Preisträgerbroschüre "Wettbewerb Auf IT gebaut 2019"

Die Digitalisierung in Planung und Bauausführung stellt eine der großen Herausforderungen für 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 tatsächlichen Baufortschritts erfolgen heutzutage noch zu großen 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 ermöglicht. 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 können anschließend von Mensch und Computer interpretiert und für vielfältige Zwecke ausgewertet werden. Neben der Nutzung für Analysen des Bauprozesses oder der Qualitätssicherung bietet sich beispielsweise die Weiterverarbeitung in Softwarelösungen zur automatisierten Baufortschrittsüberwachung an.

Der Informationsabgleich zwischen dem geplanten Soll-Zustand und dem tatsächlichen Ist-Zustand ist eine wesentliche Kenngröße zur Beurteilung der Produktivität von Baumaßnahmen. Dieser sogenannte Soll-Ist-Vergleich erfolgt heutzutage noch zu großen Teilen manuell und ist deshalb fehleranfällig. Bernhard Müller hat in seiner Bachelorarbeit an der Technischen Universität München 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 ermöglicht. Durch Implementierung eines Convolutional Neural Networks (CNN) und eines Modelltrainings können die fotografierten Bauelemente nahezu in Echtzeit klassifiziert und lokalisiert werden. Die damit gewonnenen Informationen sind wichtige Hilfsmittel für eine automatisierte Prüfung und Überwachung des Baufortschritts. Die Jury würdigte insbesondere den hohen Innovationsgrad der Bachelorarbeit und den praktischen Nutzen für Bauunternehmen. Durch eine standardisierte und automatisierte Überwachung des Baufortschritts wird zudem die Qualität von Baumaßnahmen erhöht und ein wirtschaftlicher Nutzen erzielt.

Bernhard Müller ist Student des Bauingenieurwesens an der Technischen Universität München. Seit Beginn seines Studiums fokussiert er sich auf innovative Technologien im Bauwesen und möchte die neuen Möglichkeiten nutzen, die sich mit der Digitalisierung auch für 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 führt er die vorgestellte Arbeit weiter fort und vertieft Thematiken wie die künstliche Intelligenz, um diese für eine Optimierung der Bau- und Planungsprozesse nutzbar zu machen.