Auf der internationalen Konferenz EG‑ICE 2025 in Glasgow präsentierte Toni Nabrotzky seine aktuelle Forschung zum Einsatz von Graph Neural Networks (GNNs) im BIM-gestützten Tragwerksplanungsprozess. Ziel ist die automatisierte Modellkonvertierung zur Verbesserung von Analysegenauigkeit und Software-Interoperabilität.
Vom 1. bis 3. Juli 2025 fand an der University of Strathclyde in Glasgow die 32. Ausgabe des EG‑ICE International Workshop on Intelligent Computing in Engineering statt. Die jährlich stattfindende Konferenz bringt Expertinnen und Experten aus den Bereichen intelligentes Computing und Bauingenieurwesen zusammen und verfolgt das Ziel, den Austausch zwischen Forschung, Lehre und Industrie zu fördern. Thematische Schwerpunkte der Veranstaltung lagen unter anderem auf der Bewältigung komplexer Modellierungsaufgaben, dem Umgang mit Unsicherheiten in Planungsprozessen sowie der Integration domänenspezifischen Wissens in algorithmische Methoden.
Im Rahmen der Konferenz wurde ein Beitrag von Promotionsstudenten Toni Nabrotzky vorgestellt, der sich mit dem Einsatz von Graph Neural Networks (GNNs) zur Unterstützung der automatisierten Modellkonvertierung im BIM-gestützten Tragwerksplanungsprozess befasst. Das präsentierte Paper mit dem Titel
„Graph Neural Networks for Structural Engineering: Improving BIM Workflows and IFC Model Exchange“
untersucht, wie sich strukturelle Modelle als analytische Graphen abbilden lassen, um mithilfe von GNNs Lastübertragungen zwischen Bauteilen vorherzusagen. Die dabei erzielten Klassifikationsgenauigkeiten von über 90 % unterstreichen das Potenzial des Ansatzes für präzisere Analysen und eine verbesserte Interoperabilität zwischen verschiedenen Softwareplattformen.
Während des Workshops ergaben sich zahlreiche fachliche Austauschmöglichkeiten mit internationalen Forschungseinrichtungen, insbesondere zu Themen wie graphbasiertes Modellieren, digitale Zwillinge und KI-gestützte Optimierungsverfahren. Weitere Impulse wurden durch Beiträge zur semantischen Anreicherung von Bauwerksmodellen und zur kollaborativen Modellversionierung gewonnen.
In einem nächsten Schritt soll die Methode auf realitätsnahe, heterogene IFC-Modelle erweitert werden, sodass neben IfcColumn und IfcSlab auch weitere Bauteilklassen wie beispielsweise IfcBeam, IfcFoundation und IfcWall berücksichtigt werden können. Darüber hinaus ist ein systematischer Vergleich mit regelbasierten Konvertern vorgesehen, um den praktischen Nutzen des GNN-basierten Verfahrens empirisch zu bewerten.
