Von 2D-Plänen via Machine Learning zu digitalen 3D-Modellen (bis 2025), Hochschule für Architektur, Bau und Geomatik FHNW

Der Betrieb bestehender Gebäude verursacht in der Schweiz etwa 30 % der Treibhausgasemissionen. Die energetische Sanierung des Bestands ist essenziell, um nationale Klimaziele zu erreichen. Bei der Entscheidungsfindung, ob ein Bestandsgebäude saniert, erweitert oder ersetzt werden soll, gibt es Stand heute zwei Möglichkeiten zur Aufbereitung der erforderlichen Informationen: Erstens können Geometrie und Bauteileigenschaften durch zeitaufwendiges manuelles Aufmass durch Laserscanning (oder vergleichbare Technologien) mit anschliessender kostenintensiver manueller Datenaufbereitung gewonnen werden. Zweitens können vorhandene 2D-Pläne manuell in digitale Bauwerksmodelle (DBM) überführt werden, was ebenfalls mit erheblichem Aufwand verbunden ist. Genau hier setzt unser Projekt an:

Wir entwickeln ein intelligentes Werkzeug, das aus analogen 2D-Plänen digitale 3D-Bauwerksmodelle generiert. Eine automatisierte Erstellung digitaler Bauwerksmodelle aus vorhandenen 2D-Plänen beschleunigt nicht nur die Entscheidungsfindung erheblich, sondern bringt eine Fülle von Möglichkeiten mit sich. Es erlaubt eine schnelle systematische Findung der sanierungsbedürftigen Bauteile und die damit verbundene Optimierung bei der Energierechnung. Weiterhin bietet das 3D-Modell eine wichtige Informationsgrundlage bei der Planung, Life Cycle Assessment und für das Facility Management. Die 3D-Modelle von Bestandsgebäuden sind ein notwendiger Schritt zur Digitalisierung von Städten.