Die Bauwirtschaft in Deutschland erlebt einen Wandel: Der Schwerpunkt verlagert sich von Neubauten hin zur Modernisierung bestehender Gebäude. Eine Herausforderung dabei ist die oft mangelhafte Gebäudedokumentation. Die geplante Innovation in Form eines neuartigen, stabförmigen Ortungsgeräts soll die Raumvermessung vereinfachen und detaillierte Informationen über Wandbeschaffenheit, Materialien und Leitungsverläufe (Elektro, Wasser, Gas) liefern. Mithilfe von Sensorik und KI werden Daten bereitgestellt, die direkt in digitale Gebäudemodelle integriert werden. Dies beschleunigt den Planungsprozess und reduziert gleichzeitig Planungsunsicherheiten, die auf Baustellen regelmäßig für große Verzögerungen sorgen.

Besonders hervorzuheben ist die Echtzeiterkennung von Anomalien im Gebäude, die zusätzlich die Betriebssicherheit erhöhen, sowie eine Visualisierung der aufgenommenen Informationen mittels Augmented Reality. Eine vorherige erfolgreiche Machbarkeitsstudie untersuchte bereits die Umsetzbarkeit und das Marktpotenzial dieser Technologie.

OFFIS beschäftigt sich thematisch mit der Umsetzung des Teilprojekts „Entwicklung Leitungsdetektion und Klassifikation“. Dieses Teilprojekt behandelt die Bearbeitung der im Projekt geplanten KI-Wertschöpfungskette: von der Modellauswahl und -gestaltung, über den Aufbau einer qualitätsgesicherten, versionierten Trainingsdatenbasis, bis zur implementierten, echt-zeitfähigen Analyse-Pipeline, sowie den produktionsnahen Klassifikationsverfahren für Leitungen und Materialien. Ergänzend unterstützt es die Systemintegration und die Endvalidierung der KI.

Der innovative Kern von des Teilprojekts ist die sensorübergreifende, echtzeitfähige KI-Klassifikation mit belastbaren Unsicherheitsmaßen für den Feldeinsatz. Dazu zählen: 

(a) die Kombination moderner Modellfamilien mit signaltypspezifischer Vorverarbeitung für Radar oder kapazitativer Sensorlösungen, 

(b) robuste Trainings- und Validierungsprotokolle inkl. Konfidenz-Kalibrierung für verlässliche Entscheidungen, 

(c) eine latenzoptimierte Edge/Cloud-Pipeline mit Monitoring zur kontinuierlichen Qualitätssicherung sowie 

(d) klar definierte, maschinenlesbare Schnittstellen in Richtung 3D-Modell/Sensorfusion und AR-Visualisierung. 

Das Ergebnis sind präzise Leitungs-, Material- und Anomalieklassen samt Qualitätsindikatoren, die unmittelbar in Planung und Ausführung nutzbar sind.