INNOVATION SCOUT · IMPULSPROFIL

Integriertes Baustellenmonitoring für Qualität und Sicherheit

Integriertes Baustellenmonitoring verknüpft Beobachtungen aus Kameras, Sensoren und Projektdaten mit Ort, Zeit und fachlichen Prüfanforderungen. KI unterstützt die Erkennung möglicher Qualitäts- oder Sicherheitsereignisse. Diese werden priorisiert, von Fachkräften geprüft und in nachvollziehbare Maßnahmen überführt.

Um was geht es bei Integriertes Baustellenmonitoring für Qualität und Sicherheit?

Ein erkannter Helm, ein abweichender Wandabstand oder ein Sensorausschlag wird erst durch seinen Kontext zu einem prüfbaren Vorgang. Die Plattform muss Beobachtung, gültige Referenz, Unsicherheit und Bearbeitungsstatus zusammenhalten. Gelernte Bild- oder Signalauswertung ist dabei von geometrischen Vergleichen und festgelegten Regeln zu unterscheiden. Der Anwendungsfall kann Qualität oder Sicherheit betreffen; nicht jede Installation muss beide Bereiche gleichzeitig abdecken.

Quelle 1: 0ACCIDNTES: Abschluss des Forschungsprojekts zu Sicherheit und Gesundheit im Bau, Fundstelle(n): Data-Lake-/Fachprüfablauf Quelle 2: KI-basierte Qualitätssicherung für die Bauabnahme, Fundstelle(n): Folie 19 · Folien 8–9, 13–16, 19 Quelle 4: From fragmented data to unified construction safety knowledge: A process-based ontology framework for safer work, Fundstelle(n): Abschnitte 5.3 und 6 Quelle 5: Stakeholder-informed renovation digital twin for multi-domain monitoring: Pilot implementation and acceptance evaluation, Fundstelle(n): Abschnitt 5.4 Quelle 3: Building Information Models to Robot-Ready Site Digital Twins (BIM2RDT): An Agentic AI Safety-First Framework, Fundstelle(n): Abschnitte 5.5, 6.3, 8.1–8.2

Einordnung im Impulsradar

Die Forschung zeigt konkrete Integrationspiloten; Anbieter berichten über erste Qualitätsworkflows und Sicherheitsanwendungen. Wiederholte Praxis des integrierten Ablaufs ist jedoch weniger klar belegt als einzelne Detektionsfunktionen. Entscheidend sind passende Referenzen, zuverlässige Ereigniszuordnung und verantwortete Bearbeitung. Eine bessere Bildmetrik oder weniger Meldungen belegen für sich weder höhere Bauqualität noch weniger Unfälle.

Quelle 1: 0ACCIDNTES: Abschluss des Forschungsprojekts zu Sicherheit und Gesundheit im Bau, Fundstelle(n): Kontrollierte Vor-Ort-Validierung Quelle 2: KI-basierte Qualitätssicherung für die Bauabnahme, Fundstelle(n): Folien 8–19 Quelle 8: viAct AI Delivers Measurable Safety Gains for Alliad in Côte d'Ivoire, Fundstelle(n): Anwenderbericht Quelle 9: OpenSpace Field jetzt allgemein verfügbar, Fundstelle(n): Frühe Qualitätsanwender · Funktionsliste, Nachweisbare Ergebnisse bei frühen Anwendern, Verfügbarkeitsabsatz Quelle 6: Integration of Object Detection and Small VLMs for Construction Safety Hazard Identification, Fundstelle(n): Abschnitte 4.2.1 und 5.2.1, S.15–17 und 20–21; Tabelle 5 / Text zu Abb.6

Vom Hinweis zur fachlich geklärten Maßnahme

Am Anfang stehen Datenherkunft, Aufnahmezeit und räumlicher Bezug. KI kann daraus einen Verdacht ableiten; erst fachliche Kriterien bestimmen seine Bedeutung. Eine hohe Modellkonfidenz ist keine Einschätzung der möglichen Schadensfolge. Als Prüflogik sollten Aktualität, betroffene Tätigkeit, Unsicherheit und mögliche Konsequenz gemeinsam betrachtet werden.

Mehrere Meldungen derselben Situation sollten einem nachvollziehbaren Vorgang zugeordnet werden. Zuständige Fachkräfte klären Widersprüche, legen den Eingriff fest und prüfen dessen Ergebnis. Eine erzeugte Warnung, eine angelegte Aufgabe und ein behobener Mangel sind unterschiedliche Zustände. Fehlende Beobachtung darf deshalb nicht als positiver Prüfstatus erscheinen.

Quelle 3: Building Information Models to Robot-Ready Site Digital Twins (BIM2RDT): An Agentic AI Safety-First Framework, Fundstelle(n): Abschnitte 5.5, 6.3, 8.1–8.2 Quelle 4: From fragmented data to unified construction safety knowledge: A process-based ontology framework for safer work, Fundstelle(n): Abschnitte 5.3–5.4 und 6, besonders S.14–15/19 · Abschnitte 5.3 und 6 Quelle 2: KI-basierte Qualitätssicherung für die Bauabnahme, Fundstelle(n): Folie 19

Die Systemperspektive verbindet Erfassung und Bearbeitung, ohne die benachbarten Aufgaben zu ersetzen: Computer Vision liefert Methoden, Fortschrittsanalyse beschreibt Arbeitsstände, Ressourcenlogistik plant Material- und Geräteeinsatz, vernetzte Sensorik liefert Messwerte. Ein Qualitäts- oder Sicherheitsbefund braucht jeweils eigene Prüfkriterien. Auch eine gemeinsame Anzeige mehrerer Datenquellen beweist noch keine KI-gestützte Ereignisfusion.

Quelle 4: From fragmented data to unified construction safety knowledge: A process-based ontology framework for safer work, Fundstelle(n): Abschnitte 5.3 und 6 · Integrationsumfang Quelle 5: Stakeholder-informed renovation digital twin for multi-domain monitoring: Pilot implementation and acceptance evaluation, Fundstelle(n): Abschnitt 5.4

Worauf es bei Integriertes Baustellenmonitoring für Qualität und Sicherheit fachlich ankommt

Sicherheitsintegration: kontrollierte Tests auf Baustellen

Studien-/Praxisbefund

Das Bauunternehmen FCC Construcción beschreibt zum Abschluss des Forschungsprojekts 0ACCIDNTES im zweiten Quartal 2026 robotische Kontrollen kollektiver Schutzmaßnahmen in Alicante sowie sensorische Näherungs- und Risikohinweise im Tunnelbau auf Teneriffa. Meldungen fließen über eine gemeinsame Datenplattform in die Beurteilung durch Sicherheitsfachkräfte. Die Abschlussmeldung vom August nennt kontrollierte Vor-Ort-Testkampagnen und weitere Testorte. Unabhängige Betriebskennzahlen oder eine gemessene Unfallreduktion werden darin nicht ausgewiesen.

