In der heutigen digitalen Baubranche werden häufig komplexe Strukturen für digitale Gebäudemodelle, wie etwa die Industry Foundation Classes (IFC), verwendet. Diese Strukturen sind aus vielerlei Gründen enorm nützlich, können aber aufgrund ihrer Komplexität den Zugang zu Daten erschweren und ein einheitliches Verständnis von Gebäudestrukturen über verschiedene Projekte und Organisationen hinweg behindern. Dieses Problem soll mit einer innovativen Methode adressiert werden. Diese basiert darauf, bestehende Klassifikationssysteme durch die Nutzung des maschinen- und menschenlesbaren IDS-Formats von buildingSMART abzubilden und so automatisiert anwendbar zu machen. Das abgebildete Klassifikationswissen soll helfen, Gebäudemodelle je nach Sichtweise, Anforderung und Disziplin der Beteiligten einheitlich zu strukturieren und besser verständlich zu machen. Indem Klassifikationsregeln in diesem IDS-Format gesammelt und dargestellt werden, entsteht eine formalisierte Logik für die automatische Klassifizierung. Diese kann als eine gemeinsame Basis dienen und ermöglichen, Wissen aus Projekten oder Organisationen zu erfassen und zu integrieren. Dadurch werden technische Barrieren überwunden und der Weg für eine kollaborative und standardisierte Arbeitsweise mit bestehenden oder aber neuen Klassifikationssystemen in der digitalen Bauindustrie geebnet. Dieser Ansatz fördert so nicht nur ein tieferes Verständnis für die verwendeten Daten, sondern erleichtert auch den Wissensaustausch zwischen verschiedenen Akteuren in der Branche.

Der Fachvortrag zur Veranstaltung ist im Volltext verfügbar. Das PDF enthält alle Bilder und Formeln.

1 Einleitung

Die fortschreitende Digitalisierung in der Bauwirtschaft bedingt den Einsatz hochstrukturierter und komplexer Datenformate, wie beispielsweise die Industry Foundation Classes (IFC). Diese dienen dazu, die umfangreichen und vielschichtigen Informationen abzubilden, die für Bauprojekte charakteristisch sind (Zhang et al., 2014). Allerdings stellt die Konfrontation verschiedener Stakeholder, insbesondere jener mit unterschiedlichen fachlichen Hintergründen oder begrenzter Erfahrung im Umgang mit digitalen Bauwerksmodellen, mit diesen komplexen Datenstrukturen eine erhebliche Herausforderung dar. Es besteht ein dringender Bedarf, allen Beteiligten einen einfacheren Zugang zu diesen Daten zu ermöglichen und den Einstieg in die digitale Modellierung zu erleichtern. Dies fördert nicht nur eine breitere Akzeptanz, sondern auch eine effektive Nutzung digitaler Methoden in der Bauwirtschaft (Opoku et al., 2023).

Klassifizierungssysteme spielen eine Schlüsselrolle bei der Überbrückung dieser Komplexitätslücke. Sie ermöglichen eine systematische Einordnung in definierte Kategorien auf Basis gemeinsamer Merkmale, wie in der ISO 14177 (ISO, 1994) festgelegt. Diese Systeme, die in unterschiedlichen Bereichen und Disziplinen der Bauindustrie Anwendung finden, bieten einen vertrauten Rahmen für Ingenieure und Fachleute, die oft seit Jahrzehnten damit arbeiten. Der entscheidende Vorteil von Klassifikationssystemen liegt in ihrer Fähigkeit, das Auffinden von Informationen zu vereinfachen, die Kommunikation zu verbessern und die Standardisierung zu fördern. Dies ist insbesondere beim Umgang mit den komplexen Datenstrukturen digitaler Bauwerksmodelle von essentieller Bedeutung.

2 Aktueller Stand der Technik

Die Entwicklung digitaler Methoden in der Bauwirtschaft, insbesondere des Building Information Modeling (BIM), hat die Rolle von Klassifikationssystemen wesentlich aufgewertet (Wu; Zhang, 2019). BIM ermöglicht es, umfassende, mehrdimensionale digitale Repräsentationen der physischen und funktionalen Merkmale von Bauwerken zu erstellen. Dafür ist ein strukturierter Ansatz im Informationsmanagement unerlässlich. Hier bieten Klassifizierungssysteme das notwendige Rückgrat für die Organisation und Strukturierung dieser komplexen Daten auf eine zugängliche und interoperable Weise (Beetz, 2018).

In der digitalen Welt haben sich Klassifikationen als effektive Werkzeuge für die Kategorisierung und Verbesserung des Informationsflusses, der Zugänglichkeit und der Kollaboration entwickelt. Sie ermöglichen eine strukturierte Organisation von Daten innerhalb digitaler Modelle, was die Navigation, Interpretation und Nutzung der Informationen erheblich vereinfacht. Für die Projektbeteiligten wird dadurch die Interaktion mit den Inhalten der Modelle über eine vertraute Klassifizierungsansicht wesentlich erleichtert. Dies ist besonders beim Umgang mit komplexen Datenstrukturen wie den Industry Foundation Classes (IFC) von Bedeutung. Klassifizierungen beschleunigen das Auffinden relevanter Informationen und tragen zur systematischen und vorhersehbaren Organisation von Daten bei. Dies ist für die Entscheidungsfindung und Koordination zwischen verschiedenen Projektbeteiligten entscheidend.

