Bauvorschriften und Regelwerke in BIM mittels Künstlicher Intelligenz effizient nutzen

In der öffentlichen Diskussion wird der Bausektor häufig als stark reguliert beschrieben, wobei vielfach ein Abbau bürokratischer Hürden gefordert wird. Vorarbeiten an der TU Dresden bestätigen dies. In Experteninterviews wird zusätzlich angemerkt, dass es sowohl Berufseinsteigern als auch erfahrenen Ingenieuren zunehmend schwerer fällt, alle für ein Bauvorhaben nötigen Normen, Fachregeln, Versicherungsbestimmungen usw. im Blick zu haben. In der letzten Dekade wurden in der Informatik performante Methoden und Werkzeuge zur Mustererkennung in Textdokumenten entwickelt. Im Bereich des Bauwesens wurden mehrere Meta-Datenmodelle in unterschiedlichen Implementierungen vorgestellt und auf nationaler bzw. internationaler Ebene standardisiert. In der Wirtschaftsinformatik werden derzeit auf europäischer Ebene Rahmenwerke für IT-Architekturen zum bereichsübergreifenden Teilen von Daten, Informationen und Softwarediensten entwickelt. Damit stehen der Bauinformatik neue, leistungsfähige Methoden und Werkzeuge für eine automatisierte Analyse und Kategorisierung von Bauvorschriften und Regelwerken zur Verfügung. Ziel des Projektes ist die Entwicklung einer innovativen Methodik zur automatisierten, kontextbasierten Katalogisierung und OpenBIM-kompatiblen Verknüpfung von Normen und Regelwerken mit digitalen Bauwerksmodellen. Im ersten Schritt erfolgt eine systematische Klassifizierung von Vorschriften und Teilen (Kapiteln, Tabellen, Schemata) nach BIM-relevanten Merkmalen wie Detaillierungsgrad (LoD), IFC-Entitäten (ifcProduct) und Lebenszyklusphasen (ifcProcess). Im zweiten Schritt soll ein Softwaredienst entwickelt werden, der OpenBIM-Modelle analysiert und relevante Komponenten mit den entsprechenden Vorschriften verknüpft. In einem dritten Schritt werden die Texte der Vorschriften auf Schlüsselwörter (einschl. Synonymen und Homonymen) überprüft. Aus der semantischen Nähe zwischen den Schlüsselwörtern soll auf Redundanzen geschlussfolgert werden.