Künstliche Intelligenz im Bau

Während andere Sektoren, insbesondere im Technologiebereich, AI bereits gewinnbringend einsetzen, ist in der Baubranche diesbezüglich noch nicht viel passiert. Das tiefe Produktivitätswachstum der letzten Jahrzehnte – rund 1% pro Jahr, deutlich weniger als das weltweite Wachstum der Gesamtproduktivität von 2.8% pro Jahr – ist mitunter auch ein Zeichen von fehlender Adaptation an neue Umstände und technische Möglichkeiten. Es stellt sich daher die Frage, ob und wie AI auch im Bau gewinnbringend eingesetzt werden kann, um diesen Trend zu durchbrechen.

Laut Einschätzung von McKinsey ist zwar in naher Zukunft nicht mit einer grossen Verbreitung von AI im Bau zu rechnen. Dies, weil viele Firmen – trotz teilweise hohem Return on Investment auf AI-Investitionen – die Fähigkeiten für den Einsatz von AI (Personal, Prozesse und Tools) nicht haben. Dennoch lässt sich der Einfluss von AI auf Geschäftsprozesse auch im Bau nicht mehr länger ignorieren. Laut Prognosen wird der Markt der künstlichen Intelligenz im Bau bis 2026 weltweit rund 4.5 Milliarden USD erreichen. Bei einem globalen Marktvolumen von rund 430 Milliarden USD also etwa 10% an der gesamten Bauindustrie.

Verwandte Industrien (z.B. Transport, Warenproduktion) sind dabei, die bestehenden Barrieren untereinander abzubauen und immer mehr als verbundene Ökosysteme miteinander zu agieren. Dies erhöht die Wahrscheinlichkeit von Markteintritten in die Bauindustrie durch nicht-traditionelle Player. Die Eintrittsbarriere im Bau ist aufgrund des simplen Geschäftsmodells (Segmente, Aktivitäten, geografische Ausrichtung) ohnehin schon relativ tief im Bau. Diese Industrien haben zudem bereits einen Vorsprung im Einsatz von AI. Es lohnt sich daher, den Einfluss von AI auf das Bauhauptgewerbe einmal genauer zu analysieren.

Anwendungsfälle von AI im Bau

Der Einsatz von AI im Bauhauptgewerbe ist im Vergleich mit anderen Industrien noch sehr tief. Zudem sind die geplanten Investitionen in AI über die nächsten Jahre in den meisten Industrien höher. Einige Gründe dafür haben wir bereits angesprochen (zu wenig Ressourcen, fehlendes Knowhow). Ein weiterer Grund ist, dass AI-Algorithmen auf vergangenen Erfahrungen basieren und darum eine gewisse kritische Grundmasse an Daten benötigen, um gewinnbringend eingesetzt werden zu können. Unternehmen benötigen also grosse Mengen an Daten – in diesem Fall sind das Bauprojekte – um einen AI-Algorithmus entsprechend trainieren zu können. Dies fällt grossen Bauunternehmen deutlich einfacher als den vielen kleineren und mittleren Unternehmen, die insbesondere das Schweizer Bauhauptgewerbe ausmachen.

Auf bisher mehrheitlich globaler Ebene gibt es trotz der tiefen Marktreife im Bau einige Unternehmen, die AI für die folgenden Anwendungsfälle einsetzen.

Optimierung der Projektplanung und Risikominimierung

Bauprojekte bergen erhebliche Risiken in den Bereichen Qualität, Sicherheit, Zeit und Kosten. Unberechenbare externe Einflüsse wie das Wetter erhöhen diese Risiken. Unternehmen wie die englische Firma nPlan nutzen AI und Machine Learning, um die Optimierung der Projektplanung durch kontinuierliche Simulierung von Millionen von Alternativen für den Projektablauf zu unterstützen. Dabei werden historische Daten wie geplante Start- und Enddaten sowie Kosten durch prädiktive Modelle für die Vorhersage von realistischen Timelines und Gesamtkosten für zukünftige Projekte verwendet. Der Gesamtprojektplan kann so stets den neusten Umständen angepasst werden.

