Nachhaltiges Controlling-Tool für die Bauausführung - NaConBau

Abstract

Im Forschungsprojekt NaConBau – Nachhaltiges Controlling Tool für die Bauausführung – wurde ein KI-gestütztes Entscheidungsunterstützungssystem (EUS) entwickelt, um Planende und Bauausführende bei der Auswahl und Nachhaltigkeitsauditoren bei der Nachweisführung nachhaltiger Bauprodukte zu unterstützen. Die Bauwirtschaft ist für einen Großteil globaler Umweltwirkungen verantwortlich – rund 37 % der globalen CO2-Emissionen entfallen auf Gebäude und Bauaktivitäten, alleine etwa 10 % resultieren durch die Herstellung von Bauprodukten [1]. Dennoch werden Bauprodukte heute weiterhin vor allem auf Basis ökonomischer Faktoren und technischer Anforderungen ausgewählt, während ökologische und sozio-kulturelle Kriterien oft vernachlässigt bleiben [2]. Gleichzeitig liegen die nötigen Produktinformationen meist unstrukturiert in Produktdatenblättern, wie technischen Datenblättern, Sicherheitsdatenblättern, Leistungserklärungen oder Umweltproduktdeklarationen (EPDs) vor, welche von Planern und Ausführenden mühsam und zeitintensiv durchsucht werden müssen [3]. Hier setzt NaConBau an: Durch automatisierte Informationsextraktion aus Produktdokumenten und eine zentrale Wissensbasis ermöglicht das entwickelte EUS, Nachhaltigkeits- und Gesundheitsaspekte bei der Materialauswahl im Bau effizient zu berücksichtigen. [1] United Nations Environment Programme (UNEP), Global Status Report for Buildings and Construction: Beyond foundations: Mainstreaming sustainable solutions to cut emissions from the buildings sector. Nairobi, 2024. [Online]. Verfügbar: https://doi.org/10.59117/20.500.11822/45095 [2] B. E. Alkasar und H. A. Yahya, “A Comparative Analysis of Design Criteria Influencing Building Material Selection Across Different Architectural Contexts,” Int. J. Sustain. Dev. Plan., Bd. 18, Nr. 10, S. 3117–3124, 2023. [3] T. Xiao und P. Xu, “Exploring automated energy optimization with unstructured building data: A multi-agent based framework leveraging large language models,” Energy Build., Bd. 322, S. 114691, 2024, doi: 10.1016/j.enbuild.2024.114691.