Quelle 1: 0ACCIDNTES: Abschluss des Forschungsprojekts zu Sicherheit und Gesundheit im Bau, Fundstelle(n): Absätze zu Alicante, Tenerife, Data Lake und finalen Tests in Tres Cantos/Maschinenpark

Fachliche Einordnung

Die gemeinsame Datenplattform führt Hinweise aus den unterschiedlichen Kontrollen für die Beurteilung durch Sicherheitsfachkräfte zusammen. Für eine Übertragung muss feststehen, welche Ereignisse miteinander verbunden werden, wann Fachkräfte eingreifen und wie ausgefallene oder veraltete Daten erkennbar sind. Die beschriebenen Kampagnen testen diese Integration unter kontrollierten Vor-Ort-Bedingungen; wiederholter Routinebetrieb ist damit noch nicht nachgewiesen.

Quelle 1: 0ACCIDNTES: Abschluss des Forschungsprojekts zu Sicherheit und Gesundheit im Bau, Fundstelle(n): Absätze zu Alicante, Tenerife, Data Lake und finalen Tests in Tres Cantos/Maschinenpark · Data-Lake-/Fachprüfablauf Quelle 4: From fragmented data to unified construction safety knowledge: A process-based ontology framework for safer work, Fundstelle(n): Abschnitte 5.3 und 6

DACH-Qualitätsprüfung: Segmentierung, Sollvergleich und Korrektur

Studien-/Praxisbefund

Das Forschungsprojekt EConoM verbindet Kameras, lokale Verarbeitung (Edge) und die modellbezogene Auswertung mit Field2BIM für Trockenbau am Fraunhofer Heinrich-Hertz-Institut in Berlin. Im Test über 2,5 Arbeitstage lieferten vier Kameras jeweils etwa 20.000 Bilder; 200 Bilder wurden manuell beschriftet. Gelernte Bauteilsegmentierung wird mit Geometrie- und Modellvergleich verbunden, die Analyse fachlich korrigiert. Die Folien vom Dezember 2024 nennen keinen unabhängigen Baustellentest, bestätigten Toleranznachweis oder gemessenen Nettoaufwand.

Quelle 2: KI-basierte Qualitätssicherung für die Bauabnahme, Fundstelle(n): Folien 8–9, 13–16, 19

Fachliche Einordnung

Für einen nutzbaren Qualitätsbefund müssen erkennbares Merkmal, geometrische Abweichung und zulässige Toleranz zusammenpassen. Viele Bilder derselben Wand ersetzen keine unabhängigen Prüfobjekte. Sichtbare Einbauzustände können Nachprüfungen vorbereiten; verdeckte Eigenschaften und fachliche Abnahme bleiben eigene Aufgaben.

Quelle 2: KI-basierte Qualitätssicherung für die Bauabnahme, Fundstelle(n): Folien 8–9, 13–16, 19 · Folie 19

Semantik: Ereignis, Aufgabe und ausgeführter Eingriff

Studien-/Praxisbefund

Der Preprint BIM2RDT verknüpft BIM, robotische Erfassung und Sensordaten; ein Vibrationsbeispiel schreibt ein Sicherheitsereignis und eine Eingriffsaufgabe in IFC. Die Autoren begrenzen die Ergebnisse auf kontrollierte Umgebungen und nennen Synchronisierung und Konfliktauflösung als Forschungsbedarf. Das Wissensmodell UNOCS beschreibt Gefahren, Schutzmaßnahmen und Prüfungen anhand von Aufzeichnungen aus Helsinki und München. Deren Übertragung in das Wissensmodell erfolgte manuell; eine vollständige Echtzeitvalidierung fehlt.

Fachliche Einordnung

Gemeinsame Begriffe und Objektkennungen helfen, Meldungen fachlich zuzuordnen. Eine logisch konsistente Maßnahmenbeschreibung bestätigt aber weder den tatsächlichen Eingriff noch seine Wirkung. Für den Betrieb braucht jeder Vorgang einen Verantwortlichen, einen dokumentierten Bearbeitungsstand und eine Nachprüfung; eine automatisch erzeugte Aufgabe darf nicht als erledigt gezählt werden.

Bildmodelle: ein höherer F1-Wert kann mehr übersehene Gefahren bedeuten

Studien-/Praxisbefund

Adil et al. vergleichen kleine Bild-Sprach-Modelle (Vision-Language-Modelle) mit und ohne Detektorhinweise auf 1.833 kuratierten Gefahrenbildern. Für das Modell Gemma-3 4B steigt der zusammenfassende F1-Wert von 34,5 auf 50,6 Prozent, während die Erkennungsquote (Recall) von 57,0 auf 43,7 Prozent fällt. Schlechte Bilder wurden ausgeschlossen; die Referenzkennzeichnungen wurden mit dem Modell GPT-4o vorbereitet und menschlich geprüft. Ein unabhängiger Baustellentest ist nicht bestätigt. Chen und Zou zeigen ergänzend an 10.013 menschlich annotierten Bildern, dass gute Beschreibungen keine zuverlässige Gefahrenlokalisierung garantieren.

Quelle 6: Integration of Object Detection and Small VLMs for Construction Safety Hazard Identification, Fundstelle(n): Abschnitte 4.2.1 und 5.2.1, S.15–17 und 20–21; Tabelle 5 / Text zu Abb.6 Quelle 7: Are large pre-trained vision language models effective construction safety inspectors, Fundstelle(n): Abschnitte 3, 5 sowie 6 Results and discussion

Fachliche Einordnung

Für Sicherheitsaufgaben ist der Anteil übersehener relevanter Ereignisse gesondert zu prüfen. Ein Modell kann überzeugender formulieren und weniger Fehlmeldungen erzeugen, zugleich aber Gefahren auslassen. Einführungsprüfungen sollten unbekannte Baustellen, schwierige Sichtbedingungen und den vollständigen Weg bis zur Warnung einschließen. Die Bildbenchmarks bewerten bestimmte Modellstände, nicht sämtliche heutigen Systeme.

Sensorische Qualität: Festigkeit braucht einen eigenen Messnachweis

Studien-/Praxisbefund

Han et al. schätzen Betonfestigkeit mit piezoelektrischen Signalen, Temperatur und einem eindimensionalen Faltungsnetz (1D-CNN). Die Publikation vom Dezember 2025 nutzt unter anderem sieben 2020–2021 untersuchte Platten und 1.733 Datenpunkte mit zufälliger 70/30-Teilung; weitere Feldbeispiele betreffen I-74/I-465. Unterschiedliche thermische Bedingungen von Bauteil und Referenzproben beeinflussen den Vergleich. Die ältere Versuchsdurchführung ist kein neuer Feldrollout im Publikationsjahr.