Bezüglich der Interoperabilität ermöglichen Klassifikationen durch einen standardisierten Rahmen einen effizienteren Informationsaustausch zwischen den zahlreichen, in Projekten verwendeten Softwareanwendungen und Plattformen. Mit dem Fokus auf moderne digitale Methoden gewinnt auch die Erfassung und Formalisierung von Wissen über Klassifizierungssysteme an Bedeutung. Dies führt zur Entwicklung von Methoden, um Klassifikationen automatisiert auf Modelle anzuwenden, was zu einem vereinfachten, gemeinsamen Verständnis und Konsens über Klassifizierungsstandards in der Branche beiträgt. Aktuelle Ansätze zur Klassifikation von Modellen lassen sich im Allgemeinen in zwei Kategorien unterteilen: (1) regelbasierte Klassifizierung und (2) attributbasierte Klassifizierung.

Bei der attributbasierten Klassifizierung ergänzen Modellersteller manuell spezifische Eigenschaften, sogenannte Attribute, zu jeder Komponente eines Modells. Diese Attribute dienen dazu, die jeweiligen Komponenten einem bestimmten Klassifikationssystem zuzuordnen. Der Vorteil dieses Ansatzes liegt in seiner Flexibilität, da die Attribute individuell auf die Bedürfnisse eines spezifischen Projekts abgestimmt werden können. Weiterhin ermöglicht er eine intuitive Kategorisierung der Komponenten basierend auf ihren spezifischen Merkmalen. Allerdings ist dieser Prozess mit einem beachtlichen manuellen Aufwand verbunden. Das händische Hinzufügen von Attributen ist nicht nur mühselig und zeitaufwendig, sondern birgt auch das Risiko von Fehlern. Zudem ist es entscheidend, dass alle Projektbeteiligten ein einheitliches Verständnis des Klassifizierungsschemas haben, um eine konsistente Anwendung zu gewährleisten. Im Gegensatz zu automatisierten, regelbasierten Klassifizierungsmethoden liegt das Verständnis und die Logik der Klassifizierung bei der manuellen Attributzuweisung in den Händen der menschlichen Nutzer. Dieses oft nicht formalisierte, implizite Wissen kann innerhalb der Branche variieren und zu Inkonsistenzen führen. Um die attributbasierte Klassifizierung effektiv zu nutzen, können verschiedene Beteiligte die zugeordneten Attribute jeder Komponente einsehen. Viele Tools bieten zusätzlich Filterfunktionen an, um die Merkmale für unterschiedliche Zwecke, wie beispielsweise visuelle Darstellungen, nutzbar zu machen. Dies erhöht die Zugänglichkeit und Verständlichkeit der Informationen, erfordert jedoch eine sorgfältige und präzise Attributzuteilung, um effektiv zu sein.

Die regelbasierte Klassifizierung im Bauwesen nutzt statische, filterähnliche Regeln, die meist in nativen Software-Tools implementiert sind. Anwender setzen dabei eine Regellogik ein, um Komponenten auf Basis ihrer inhärenten Informationen zu filtern. Der regelbasierte Mechanismus wird häufig auch genutzt, um Inhalte aus verschiedenen Autorentools zu harmonisieren. Beispielsweise können Außenwände, die in unterschiedlichen Modellen verschiedene Merkmale (wie Namen oder spezifische Eigenschaften) aufweisen, identifiziert und kategorisiert werden. Diese Methode automatisiert den Klassifizierungsprozess, was Konsistenz und Effizienz gewährleistet und gleichzeitig den manuellen Aufwand reduziert. Allerdings bietet dieser Ansatz nur eingeschränkte Flexibilität, um sich an unterschiedliche Klassifizierungsanforderungen anzupassen. Zudem kann die Verwaltung der Logik bei sich ändernden Projektanforderungen komplex und herausfordernd werden (Bloch; Sacks, 2018). Ein signifikanter Nachteil dieser Methode ist das Fehlen einer herstellerneutralen Formalisierung der Logik hinter der Klassifizierung, was die Erfassung und den Austausch von Klassifizierungswissen in der Branche erschwert. Bekannte Beispiele für regelbasierte Klassifizierung in der Praxis sind Software-Tools wie Solibri Office und BIMcollab Zoom (Solibri, 2023; BIMcollab, 2023).

In Solibri Office wird die Klassifizierung durch vordefinierte Regeln unterstützt, die es Benutzern ermöglichen, Modellkomponenten effizient zu filtern und zu organisieren. Ähnlich bieten Smart Views in BIMcollab Zoom die Möglichkeit, benutzerdefinierte Ansichten auf Basis von Regeln zu erstellen, was die Klassifizierung und Visualisierung von Modellkomponenten erleichtert. Das Bild 1 veranschaulicht, wie Benutzer in Solibri Office regelbasierte Klassifizierungen definieren können. Im Bild 2 sind Ergebnisse einer solchen Klassifikation sowohl in Solibri als auch in BIMcollab Zoom dargestellt.

