Doktorand Toni Nabrotzky zeigt auf der ECPPM 2026 in Cardiff ein neues hybrides Konzept, wie Künstliche Intelligenz gemeinsam mit regelbasierten Algorithmen zukünftig die Modellkonvertierung für die Tragwerksplanung optimieren kann.
Vom 9. bis zum 11. September 2026 kamen Experten aus ganz Europa in der walisischen Hauptstadt Cardiff auf der European Conference on Product and Process Modelling (ECPPM) zusammen. Mit dabei war Toni Nabrotzky, Doktorand an der HTWK Leipzig in Kooperation mit der Universität Rostock.
Die Fachkonferenz hat eine lange Tradition. Professor Raimar Scherer von der Technischen Universität Dresden (TU Dresden) gründete sie bereits im Jahr 1994. Heute geht es dort vor allem um digitale Methoden, Künstliche Intelligenz und Nachhaltigkeit im Bauwesen. Toni Nabrotzky vertrat dort das Institut für Hochbau, Baukonstruktion und Bauphysik (IHBB) der HTWK Leipzig.
Künstliche Intelligenz allein ist nicht die Lösung:
In seinem Vortrag sprach Nabrotzky über ein wichtiges Thema der modernen Bauplanung. Er verglich verschiedene Wege, um statisch rechenfähige Analysemodelle (FEM-Modell) aus Bauwerksdaten zu erstellen. Bisher nutzen die meisten Fachleute für die automatisierte Konvertierung Programme mit regelbasierten, deterministischen Algorithmen. Diese klassischen Algorithmen sind für Standard-Geometrien sehr gut geeignet und erreichen verlässliche Ergebnisse, scheitern jedoch an komplexen geometrischen Anschlüssen, sodass in der Praxis häufig ein manueller Nachbearbeitungsaufwand notwendig ist. Dieser soll mit dem neuen hybriden Konzept reduziert werden.
Toni Nabrotzky untersuchte dazu den Einsatz von Graph Neural Networks (GNNs). Diese sind eine spezielle Form der Künstlichen Intelligenz, bei denen ein Bauwerksmodell in Form eines Graphen übergeben wird. Diese KI-Modelle können darin komplexe Netzwerke gut verstehen und so den Lastfluss in einem Bauwerk vorhersagen. Mithilfe dieser Vorhersagen sollen die Ergebnisse der bestehenden Methoden optimiert werden. In seinem Paper stellt Nabrotzky fest, dass beide Systeme klare Vorteile haben:
- Klassische Algorithmen sind starr, aber liefern verlässlich immer die gleichen Ergebnisse.
- Probabilistische Algorithmen, wie z.B. KI-Modelle, können flexibel mit fehlerhaften Daten umgehen, sind jedoch weniger präzise.
Sein Forschungsansatz ist daher neu: Er schlägt vor, beide Methoden in einem hybriden Konzept zu kombinieren. Die klassischen Regelkonverter stellen darin die Grundlage für den Konvertierungsprozess während KI-basierte Systeme gezielt auf komplexe Anschlusspunkte angewendet werden. Durch dieses Zusammenspiel aus Verlässlichlichkeit und Flexibilität sollen zukünftig Tragwerksmodelle schneller und präziser in statische Analysemodelle umgewandelt werden.
In seinen nächsten Schritten wird Nabrotzky dieses Konzept selbst umsetzen und anschließend die Ergebnisse präsentieren. Dabei kann man bereits jetzt sagen: Entgegen des andauerndes Hypes um die Künstlichen Intelligenz ist diese nicht immer das Allheilmittel. Oftmals lässt sich feststellen: Die Mischung macht's!
Die Arbeit von Toni Nabrotzky ist Teil des ESF-Stipendiums - gefördert vom Freistaat Sachsen und der Europäischen Union.