Quelle 17: Real-time concrete strength monitoring using piezoelectric sensors and deep learning, Fundstelle(n): Methods: Concrete slab preparation, Database establishment; Fig.6 und Field validation

Fachliche Einordnung

Die sensorische Aufgabe ergänzt visuelle Kontrolle um eine andere Eigenschaft. Eine zufällige Messpunktteilung beweist jedoch keine Übertragbarkeit auf neue Baustellen oder Rezepturen. Die zulässige Verwendung einer Festigkeitsschätzung benötigt eigene Referenzprüfungen; aus dem Modellvergleich folgt keine pauschale Freigabe zum Ausschalen oder Belasten.

Quelle 17: Real-time concrete strength monitoring using piezoelectric sensors and deep learning, Fundstelle(n): Methods: Concrete slab preparation, Database establishment; Fig.6 und Field validation

Praxisberichte: Qualitätsworkflow und Sicherheitsmodule

Studien-/Praxisbefund

Der Anbieter OpenSpace nennt T&H Investments als frühen Anwender seiner Anwendung Field: Fotos und Ortsangaben unterstützen die Zuordnung von Qualitätsaufgaben und die Kontrolle ihrer Erledigung. Der Anbieter beschreibt KI-gestützte Erfassung und Verortung als Produktfunktionen; der genaue Modulgebrauch beim Anwender bleibt offen. Der Anbieter viAct berichtet über den Anwender Alliad auf einer Krankenhausbaustelle in Côte d’Ivoire mit Hinweisen zu persönlicher Schutzausrüstung (PPE), Gefahrzonen und Bränden aus vorhandenen Kameras. Der Bericht beschreibt mehrere Module, aber keine nachgewiesene Fusion zu gemeinsam fachlich geschlossenen Ereignissen.

Fachliche Einordnung

Ortsbezogene Fotos verbinden im berichteten Qualitätsworkflow eine Beobachtung mit einer Bearbeitungsaufgabe und der Kontrolle ihrer Erledigung. Die Sicherheitsmodule erschließen vorhandene Kamerabilder für unterschiedliche Gefahrenhinweise. Bei einer Übertragung muss geklärt werden, welche Funktionen tatsächlich eingesetzt werden, wie Hinweise einer verantwortlichen Person zugeordnet werden und welcher Nachprüfaufwand bis zum Abschluss bleibt. Eine Qualitätsanwendung kann diesen Ablauf auch ohne gleichzeitige Sicherheitsfunktion unterstützen.

Aufgabenerfassung, Plattformausbau und robotische Erprobung

Studien-/Praxisbefund

Field ist laut OpenSpace seit 3. Februar 2026 allgemein verfügbar. Der am Folgetag gemeldete BAM-Vertrag betrifft eine schrittweise Plattformausweitung, ohne den konkreten Umfang der Qualitäts- oder Sicherheitsfunktionen zu belegen. Die Produktvorstellung Waypoint vom September nennt neue und kommende Funktionen. SAMBA wiederum ist ein Forschungsvorhaben für April 2026 bis März 2028 mit robotischer Erfassung, BIM-Bezug und fachlicher Validierung; die Projektseite veröffentlicht keine gemessene Gesamtwirkung.

Quelle 9: OpenSpace Field jetzt allgemein verfügbar, Fundstelle(n): Funktionsliste, Nachweisbare Ergebnisse bei frühen Anwendern, Verfügbarkeitsabsatz Quelle 10: BAM baut Zusammenarbeit mit OpenSpace konzernweit aus, Fundstelle(n): Eingangsabsatz und Zitat des Digital Project Managers Quelle 11: OpenSpace stellt die nächste Generation seiner Visual Intelligence Platform bei Waypoint 2026 vor, Fundstelle(n): Eingangsabsatz und Absatz zur Verfügbarkeit gegen Ende des Haupttextes Quelle 12: SAMBA – Semi-Autonomer Markierungs- und Baufortschritts-Assistent, Fundstelle(n): Laufzeit und Projektbeschreibung

Fachliche Einordnung

Die verfügbare Field-Anwendung verbindet Fotos und Ortsangaben mit Bearbeitungsaufgaben. Ein Plattformausbau muss klären, welche dieser Funktionen in den jeweiligen Projekten tatsächlich genutzt werden. SAMBA soll dagegen robotische Erfassung mit BIM-Bezug und fachlicher Validierung erproben. Für einen solchen Ablauf müssen die erfassten Beobachtungen zur passenden Referenz gelangen und für die fachliche Prüfung verfügbar sein.

Quelle 10: BAM baut Zusammenarbeit mit OpenSpace konzernweit aus, Fundstelle(n): Eingangsabsatz und Zitat des Digital Project Managers Quelle 11: OpenSpace stellt die nächste Generation seiner Visual Intelligence Platform bei Waypoint 2026 vor, Fundstelle(n): Eingangsabsatz und Absatz zur Verfügbarkeit gegen Ende des Haupttextes Quelle 12: SAMBA – Semi-Autonomer Markierungs- und Baufortschritts-Assistent, Fundstelle(n): Laufzeit und Projektbeschreibung Quelle 9: OpenSpace Field jetzt allgemein verfügbar, Fundstelle(n): Funktionsliste, Nachweisbare Ergebnisse bei frühen Anwendern, Verfügbarkeitsabsatz

Gemeinsames Dashboard: Integration allein belegt noch keine KI

Studien-/Praxisbefund

Der RINNO-Renovierungszwilling in Lille führt Qualitäts- und Sicherheitskennzahlen mit weiteren Bereichen zusammen. Die 2026 veröffentlichte Studie benennt fehlende KI-Fähigkeiten und manuelle Eingaben ausdrücklich. Die Befragung von 102 Fachleuten erfasst Akzeptanz; objektive Verbesserungen bei Kosten, Terminen oder Sicherheitsereignissen wurden nicht nachgewiesen. Der RICS-Produktivitätsbericht liefert ebenfalls Branchenkontext, keine Prüfung dieser integrierten Funktion.

Quelle 5: Stakeholder-informed renovation digital twin for multi-domain monitoring: Pilot implementation and acceptance evaluation, Fundstelle(n): Abschnitte 4.2 Acquisition Service und 5.4 Limitations, S.6 und 10–11 Quelle 14: RICS Construction Productivity Report 2026 / Productivity in Construction, Fundstelle(n): Productivity in Construction, Einleitung und Abschnitt zur Messfragmentierung

Fachliche Einordnung

Ein übersichtliches Cockpit kann die Zusammenarbeit unterstützen, ohne dass seine Wirkung auf KI zurückgeht. Bewertet werden sollten die konkret automatisierten Schritte und ihre Fehler sowie die anschließende Bearbeitung. Subjektive Zustimmung, funktionierende Schnittstellen und tatsächliche Qualitäts- oder Sicherheitswirkung brauchen jeweils eigene Nachweise.