Diese Beispiele illustrieren den praktischen Nutzen der regelbasierten Klassifizierung, decken jedoch auch ihre inhärenten Grenzen in Bezug auf Flexibilität und Formalisierung der Klassifizierungslogik auf. Sie unterstreichen die Notwendigkeit, alternative oder ergänzende Methoden zu erforschen, um Klassifizierungswissen in einem stärker standardisierten und gemeinsam nutzbaren Format zu erfassen.

Bei der Betrachtung der beiden gängigen Klassifizierungsmethoden wird deutlich, dass jede ihre spezifischen Vorteile bietet. Regelbasierte Klassifizierung zeichnet sich durch ihre Automatisierung und Konsistenz aus, was eine schnellere und besser standardisierbare Zuordnung von Komponenten ermöglicht. Die attributbasierte Klassifizierung bietet hingegen Flexibilität und Intuitivität, die individuelle Klassifizierungen erlauben.

Bild 1: Klassifikationsregeln in Solibri Office

Bild 2: Darstellung von Smart Views in BIMcollab Zoom (links) und Klassifikationen in Solibri Office (rechts)

Jedoch weist die regelbasierte Klassifizierung Einschränkungen auf, vor allem ihre begrenzte Anpassungsfähigkeit an unterschiedliche Klassifizierungsanforderungen, was in dynamischen Projekten zu Problemen führen kann. Ihre Regellogik kann komplex und schwer zu verwalten werden, was den Klassifizierungsprozess verlangsamen kann. Ein zentrales Problem ist die mangelnde Klarheit über die Gründe für die Klassifizierung, was die gemeinsame Nutzung und Standardisierung der Logik in verschiedenen Projekten oder Teams erschwert.

Die attributbasierte Klassifizierung bringt ihre eigenen Herausforderungen mit sich, wie den manuellen Aufwand bei der Klassifizierung von Objekten, was zeitaufwändig und fehleranfällig sein kann. Ein einheitliches Verständnis des Klassifizierungsschemas ist notwendig, um Konsistenz zu wahren, was in heterogenen Teams oder bei Projekten mit mehreren Beteiligten schwierig sein kann. Wie bei der regelbasierten Methode wird auch hier die Klassifizierungslogik nicht ausreichend erklärt, was zu Unstimmigkeiten im Branchenverständnis führt.

Ein gemeinsames Problem beider Methoden ist die Mehrdeutigkeit der zugrunde liegenden Überlegungen für die Klassifizierungen. Diese erschwert den Austausch und das Verständnis der Klassifizierungslogik in der gesamten Branche und weist auf einen Forschungsbedarf hin.

Zusammenfassend lässt sich sagen, dass beide Klassifizierungsmethoden ihre Stärken haben, aber auch mit erheblichen Herausforderungen konfrontiert sind, insbesondere bei der Erläuterung der Gründe für Klassifizierungen, um Wissensaustausch und branchenweite Standardisierung zu fördern. Diese Erkenntnisse unterstreichen die Notwendigkeit eines verfeinerten Klassifizierungsansatzes, der die Vorteile von regelbasierten und attributbasierten Methoden kombiniert und ihre Schwächen ausgleicht, um den Weg für einen verbesserten Wissensaustausch und ein tieferes Verständnis im Bereich der digitalen Konstruktion zu ebnen.

3 Herstellerneutrale Repräsentation von Klassifizierungswissen

Die Formalisierung des Klassifizierungswissens in einem gemeinsam nutzbaren, neutralen Format bietet beträchtliche Vorteile. Erstens ermöglicht es den Projektbeteiligten, wertvolle Einblicke zu gewinnen und fördert ein umfassendes und einheitliches Verständnis über die Klassifizierung von Bauteilen. Ein solches gegenseitiges Verständnis ist unerlässlich für die Harmonisierung der Perspektiven verschiedener Stakeholder.

Ein weiterer wichtiger Vorteil ist die Reduzierung manueller Arbeit. Durch die Automatisierung der Klassifikation unter Verwendung bestehender Informationen über Bauteile wird der Prozess effizienter und konsistenter gestaltet. Dies minimiert die Fehleranfälligkeit, die mit manuellen Klassifizierungsmethoden verbunden ist. Ein entscheidender Aspekt dabei ist die Erfassung der Regellogik in einem standardisierten Format, was die Verwaltung und den Austausch von Klassifizierungswissen über verschiedene Projekte und Teams hinweg vereinfacht. Diese Standardisierung schafft eine gemeinsame Sprache, die die Hintergründe jeder Klassifizierung erläutert und somit die Zusammenarbeit verbessert.

Ein standardisiertes Format dient als Basis für Dialog und Kooperation zwischen den Beteiligten, was für den Erfolg digitaler Bauprojekte entscheidend ist. Zudem führt eine effiziente Datenverwaltung zu einem vereinfachten Klassifizierungsprozess und schafft eine besser organisierte Datenlandschaft, die die Navigation und Interaktion mit digitalen Modellen erleichtert.

Die Grundlage für die Klassifizierung eines Bauteils wird oft durch die vorhandenen Informationen über das Bauteil selbst gebildet. Die bestehenden Einschränkungen können durch Identifizierung dieser Regellogik und deren Kapselung in einem standardisierten Format überwunden werden. Dies ebnet den Weg für verbesserte Kooperation und ein effizienteres Datenmanagement im digitalen Bauwesen. Durch die Extraktion und Formalisierung dieser Regellogik in einer standardisierten Form überwinden wir die aktuellen Beschränkungen und eröffnen neue Möglichkeiten für Zusammenarbeit und rationalisiertes Datenmanagement.

