Preistr?gerbrosch?re "Wettbewerb Auf IT gebaut 2019"

Die Digitalisierung in Planung und Bauausf?hrung stellt eine der gro?en Herausforderungen f?r die Bauindustrie dar. Neben digitalen, mehrdimensionalen Planungsmethoden und automatisierten Bauverfahren ist besonderes Augenmerk auf den Informationsabgleich zwischen geplantem Soll-Zustand und gebautem Ist-Zustand zu legen. Die Interpretation digitaler Planungsvorgaben sowie die Bestandsaufnahme des tats?chlichen Baufortschritts erfolgen heutzutage noch zu gro?en Teilen manuell und analog und bieten ein hohes Optimierungspotential durch Standardisierung und Automatisierung. Einen Ansatz zur digitalen Bestandsaufnahme von Baustellen zeigt die vorgestellte Applikation zur automatisierten Bauteilerkennung. Im Rahmen der Bachelorarbeit wurde ein Machine Learning Tool entwickelt, das eine pixelgenaue Ausweisung von Bau- und Baubehelfselementen auf Baustellenfotografien erm?glicht. Durch Implementierung eines Convolutional Neural Networks (CNN) werden auf beliebigen fotografischen Aufnahmen verschiedene Bauelemente, je nach vorhandener Hardware, nahezu in Echtzeit klassifiziert und lokalisiert. Die daraus gewonnenen Informationen k?nnen anschlie?end von Mensch und Computer interpretiert und f?r vielf?ltige Zwecke ausgewertet werden. Neben der Nutzung f?r Analysen des Bauprozesses oder der Qualit?tssicherung bietet sich beispielsweise die Weiterverarbeitung in Softwarel?sungen zur automatisierten Baufortschritts?berwachung an.

Der Informationsabgleich zwischen dem geplanten Soll-Zustand und dem tats?chlichen Ist-Zustand ist eine wesentliche Kenngr??e zur Beurteilung der Produktivit?t von Bauma?nahmen. Dieser sogenannte Soll-Ist-Vergleich erfolgt heutzutage noch zu gro?en Teilen manuell und ist deshalb fehleranf?llig. Bernhard M?ller hat in seiner Bachelorarbeit an der Technischen Universit?t M?nchen eine Applikation zur automatisierten Bauteilerkennung erstellt, mit deren Hilfe der Soll-Ist-Vergleich automatisiert und standardisiert werden kann. Er hat dazu ein Machine Learning Tool entwickelt, das eine pixelgenaue Ausweisung von Bau- und Baubehelfselementen auf Baustellenfotografien erm?glicht. Durch Implementierung eines Convolutional Neural Networks (CNN) und eines Modelltrainings k?nnen die fotografierten Bauelemente nahezu in Echtzeit klassifiziert und lokalisiert werden. Die damit gewonnenen Informationen sind wichtige Hilfsmittel f?r eine automatisierte Pr?fung und ?berwachung des Baufortschritts. Die Jury w?rdigte insbesondere den hohen Innovationsgrad der Bachelorarbeit und den praktischen Nutzen f?r Bauunternehmen. Durch eine standardisierte und automatisierte ?berwachung des Baufortschritts wird zudem die Qualit?t von Bauma?nahmen erh?ht und ein wirtschaftlicher Nutzen erzielt.

Bernhard M?ller ist Student des Bauingenieurwesens an der Technischen Universit?t M?nchen. Seit Beginn seines Studiums fokussiert er sich auf innovative Technologien im Bauwesen und m?chte die neuen M?glichkeiten nutzen, die sich mit der Digitalisierung auch f?r die Baubranche ergeben. Im Masterstudium konzentriert er sich nach den konstruktiven Disziplinen und digitalen Planungsmethoden nun auf die Fachgebiete des Bauprozessmanagements und der Immobilienentwicklung. Neben dem Studium f?hrt er die vorgestellte Arbeit weiter fort und vertieft Thematiken wie die k?nstliche Intelligenz, um diese f?r eine Optimierung der Bau- und Planungsprozesse nutzbar zu machen.