Quelle 5: Stakeholder-informed renovation digital twin for multi-domain monitoring: Pilot implementation and acceptance evaluation, Fundstelle(n): Abschnitte 4.2 Acquisition Service und 5.4 Limitations, S.6 und 10–11 · Abschnitt 5.4 Quelle 4: From fragmented data to unified construction safety knowledge: A process-based ontology framework for safer work, Fundstelle(n): Abschnitte 5.3 und 6

Betriebsprüfung: Warnlast, Datenlücken und Verantwortung

Studien-/Praxisbefund

Eine Videoarbeit von Guo et al. zeigt ein Problem der Messberichterstattung: Obwohl der Beitrag betriebsnahe Bewertung thematisiert, wird in der Methodik keine belastbare Fehlwarnrate pro Stunde berichtet; zudem widersprechen sich Splitzählungen. Ohne eine belastbare Fehlwarnrate und konsistente Aufteilung der Daten lässt sich ihre Leistung im laufenden Einsatz nicht verlässlich beurteilen. FIEC fordert in seinem Positionspapier vom 22. Oktober 2025 menschliche Verantwortung und nachvollziehbare Validierung. Diese Branchenposition ist kein Wirksamkeits- oder Konformitätsnachweis.

Quelle 16: Weakly supervised learning for drowning detection in over-water construction from videos, Fundstelle(n): Abschnitt 3.3.3 und Tabelle 2 (3.3.4) Quelle 13: Artificial Intelligence in the European Construction Sector: Strategic Adoption, Responsible Use, and Sectoral Leadership, Fundstelle(n): S.1 Datum; S.7–8 AI as a Professional Assistant / Trust Through Transparency and Validation

Fachliche Einordnung

Zur Betriebsprüfung gehören Fehlwarnungen und übersehene Ereignisse, Datenalter, Ausfälle, Reaktionszeit und Aufwand bis zum fachlichen Abschluss. Bei fehlenden Daten ist eine Ersatzkontrolle nötig, keine Anzeige vermeintlicher Sicherheit. Projektverantwortliche sollten Zweck, erforderliche Datentiefe, Zugriffe und Aufbewahrung klären. Diese Festlegungen bestimmen, welche Beobachtungen Fachkräfte prüfen können und wie bei Datenlücken weitergearbeitet wird.

Quelle 4: From fragmented data to unified construction safety knowledge: A process-based ontology framework for safer work, Fundstelle(n): Abschnitte 5.3 und 6 Quelle 3: Building Information Models to Robot-Ready Site Digital Twins (BIM2RDT): An Agentic AI Safety-First Framework, Fundstelle(n): Abschnitt 7.2 Quelle 13: Artificial Intelligence in the European Construction Sector: Strategic Adoption, Responsible Use, and Sectoral Leadership, Fundstelle(n): S.7–8 Quelle 16: Weakly supervised learning for drowning detection in over-water construction from videos, Fundstelle(n): Abschnitt 3.3.3 und Tabelle 2 (3.3.4)

Warum Integriertes Baustellenmonitoring für Qualität und Sicherheit relevant ist

ReifegradPilotierung bis wachsender Praxiseinsatz

Anwendungsnahe Integrationspiloten belegen die Stufe der Pilotierung. Kommerzielle Qualitätsworkflows und Sicherheitsmodule zeigen darüber hinaus einzelne reale Anwendungen. Für wiederholte oder ausgeweitete Praxis desselben integrierten Ablaufs fehlt jedoch eine hinreichende Bestätigung der oberen Stufe des wachsenden Praxiseinsatzes. Fehlende unabhängige Wirkungsdaten sind dabei von der Frage tatsächlicher Nutzung zu unterscheiden.

Quelle 1: 0ACCIDNTES: Abschluss des Forschungsprojekts zu Sicherheit und Gesundheit im Bau, Fundstelle(n): Kontrollierte Vor-Ort-Validierung Quelle 2: KI-basierte Qualitätssicherung für die Bauabnahme, Fundstelle(n): Folien 8–19 Quelle 8: viAct AI Delivers Measurable Safety Gains for Alliad in Côte d'Ivoire, Fundstelle(n): Anwenderbericht Quelle 9: OpenSpace Field jetzt allgemein verfügbar, Fundstelle(n): Frühe Qualitätsanwender

Evidenzwachsende Evidenz

Mehrere Originalarbeiten und benannte Anwendungskontexte liefern prüfbare Teil- und Integrationsbefunde. Ihre Grenzen sind konkret: kontrollierte Demonstratoren, kuratierte Bilder, manuelle Zuordnung und Anbieterberichte. Zur zeitlichen Risssegmentierung liegt als Grundlage das Originalabstract vor; damit lässt sich kein vollständiger Ausführungs- und Maßnahmenprozess beurteilen. Unabhängige Messungen des gesamten Bearbeitungsablaufs und seines Nettoeffekts fehlen. Auch die Anbieterangaben zu Zeitgewinn oder weniger Verstößen bei den beschriebenen Marktanwendungen verfügen über keine unabhängige Messung mit geeigneter Vergleichsbasis.

Quelle 1: 0ACCIDNTES: Abschluss des Forschungsprojekts zu Sicherheit und Gesundheit im Bau, Fundstelle(n): Kontrollierte Vor-Ort-Validierung Quelle 2: KI-basierte Qualitätssicherung für die Bauabnahme, Fundstelle(n): Folien 8–19 Quelle 5: Stakeholder-informed renovation digital twin for multi-domain monitoring: Pilot implementation and acceptance evaluation, Fundstelle(n): Abschnitte 4.2 Acquisition Service und 5.4 Limitations, S.6 und 10–11 Quelle 6: Integration of Object Detection and Small VLMs for Construction Safety Hazard Identification, Fundstelle(n): Abschnitte 4.2.1 und 5.2.1, S.15–17 und 20–21; Tabelle 5 / Text zu Abb.6 Quelle 15: Multi-temporal crack segmentation in concrete structures using deep learning approaches, Fundstelle(n): Abstract und Publikationsdatum 10.07.2025 Quelle 9: OpenSpace Field jetzt allgemein verfügbar, Fundstelle(n): Funktionsliste, Nachweisbare Ergebnisse bei frühen Anwendern, Verfügbarkeitsabsatz Quelle 8: viAct AI Delivers Measurable Safety Gains for Alliad in Côte d'Ivoire, Fundstelle(n): Haupttext vom 28.08.2026, Absätze 1–4

EntwicklungsdynamikAktive Weiterentwicklung

Prozesssemantik, multimodale Auswertung und Integrationspiloten bearbeiten konkrete Engpässe.