Dieses Vorhaben zielt darauf ab, bestehende Klassifizierungssysteme mit komplexen Datenstrukturen zu verknüpfen, die digitale Landschaft für alle Beteiligten zu vereinfachen und ein kollaboratives, effizientes und nutzerzentriertes digitales Bauökosystem zu fördern.

3.1 Standardisierte Formate zur Formalisierung von Klassifizierungswissen

Es ist von großem Nutzen, bestehende Standards zu untersuchen, die sich für die effiziente Kapselung und gemeinsame Nutzung der Logik von Klassifizierungsregeln eignen, insbesondere im Kontext der Formalisierung von Klassifizierungswissen im digitalen Bauwesen. Unter den zahlreichen verfügbaren Formaten stechen mvdXML und Information Delivery Specification (IDS) hervor. Beide Standards, entwickelt von buildingSMART.

International, bieten aufgrund ihrer strukturierten Rahmenbedingungen und ihrer weitreichenden Anerkennung in der Bauindustrie erhebliche Vorteile (Tomczak et al., 2022).

Eine detaillierte Gegenüberstellung der verschiedenen Vor- und Nachteile dieser Formate in Bezug auf den spezifischen Anwendungsfall wird in der Tabelle 1 dargestellt. Diese Zusammenfassung hilft dabei, ein klares Bild der Eignung dieser Standards für die spezifischen Anforderungen des digitalen Bauens zu erhalten und unterstützt somit eine fundierte Entscheidung bei der Auswahl des geeignetsten Formats für die Klassifizierungsaufgaben in diesem Bereich.

Tabelle 1: Vergleich von mvdXML und IDS zur Formalisierung von Klassifikationswissen

3.1.1 mvdXML

mvdXML ist ein Datenschema, das die Model View Definition (MVD) unterstützt, um den Datenaustausch in Bauprojekten zu formalisieren und zu validieren. Dieses Schema, entwickelt von buildingSMART im Jahr 2016, spielt eine zentrale Rolle in der Standardisierung des Informationsaustauschs im Bauwesen. MVD wird verwendet, um spezifische Teilmengen des Industry Foundation Classes (IFC)-Schemas festzulegen und so die Interoperabilität in bestimmten Anwendungsfällen zu verbessern.

mvdXML bietet nicht nur einen strukturierten Rahmen, sondern auch eine zusätzliche Validierungsebene, die gewährleistet, dass die in ihm enthaltene Logik für Klassifizierungsregeln den vordefinierten Industriestandards entspricht. Durch die Nutzung von mvdXML zur Formalisierung von Klassifizierungswissen kann die Logik der Klassifizierung an etablierte Standards angepasst und somit die Konsistenz und Interoperabilität zwischen verschiedenen Projekten und Systemen gefördert werden.

Die Validierungsfunktion von mvdXML ist besonders bedeutsam, da sie dazu beiträgt, die Integrität und Genauigkeit der Klassifizierungslogik über die Zeit hinweg zu bewahren. Dies ist entscheidend, um sicherzustellen, dass die Informationen, die innerhalb der Bauindustrie ausgetauscht werden, zuverlässig und konsistent sind, was wiederum eine effiziente und effektive Zusammenarbeit ermöglicht.

3.1.2 Information Delivery Specification (IDS)

Die Information Delivery Specification (IDS), eingeführt von buildingSMART International im Jahr 2023, ist ein verhältnismäßig neues Schema, das speziell darauf abzielt, die Anforderungen an die Informationsbereitstellung in Bauprojekten zu spezifizieren. IDS dient als Leitfaden, der detailliert die Art, das Format und den Umfang der Informationen beschreibt, die während der verschiedenen Phasen des Projektlebenszyklus zwischen den beteiligten Parteien ausgetauscht werden müssen.

Die Einführung von IDS zielt darauf ab, Klarheit, Konsistenz und Effizienz im Informationsaustausch zu erhöhen. Durch die präzise Definition der Informationsanforderungen werden Missverständnisse und Fehler minimiert, die ansonsten ein Projekt gefährden könnten. IDS ist primär darauf ausgerichtet, die Formulierung und Erfüllung von Informationsanforderungen zu vereinfachen und zu präzisieren.

Indem es als Bindeglied fungiert, stellt IDS sicher, dass die in den verschiedenen Phasen eines Bauprojekts generierten und verwendeten Informationen mit den festgelegten Standards übereinstimmen. Dies fördert die Interoperabilität und Zusammenarbeit zwischen den verschiedenen Akteuren im Bauwesen. IDS trägt somit entscheidend dazu bei, die Koordination und das Informationsmanagement in Bauprojekten zu verbessern und unterstützt eine effizientere und effektivere Projektumsetzung.

