unsicherheiten im Umgang mit KI-Methoden, insbesondere der Nachvollziehbarkeit.”(René Sonnenberg und M Sc David Döring, 2023, S. 1) Aus diesem Grund wird in vorliegender Arbeit das Potenzial des Einsatzes von Künstlicher Intelligenz zur Rezeptentwicklung und Prognose der Eigenschaften von zeitweise fließfähigen, selbstverdichtenden Verfüllbaustoffen (ZFSV) untersucht. ZFSV werden hauptsächlich im Erd- und Tiefbau eingesetzt. Sie sind eine Mischung, welche in der Lage ist, ohne äußere Verdichtung unter dem Einfluss von Schwerkraft Hohlräume vollständig zu füllen. Dabei bietet der ZFSV logistische, ökonomische und ökologische Vorteile gegenüber konventionellen Verfüllmaterialien wie Sand. Aktuelle Forschungsprojekte an der HafenCity Universität (HCU) in Hamburg zeigen, dass ZFSV mit dem Einsatz von Recycling-Materialien noch nachhaltiger hergestellt werden kann (Weidlich, Banushi, Büschken 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 Künstlicher Intelligenz erfolgt durch Programmierung einer Anwendung in Python. Mit der Auswertung will man Vorhersagen über die Rezeptur und Eigenschaften von ZFSV treffen. Dadurch ist es möglich, den ZFSV ressourcenschonender herzustellen, was gerade angesichts der aktuellen Thematik Nachhaltigkeit im Bausektor und dessen CO2-Bilanz positiv beitragen kann. KW - KI KW - Geotechnik KW - Datenbanken KW - Digitalisierung Y1 - 2024 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-77347 ER - TY - RPRT A1 - Hauer, Franziska A1 - Haug, Sonja A1 - Schultz, Maximilian A1 - Scharf, Anna A1 - Weber, Karsten T1 - KINiro, Künstliche Intelligenz für Nichtregierungsorganisationen - Bedarf, Akzeptanz und Umsetzungsmöglichkeiten. 3. Arbeitspapier: Künstliche Intelligenz in Nichtregierungsorganisationen: Quantitative Erforschung der Umsetzung in deutschen NROs N2 - Hintergrund und Fragestellung Künstliche Intelligenz (KI) stellt ein wichtiges Thema der Digitalisierung dar und hat das Potenzial viele Arbeitsfelder grundlegend zu verändern. Mit dem Einsatz von KI wird die Hoffnung verbunden durch Automatisierung Zeit und Geld zu sparen. Dies könnte besonders interessant für Organisationen sein, die wenig Ressourcen zur Verfügung haben, da sie nicht gewinnorientiert oder ehrenamtlich arbeiten. Dazu zählen Nichtregierungsorganisationen (NRO), die einen wichtigen Bestandteil der Zivilgesellschaft darstellen. Aufgrund der komplexer werdenden Arbeit von NROs scheint KI Möglichkeiten zur Bewältigung aktueller und zukünftiger Herausforderungen zu bieten. Über den Einsatz von KI in NROs ist derzeit jedoch wenig bekannt. Methodik Es wurde eine quantitative Querschnittstudie deutscher Nichtregierungsorganisationen (NRO) zum Thema KI durchgeführt. 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 benötigte Ressourcen. Dafür wurden 343 NROs verschiedener Größen und Handlungsfelder befragt und die Ergebnisse quantitativ analysiert. Ergebnisse Die meisten NROs sind der Anwendung von KI gegenüber positiv eingestellt und planen den Einsatz für die Zukunft oder testen ihn bereits. Dafür werden meist schnell umsetzbare, externe Anwendungen wie Schreibunterstützungen oder Textübersetzung für Bürotätigkeiten in den Arbeitsablauf eingebaut. Diese Nutzung beschränkt sich häufig auf erste Versuche und wird durch interessierte Einzelpersonen vorangetrieben. Für größere Umsetzung fehlen häufig Zeit, Geld und Wissen. Da die NROs selbst erwarten, dass die Nutzung von KI in den nächsten 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 für die NROs, sodass der Einsatz noch getestet wird und feste Strukturen, welche die Anwendung systematisieren und regeln noch aufgebaut werden müssen. Um dies zu