Aktuelle Arbeiten verknüpfen fachliche Maßnahmenbegriffe, Bildmodelle und kontextbezogene Sensordaten. Neue Integrationspiloten und das laufende SAMBA-Vorhaben ergänzen diese Entwicklung. Die Linien tragen aktive Weiterentwicklung; eine datierte Vergleichsreihe für beschleunigte Entwicklung fehlt. Die gesunkene Erkennungsquote bei Bild-Sprach-Modellen mit Detektorhinweisen zeigt zugleich, dass methodische Änderungen nicht jede wichtige Eigenschaft verbessern.

Quelle 4: From fragmented data to unified construction safety knowledge: A process-based ontology framework for safer work, Fundstelle(n): Methodik/Validierung Quelle 6: Integration of Object Detection and Small VLMs for Construction Safety Hazard Identification, Fundstelle(n): Ergebnisvergleich · Abschnitte 4.2.1 und 5.2.1, S.15–17 und 20–21; Tabelle 5 / Text zu Abb.6 Quelle 1: 0ACCIDNTES: Abschluss des Forschungsprojekts zu Sicherheit und Gesundheit im Bau, Fundstelle(n): Projektabschluss Quelle 12: SAMBA – Semi-Autonomer Markierungs- und Baufortschritts-Assistent, Fundstelle(n): Laufzeit und Projektbeschreibung

MarktdynamikBegrenzte Marktbewegung

Berichtete erste Workflows tragen punktuellen Einsatz; die Ausweitung integrierter Abläufe bleibt offen.

Der benannte frühe Qualitätsanwender von OpenSpace Field stützt einen berichteten punktuellen Einsatz mit Orts-, Bild- und Aufgabenbezug. Die Alliad-Meldung ergänzt Sicherheitsanwendung, lässt aber Zusammenführung von Ereignissen und fachlichen Abschluss der Meldungen offen. Das trägt begrenzte Marktbewegung. Der BAM-Plattformvertrag belegt noch keine Ausweitung desselben integrierten Workflows; unabhängige Wirkung und vollständiger Modulgebrauch werden nicht vorausgesetzt.

Quelle 9: OpenSpace Field jetzt allgemein verfügbar, Fundstelle(n): Funktionsliste, Nachweisbare Ergebnisse bei frühen Anwendern, Verfügbarkeitsabsatz Quelle 8: viAct AI Delivers Measurable Safety Gains for Alliad in Côte d'Ivoire, Fundstelle(n): Haupttext vom 28.08.2026, Absätze 1–4 Quelle 10: BAM baut Zusammenarbeit mit OpenSpace konzernweit aus, Fundstelle(n): Eingangsabsatz und Zitat des Digital Project Managers

Für welche Bauprozesse Integriertes Baustellenmonitoring für Qualität und Sicherheit relevant ist

Strategie & Projektentwicklung

Relevanz: 1 von 3 Punkten, Indirekte Relevanz

Projektentwicklung kann festlegen, welche Qualitäts- und Sicherheitsfragen später beobachtbar sein müssen und wer Befunde bearbeitet. Daraus folgen Anforderungen an Daten, Referenzen und Nachweise. Diese Vorbereitung bestimmt, welche Beobachtungen der spätere Monitoringablauf benötigt und an welche Zuständigen sie gehen.

Quelle 2: KI-basierte Qualitätssicherung für die Bauabnahme, Fundstelle(n): Folien 8,16,19 Quelle 4: From fragmented data to unified construction safety knowledge: A process-based ontology framework for safer work, Fundstelle(n): Abschnitte 5.3–6

Planung & Design

Relevanz: 1 von 3 Punkten, Indirekte Relevanz

Planung stellt Sollgeometrie, Prüfmerkmale und gegebenenfalls Gefahrenräume bereit. Fachlich bestätigte Abweichungen können gezielte Planungsrückfragen auslösen. Modellrevision und Beobachtungszeit müssen zusammenpassen, damit Fachleute einen tatsächlichen Ausführungsunterschied von einer geänderten Planung unterscheiden können.

Ausschreibung & Vergabe

Relevanz: 0 von 3 Punkten, Keine unmittelbare Relevanz

Anforderungen an Monitoring und Datenschnittstellen lassen sich für die spätere Leistung beschreiben. Sie legen die Datengrundlage der Ausführungsbeobachtung fest. Der Monitoringablauf selbst bearbeitet Qualitäts- und Sicherheitsereignisse auf der Baustelle; Angebotsvergleich und Vergabeentscheidung benötigen eine andere Analyse.

Bauausführung & Baustellenmanagement

Relevanz: 3 von 3 Punkten, Hohe oder strategische Relevanz

Der unmittelbare Kern liegt darin, Baustellenbeobachtungen zu prüfbaren Vorgängen zusammenzuführen, Verantwortliche einzubinden und Maßnahmen nachzuverfolgen. Nutzen entsteht bei rechtzeitiger Klärung relevanter Fälle. Warnlast, Nachmessung und Abschlusskontrolle bleiben Teil des Aufwands.

Betrieb & Instandhaltung

Relevanz: 1 von 3 Punkten, Indirekte Relevanz

Bestätigte Befunde und erledigte Maßnahmen können bauteilbezogen in die Übergabedokumentation eingehen. Das verbessert die Nachvollziehbarkeit der Bauhistorie. Es bestätigt weder den heutigen Betriebszustand noch verdeckte Eigenschaften und ersetzt keine spätere Zustandsdiagnostik.

Rückbau & Kreislaufwirtschaft

Relevanz: 1 von 3 Punkten, Indirekte Relevanz

Die Erkennung von Gefahrenzonen und Person-Maschine-Ereignissen könnte auch den Arbeitsschutz bei Rückbauaufgaben unterstützen. Ein spezifischer Rückbaueinsatz ist damit bislang nicht nachgewiesen. Für eine Übertragung müssten die beobachteten Tätigkeiten und Gefahren zu den Rückbaubedingungen passen; Materialsortierung und Verwertung benötigen zusätzliche fachliche Grundlagen.

Für wen Integriertes Baustellenmonitoring für Qualität und Sicherheit relevant ist

Bauherren und Auftraggeber

Zuordenbare, fachlich bestätigte Befunde können Nachfragen und Nachweisführung erleichtern. Bauherren legen fest, welche Ergebnisse sie benötigen und wer sie prüfen darf. Für die Abnahme benötigen sie die fachlich geprüften Befunde und Nachweise; der Zugang zu Bildern allein liefert diese Bestätigung noch nicht.