3.2 Methodik

mvdXML bietet einen umfangreichen Rahmen für die Formalisierung und Validierung des Datenaustauschs in Bauprojekten, insbesondere im Zusammenhang mit verschiedenen Anwendungsfällen des IFC-Schemas. Im Gegensatz dazu konzentriert sich die Information Delivery Specification (IDS) auf bestimmte Aspekte und fokussiert sich auf die klare Formulierung von Anforderungen an die Informationsbereitstellung während des Lebenszyklues eines Bauprojekts. Obwohl mvdXML in seiner Vielseitigkeit die Funktionen der IDS umfassen kann, bietet der spezialisierte Ansatz von IDS eine benutzerfreundlichere und effizientere Alternative für den vorgesehenen Zweck.

Ein kritisches Thema bei mvdXML ist seine begrenzte Marktdurchdringung, die seine sofortige Nutzbarkeit und Akzeptanz für die Formalisierung der Klassifizierungslogik einschränken könnte. Zusätzlich stellt die hohe Komplexität von mvdXML eine Herausforderung dar, insbesondere für Anwender, die neu in digitalen Baustandards sind. Dies könnte eine Hürde für die Annahme dieses Standards darstellen. Der IDS-Standard hingegen bietet mit seinem vereinfachten Ansatz eine niedrigere Einstiegshürde und wird dadurch zu einer attraktiveren Option. Obwohl mvdXML in diesem Bereich ein großes Potenzial hat, könnte eine vergleichende Analyse mit IDS in zukünftigen Studien ein differenziertes Verständnis ihrer jeweiligen Stärken und Grenzen bei der Formalisierung von Klassifizierungswissen liefern.

Unser vorgeschlagener Ansatz nutzt das IDS-Format, ohne dessen bestehende Struktur zu verändern oder zu erweitern. Wir interpretieren bestimmte Aspekte der IDS neu, um sie für einen konkreten Zweck zu nutzen. IDS basiert auf einem standardisierten XML-Schema und dient als robuster Mechanismus zur Beschreibung von Informationsanforderungen für Elemente in IFC-Dateien. Eine IDS-Datei besteht aus einem Header, der allgemeine Metadaten enthält, und einer Liste von Spezifikationen, die die Informationsanforderungen für IFC-Elemente detailliert beschreiben. Jede Spezifikation ist in Metadaten, Anwendbarkeit und Anforderungen unterteilt. Die Komponenten „Anwendbarkeit“ (engl. applicability) und „Anforderungen“ (engl. requirements) verwenden sogenannten „Facetten“ (engl. facets), um ihren Inhalt zu spezifizieren. Im Zusammenhang mit IDS beschreiben Facets potenzielle Informationen, die ein Element im IFC-Modell haben könnte. Sechs definierte Facet-Parameter werden verwendet, um diese Anforderungen maschineninterpretierbar zu machen, nämlich:

• Entity Facet,
• Attribute Facet,
• Classification Facet,
• Property Facet,
• Material Facet,
• PartOf Facet.

Wir behalten die konventionelle Verwendung des „Anwendbarkeitsteils“ bei, interpretieren aber den „Anforderungsteil“ neu. Anstatt die Facetten als Informationsanforderungen zu sehen, schlagen wir vor, sie als Klassifizierungslogik zu interpretieren. Diese Interpretationsverschiebung ermöglicht es, eine IDS-Spezifikation als anwendbare Klassifizierungsregeln zu betrachten, die für die im „Anwendbarkeitsteil“ angegebenen Komponenten gelten. Dieser Ansatz eröffnet neue Möglichkeiten für die Anwendung von IDS in der digitalen Baubranche.

Folgend ist ein entsprechendes Beispiel, wie dieser Ansatz in XML umgesetzt werden kann:

Monitordarstellung in PDF

In diesem spezifischen Beispiel werden im Teil „Anwendbarkeit“ die Merkmale zur Identifizierung von tragenden Außenwänden definiert. Anschließend werden im Teil „Anforderung“ zwei Klassifizierungsanforderungen aufgeführt. Gemäß der vorgeschlagenen Logik sollten alle identifizierten Bauteile in einem Modell entsprechend klassifiziert werden: einerseits als „buitenwanden; niet constructief, massieve wanden“ gemäß der niederländischen NL-SfB 2005 und andererseits als „332 – Nicht-tragende Außenwände“ nach der DIN 276 (BIM Loket, 2023; DIN, 2018). Da im buildingSMART Data Dictionary (bsDD) (buildingSMART International, 2023) ein Eintrag für die niederländische Klassifikation existiert, kann hier ein entsprechender URI hinterlegt werden, der die resultierende Klassifikation mit diesem Eintrag verknüpft.

Diese Methodik ermöglicht eine systematische Klassifizierung von Komponenten auf Basis einer etablierten Logik. Dies führt zu einer strukturierteren und aussagekräftigeren Darstellung von Modelldaten. Die Transparenz der Klassifizierungslogik verbessert das Verständnis und den Konsens zwischen verschiedenen Interessengruppen und fördert ein kollaboratives und effizientes digitales Bauökosystem.

4 Ergebnisse und Testfälle

In diesem Abschnitt der Studie liegt der Fokus auf der Untersuchung der praktischen Anwendbarkeit und Durchführbarkeit der vorgeschlagenen Methodik. Dies geschieht durch die Evaluation anhand ausgewählter Testszenarien, mit dem Ziel, die Leistungsfähigkeit und Wirksamkeit des Ansatzes in realen Anwendungsbedingungen zu ermitteln. Dabei werden verschiedene nationale Klassifizierungssysteme herangezogen, um deren Gültigkeit und Robustheit in Bezug auf die vorgeschlagene Methodik zu überprüfen.

