Heiß, Marcel (2022)
Machine-Learning Methoden zur frühzeitigen Prognose von Bewehrungsstahlmengen im Stahlbetonhochbau.
33. Forum Bauinformatik. München (07.09.2022-09.09.2022)
doi: 10.14459/2022md1686600
Konferenzveröffentlichung, Bibliographie
Kurzbeschreibung (Abstract)
Zum Arbeitsalltag von Ingenieuren und Architekten gehören immer noch viele sich wieder- holende Arbeitsprozesse, welche einen hohen Zeitbedarf einnehmen. Dies hat zur Folge, dass die kreative Lösung von Problemen oftmals in den Hintergrund gerät. Abhilfe leisten können KI-basierte Assistenzsysteme, welche in der Planung die Entscheidungsfindung unterstützen und Arbeitsprozesse automatisieren. Mit dem Einsatz von BIM-Daten in Machine-Learning Methoden zur frühzeitigen Prognose von Bewehrungsstahlmengen im Stahlbetonhochbau wird ein möglicher Anwendungsfall für ein KI-basiertes Assistenzsystem in der Tragwerksplanung hinsichtlich seiner Potentiale und Grenzen im Detail untersucht. Hierbei werden entsprechende Daten aus BIM-Modellen gewonnen und diese für das Machine-Learning vorverarbeitet. In einem Vergleich unterschiedlicher Machine-Learning Algorithmen werden deren Leistungsfähigkeit beurteilt und vielversprechende Lernmodelle werden nochmals optimiert. Ziel ist die Entwicklung eines Machine-Learning Algorithmus, welcher in der Entwurfsplanung die Bewehrungsstahlmenge eines Gebäudes automatisiert auf Basis eines BIM- Modells der Tragwerksplanung entsprechend gewisser Vorgaben genau bestimmt. Die Ergebnisse zeigen, dass dieser Ansatz bereits mit einer geringen Menge an zu Verfügung stehenden Daten und Informationen unter Einschränkungen möglich ist und außerdem noch weitere Potentiale birgt.
| Typ des Eintrags: | Konferenzveröffentlichung |
|---|---|
| Erschienen: | 2022 |
| Autor(en): | Heiß, Marcel |
| Art des Eintrags: | Bibliographie |
| Titel: | Machine-Learning Methoden zur frühzeitigen Prognose von Bewehrungsstahlmengen im Stahlbetonhochbau |
| Sprache: | Deutsch |
| Publikationsjahr: | September 2022 |
| Ort: | München |
| Verlag: | TUM |
| Buchtitel: | Proceedings of 33. Forum Bauinformatik |
| Veranstaltungstitel: | 33. Forum Bauinformatik |
| Veranstaltungsort: | München |
| Veranstaltungsdatum: | 07.09.2022-09.09.2022 |
| DOI: | 10.14459/2022md1686600 |
| URL / URN: | https://mediatum.ub.tum.de/1686600 |
| Kurzbeschreibung (Abstract): | Zum Arbeitsalltag von Ingenieuren und Architekten gehören immer noch viele sich wieder- holende Arbeitsprozesse, welche einen hohen Zeitbedarf einnehmen. Dies hat zur Folge, dass die kreative Lösung von Problemen oftmals in den Hintergrund gerät. Abhilfe leisten können KI-basierte Assistenzsysteme, welche in der Planung die Entscheidungsfindung unterstützen und Arbeitsprozesse automatisieren. Mit dem Einsatz von BIM-Daten in Machine-Learning Methoden zur frühzeitigen Prognose von Bewehrungsstahlmengen im Stahlbetonhochbau wird ein möglicher Anwendungsfall für ein KI-basiertes Assistenzsystem in der Tragwerksplanung hinsichtlich seiner Potentiale und Grenzen im Detail untersucht. Hierbei werden entsprechende Daten aus BIM-Modellen gewonnen und diese für das Machine-Learning vorverarbeitet. In einem Vergleich unterschiedlicher Machine-Learning Algorithmen werden deren Leistungsfähigkeit beurteilt und vielversprechende Lernmodelle werden nochmals optimiert. Ziel ist die Entwicklung eines Machine-Learning Algorithmus, welcher in der Entwurfsplanung die Bewehrungsstahlmenge eines Gebäudes automatisiert auf Basis eines BIM- Modells der Tragwerksplanung entsprechend gewisser Vorgaben genau bestimmt. Die Ergebnisse zeigen, dass dieser Ansatz bereits mit einer geringen Menge an zu Verfügung stehenden Daten und Informationen unter Einschränkungen möglich ist und außerdem noch weitere Potentiale birgt. |
| Fachbereich(e)/-gebiet(e): | 13 Fachbereich Bau- und Umweltingenieurwissenschaften 13 Fachbereich Bau- und Umweltingenieurwissenschaften > Institut für Numerische Methoden und Informatik im Bauwesen |
| Hinterlegungsdatum: | 27 Sep 2022 11:56 |
| Letzte Änderung: | 27 Sep 2022 11:56 |
| PPN: | 499689828 |
| Export: | |
| Suche nach Titel in: | TUfind oder in Google |
 |
Frage zum Eintrag |
Optionen (nur für Redakteure)
 |
Redaktionelle Details anzeigen |
Drucken
Impressum