Quelle 1: 0ACCIDNTES: Abschluss des Forschungsprojekts zu Sicherheit und Gesundheit im Bau, Fundstelle(n): Prüfung durch Sicherheitsfachkräfte Quelle 9: OpenSpace Field jetzt allgemein verfügbar, Fundstelle(n): Qualitätsworkflow mit Nachunternehmern Quelle 3: Building Information Models to Robot-Ready Site Digital Twins (BIM2RDT): An Agentic AI Safety-First Framework, Fundstelle(n): Abschnitt 7.2 Quelle 13: Artificial Intelligence in the European Construction Sector: Strategic Adoption, Responsible Use, and Sectoral Leadership, Fundstelle(n): S.7–8

Bauunternehmen und Generalunternehmer

Bauunternehmen erhalten ortsbezogene Hinweise für Qualitäts- und Sicherheitsbearbeitung. Fachkräfte prüfen Meldungen, koordinieren Maßnahmen und kontrollieren die Erledigung. Entlastung hängt davon ab, ob relevante Fälle früher geklärt werden und der zusätzliche Prüfaufwand beherrschbar bleibt.

Technologieanbieter und Systemintegratoren

Technologieanbieter und Systemintegratoren verbinden Geräte, Referenzdaten und Fachsoftware. Sie müssen Datenqualität, Modellbetrieb und nachvollziehbare Fehlerzustände unterstützen. Verfügbare Programmierschnittstellen allein lösen weder widersprüchliche Ereignisbedeutungen noch eine veraltete fachliche Referenz.

Mit welchen Technologie- und Anwendungsfeldern Integriertes Baustellenmonitoring für Qualität und Sicherheit verknüpft ist

Hauptbezug

Datenplattformen & KI-Infrastruktur

Der gemeinsame Daten- und Ereignisprozess verbindet Erfassung mit Fachsoftware. Herkunft, Ort, Zeit, Referenz und Bearbeitungsstatus müssen dabei erhalten bleiben. So lassen sich Hinweise derselben Situation zuordnen und bis zur fachlichen Klärung verfolgen. Eine gemeinsame Anzeige allein übernimmt diese Ereignisverarbeitung nicht.

Quelle 3: Building Information Models to Robot-Ready Site Digital Twins (BIM2RDT): An Agentic AI Safety-First Framework, Fundstelle(n): Abschnitte 5.5–8 Quelle 4: From fragmented data to unified construction safety knowledge: A process-based ontology framework for safer work, Fundstelle(n): Abschnitte 4–6 · Abschnitte 5.3 und 6 Quelle 5: Stakeholder-informed renovation digital twin for multi-domain monitoring: Pilot implementation and acceptance evaluation, Fundstelle(n): Abschnitt 5.4

Verknüpftes Feld

Robotik, Automatisierung & Physical AI

Robotik und mobile Systeme können Daten aus wiederholten Inspektionen zuliefern. Erfassung und Navigation stellen die Beobachtungen bereit; die anschließende Qualitäts- oder Sicherheitsbewertung ordnet sie den fachlichen Prüfkriterien zu. Zuständige Personen entscheiden über erforderliche Maßnahmen und kontrollieren deren Ausführung.

Verknüpftes Feld

BIM & Digitaler Zwilling

BIM liefert räumlichen und semantischen Kontext für Bauteile, Prüfmerkmale und Ereignisse. Ein digitaler Zwilling kann aktuelle Meldungen zuordnen, benötigt dafür gültige Referenzen und Synchronisierung. Beobachtung und Bearbeitungsstand müssen getrennt aktualisiert werden, damit eine neu erfasste Abweichung und eine tatsächlich ausgeführte Maßnahme unterscheidbar bleiben.

Verknüpftes Feld

Predictive Analytics & Entscheidungen

Analysen unterstützen die Priorisierung und fachliche Entscheidung zu möglichen Abweichungen. Eine Modellkonfidenz ist dabei kein vollständiges Risikomaß. Entscheidungshilfe setzt nachvollziehbare Belege und eine klare Trennung zwischen Vorschlag, Bestätigung und Eingriff voraus.

Verknüpfte Fachbegriffe und Detailthemen

Anomalieerkennung: Die Erkennung ungewöhnlicher Mess- oder Beobachtungsmuster liefert Hinweise auf näher zu prüfende Qualitäts- und Sicherheitsereignisse.
Building Information Modeling (BIM): Der Forschungsansatz BIM2RDT verbindet Sensordaten und Sicherheitsereignisse mit Bauwerksinformationen und Eingriffsaufgaben.
Computer Vision: Die Bildauswertung erkennt mögliche Qualitäts- und Sicherheitsereignisse, die Fachkräfte anschließend prüfen und bearbeiten.
Datenanalyse für Arbeitsschutz und Umwelt: Arbeitsschutzbezogene Analysen strukturieren mögliche Gefahren und Schutzmaßnahmen für die fachliche Bearbeitung auf der Baustelle.
Edge-KI: Die lokale KI-Verarbeitung erschließt Baustellenbeobachtungen nahe am Erfassungsort als Teil des Monitoringablaufs.
Ereignisverarbeitung: Die Ereignisverarbeitung ordnet Beobachtungen zu, priorisiert Hinweise und überführt geprüfte Befunde in Bearbeitungsaufgaben.
Internet der Dinge: Vernetzte Sensoren liefern zeit- und ortsbezogene Beobachtungen für das gemeinsame Baustellenmonitoring.
Sensorfusion: Sensorfusion beschreibt die Aufgabe, unterschiedliche Beobachtungen zu einem zusammenhängenden Bild der Baustellensituation zu verbinden.

Quellen und Evidenz zu Integriertes Baustellenmonitoring für Qualität und Sicherheit

Die Quellenangaben dokumentieren die fachliche Grundlage des Impulsprofils. Öffnen Sie bei Bedarf die Verwendung im Profil, um zu den belegten Textstellen zurückzukehren.