ermöglichen, sind mehr Wissen, Richtlinien und finanzielle Ressourcen notwendig. Die Umsetzung hat in den NROs jedoch wenig Priorität, da zunächst andere Hürden überwunden werden müssen. KW - Künstliche Intelligenz KW - KI KW - Nichtregierungsorganisation KW - NRO KW - qualitative Studie Y1 - 2024 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-73518 PB - OTH Regensburg CY - Regensburg ER - TY - RPRT A1 - Schultz, Maximilian A1 - Scharf, Anna A1 - Hauer, Franziska A1 - Haug, Sonja A1 - Weber, Karsten T1 - KINiro, Künstliche Intelligenz für Nichtregierungsorganisationen - Bedarf, Akzeptanz und Umsetzungsmöglichkeiten. 2. Arbeitspapier: Künstliche Intelligenz in Nichtregierungsorganisationen: Explorative Studie in einem neuen Forschungsfeld N2 - 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 Künstliche Intelligenz (KI) Möglichkeiten zur Bewältigung aktueller und zukünftiger Herausforderungen zu bieten. Jedoch ist wenig über die Arbeit von NROs mit KI bekannt. Methodik Es wurden fünf explorative Interviews mit Vertreter*innen von Nichtregierungsorganisationen (NROs) zum Thema Wissen, Akzeptanz, Bedarfe und Risikoeinschätzungen geführt und ausgewertet. Dabei sind NROs aus verschiedenen Handlungsfeldern und Größe interviewt. Es wurden informelle Vorgespräche geführt, um eine erste Orientierung im Forschungsfeld zu generieren. Aus den Erkenntnissen der Vorgespräche und den Ergebnissen des Scoping Reviews ist ein Leitfaden erstellt worden, der zur Orientierung für die Expert*inneninterviews dient. Im Anschluss wurden dann fünf explorative leitfadengestützte Expert*inneninterviews durchgeführt 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 Arbeitsabläufe integriert ist. Die Akzeptanz von KI ist generell positiv; die Technologie wird als potenzielle Lösung für strukturelle Herausforderungen und Unterstützung im Alltag gesehen. Die Nutzung von KI-Anwendungen beschränkt sich jedoch mit Ausnahme von Large Language Models auf Pilotprojekte. Mit jüngerem Alter und Techni� kaffinität ist eine höhere Akzeptanz verbunden. Besonders kritisch werden Anwendungen von KI im Sozial- oder Gesundheitsbereich als Ersatz für menschliche Interaktionen gesehen. Betont werden auch ethische Bedenken und eine hohe Bedeutsamkeit von Datenschutz. Schlussfolgerung Künstliche Intelligenz in Nichtregierungsorganisationen ist ein aufkommendes und sich entwickelndes Forschungsthema. Die Interviews unterstreichen den Bedarf an mehr Wissen, ethischen Richtlinien und finanziellen Ressourcen für eine effektive Nutzung von KI in NROs. Ein umfassendes Verständnis von KI und eine tiefergehende, systematische Integration in Arbeitsabläufe in diesen Organisationen müssen noch entwickelt werden. KW - Künstliche Intelligenz KW - Nichtregierungsorganisationen KW - explorative Interviews KW - KI KW - NRO Y1 - 2024 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-73118 PB - OTH Regensburg CY - Regensburg ER - TY - RPRT A1 - Scharf, Anna A1 - Hauer, Franziska A1 - Schultz, Maximilian A1 - Haug, Sonja A1 - Weber, Karsten T1 - KINiro, Künstliche Intelligenz für Nichtregierungsorganisationen - Bedarf, Akzeptanz und Umsetzungsmöglichkeiten. 1. Arbeitspapier: Künstliche Intelligenz in Nichtregierungsorganisationen: Ein Scoping Review über ein junges Forschungsfeld N2 - 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 Künstliche Intelligenz (KI) Möglichkeiten zur Bewältigung aktueller und zukünftiger Herausforderungen zu bieten. Jedoch ist wenig über die Arbeit von NROs mit KI bekannt. Daher beschäftigt 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 durchgeführt. Die systematische Literaturrecherche wurde in den Datenbanken Web of Science, Science Gate und WISO durchgeführt. 