Innovation Scout · Quellenprofil
Vier geometrische Analysen sollen Laserscans technischer Anlagen mit BIM-Modellen abgleichen. Ein Versuch mit einem aus den Scandaten nachgebildeten Modell zeigt, wie verdeckte Oberflächen die Zuordnung erschweren.
Ein Laserscan liefert eine Punktwolke aus räumlichen Messpunkten der eingebauten Anlage. Ein BIM-Modell beschreibt die Form und Lage einzelner Bauteile. Tristan Kinnen und Jörg Blankenbach von der RWTH Aachen untersuchen ein Verfahren, das Unterschiede zwischen geplanter und ausgeführter technischer Gebäudeausrüstung erkennen soll. Scan und Modell müssen dafür räumlich so ausgerichtet sein, dass dieselben Stellen übereinanderliegen.
Das Verfahren grenzt für jedes Modellbauteil den passenden Bereich der Punktwolke ein. Vier Analysen betrachten Lage, Abstände, räumliche Überdeckung und Form. Für die Überdeckung wird der Raum beispielsweise in kleine würfelförmige Zellen geteilt; die Formprüfung vergleicht Querschnitte entlang des Bauteils. Gemeinsam sollen die Analysen erkennen, ob eine Komponente wie geplant eingebaut, verschoben, gedreht oder möglicherweise nicht vorhanden ist. Für die Beurteilung zählen sowohl die zulässige Abweichung von der Planung als auch die Genauigkeit der Messung.
Die Forschenden erprobten den Ansatz an simulierten Geometrien und einem kleinen Aufbau mit elf Komponenten. Ein weiterer Datensatz umfasste 315 Bauteile einer realen technischen Anlage. Für diesen Versuch bildeten sie die erfassten Bauteile im Vergleichsmodell von Hand aus derselben Punktwolke nach. In diesem Datensatz sollten daher alle Bauteile als übereinstimmend erkannt werden. Der Versuch prüfte, wie zuverlässig dies trotz verdeckter Oberflächen und anderer Störungen in den Messdaten gelingt.
Im gesamten Anlagendatensatz erkannte die Analyse 195 von 315 Bauteilen als passend, rund 62 Prozent. In einem gesondert betrachteten, besser zugänglichen Teil der Anlage waren es 72 von 81 Bauteilen, rund 89 Prozent. Beide Ergebnisse stammen aus demselben Versuch und betreffen unterschiedlich gut erfassbare Bereiche.
Vor allem verdeckte Oberflächen und dicht benachbarte Komponenten erschwerten den Vergleich. Fehlen Messpunkte oder gelangen Punkte eines Nachbarbauteils in die Auswertung, kann ein tatsächlich passendes Bauteil als abweichend erscheinen. Für ein Prüfteam wäre die automatische Einordnung deshalb eine Vorsortierung: klare Übereinstimmungen herausarbeiten und unklare Fälle gezielt nachprüfen.
Das untersuchte Verfahren arbeitet mit Geometrie und statistischen Prüfungen, ohne lernende KI. Die Studie zeigt damit auch wichtige Voraussetzungen für KI-gestützte Kontrollen: Bauteile müssen sauber voneinander getrennt, unvollständige Aufnahmen berücksichtigt und Abweichungen anhand geeigneter Toleranzen beurteilt werden. Die Qualität der Ausgangsdaten bestimmt mit, wie viele Hinweise anschließend fachlich zu klären sind.
