Die zunehmende Urbanisierung sowie steigende Anforderungen an nachhaltige und klimaresiliente Stadtentwicklung erfordern neue, datengetriebene Ansätze zur Planung, Genehmigung und Überwachung von Bauvorhaben. Insbesondere die Berücksichtigung von Grünraum und Versiegelung spielt eine zentrale Rolle im Kontext von Klimawandelanpassung, Biodiversität und urbaner Lebensqualität. Gleichzeitig sind bestehende Baueinreichungsprozesse häufig durch heterogene Datenformate und manuelle Prüfverfahren geprägt, was zu Ineffizienzen und eingeschränkter Nachvollziehbarkeit führt. Vor diesem Hintergrund adressiert das Projekt AMAzE 2.0 die Forschungsfrage, inwieweit eine durchgängige digitale Prozesskette auf Basis von Building Information Modeling (BIM), Geoinformationssystemen (GIS) und Methoden der Künstlichen Intelligenz (KI) entwickelt werden kann, um eine automatisierte und überprüfbare Baueinreichung mit besonderem Fokus auf den Außenraum zu ermöglichen.

Der aktuelle Stand der Technik ist durch fragmentierte Systemlandschaften und eine unzureichende Interoperabilität zwischen GIS- und BIM-Systemen gekennzeichnet. Während sich BIM zunehmend als Standard für die digitale Modellierung von Bauwerken etabliert hat, liegen wesentliche Planungsgrundlagen wie Katasterdaten, Geländemodelle oder Umweltinformationen überwiegend in GIS-basierten Formaten vor. Eine nahtlose Integration dieser Daten ist bislang nur eingeschränkt möglich. Darüber hinaus bestehen Defizite in der automatisierten Überprüfung von Einreichungen, insbesondere im Bereich des Außenraums. Gleichzeitig bieten moderne Fernerkundungsmethoden großes Potenzial für eine objektive und automatisierte Bestandsanalyse, werden jedoch bislang kaum systematisch in Genehmigungsprozesse integriert. Ein wesentliches Hindernis stellt zudem die eingeschränkte Verfügbarkeit standardisierter Schnittstellen dar.

Ziel des Projekts AMAzE 2.0 war die Entwicklung und prototypische Umsetzung eines durchgängigen digitalen Workflows für die Baueinreichung sowie das anschließende Monitoring von Bauvorhaben vor allem im Hinblick auf den Außenraum. Im Fokus standen die Integration von GIS- und BIM-Daten in einer konsistenten Datenpipeline, die automatisierte Transformation heterogener Ausgangsdaten in standardisierte IFC-Modelle (Industry Foundation Classes) sowie die Definition von Informationsanforderungen für BIM-basierte Einreichmodelle. Ergänzend wurden KI-gestützte Verfahren zur Analyse von Luftbild- und Punktwolkendaten entwickelt und ein SOLL-IST-Abgleich zwischen Planung und realisiertem Bestand prototypisch umgesetzt.

Die methodische Umsetzung basiert auf der integrierten Kombination von GIS, BIM, ETL-Datenverarbeitung (Extract, Transform, Load) und KI. Kern des Ansatzes ist eine mithilfe von FME (Feature Manipulation Engine) realisierte ETL-basierte Datenpipeline, die heterogene Geodaten integriert und in konsistente, semantisch strukturierte IFC-Modelle überführt. Ergänzende skriptbasierte Prozesse ermöglichen dabei eine präzise Steuerung der Modellstruktur und sichern die Qualität und Stabilität der erzeugten BIM-Daten. Parallel dazu wurde eine modulare KI-Pipeline entwickelt, die von der Datenextraktion über die semantische Segmentierung bis hin zur statistischen und visuellen Auswertung reicht. Der Einsatz spektraler Indizes wie des Normalized Difference Vegetation Index (NDVI) verbessert zusätzlich die Qualität der Grünraumerkennung.

Ein weiterer zentraler Beitrag des Projekts liegt in der Entwicklung KI-gestützter Verfahren zur automatisierten Auswertung von Luftbild- und Punktwolkendaten. Die eingesetzten neuronalen Netze ermöglichen eine pixelgenaue Segmentierung und liefern robuste Klassifikationsergebnisse für verschiedene Oberflächenklassen. Die Evaluierung zeigt, dass die Kombination aus Fernerkundungsdaten und KI-basierter Analyse eine geeignete Grundlage für den automatisierten SOLL-IST-Abgleich darstellt, wobei weiterhin Herausforderungen hinsichtlich Datenverfügbarkeit und Schnittstellen bestehen.

Aufbauend auf den erzielten Ergebnissen ergeben sich mehrere Ansatzpunkte für zukünftige Entwicklungen. Ein zentraler Fokus liegt auf der Weiterentwicklung hin zu einer vollständig API-basierten Systemarchitektur (Application Programming Interface), um bestehende Medienbrüche zu reduzieren. Darüber hinaus besteht Potenzial in der Weiterentwicklung der KI-Modelle durch größere und diversere Trainingsdatensätze sowie durch die Integration zusätzlicher Datenquellen. Ein weiterer wichtiger Schritt ist die Überführung der prototypischen Lösungen in operative Anwendungen im behördlichen Kontext. Hierfür sind insbesondere geeignete rechtliche und organisatorische Rahmenbedingungen zu schaffen. Darüber hinaus ist eine stärkere Standardisierung von Datenmodellen und Schnittstellen erforderlich, um die Interoperabilität langfristig sicherzustellen. Insgesamt kann der im Projekt entwickelte Ansatz einen wesentlichen Beitrag zur Digitalisierung und Automatisierung von Bau- und Genehmigungsprozessen leisten und damit effizientere, transparentere und nachhaltigere Stadtentwicklungsprozesse unterstützen.

Projektleitung

DI Dr. Christina Petschnigg
Fraunhofer Austria Research GmbH

Projektpartner

• Landeshauptstadt Klagenfurt am Wörthersee
• A-NULL Development GmbH
• Technische Universität Wien
• VIE Build GmbH