EarlyBIM 2
Teilprojekt 4: Wissensbank und Machine-Learning-Assistenz für performance-orientiertes Bauen

Laufzeit
06.2020 - 05.2023

Projektförderung
Deutsche Forschungsgemeinschaft (DFG) – Projektnummer 271444440

Projektbeteiligte
RUB (Ruhr-Universität Bochum)
Lehrstuhl für Informatik im Bauwesen, Prof. Dr.-Ing. Markus König (Sprecher)

Universität Duisburg-Essen
Institut für Massivbau, Prof. Dr.-Ing. Martina Schnellenbach-Held

TU Berlin
Fachgebiet digitale Architektur und Nachhaltigkeit, Prof. Dr.-Ing. Philipp Geyer

TUM
Lehrstuhl für Computergestützte Modellierung und Simulation, Prof. Dr.-Ing. André Borrmann
Lehrstuhl für Architekturinformatik, Prof. Dr.-Ing. Frank Petzold

Kurzfassung
Das Projekt ist Teil der Forschergruppe FOR 2363: Bewertung von Gebäudeentwurfsvarianten in frühen Entwurfsphasen auf Basis adaptiver Detaillierungsstrategien.

Teilprojekt 4 am Lehrstuhl für energieeffizientes und nachhaltiges Planen und Bauen beschäftigt sich mit der Entwicklung einer komponentenbasierten parametrischen Wissensbank, mit Sampling und multikriterieller Einflussanalyse und betreut die Case Studies.

Die in der ersten Phase prototypisch entwickelte Wissensbank „Graue Energie“ für Gebäude-komponenten wird durch die Integration weiterer Disziplinen (Bauökologie und Bauökonomie) und Technikkomponenten (z. B. aus der Gebäudetechnik) zu einer entwurfsunterstützenden Wissensbank in Zusammenarbeit mit den anderen Teilprojekten im Multi-LOD-Modell ausgebaut.  Als nächster Schritt werden Detaillierungsvorschläge bereitgestellt. Basierend von der entwerfenden Person wählbaren Randbedingungen (z. B. Bauweise, Geometrie, Energiestandard) werden Aggregationsstufen von Komponenten generiert, um Ergebnisse für die ökologische und ökonomische Perfor-mance bereitzustellen.

Die in der ersten Projektphase auf der Basis des Sampling von kontinuierlichen Parametern erfolgte Sensitivitätsanalyse wird zu einer entscheidungsgebundenen Design Space Exploration und multikriteriellen Einflussanalyse erweitert. In den Performance-Ergebnissen werden in Bezug auf ökonomische und ökologische Eigenschaften, aber auch architektonische Qualitäten interessante Detaillierungsoptionen unter Berücksichtigung von Unsicherheiten manuell identifiziert. Diese Optionen werden als Strategien bestehend aus Kombination von Variantenmodellen und Parametern (Wertebereiche, Performance-Anforderungen) formalisiert, um so Ergebnisse für Detaillierungsstrategien zu erhalten, die den anderen Teilprojekten zur Verfügung stehen.

Für die Evaluierung der in der Gruppe entwickelten Methoden betreut der Lehrstuhl ENPB Fallbeispiele aus der Praxis und stellt sie als Grundlage für eine prototypische Implementierung des in der Forschergruppe entwickelten Systems zur Verfügung.

Bearbeitende
Patricia Schneider-Marin, Johannes Staudt, Manuel Margesin, Chujun Zong, Fatma Deghim