Quelle 1
0ACCIDNTES: Abschluss des Forschungsprojekts zu Sicherheit und Gesundheit im Bau
Herausgeber
FCC Construcción
Publiziert
17.08.2026
Quellentyp
Bauunternehmensbericht
Geltungsbereich
Beteiligtenbericht zu kontrollierten Sicherheits-Integrationstests; keine unabhängige Wirkungsreihe.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (12 Textstellen)
- Data-Lake-/FachprüfablaufTextstelle 1 Textstelle 2 Textstelle 4 Textstelle 8
- Kontrollierte Vor-Ort-ValidierungTextstelle 3 Textstelle 25 Textstelle 26
- Absätze zu Alicante, Tenerife, Data Lake und finalen Tests in Tres Cantos/MaschinenparkTextstelle 7 Textstelle 8
- ProjektabschlussTextstelle 27
- Prüfung durch SicherheitsfachkräfteTextstelle 35 Textstelle 36 Textstelle 37
Quelle 2
KI-basierte Qualitätssicherung für die Bauabnahme
Herausgeber
Jessica Steinjan, HOCHTIEF ViCon; Niklas Gard, Fraunhofer HHI / EConoM
Publiziert
Dezember 2024
Quellentyp
Forschungspräsentation
Geltungsbereich
DACH-Testaufbau und Fachkorrektur; kein unabhängiger Toleranz- oder Nettoeffektnachweis.
Quellenprofil lesen
Verwendung im Profil (15 Textstellen)
- Folie 19Textstelle 1 Textstelle 2 Textstelle 4 Textstelle 5 Textstelle 10
- Folien 8–9, 13–16, 19Textstelle 2 Textstelle 9 Textstelle 10
- Folien 8–19Textstelle 3 Textstelle 25 Textstelle 26
- Folien 8,16,19Textstelle 29 Textstelle 30 Textstelle 31 Textstelle 32 Textstelle 33 Textstelle 34
Quelle 3
Building Information Models to Robot-Ready Site Digital Twins (BIM2RDT): An Agentic AI Safety-First Framework
Herausgeber
Reza Akhavian et al. / arXiv
Publiziert
25.09.2025
Quellentyp
Preprint
Geltungsbereich
Preprint mit kontrolliertem Demonstrator. Die Zuordnung der vorliegenden Textgrundlage zu einer bestimmten Preprintfassung ist ungeklärt.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (12 Textstellen)
- Abschnitte 5.5, 6.3, 8.1–8.2Textstelle 2 Textstelle 5 Textstelle 11 Textstelle 12
- Abschnitt 7.2Textstelle 24 Textstelle 35 Textstelle 36 Textstelle 37
- Abschnitte 5.5–8Textstelle 38 Textstelle 39 Textstelle 40 Textstelle 41
Quelle 4
From fragmented data to unified construction safety knowledge: A process-based ontology framework for safer work
Herausgeber
Kilian Speiser, Sebastian Seiß, Frank Boukamp, Jürgen Melzner, Jochen Teizer / Automation in Construction 176, 106293
Publiziert
27.05.2025
Quellentyp
Originalstudie
Geltungsbereich
Prozessontologie und manuell modellierte Fälle; keine vollständige Echtzeitvalidierung.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (21 Textstellen)
- Abschnitte 5.3 und 6Textstelle 1 Textstelle 2 Textstelle 4 Textstelle 5 Textstelle 6 Textstelle 8 Textstelle 12 Textstelle 22 Textstelle 24 Textstelle 38 Textstelle 39 Textstelle 40 Textstelle 41
- Abschnitte 5.3–5.4 und 6, besonders S.14–15/19Textstelle 5 Textstelle 11 Textstelle 12
- IntegrationsumfangTextstelle 6
- Methodik/ValidierungTextstelle 27
- Abschnitte 5.3–6Textstelle 29 Textstelle 30 Textstelle 31 Textstelle 32 Textstelle 33 Textstelle 34
- Abschnitte 4–6Textstelle 38 Textstelle 39 Textstelle 40 Textstelle 41
Quelle 5
Stakeholder-informed renovation digital twin for multi-domain monitoring: Pilot implementation and acceptance evaluation
Herausgeber
Omar Doukari, Tugce Bacnak, Elham Mahamedi / Energy and Buildings 354, 116979; Northumbria University
Publiziert
12.01.2026
Quellentyp
Originalstudie
Geltungsbereich
Ein Renovierungspilot und Akzeptanzbefragung; ausdrücklich keine KI-Fähigkeit und keine objektive Wirkungsmessung.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (10 Textstellen)
- Abschnitt 5.4Textstelle 1 Textstelle 2 Textstelle 6 Textstelle 22 Textstelle 38 Textstelle 39 Textstelle 40 Textstelle 41
- Abschnitte 4.2 Acquisition Service und 5.4 Limitations, S.6 und 10–11Textstelle 21 Textstelle 22 Textstelle 26
Quelle 6
Integration of Object Detection and Small VLMs for Construction Safety Hazard Identification
Herausgeber
Muhammad Adil et al., University of Alberta / arXiv v1
Publiziert
06.04.2026
Quellentyp
Preprint
Geltungsbereich
Preprint mit kuratierten Bildern und Recall-Gegenbefund; kein unabhängiger Betriebstest.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (5 Textstellen)
- Abschnitte 4.2.1 und 5.2.1, S.15–17 und 20–21; Tabelle 5 / Text zu Abb.6Textstelle 3 Textstelle 13 Textstelle 14 Textstelle 26 Textstelle 27
- ErgebnisvergleichTextstelle 27
Quelle 7
Are large pre-trained vision language models effective construction safety inspectors
Herausgeber
Xuezheng Chen, Zhengbo Zou / Cambridge University Press, Data-Centric Engineering
Publiziert
06.04.2026
Quellentyp
Originalstudie
Geltungsbereich
Bildbenchmark und getestete Modellstände; keine kontinuierliche Warn- oder Maßnahmenbewertung.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (2 Textstellen)
- Abschnitte 3, 5 sowie 6 Results and discussionTextstelle 13 Textstelle 14
Quelle 8
viAct AI Delivers Measurable Safety Gains for Alliad in Côte d'Ivoire
Herausgeber
viAct
Publiziert
28.08.2026
Quellentyp
Anbieterbericht
Geltungsbereich
Anbieterbericht über benannten Anwender; keine unabhängige Wirkung oder nachgewiesene Ereignisfusion.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (6 Textstellen)
- AnwenderberichtTextstelle 3 Textstelle 25
- Haupttext vom 28.08.2026, Absätze 1–4Textstelle 17 Textstelle 18 Textstelle 26 Textstelle 28
Quelle 9
OpenSpace Field jetzt allgemein verfügbar
Herausgeber
OpenSpace
Publiziert
03.02.2026
Quellentyp
Anbieterbericht
Geltungsbereich
Produktbeschreibung und frühes Anwenderzitat; individueller Modulgebrauch nicht vollständig ausgewiesen.
Quellenprofil lesen
Verwendung im Profil (11 Textstellen)
- Frühe QualitätsanwenderTextstelle 3 Textstelle 25
- Funktionsliste, Nachweisbare Ergebnisse bei frühen Anwendern, VerfügbarkeitsabsatzTextstelle 3 Textstelle 17 Textstelle 18 Textstelle 19 Textstelle 20 Textstelle 26 Textstelle 28
- Qualitätsworkflow mit NachunternehmernTextstelle 35 Textstelle 36 Textstelle 37
Quelle 10
BAM baut Zusammenarbeit mit OpenSpace konzernweit aus
Herausgeber
OpenSpace
Publiziert
04.02.2026
Quellentyp
Anbieterbericht
Geltungsbereich
Vertrag und schrittweise Plattformausweitung; konkreter KI-Modulumfang offen.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (3 Textstellen)
- Eingangsabsatz und Zitat des Digital Project ManagersTextstelle 19 Textstelle 20 Textstelle 28
Quelle 11
OpenSpace stellt die nächste Generation seiner Visual Intelligence Platform bei Waypoint 2026 vor
Herausgeber
OpenSpace
Publiziert
10.09.2026
Quellentyp
Anbieterbericht
Geltungsbereich
Neue und kommende Funktionen; kein vollständiger Nutzungsnachweis.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (2 Textstellen)
- Eingangsabsatz und Absatz zur Verfügbarkeit gegen Ende des HaupttextesTextstelle 19 Textstelle 20
Quelle 12
SAMBA – Semi-Autonomer Markierungs- und Baufortschritts-Assistent
Herausgeber
Fraunhofer Heinrich-Hertz-Institut
Publiziert
undatiert
Quellentyp
Projektbeschreibung
Geltungsbereich
Institutionelle Projektziele und Laufzeit 2026–2028, keine gemessenen Ergebnisse.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (3 Textstellen)
- Laufzeit und ProjektbeschreibungTextstelle 19 Textstelle 20 Textstelle 27
Quelle 13
Artificial Intelligence in the European Construction Sector: Strategic Adoption, Responsible Use, and Sectoral Leadership
Herausgeber
FIEC
Publiziert
22.10.2025
Quellentyp
Branchenposition
Geltungsbereich
Branchenposition zu Verantwortung und Validierung; Datum im Original, kein Wirkungs- oder Konformitätsnachweis.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (5 Textstellen)
- S.1 Datum; S.7–8 AI as a Professional Assistant / Trust Through Transparency and ValidationTextstelle 23
- S.7–8Textstelle 24 Textstelle 35 Textstelle 36 Textstelle 37
Quelle 14
RICS Construction Productivity Report 2026 / Productivity in Construction
Herausgeber
RICS
Publiziert
undatiert
Quellentyp
Branchenbericht
Geltungsbereich
Branchenkontext; genaues Publikationsdatum nicht bestätigt, kein integrierter Funktionsversuch.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (1 Textstelle)
- Productivity in Construction, Einleitung und Abschnitt zur MessfragmentierungTextstelle 21
Quelle 15
Multi-temporal crack segmentation in concrete structures using deep learning approaches
Herausgeber
Said Harb et al., TU Braunschweig / ISPRS Annals
Publiziert
10.07.2025
Quellentyp
Originalabstract
Geltungsbereich
Verfügbare Grundlage ist das Originalabstract zur zeitlichen Risssegmentierung. Eine vollständige Leistungsbewertung oder Bewertung des anschließenden Maßnahmenprozesses ist damit nicht möglich.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (1 Textstelle)
- Abstract und Publikationsdatum 10.07.2025Textstelle 26
Quelle 16
Weakly supervised learning for drowning detection in over-water construction from videos
Herausgeber
Wenkang Guo et al., Hong Kong Polytechnic University / RMIT; Journal of Building Design and Environment
Publiziert
08.05.2026
Quellentyp
Originalstudie
Geltungsbereich
Fehlende Fehlwarnrate pro Stunde und inkonsistente Splitzahlen begrenzen die Beurteilung der Leistung im laufenden Einsatz.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (2 Textstellen)
- Abschnitt 3.3.3 und Tabelle 2 (3.3.4)Textstelle 23 Textstelle 24
Quelle 17
Real-time concrete strength monitoring using piezoelectric sensors and deep learning
Herausgeber
Guangshuai Han et al., Purdue University / Nature Communications; PMC
Publiziert
12.12.2025
Quellentyp
Originalstudie
Geltungsbereich
Spezifische sensorische Qualitätsaufgabe mit älteren Versuchsdaten; keine integrierte Sicherheitswirkung.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (2 Textstellen)
- Methods: Concrete slab preparation, Database establishment; Fig.6 und Field validationTextstelle 15 Textstelle 16

