KI im Bau

Innovation Scout · Quellenprofil

Innenausbau mit Handybildern verfolgen: KI erkennt Bauteiltyp und Ausführungsstufe

Eine Smartphone-Anwendung verknüpft Baustellenfotos mit Raum und Datum. Bildmodelle erkennen Bauteilgruppen und Bearbeitungsstände; für den Terminvergleich führt das Team diese Beobachtungen zusammen.

Wissenschaftlicher Zeitschriftenartikel · Scientific Reports, Band 16, Artikel 2852 · 21. Januar 2026

Originalquelle öffnenBibliografische Angaben
Auf dieser Seite

Bauteil, Bearbeitungsstand und Raum zusammenführen

Eine Wand kann bereits stehen, obwohl Verputzen und Streichen noch ausstehen. Für die Bauleitung sind das unterschiedliche Arbeitsstände. Ein Forschungsteam um Su-Ling Fan untersucht, wie Fotos sowohl dem richtigen Ort als auch einer solchen Ausführungsstufe zugeordnet werden können. Als Anwendungsbeispiel dient der Innenausbau eines Universitätsgebäudes in Taiwan.

Auf dem Smartphone wird ein digitales Gebäudemodell über das Kamerabild gelegt. Diese erweiterte Realität heißt Augmented Reality, kurz AR. Der Nutzer richtet Modell und Umgebung zunächst aufeinander aus. Die Smartphone-Anwendung nutzt Raumdaten aus dem digitalen Bauwerksmodell, dem BIM-Modell, um die Fotos mit Ort und Datum zu speichern. Die KI ordnet den Aufnahmen Bauteilgruppen wie Wand oder Decke und einen sichtbaren Bearbeitungsstand zu.

Dafür trainierte das Team bereits vortrainierte neuronale Bildmodelle mit Ausbauaufnahmen weiter. Die Modelle lernen dabei wiederkehrende Bildmerkmale für die vorgegebenen Gruppen und Arbeitsstände. Ihre Zuordnungen werden zusammen mit Ort und Datum in einer Tabelle gespeichert. So lässt sich nachvollziehen, welcher Arbeitsschritt wo und zu welchem Zeitpunkt auf einem Foto festgehalten wurde.

Vom erkannten Zwischenstand zum Terminvergleich

Das Team prüfte die Erkennung an zuvor zurückgehaltenen Testfotos. Als richtige Zuordnung zählt dabei, dass die Vorhersage mit der vorgesehenen Bildklasse übereinstimmt. Das Modell ResNet34 erreichte laut Studie 92 Prozent richtige Zuordnungen der Bauteilgruppe und 89 Prozent der Ausführungsstufe. Die beiden Werte beziehen sich auf diese getrennten Aufgaben. Helligkeit und Kontrast der Aufnahmen beeinflussen, wie gut die jeweiligen Merkmale erkennbar sind.

Für den Terminvergleich müssen die Beobachtungen einer Tätigkeit über die betroffenen Räume hinweg zusammengeführt werden. Im untersuchten Ablauf wurde diese Zusammenfassung noch manuell vorgenommen. Die KI liefert einzelne räumlich zugeordnete Zustandsmeldungen, aus denen das Projektteam den Arbeitsstand ableitet.

Diese Verbindung ist für den Ausbau nützlich: Die Bauteilgruppe erklärt, worauf sich eine Aufnahme bezieht; die Ausführungsstufe beschreibt den sichtbaren Bearbeitungsstand. Mit dem Raumbezug lässt sich daraus prüfen, wo ein Folgegewerk ansetzen kann und welche Leistungen vor einem geplanten Termin noch fehlen.

Bibliografie

Originaltitel
Integration of AR and deep learning–based image classification using CNN for construction project monitoring
Autoren
Su-Ling Fan, Bao-Yu Lin, Chun-Tin Wu, Hee Yong Youn, Faustyn Recha, Jakub Świerzawski, Marek Malucha
Verantwortliche Einrichtung
Tamkang University; Feng Yu Construction Co. Ltd; Sungkyunkwan University; Academy of Silesia (Autorenaffiliationen)
Quellenart
Wissenschaftlicher Zeitschriftenartikel
Veröffentlicht in/auf
Scientific Reports, Band 16, Artikel 2852
Herausgeber/Verlag
Nature Publishing Group
Veröffentlichungsdatum
21. Januar 2026
DOI
10.1038/s41598-025-30149-4
Originalzugang
Original
Zugang
Open Access