Intelligente Drohnen

Beim kalifornischen Unternehmen Skycatch werden Drohnen mit AI für den zukünftigen Einsatz auf Baustellen trainiert. Mit dem Endziel vollautomatisierte Baustelle im Sinn wird den Drohnen schrittweise beigebracht, wie eine Baustelle funktioniert. Zuerst wurden individuelle Elemente der Baustelle identifiziert – Kranen, Lagerbestände, Menschen, etc. Dann lernte die Drohne die individuellen Teile der Maschinen zu identifizieren, gefolgt von Handlungen, dann Handlungsabläufe, Abläufe im Kontext, usw. In Zukunft sollen diese erlernten Fähigkeiten eingesetzt werden, um Baustellen effizienter und produktiver zu machen. Zudem wird die Arbeitssicherheit erhöht: Potenzielle Gefahrenzustände wie fehlende Schutzkleidung oder unsichere Strukturen können durch die Bilderkennungssoftware identifiziert werden.

Generatives Design

Generatives Design stellt eine der grössten Stärken von AI dar: Die Fähigkeit, viele verschiedene Variationen eines Modells zu untersuchen, um die beste Option zu finden. Eingesetzt wird es bisher erst in der Fertigung, aber Unternehmen wie Alice Technologies arbeiten an der Einführung im Bau, und zwar in Kombination mit BIM. Dabei wird das 3D-Gebäudemodell durch einen Machine Learning-Algorithmus erzeugt, wodurch wesentlich Arbeitsschritte wie konstruktive Bemessungen jenseits der Auslegung entfallen. Der Algorithmus untersucht dabei alle möglichen Variationen einer Lösung und kreiert stabilere oder günstigere Alternativen für das Design. Auch potenzielle Konflikte zwischen den verschiedenen Gebäudeteilen, Elektroinstallationen und Rohrleitungen können damit vermieden werden.

Nachhaltige Bauprojekte mit AI

Das britische Startup Qualis Flow nutzt Machine Learning für die Analyse und Überwachung von Umweltdaten auf Baustellen. Die Plattform analysiert Daten zur Nachhaltigkeit von Bauprojekten und prognostiziert Risikofaktoren in Bezug auf die Umwelt. Zudem wird die Einhaltung der Nachhaltigkeitsrichtlinien permanent überwacht und bei potenziellen Konflikten wird sofort ein Alarm ausgelöst. Da die Plattform komplett in der Cloud ist, besteht für alle Beteiligten uneingeschränkter Zugriff auf alle Daten.

Autonome Maschinen

Bereits jetzt sind autonom arbeitende Bulldozer und Bagger Realität – z.B. von der Firma Built Robotics. Diese können theoretisch rund um die Uhr arbeiten, was den Projektfortschritt stark beschleunigt. In Zukunft können auch autonome Maurerroboter, mobile Kleinroboter und sogar menschenähnliche Bauroboter eingesetzt werden. Fortgeschrittene Roboter werden durch AI gesteuert und werden durch die Lernerfahrung mit der Zeit immer präziser in ihrer Ausführung.

Intelligente Problemerkennung

Da sich AI bestens dazu eignet, historische Daten zu analysieren und daraus Prognosen zu zukünftigen Ereignissen bzw. Wahrscheinlichkeiten abzuleiten, können diese Daten z.B. zur Vorhersage von Baumängeln genutzt werden. Oder es werden über Sensoren, z.B. mit dem CAT Flottenmanagement, grosse Datenmengen von Baumaschinen gesammelt und mittels künstlicher Intelligenz Prognosen zu zukünftigen Schäden durch Abnutzung, Auslastung, usw. erstellt.

Zukünftige Anwendungsfälle von AI aus anderen Branchen

Mit Machine Learning, Natural Language Processing (die Verarbeitung der natürlichen Sprache) und Robotik vereint AI mehrere Technologien und Use Cases, die in anderen Branchen bereits verwendet werden und in Zukunft auch im Bau Anwendung finden können.

Algorithmen zur Transportwegoptimierung

Transportunternehmen nutzen bereits jetzt AI zur Optimierung von Transportwegen. Diese Technologie wird ausserdem weiter verbessert – in Zukunft sollen die Berechnungen noch genauer werden sowie Aspekte wie den Benzinpreis miteinbeziehen können. Eine derartige Technologie könnte demnach direkt in die Projektplanung im Bau einbezogen werden und auf Basis von ähnlichen Projekten die besten Transportwege berechnen.

Optimierung der Logistik im Detailhandel

AI hat im Detailhandel bereits massive Vorteile durch Verringerung der Stillstandzeit bei der Produktion, Reduktion des Überbestands und Erhöhung der Vorhersehbarkeit bei Lieferungen erbringen können. Da im Bau die Modularisierung und Voranfertigung immer wichtiger werden, kann diese Technologie potenziell direkt im Bau angewendet werden.

Weitere Informationen finden Sie hier.

 

 

 

Über den/die Autor/in

pic

Schweizerischer Baumeisterverband

[email protected]

Artikel teilen