Alle Impulse im Radar entdecken

Integriertes Baustellenmonitoring für Qualität und Sicherheit

Um was geht es bei Integriertes Baustellenmonitoring für Qualität und Sicherheit?

Einordnung im Impulsradar

Vom Hinweis zur fachlich geklärten Maßnahme

Worauf es bei Integriertes Baustellenmonitoring für Qualität und Sicherheit fachlich ankommt

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Studien-/Praxisbefund

Fachliche Einordnung

Warum Integriertes Baustellenmonitoring für Qualität und Sicherheit relevant ist

Für welche Bauprozesse Integriertes Baustellenmonitoring für Qualität und Sicherheit relevant ist

Strategie & Projektentwicklung

Planung & Design

Ausschreibung & Vergabe

Bauausführung & Baustellenmanagement

Betrieb & Instandhaltung

Rückbau & Kreislaufwirtschaft

Für wen Integriertes Baustellenmonitoring für Qualität und Sicherheit relevant ist

Bauherren und Auftraggeber

Bauunternehmen und Generalunternehmer

Technologieanbieter und Systemintegratoren

Mit welchen Technologie- und Anwendungsfeldern Integriertes Baustellenmonitoring für Qualität und Sicherheit verknüpft ist

Datenplattformen & KI-Infrastruktur

Robotik, Automatisierung & Physical AI

BIM & Digitaler Zwilling

Predictive Analytics & Entscheidungen

Verknüpfte Fachbegriffe und Detailthemen

Verwandte Innovationsimpulse zu Integriertes Baustellenmonitoring für Qualität und Sicherheit

Quellen und Evidenz zu Integriertes Baustellenmonitoring für Qualität und Sicherheit

0ACCIDNTES: Abschluss des Forschungsprojekts zu Sicherheit und Gesundheit im Bau

KI-basierte Qualitätssicherung für die Bauabnahme

Building Information Models to Robot-Ready Site Digital Twins (BIM2RDT): An Agentic AI Safety-First Framework

From fragmented data to unified construction safety knowledge: A process-based ontology framework for safer work

Stakeholder-informed renovation digital twin for multi-domain monitoring: Pilot implementation and acceptance evaluation

Integration of Object Detection and Small VLMs for Construction Safety Hazard Identification

Are large pre-trained vision language models effective construction safety inspectors

viAct AI Delivers Measurable Safety Gains for Alliad in Côte d'Ivoire

OpenSpace Field jetzt allgemein verfügbar

BAM baut Zusammenarbeit mit OpenSpace konzernweit aus

OpenSpace stellt die nächste Generation seiner Visual Intelligence Platform bei Waypoint 2026 vor

SAMBA – Semi-Autonomer Markierungs- und Baufortschritts-Assistent

Artificial Intelligence in the European Construction Sector: Strategic Adoption, Responsible Use, and Sectoral Leadership

RICS Construction Productivity Report 2026 / Productivity in Construction

Multi-temporal crack segmentation in concrete structures using deep learning approaches

Weakly supervised learning for drowning detection in over-water construction from videos

Real-time concrete strength monitoring using piezoelectric sensors and deep learning

Passende Deep Dives

KI-gestützte Qualitätskontrolle im Bau: Ausführung prüfen und Mängel früher erkennen