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

FCC beschreibt zum Abschluss von 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

Das Beispiel trägt eine anwendungsnahe Integrationspilotierung. Die Prüfung einer Übertragung muss klären, welche Ereignisse tatsächlich zusammengeführt werden, wann Fachkräfte eingreifen und wie ausgefallene oder veraltete Daten erscheinen. Repräsentative Testbedingungen sind ein anderer Nachweis als wiederholter Routinebetrieb.

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

EConoM zeigt eine Kamera-, Edge- und Field2BIM-Kette für Trockenbau am Fraunhofer HHI 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. UNOCS modelliert 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: höheres F1 kann mehr übersehene Gefahren bedeuten

Studien-/Praxisbefund

Adil et al. vergleichen kleine Vision-Language-Modelle mit und ohne Detektorhinweise auf 1.833 kuratierten Gefahrenbildern. Für Gemma-3 4B steigt F1 von 34,5 auf 50,6 Prozent, während Recall von 57,0 auf 43,7 Prozent fällt. Schlechte Bilder wurden ausgeschlossen; Labels wurden mit 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 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. Ebenso belegt ein Abstract zur Risssegmentierung noch keinen vollständigen Ausführungs- und Maßnahmenprozess.

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 Quelle 15: Multi-temporal crack segmentation in concrete structures using deep learning approaches, Fundstelle(n): Abstract und Publikationsdatum 10.07.2025

Praxisberichte: Qualitätsworkflow und Sicherheitsmodule

Studien-/Praxisbefund

OpenSpace nennt T&H Investments als frühen Field-Anwender: 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. viAct berichtet über Alliad auf einer Krankenhausbaustelle in Côte d’Ivoire mit PPE-, Gefahrzonen- und Brandhinweisen aus vorhandenen Kameras. Der Bericht beschreibt mehrere Module, aber keine nachgewiesene Fusion zu gemeinsam fachlich geschlossenen Ereignissen.

Fachliche Einordnung

Diese Fälle tragen berichteten punktuellen Einsatz, ohne eine umfassend validierte Systemintegration zu belegen. Die Qualitätsanwendung ist fachlich relevant, auch wenn keine gleichzeitige Sicherheitsfunktion beschrieben wird. Anbieterwerte zu Zeitgewinn oder weniger Verstößen werden mangels unabhängiger Messung und geeigneter Vergleichsbasis nicht als allgemeiner Nutzen übernommen. Für die Übertragung zählen die tatsächlich verwendeten Funktionen und der Nachprüfaufwand.

Forschung, Verfügbarkeit und Ausweitung getrennt lesen

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 RT-013-Modulumfang zu belegen. 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

Datierte Verfügbarkeit, ein Vertrag und ein Forschungsziel beantworten unterschiedliche Fragen. Sie dürfen weder zu einer einheitlichen Nutzungsserie addiert noch als unabhängige Leistungsgewinne ausgegeben werden. Eine Marktausweitung des integrierten Workflows wäre erst mit geklärtem Funktionsumfang und tatsächlicher Anwendung in weiteren Fällen belastbar.

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

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. Die Arbeit trägt hier keine Leistungsbewertung. 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 organisatorischen und technischen Ableitungen ersetzen keine projektspezifische Fachprüfung.

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 stützen MR-03. Kommerzielle Qualitätsworkflows und Sicherheitsmodule zeigen darüber hinaus einzelne reale Anwendungen. Für wiederholte oder ausgeweitete Praxis desselben integrierten Ablaufs fehlt jedoch eine hinreichende Bestätigung. Die bestehende Obergrenze MR-05 wird deshalb mit dieser Beleglücke fortgeführt, nicht als erneut nachgewiesen dargestellt. Fehlende unabhängige Wirkungsdaten sind dabei von der Frage tatsächlicher Nutzung zu unterscheiden.

Evidenzwachsende Evidenz

Mehrere Originalarbeiten und benannte Anwendungskontexte liefern prüfbare Teil- und Integrationsbefunde. Ihre Grenzen sind konkret: kontrollierte Demonstratoren, kuratierte Bilder, manuelle Zuordnung und Anbieterberichte. Unabhängige Messungen des gesamten Bearbeitungsablaufs und seines Nettoeffekts fehlen. EV-02 beschreibt diese begrenzte gemeinsame Aussagekraft; gute Teilmetriken begründen keine pauschale Aufwertung der integrierten Anwendung.

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

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. Der Recall-Gegenbefund bei detektorgestützten VLMs 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 Ereignisfusion und Schließprozess 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. Das ist eine vorbereitende Schnittstelle; ein gemessener Nutzen für Standort- oder Investitionsentscheidungen ist nicht belegt.

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; der Monitoringprozess erzeugt weder eigenständig einen gültigen Planstand noch einen Entwurf.

Ausschreibung & Vergabe

Relevanz: 0 von 3 Punkten, Keine unmittelbare Relevanz

Anforderungen an Monitoring und Datenschnittstellen lassen sich für Leistungen beschreiben. Im abgegrenzten Impuls ist jedoch keine direkte KI-Funktion für Angebotsvergleich oder Vergabeentscheidung belegt. Diese vorbereitende Nähe begründet keinen eigenen Prozessschwerpunkt.

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

Gefahrenzonen und Person-Maschine-Ereignisse lassen sich als begrenzter Arbeitsschutzanschluss auf Rückbauaufgaben beziehen. Diese Übertragung ist eine fachliche Ableitung, kein hier gemessener Rückbaueinsatz. Materialsortierung und Kreislaufwirkung werden dadurch nicht nachgewiesen.

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. Ein Bildzugang ist noch keine Abnahme; eine allgemeine Kosten- oder Haftungsentlastung ist nicht gemessen.

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 APIs 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 trägt die Systemperspektive: Herkunft, Ort, Zeit, Referenz und Bearbeitungsstatus müssen zwischen Erfassung und Fachsoftware erhalten bleiben. Diese Integrationsaufgabe begründet das Primärfeld; eine gemeinsame Visualisierung allein reicht als KI-Nachweis nicht aus.

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 sind von der anschließenden Qualitäts- oder Sicherheitsbewertung zu trennen. Robotische Autonomie bedeutet weder autonome Abnahme noch eigenständige Ausführung einer Schutzmaßnahme.

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. Ein Modellimport allein bestätigt keine reale Zustandsänderung.

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.

Fachbegriffe und Detailthemen

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.
Externe Quelle öffnen (öffnet in neuem Tab)
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; Versionszuordnung des gelesenen Renderings nicht abschließend geklärt.
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 (5 Textstellen)
- AnwenderberichtTextstelle 3 Textstelle 25
- Haupttext vom 28.08.2026, Absätze 1–4Textstelle 17 Textstelle 18 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.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (9 Textstellen)
- Frühe QualitätsanwenderTextstelle 3 Textstelle 25
- Funktionsliste, Nachweisbare Ergebnisse bei frühen Anwendern, VerfügbarkeitsabsatzTextstelle 3 Textstelle 17 Textstelle 18 Textstelle 19 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
Nur Originalabstract erneut eingesehen; keine Detailmetriken übernommen.
Externe Quelle öffnen (öffnet in neuem Tab)
Verwendung im Profil (1 Textstelle)
- Abstract und Publikationsdatum 10.07.2025Textstelle 16
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
Methodischer Gegenbefund bei fehlender FP/h-Rate und inkonsistenten Splitzahlen; kein Leistungsanker.
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

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