Bislang wurde der Ansatz vorrangig im Bereich des Hochbaus getestet. Die Ergebnisse dieser Tests liefern wertvolle Erkenntnisse darüber, wie der Ansatz in der Praxis funktioniert und welche spezifischen Herausforderungen und Vorteile sich daraus ergeben. Wichtig ist dabei die Feststellung, dass der Ansatz nicht nur auf den Hochbau beschränkt ist, sondern grundsätzlich auch auf den Infrastrukturbau anwendbar ist. Dies unterstreicht die Vielseitigkeit und Übertragbarkeit der Methodik über verschiedene Bereiche des Bauwesens hinweg.

Die Analyse der Testszenarien soll aufzeigen, inwieweit der vorgeschlagene Ansatz in der Lage ist, die Effizienz, Genauigkeit und Nutzerfreundlichkeit der Klassifizierung in Bauprojekten zu verbessern. Diese Ergebnisse sind entscheidend, um die Methodik weiterzuentwickeln und anzupassen, sodass sie breitflächig in der Bauindustrie Anwendung finden kann. Die Überprüfung der Anwendbarkeit in verschiedenen Kontexten ist ein wichtiger Schritt, um die Universalität und Praktikabilität des Ansatzes zu gewährleisten.

4.1 IDS-Authoring & Demonstrator

Die Erstellung von IDS-Dateien ist ein entscheidender Teil des vorgeschlagenen Prozesses, und die Verfügbarkeit von leicht zugänglichen Tools ist für diesen Vorgang sehr wichtig. Ein großer Vorteil bei der Erstellung von IDS-Dateien nach unserem Ansatz ist die Kompatibilität mit existierenden IDS-Editoren, sei es kommerzielle oder Open-Source-Software. Da die IDS-Spezifikation unverändert bleibt, kann jeder kompatible IDS-Editor verwendet werden, um die vorgeschlagene Klassifizierungslogik zu erstellen, zu verfassen oder zu bearbeiten. Für diese Untersuchung wurde der Open-Source xBIM IDS-Editor (Benghi, 2023) zur Erstellung der IDS-Dateien genutzt.

Da es keine vorhandenen Tools gab, die die IDS nach unserer Methodik interpretieren konnten, wurde ein Demonstrator entwickelt, der ifcopenshell (Krijnen, 2023) und die IFC.js (Viegas, 2023) Viewer-Komponenten nutzt. Dieser Demonstrator ermöglicht es den Beteiligten, mit den IDS-Dateien neben den IFC-Dateien zu interagieren. Benutzer können IFC-Dateien zusammen mit einer oder mehreren IDS-Dateien laden, und die in den IDS-Dateien gekapselte Klassifizierungslogik wird automatisch angewendet. Die Benutzer sehen dann die Klassifizierungssysteme, die entsprechenden Klassifizierungselemente sowie die Anzahl der Komponenten, die gemäß den enthaltenen Regeln als klassifizierte Komponenten identifiziert wurden. Sie können interaktiv durch das Modell navigieren, indem sie Objekte entsprechend ihrer Klassifizierung anklicken und hervorheben. Einige Beispiele sind im Bild 3 dargestellt.

Dieser Demonstrator ist in seiner jetzigen Form eher ein Ersatz, da es keine bestehenden Implementierungen gibt, die das IDS nach unserer Methodik interpretieren. Ein effektiverer Anwendungsfall für das IDS wäre seine Integration in jede Plattform, die Benutzer zur Visualisierung, Erstellung oder Bearbeitung digitaler Gebäudemodelle verwenden. Diese Integration würde die Benutzererfahrung deutlich verbessern, da die Inhalte sofort gemäß der in den IDS-Dateien dargestellten Klassifizierungslogik strukturiert werden könnten.

Bild 3: Demonstrator des resultierenden Frameworks mit verschiedenen Klassifizierungen, die mit der IDS-Darstellung der DIN 276 verarbeitet wurden

Die resultierenden Klassifizierungsergebnisse können auch in das IFC-Modell zurückgeführt werden, da das IFC-Schema dies explizit vorsieht. Allerdings spiegelt dies nur die Klassifizierungsergebnisse, nicht die Klassifizierungslogik selbst wider. Bei Änderungen im IFC-Modell müsste die im IDS gespeicherte Logik erneut angewendet und die im IFC-Modell gespeicherten Klassifizierungsinhalte aktualisiert werden. Diese Inhalte können z. B. mit Solibri Office dargestellt werden, wie im Bild 4 gezeigt.

Bild 4: Die resultierende Klassifizierung in Solibri Office

Diese praktische Evaluierung hat gezeigt, dass die vorgeschlagene Methodik vielversprechend ist, um die Komplexität digitaler Konstruktionsmodelle zu überbrücken und den Weg für eine breitere Einführung und effektive Nutzung digitaler Methoden in der Bauindustrie zu ebnen. Der gesamte Entwicklungsprozess des Prototype Frameworks und die generierten IDS-Dateien sind Open Source und können wiederverwendet werden (iabi, 2023).