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 über 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 Arbeitsabläufe oder führen Projekte zum Zweck der NRO mit KI-Unterstützung durch. Für 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 für die Nutzung in KI-Systemen ein interdisziplinärer Konsens über Standards in Datenerhebung und Speicherung als notwendig angesehen wird. Schlussfolgerung Aus der geringen Anzahl an gefundenen Texten, insbesondere (wissenschaftlichen) Studien, und dem Veröffentlichungszeitraum, der in den vergangenen sieben Jahren liegt, lässt sich schließen, dass es sich um einen jungen Forschungsbereich handelt. Die ausgeschlossenen Titel zeigen auf, dass NROs aktuell noch häufiger mit der Digitalisierunge allgemein beschäftigt sind und die Auseinandersetzung mit KI erst noch am Anfang steht. KW - Künstliche Intelligenz KW - Nichtregierungsorganisationen KW - Scoping Review KW - KI KW - NRO Y1 - 2023 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-73090 PB - OTH Regensburg CY - Regensburg ER - TY - THES A1 - Höng, Simon T1 - Entwicklung eines digitalen Werkzeugs zur automatisierten Remodellierung von Bauwerken auf Grundlage von Bestandsplänen: Erzeugung von synthetischen Daten für KI-Lösungen N2 - In Anbetracht der hohen Zahl an zu ertüchtigenden Bauwerken in Deutschland bei gleichzeitig zunehmendem Fachkräftemangel 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. Für viele Bestandsbauwerke werden diese Methoden aber nur zögerlich angewendet, da das als Grundlage benötigte digitale Bauwerksmodell erst aufwendig erstellt werden müsste. Moderne Techniken der künstlichen Intelligenz (KI) wie Machine- oder Deep Learning bewegen im Moment viele Forschungs- und Wirtschaftsbereiche. Ihr Einsatz kann auch in der Bauwirtschaft Lösungen für komplexe oder repetitive Aufgaben bieten. In dieser Arbeit wird ein Tool konzipiert und evaluiert, welches in der Lage ist, mithilfe von KI-Techniken aus Bestandsplänen dreidimensionale (3D) Bauwerksmodelle zu rekonstruieren. Bei der Konzeptionierung hat sich eine der großen Herausforderung beim Einsatz von Machine Learning herauskristallisiert. Um KI-Systeme überwacht trainieren zu können, werden sog. gelabelte Trainingsdaten benötigt. In diesem konkreten Fall Positionspläne, bei denen in einer maschinenlesbaren Form hinterlegt ist, welche Art von Bauteilen an welcher Stelle des Planes dargestellt sind. Damit kann eine KI lernen, selbstständig unbekannte Pläne zu analysieren und darin Bauteile zu klassifizieren. Diese Daten können entweder unter großem Aufwand manuell erstellt werden oder man greift auf synthetische Daten zurück. Synthetische Daten sind künstlich erschaffene Daten, die von ihrer Struktur und ihren Eigenschaften her echte Daten imitieren. Da dabei der Erzeugungsprozess gesteuert wird, lassen sich die benötigten 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. Für diese Arbeit wurde eine Datenpipeline umgesetzt, die in der Lage ist, synthetische Daten speziell für 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 Pläne ableitet. Parallel dazu werden mithilfe der im Modell hinterlegten Bauteilinformationen die für die KI benötigten gelabelten Daten erzeugt. Erste Testläufe mit dem Objekterkennungsframework YOLOv5 waren vielversprechend. Der gewählte Ansatz hat sich somit als flexibel und skalierbar erwiesen, um damit KI-Systeme für bauspezifische Aufgaben - wie die Bauteilerkennung auf Plänen - zu trainieren. KW - AI KW - Machine Learning KW - BIM KW - Synthetic Data KW - KI Y1 - 2023 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-65218 ER -