DFG-Heisenbergförderung
Bearbeitung
Prof. Dr.-Ing. Philipp Geyer
Das übergreifende Thema der durch das Heisenberg-Programm geförderten Forschung ist die Anwendung von KI, insbesondere ML, als Assistenz für das nachhaltige Bauen. Erklärbarkeit von KI (Explainable AI) hat dabei in Ingenieursanwendungen als Querschnittsthema eine überaus hohe Relevanz, um Überprüfbarkeit und Nachvollziehbarkeit zu bieten und damit Verantwortung und Vertrauen von Entscheidungsträgern gerecht zu werden. Die Assistenz von KI zur Unterstützung von Entscheidungsträgern im Bauen gliedert sich in drei zu erforschende thematische Funktionalitäten:
Prognose der Gebäude-Performance
ML wird als Mittel zur multidisziplinären und parametrisch-räumlichen Prognose eingesetzt, um Gebäude-Performance und Nachhaltigkeit schnell vorherzusagen, indem aufwendige Simulationen und Berechnungen ersetzt oder ergänzt werden. Auf diese Weise wird eine informierte Entscheidungsfindung ermöglicht. Die Erklärbarkeit von Prognosen besteht hier vor allem in der ingenieursmäßigen Überprüfbarkeit von Ergebnissen.
Empfehlung von Lösungen und Strategien
ML dient dazu, Empfehlungen in der Komplexität des nachhaltigen Bauens zu geben, die Entwerfende in Entscheidungssituationen leiten. Die Empfehlungen beruhen auf der Prognosefunktionalität sowie der Modellierung von Entwurfsoptionen und Ingenieurswissen in frühen Phasen. Wichtig ist dabei, Empfehlungen in einer für Entscheidungsträger nachvollziehbaren Weise erklärbar zu machen.
Für eine Beurteilung und Prognose ist es oft notwendig, Lösungen im Detail anzusehen. KI-geleitete Methoden zur Generierung von Konstruktionen und Subsystemen (z. B. konstruktive Details oder Gebäudetechnik) sollen entwickelt werden, die Entwerfenden ermüdende Detaillierungsarbeit abnehmen und Prognosen und Empfehlungen präziser machen. Dies baut auf Modellierung und Prognose auf und dient der präziseren Empfehlung. Ergebnisse und Methoden der Generierung müssen dabei nachvollziehbar sein, um Vertrauen der Entscheidungsträger zu erhalten.
Laufzeit
01/2022 bis 31/2026
Förderung
Deutsche Forschungsgemeinschaft (DFG)
Förderkennzeichen
GE 1652/4-1