4.2 Anwendungsfall: DIN 276

Die DIN 276 ist eine wichtige Richtlinie in der Baubranche zur Strukturierung und Verwaltung von Kosten in Bauprojekten (DIN, 2018) und kategorisiert die Kosten systematisch und hilft bei der genauen Budgetplanung und Risikominderung durch die Standardisierung der Kostenschätzung und -zuordnung. Diese Norm sorgt für finanzielle Disziplin, Transparenz und effektive Kommunikation zwischen den Beteiligten in deutschen Bauprojekten. Wir haben wesentliche Teile der Struktur der DIN 276 zu Demonstrationszwecken mit dem in diesem Beitrag vorgestellten Ansatz in IDS übersetzt. Das resultierende IDS kann im Prototyp-Framework zur Klassifizierung und Strukturierung beliebiger IFC-Modelle verwendet werden, wobei die resultierende Struktur „on the fly“ angezeigt wird. Das Bild 3 zeigt verschiedene Klassifizierungsergebnisse, die unter Verwendung der im IDS enthaltenen Regeln erfolgreich angewendet wurden. Bei Bedarf kann die resultierende Klassifizierung auch als IfcClassificationReference-Objekte in die IFC-Datei zurückgeschrieben werden.

4.3 Anwendungsfall: BIM-Klassen im Verkehrswegebau

Die vorgeschlagene Methodik, ist allgemeingültig auf alle Versionen des IFC-Schemas anwendbar und somit sowohl im Hoch- als auch im Infrastrukturbau anwendbar.

Das Dokument „BIM-Klassen der Verkehrswege 2.0“ ist das Ergebnis der Vorstandardisierungsarbeit der Fachgruppen „BIM-Verkehrswege“ und „BIM in der Landschaftsarchitektur“ von buildingSMART Deutschland. Es ist eine Fortsetzung und Erweiterung des ersten Katalogs „BIM-Klassen der Verkehrswege“, der im Mai 2020 veröffentlicht wurde. Der Katalog „BIM-Klassen der Verkehrswege 2.0“ wurde strukturell angepasst und inhaltlich erweitert. Er enthält wesentliche BIM-Objekt-Klassen und ist ein wichtiger Beitrag zur Entwicklung von BIM-Standards in Deutschland (buildingSMART Deutschland, 2023). Die Überführung des Katalogs in die Information Delivery Specification (IDS) befindet sich derzeit noch in der Entwicklungsphase, und es liegen noch keine konkreten Ergebnisse vor. Dieser Schritt ist entscheidend, um den Katalog anschließend auf IFC4.3 anwenden zu können.

5 Schlussfolgerungen und Ausblick

Die Erforschung der Formalisierung von Klassifizierungswissen über das IDS-Format zeigt einen vielversprechenden Weg auf, um die Feinheiten digitaler Baudaten mit den praktischen Bedürfnissen der Branchenbeteiligten zu verbinden. Diese Methodik nutzt nicht nur einen etablierten Standard, sondern schlägt auch eine nuancierte Interpretation vor, die die Klassifizierungslogik mit der inhärenten Struktur von Baukomponenten in Einklang bringt. Das daraus resultierende Rahmenwerk stellt einen greifbaren Schritt in Richtung eines kollaborativen, effizienten und nutzerzentrierten digitalen Bauökosystems dar. Der Erfolg der angewandten Testfälle unterstreicht das Potenzial der Methodik, eine intuitivere Interaktion mit komplexen Datenstrukturen zu ermöglichen und dadurch ein breiteres Verständnis und Engagement über die Grenzen der Disziplinen hinweg zu fördern.

5.1 Ausblick

Dieses Projekt, das sich auf automatisierte Klassifizierung und Modellvalidierung konzentriert, bildet eine solide Basis für zukünftige Innovationen und öffnet Türen für Untersuchungen, um die Modellsemantik zu verbessern und Wissen automatisiert zu extrahieren. Es gibt mehrere Wege, auf denen diese Arbeit ausgebaut werden kann, um die Methodik noch praktischer und effizienter zu gestalten:

Konvertierung gängiger Klassifikationssysteme: Ein erster Schritt in unserem Beitrag ist die Konvertierung der DIN 276. Es gibt allerdings viele weitere nationale oder fachspezifische Klassifikationssysteme, die es wert sind, in das IDS-Format übersetzt zu werden, um ihre Anwendung zu vereinfachen.

Konvertierung der nativen Klassifikationen: Bestehendes Klassifizierungswissen, das in nativen Software-Systemen wie Solibri Classifications oder BIMcollab Smart Views enthalten ist, könnte in dieses offene Format übersetzt werden. Diese Übersetzung ermöglicht eine breitere gemeinsame Nutzung der Klassifizierungslogik über verschiedene Software-Plattformen hinweg, was die Interoperabilität und den Wissensaustausch fördert.

Automatische Ableitung der Klassifizierungslogik: Eine proaktive Untersuchung bestehender Modelle könnte erfolgen, um die Klassifizierungslogik automatisch aus diesen Modellen abzuleiten. Mit KI- und ML-Techniken könnte die zugrunde liegende Klassifizierungslogik extrahiert und in IDS-Dateien formalisiert werden. Diese automatisierte Extraktion könnte ein umfangreiches Repository an Klassifizierungslogik freilegen, das den Nutzern auf verschiedenen Plattformen zur Verfügung steht.

