metis II - Methoden der künstlichen Intelligenz zur Autovervollständigung von Entwürfen basierend auf semantischen Gebäudeinformationen (BIM) für die Unterstützung der Architekten in frühen Entwurfsphasen.

• Antragsteller: Professor Dr. Andreas Dengel; Dr.-Ing. Christoph Langenhan
• Fachliche Zuordnung: Konstruktiver Ingenieurbau, Bauinformatik und Baubetrieb
• Förderung: Förderung von 2019 bis 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 419390235

Ziel des Projekts "metis II" sind Methoden zur Autovervollständigung von Gebäudeentwürfen. Mit Ansätzen der künstlichen Intelligenz werden aus Referenzentwürfen (Teil)Informationen extrahiert und dem Architekten als Ergänzungen des eigenen Entwurfs vorgeschlagen. Dazu werden Methoden erarbeitet, um einzelne Informationen eines semantischen Gebäudemodelles (BIM) im Entwurfskontext anzuwenden. Es werden Methoden untersucht um dem Architekten zu einer zeichnerisch formalisierten räumlichen Konfiguration von z.B. einem Wohnzimmer und einem Schlafzimmer z.B. Küchen, Flure oder Bäder und z.B. deren Lage vorzuschlagen. Die zu entwickelnden Methoden müssen zum einen den inhaltlichen Kontext des Gebäudeentwurfes und zum anderen den nutzerspezifischen Kontext erkennen können. Dafür werden Methoden der künstlichen Intelligenz (KI), speziell des fallbasierten Schließens (FBS, engl.: Case-Based Reasoning, CBR) und der künstlichen neuronalen Netze (KNN), angewendet, erweitert und entwickelt. Die Erklärungsfähigkeit des zu entwickelnden Systems (XAI - Explainable AI) ist ein weiter Schwerpunkt des Projektes, da dem Nutzer - neben den üblichen Suchergebnissen - die automatisch generierten Lösungsanteile sowie das gelernte Wissen erklärt werden müssen.Für die Integration von (Teil)Informationen aus digitalen semantischen Gebäudeinformationsmodellen (BIM) als semantische und topologische Entwurfsspezifikationen (räumliche Anordnung) werden die Schritte des CBR-Zyklus vollständig in den Entwurfsprozess integriert und neue Methoden zur domänenspezifischen Anpassung von CBR-Wissenscontainern (Fallbasis, Ähnlichkeitsmaß, Vokabular und Adaptionswissen) entwickelt. Aus dem aktuellen Stand der (CBR-)Forschung ergeben sich akquisitions- und verwaltungstechnische Defizite: Eine besondere Herausforderung des fallbasierten Schließens, insbesondere der Retrieve- und Retain-Schritte, ist die Größe und Qualität der Fallbasis, da eine möglichst große und hochwertige Datenbasis notwendig ist. Die Daten müssen jedoch akquiriert, verarbeitet und gleichzeitig die Qualität der Fälle sichergestellt werden. Zum Steigern der Qualität der Datenbasis werden im Projekt "metis II" Deep-Learning-Methoden zum gezielten “Vergessen” untersucht.Das Projekt "metis II" basiert auf den Ergebnissen von metis I ("metis – Wissensbasierte Such- und Abfragemethoden für die Erschließung von Informationen in semantischen Modellen (BIM) für die Recherche in frühen Entwurfsphasen" gefördert von 2013-2017 durch die DFG). In "metis I" wurden Ansätze zur zeichnerischen Anfragen von semantischen Gebäudemodellen (BIM) untersucht und Methoden erarbeitet um die Informationen auszuwerten. Das dazu verwendete Konzept der semantischen Gebäudefingerabdrücke hat sich als robust genug herausgestellt und die methodischen Ansätze wurden bestätigt.

• DFG-Verfahren: Sachbeihilfen
• Mitverantwortliche: Professor Dr. Klaus-Dieter Althoff; Professor Dr.-Ing. Frank Petzold