Project | ML-Bau-Doc+

Die im Vorgängerprojekt „Maschinelles Lernen im Bereich Gebäudedokumentation (ML-BALI-DOK)" (https://www.zukunftbau.de/projekte/forschungsfoerderung/1008187-2026) entwickelten Algorithmen ermöglichen die automatische Segmentierung und Klassifikation von gebäude- und anlagenbezogenen Dokumenten für unterschiedliche Anwendungsfälle auf Basis von Bild-, Kontext- und Texterkennung. Dies dient als Grundlage des Projekts "Maschinelles Lernen zur Informationsextraktion im Bereich Gebäudedokumentation (ML-BAU-D0K+)". Hierin werden Informationen aus Tabellen-, Textund Plandokumenten extrahiert, um ein Register für technische Anlagen zu schaffen. Die Gebäudedatenerfassung in ein Anlagenregister beinhaltet die TGA-Anlagen nach DIN 276, die Grundflächen nach DIN 277, gif oder WoFIV, die Einhaltung von Regelwerken der Betreiberverantwortung und die Ordnung der Dokumentation nach GEFMA 198 bzw. 924. Hierfür müssen Gebäudedaten alphanumerisch, technisch, sachlich und grafisch erfasst werden. Das Anlagenregister kann in der Folge als Leistungsverzeichnis in der Auftragsvergabe, zur Mengenmehrung, -minderung, als generelle Vertragsgrundlage, zur Kostensicherung und als Kalkulationssicherheit, zur Erstellung der standortspezifischen Wartungsplanung sowie zur Einhaltung der Betreiberverantwortung dienen und ist damit eine wichtige Grundlage für das Facility Management. Zudem ermöglicht es die Integration der Gebäudedaten in Folgesysteme, wie CAFM und BIM. Anlagenregister werden unter hohem Personal- und Zeitaufwand bei Bestands- und Neubauten manuell durch aufwändige Begehungen auftraggeber- und auftragnehmerseitig aufgenommen. Durch ML-BAU-DOK+sollen unter Anwendung der Informationsextraktion Anlagenregister möglichst weitgehend automatisiert erstellt werden können. Ziel ist die Beschleunigung und Verbesserung der FM-Startup-Phase sowie von Energieeffizienz- und Lebenszyklusanalysen.

Partners

RPTU