Zum Hauptinhalt springen Skip to page footer
gaeco ekkodale

Problemstellung

Gebäudebetreiber und Immobilienbesitzer stehen vor einem wachsenden Problem: Für Berichtspflichten wie die EU-Taxonomie-Verordnung oder BaFin-Anforderungen werden strukturierte, digitale Daten über die verbauten Komponenten eines Gebäudes benötigt – doch in den meisten Bestandsgebäuden existieren diese Daten schlicht nicht. Eine manuelle Bestandsaufnahme aller relevanten Objekte wie Fenster, Türen, Fassaden oder Mobiliar ist zeitaufwändig, fehleranfällig und kostenintensiv.

“Wir mussten für einen Nachhaltigkeitsbericht nachweisen, welche Fenster und Fassadenelemente in unserem Bürogebäude verbaut sind – Baujahr, Maße, Hersteller. Unsere Unterlagen dazu? Ein Aktenordner aus den 90ern. Mit dem neuen System haben wir einfach Fotos gemacht und die Klassifizierung lief automatisch. Das hat uns Wochen an manueller Arbeit gespart."

- Gebäudebetreiber, Büroimmobilie, Rhein-Main-Gebiet

Forschungsfragen

  1. Kann KI-gestützte Bilderkennung die Bestandsaufnahme von Gebäudekomponenten automatisieren?
  2. Lässt sich durch Kombination zweier verschiedener KI-Ansätze die Erkennungsgenauigkeit steigern?
  3. Wie lässt sich das Ergebnis direkt in ein strukturiertes digitales Gebäudemodell überführen?

Ansatz und Methodik

  • Fotos von Objekten (z. B. Möbel, Ausstattung) werden in eine Software hochgeladen.
  • Zwei KI-Verfahren erkennen und klassifizieren das Objekt automatisch auf dem Foto.
  • Das erkannte Objekt wird einer standardisierten Kategorie zugewiesen (z. B. „Bürostuhl", „Schreibtisch").
  • Zugehörige Eigenschaften (Maße, Material, etc.) werden automatisch vorgeschlagen und können ergänzt werden.
  • Das Objekt landet strukturiert im digitalen Gebäudemodell (leaDE) – sofort für Berichte nutzbar.
  • Integration in die bestehende Plattform der ekkodale GmbH, keine separate Software nötig.

Ergebnisse und Bewertung

  • Prototyp erfolgreich entwickelt und getestet.
  • KI erkennt Büroausstattung zuverlässig anhand von Fotos.
  • Kombination beider KI-Verfahren steigert die Trefferquote (weniger übersehene Objekte).
  • Tradeoff: minimal mehr Fehlerkennungen bei kombiniertem Ansatz – für die Praxis vertretbar.
  • Grundlage geschaffen für den Einsatz auch bei anderen Gebäudekomponenten (Fenster, Türen, Technik).
  • Bewertung: vielversprechender Proof of Concept, der den Aufwand für Bestandsaufnahmen erheblich reduzieren kann.

Relevanz für gaeco

gaeco braucht Daten, die nicht nur vorhanden, sondern von Anfang an strukturiert und mit Bedeutung versehen sind. Genau das liefert dieses System: Jedes per KI erkannte Objekt landet nicht als roher Datensatz in der Plattform, sondern klassifiziert nach einer einheitlichen Richtlinie – mit den richtigen Eigenschaften, im richtigen Format. Damit ist die KI-gestützte Bestandsaufnahme ein direkter Datenzulieferer für gaeco.

Was ist gaeco?

gaeco ist das semantische Datenprodukt von ekkodale - eine Open-Source-Plattform, die Bauprojektdaten maschinenlesbar und systemübergreifend verknüpfbar macht. Diese Arbeit legt eine direkte technische Grundlage dafür: Sie zeigt, wie BIM-Metadaten mithilfe von Ontologien so strukturiert werden, dass gaeco Standards nicht nur abbildet, sondern in bearbeitbare Wissensstrukturen überführt.

Mehr über gaeco erfahren ↗

 

Wir danken Nico Greffin für die erfolgreiche Zusammenarbeit und seinen wertvollen Beitrag zur Entwicklung KI-gestützter Prozesse im Gebäudebestand. Die Arbeit hat wichtige Impulse für die Weiterentwicklung von gaeco geliefert. :)

 

Cookie Extension Logo