Modell-Validierung: Die etablierte Klassifizierungslogik kann gemäß IDS zur Validierung von Modellen verwendet werden, um sicherzustellen, dass diese den definierten Klassifizierungsschemata entsprechen. Dies verbessert die Qualität und Konsistenz der digitalen Baudaten.

Semantische Anreicherung von Modellen: Die Klassifizierungslogik könnte auch zur semantischen Anreicherung von Modellen dienen. Diese Anreicherung ermöglicht eine detailliertere und spezifischere Darstellung von Bauelementen und bereichert das digitale Baumodell.

Community-gesteuerte Entwicklung: Die Förderung einer gemeinschaftsgesteuerten Weiterentwicklung dieser Methodik könnte ein kollaboratives Umfeld für die kontinuierliche Verfeinerung und Erweiterung der Klassifizierungslogik schaffen. Durch die Zusammenarbeit mit Branchenexperten und Softwareentwicklern könnte dieser Ansatz weiterentwickelt und an die Bedürfnisse und Standards der Industrie angepasst werden.

Die geplanten Verbesserungen und die von der Gemeinschaft vorangetriebene Entwicklung zeigen das Potenzial dieses Ansatzes bei der Bewältigung aktueller Herausforderungen und der Anpassung an die sich entwickelnden Anforderungen der digitalen Baubranche. Der Aufbau auf den etablierten Standards und die Zusammenarbeit mit der breiteren Gemeinschaft könnten einen wichtigen Beitrag zur fortschreitenden Digitalisierung in der Baubranche leisten und digitale Baumodelle für alle Beteiligten zugänglicher und nutzbarer machen.

Literaturverzeichnis

Beetz, J. (2018): Structured vocabularies in construction: Classifications, taxonomies and ontologies. In Beetz, J., Borrmann, A., Koch, C., and König, M., editors, Building Information Modeling, pages 155–165. Springer International Publishing and Imprint: Springer, Cham.

Benghi, C. (2023): xBIM IDS. https://www.xbim.it/ xids. Acc Zugriff am: 2023-10-08.

BIM Loket (2023): Nl/sfb. https://www.bimloket.nl/ p/542/NLSfB. Zugriff am: 2023-10-08.

BIMcollab (2023): BIMcollab ZOOM. https: //www.bimcollab.com/en/Products/Zoom. Zugriff am: 2023-10-08.

Bloch, T. and Sacks, R. (2018): Comparing machine learning and rule-based inferencing for semantic enrichment of bim models. Automation in Construction, 91:256– 272.

buildingSMART International (2016): mvdxml 1.1 final specification. https://standards.buildingsmart.org/ MVD/RELEASE/mvdXML/v1-1/mvdXML_ V1-1-Final.pdf. Zugriff am: 2023-10-08.

buildingSMART International (2023): buildingSMART - Information Delivery Specification (IDS). https:// technical.buildingsmart.org/projects/ information-delivery-specification-ids/. Zugriff am: 2023-10-08.

buildingSMART International (2023): buildingSMART data dictionary.
https://www.buildingsmart.org/users/services/buildingsmart-data-dictionary/. Zugriff am: 2023-10-29.

buildingSMART Deutschland (2023): BIM-Klassen der Verkehrswege 2.0 (2. bearbeitete und erweiterte Auflage). buildingSMART Deutschland e. V. https://buildingsmart-verlag.de/produkt/bim-klassen-der-verkehrswege-2-0/ Zugriff am: 2023-10-29.

DIN (2018): DIN 276:2018-12 - building costs. https: //www.beuth.de/de/norm/din-276/293154016.

iabi (2023): autoclassifier. https://gitlab.lrz.de/ 000000003B9C426C/autoclassifier. Zugriff am: 2023-10-08 International Organization for Standardization (1994).

ISO/TR 14177:1994 - classification of information in the construction industry. https://www.iso.org/ standard/22703.html.

Krijnen, T. (2023): IfcOpenShell. http://ifcopenshell. org/. Zugriff am: 2023-10-08.

Opoku, D.-G. J., Perera, S., Osei-Kyei, R., Rashidi, M., Bamdad, K., and Famakinwa, T. (2023): Barriers to the adoption of digital twin in the construction industry: A literature review. Informatics, 10(1).

Solibri (2023): Solibri Office. https://www.solibri. com/solibri-office. Accessed: 2023-10-08.

Tomczak, A., Berlo, L. v., Krijnen, T., Borrmann, A., and Bolpagni, M. (2022): A review of methods to specify information requirements in digital construction projects. IOP Conference Series: Earth and Environmental Science, 1101(9):092024.

Viegas, A. G. (2023): IFC.js. https://bimwhale.gitbook. io/ifc-dot-js/. Accessed: 2023-10-08.

Wu, J. and Zhang, J. (2019): New automated bim object classification method to support bim interoperability. Journal of Computing in Civil Engineering, 33(5):04019033.

Zhang, X.-Y., Hu, Z.-Z., Wang, H.-W., and Kassem, M. (2014): An Industry Foundation Classes (IFC) WebBased Approach and Platform for Bi-Drectional Conversion of Structural Analysis Models. Computing in Civil and Building Engineering, pages 390–397.