Wie KI-Modelle den Planungsalltag im Bauwesen verändern können – ein Beitrag der HTWK Leipzig auf der internationalen Konferenz EG‑ICE 2025.
Vom 1. bis 3. Juli 2025 fand an der University of Strathclyde in Glasgow der 32. International Workshop on Intelligent Computing in Engineering (EG‑ICE) statt. Die Konferenz bringt jährlich Forschende und Fachleute aus den Bereichen Bauingenieurwesen und digitale Methoden zusammen. Thematische Schwerpunkte in diesem Jahr waren unter anderem intelligente Modellierungsstrategien, der Umgang mit Planungsunsicherheiten sowie die Integration von Fachwissen in algorithmische Verfahren.
Einen Beitrag aus Leipzig steuerte Toni Nabrotzky bei. Der wissenschaftliche Mitarbeiter und Promotionsstudent der HTWK Leipzig präsentierte seine aktuelle Forschung zum Einsatz von Graph Neural Networks (GNNs) in der digitalen Tragwerksplanung.
Modellkonvertierung mit GNNs: Weniger Reibung im Planungsprozess
Im Zentrum des vorgestellten Papers stand die Frage, wie sich Bauwerksmodelle automatisch und verlustarm zwischen Softwareplattformen übertragen lassen. Der Beitrag mit dem Titel
„Graph Neural Networks for Structural Engineering: Improving BIM Workflows and IFC Model Exchange“
zeigt, wie GNNs dazu eingesetzt werden können, Lastübertragungen zwischen Bauteilen in IFC-Modellen vorherzusagen. Dazu werden analytische Graphen aus BIM-Modellen generiert und mit KI-Modellen ausgewertet. Die Klassifikationsgenauigkeit lag bei über 90 Prozent – ein vielversprechendes Ergebnis für die Integration in künftige Planungsabläufe.
Internationaler Austausch mit Perspektive
Während der Konferenz ergaben sich intensive Gespräche mit Forschenden aus verschiedenen Ländern. Im Mittelpunkt standen Themen wie digitale Zwillinge, graphbasierte Modellierung, semantische Anreicherung von Bauwerksmodellen und KI-gestützte Optimierungsmethoden. Die vorgestellte Methode stieß auf großes Interesse – insbesondere im Hinblick auf ihre Übertragbarkeit auf reale, heterogene BIM-Daten.
Die nächsten Forschungsschritte zielen auf eine Erweiterung der Methode: Neben IfcColumn und IfcSlab sollen künftig auch andere Bauteilklassen wie IfcWall, IfcBeam oder IfcFoundation abgebildet werden. Auch ein Vergleich mit regelbasierten Verfahren ist geplant, um den Mehrwert des GNN-Ansatzes empirisch zu validieren.
