Das NaiS-Projekt entwickelt eine digitale Plattform zur Unterstützung energetischer Sanierungen von Bestandsgebäuden. Mithilfe Künstlicher Intelligenz werden analoge Gebäudedaten digitalisiert und mit Nachhaltigkeitskennwerten angereichert. Dies ermöglicht datenbasierte Entscheidungen und optimiert die Effizienz sowie Nachhaltigkeit von Sanierungsmaßnahmen. Wichtige Methoden umfassen KI-gestützte Grundrisserkennung, Optical Character Recognition (OCR) zur Textextraktion und eine interaktive Plattform mit offenen Standards. Die enge Mensch-KI-Kollaboration sichert die Qualität und Anwendbarkeit der Ergebnisse.
Themen
Das NaiS-Projekt verfolgt das Ziel, energetische Sanierungen von Bestandsgebäuden durch digitale Technologien effizienter und nachhaltiger zu gestalten. Da viele ältere Gebäude nur über analoge oder unvollständige Daten verfügen, fehlen fundierte Entscheidungsgrundlagen für Sanierungsmaßnahmen. Dies führt zu ineffizienten Prozessen, hohen Kosten und Verzögerungen. Um dem entgegenzuwirken, entwickelt NaiS eine digitale Plattform, die Gebäudedaten automatisiert erfasst, analysiert und zur datenbasierten Planung von Sanierungen bereitstellt.
Mithilfe von Künstlicher Intelligenz (KI) werden analoge Grundrisse digitalisiert und strukturiert, während Optical Character Recognition (OCR) relevante Textelemente aus Bauplänen und Dokumenten extrahiert. Ergänzend ermöglichen interaktive Analysewerkzeuge eine schnelle Bewertung des energetischen Ist-Zustands sowie die Berechnung potenzieller Sanierungsmaßnahmen. Durch die enge Zusammenarbeit von Mensch und KI wird die Datenqualität gesichert und Fehlerquellen minimiert. Gleichzeitig sorgt die Nutzung offener Standards für eine flexible Integration in bestehende Prozesse und ermöglicht eine breite Anwendbarkeit für Immobilienbestandshalter, Planer und Softwareanbieter.
Das Projekt untersucht, wie digitale Technologien dazu beitragen können, Sanierungsprozesse zu optimieren, Datenlücken zu schließen und nachhaltige Entscheidungen zu erleichtern. NaiS trägt damit nicht nur zur Effizienzsteigerung in der Sanierung bei, sondern auch zur Reduzierung der CO₂-Emissionen im Gebäudesektor und zur Schaffung neuer Standards für eine nachhaltige Bauwirtschaft.
Gegenwärtiger Stand
Es wurden KI-gestützte Anwendungen für die Analyse der Grundrissen entwickelt, die auf hybrider Intelligenz basieren. Human-in-the-Loop-Ansätze und Semi-Supervised Learning Methoden wurden implementiert, um das manuelle Labeling von Trainingsdaten zu erleichtern und gleichzeitig eine hohe Qualität der Datenverarbeitung zu gewährleisten. Diese Methoden optimieren zeitaufwändige Prozesse, wobei die finale Kontrolle stets durch Fachpersonal erfolgt.
Bezüglich der Datenmodelle für die Lebenszyklusanalyse von Gebäuden wurde ein Konzept für die Integration von openBIM, Real Estate und GIS-Daten entwickelt, welches im weiteren Verlauf des Projekts weiter verfeinert wird. Zudem wurden Web-Dienste zur automatisierten Erstellung von BIM-Modellen aus Grundrissen entwickelt und erfolgreich getestet. Darüber hinaus wurden Gebäudetypologien und Energieverbrauchsdaten in das System integriert, um eine detaillierte Analyse und Simulation von Sanierungsmaßnahmen zu ermöglichen.
Die Weiterentwicklung von Wireframes und Mock-Ups konzentrierte sich insbesondere auf die Integration von Analysewerkzeugen in die Plattform. Aufgrund von Datenqualitätsabweichungen wurde eine alternative Lösung implementiert, um eine zuverlässigere Analyse zu ermöglichen. Zudem wurde eine API-Schnittstelle entwickelt, um den Analysetool-Prozess in die Plattform einzubinden.
Standards und Anforderungen für die Berechnung von Sanierungspotenzialen wurden analysiert und relevante Algorithmen in bestehende Software integriert. Umfangreiche Testrechnungen wurden durchgeführt, um die Informationsgranularität für Gebäudeanalysen zu bewerten. Dies führte zur Entwicklung eines Sanierungsvariantenkatalogs, eines Dashboards zur Nutzerinteraktion und einer API zur Bereitstellung von Berechnungsergebnissen. Parallel dazu laufen Gespräche zur präzisen Kostenermittlung von Sanierungsmaßnahmen.