AI for AEC: KI für Bauplanung und Bau

Der Aufsatz bietet eine Übersicht über aktuelle Methoden der Datenintegration, künstlichen Intelligenz (KI), Optimierung und Regelungstechnik und ihre (potenziellen) Anwendungen in Gebäudeplanung und Bau. Die Übersicht behandelt sowohl symbolische KI-Methoden als auch subsymbolische KI-Methoden bzw. maschinelles Lernen. Der Aufsatz stellt diese Methoden im Kontext von Anwendungsbeispielen vor, die einen Einblick in aktuelle Forschungsprojekte des Exzellenzclusters “Integratives computerbasiertes Planen und Bauen für die Architektur” an der Universität Stuttgart bieten: (1) Datenintegration zur Verknüpfung von Datensilos in Planungs- und Bauprozessen, (2) Wissensgraphen zur Wissensrepräsentation in multidisziplinären Planungsprozessen, (3) automatisierte Planung zur Planung und Verteilung von Bauaufgaben, (4) überwachtes Lernen zur Abschätzung von aufwendigen Simulationen wie Gebäudeenergiebedarf oder des Verhaltens von natürlichen Materialien wie Holz, (5) unüberwachtes Lernen zur Visualisierung von Optimierungsergebnissen, (6) bestärkendes Lernen zum Bauen mit Fasern und Bambus, (7) simulationsbasierte Optimierung für klimafreundliche Gebäudeplanung und (8) Regelungstechnik zur Steuerung von z. B. Baurobotern. Der Aufsatz kommt zu dem Schluss, dass integratives computerbasiertes Planen und Bauen die Kooperation von Menschen, Material und Maschinen erfordert und dass KI - anstatt Bauplanungs- und Bauprozesse lediglich zu automatisieren - diese Kooperation moderieren kann.

AI for AEC
The article surveys current methods of data integration, artificial intelligence (AI), optimization, and control and their (potential) applications in architecture, engineering and construction. The survey includes symbolic AI-methods as well as subsymbolic AI methods, i. e., machine learning. The article presents these methods in the context of applications that provide insight into current research projects at the Cluster of Excellence “Integrative Computational Design and Construction for Architecture” (IntCDC) at the University of Stuttgart: (1) Data integration to link data silos in design and construction processes, (2) knowledge graphs to represent knowledge in multidisciplinary design processes, (3) automated planning for scheduling and distribution of construction tasks, (4) supervised learning to estimate the results of expensive building simulations such as operational energy or of the behavior of natural materials such as wood, (5) unsupervised learning to visualize optimization results, (6) reinforcement learning for building with fibers and bamboo, and (8) control for construction robotics. The article concludes that integrative computational design and construction requires the cooperation of humans, material, and machines, and that AI - instead of merely automating design and construction processes - can moderate this cooperation.