LLM BIM: Modelle im IFC-Format mit natürlicher Sprache abfragen

Der Bauwesen-Branche steht der Eintritt einer Technologie bevor, die die Art und Weise, wie wir mit Informationsmodellen interagieren, verändern wird: die großen Sprachmodelle (LLM). Während in den letzten Jahren das BIM es ermöglicht hat, eine immer größere Menge an Daten innerhalb digitaler Modelle zu sammeln und zu organisieren, besteht die Herausforderung heute nicht mehr nur darin, qualitativ hochwertige Informationen zu produzieren, sondern sie auch leicht zugänglich und nutzbar zu machen.

Bis heute bedeutete die Abfrage eines IFC-Modells, dass man wissen musste, wie man zwischen Klassen, Property Sets navigiert, Filter, Tabellen oder spezielle Abfragen verwendet. Tätigkeiten, die spezifische Kenntnisse erfordern und die, insbesondere bei komplexeren Modellen, zeitaufwendig sein können und den Zugang zu Informationen auf erfahrene Benutzer beschränken.

Die Entwicklung der großen Sprachmodelle (LLM) eröffnet ein neues Szenario. Dank der künstlichen Intelligenz kann das BIM-Modell durch natürliche Sprache abgefragt werden, was es ermöglicht, Informationen zu erhalten, Daten zu analysieren und Elemente einfach durch das Stellen einer Frage zu identifizieren, genau wie in einem normalen Gespräch.

Der Wert des LLM BIM liegt genau in diesem Paradigmenwechsel: Der Benutzer muss sich nicht mehr an die Struktur des Modells anpassen, sondern das System interpretiert die in natürlicher Sprache formulierten Anfragen und identifiziert die relevanten Informationen. Der Datenzugang wird somit unmittelbarer, was eine einfachere und effektivere Konsultation und Nutzung des Informationsbestands des Modells ermöglicht.

Diese Entwicklung wird mit dem Wachstum der digitalen Zwillinge und der Plattformen, die BIM, GIS und openBIM integrieren, eine noch bedeutendere Rolle spielen. Wenn es darum geht, Tausende von Modellen, Millionen von IFC-Objekten und Milliarden von Eigenschaften zu verwalten, stellt die Möglichkeit, direkt mit den Daten zu kommunizieren, nicht nur eine innovative Funktion dar, sondern eine neue Art, auf Wissen zuzugreifen.

Es handelt sich nicht um ein futuristisches Szenario. Die fortschrittlichsten Geospatial Digital Twin-Plattformen experimentieren bereits mit dieser Konvergenz zwischen openBIM, GIS und großen Sprachmodellen. Aber was bedeutet es praktisch, mit einem IFC-Modell zu kommunizieren? In den nächsten Absätzen werden wir sehen, wie die künstliche Intelligenz die natürliche Sprache in ein Werkzeug zur Abfrage von BIM-Daten verwandeln kann, anhand eines konkreten Anwendungsbeispiels.

Was ist das LLM BIM und wie verändert es die Abfrage von IFC-Modellen

LLM BIM ist die Anwendung von großen Sprachmodellen (LLM) – den Modellen der künstlichen Intelligenz, die in der Lage sind, natürliche Sprache zu verstehen und zu generieren – auf die Welt des Building Information Modeling (BIM). Praktisch ermöglicht es, ein Informationsmodell mithilfe natürlicher Sprache abzufragen, ohne auf spezifische Verfahren zurückgreifen zu müssen.

Oft wird es mit der Idee eines einfachen Chatbots assoziiert, der in der Lage ist, die Fragen des Benutzers zu beantworten. In Wirklichkeit liegt die wahre Innovation beim LLM BIM jedoch nicht in der Konversation, sondern in der Möglichkeit, einfach und unmittelbar auf den Informationsbestand zuzugreifen, der in den IFC-Modellen enthalten ist.

In einem traditionellen Arbeitsablauf erfordert das Abrufen von Informationen aus einem IFC-Modell das Wissen darüber, wo die Daten gespeichert sind, und die Verwendung spezifischer Werkzeuge wie Filter, Abfragen, Abakusse oder Eigenschaften Tabellen. Wenn man beispielsweise den Raum mit der größten Fläche identifizieren, den Nutzungszweck der Räume kennen oder die Eigenschaften eines bestimmten Elements überprüfen möchte, muss man das Modell manuell erkunden und dessen Informationsstruktur interpretieren.

Mit einem auf LLM BIM basierenden Ansatz ändert sich das Paradigma vollständig. Der Benutzer interagiert nicht mehr mit dem Modell über Menüs, Fenster und Befehle, sondern über eine Konversation. Es genügt, eine Frage in natürlicher Sprache zu formulieren – zum Beispiel „Welche Daten enthält das Modell?“ oder „Welcher Raum hat die größte Fläche?“ – damit das System die Anfrage interpretiert, die relevanten Informationen im IFC-Modell identifiziert und eine verständliche Antwort zurückgibt.

Das bedeutet nicht, dass die künstliche Intelligenz das BIM oder das IFC ersetzt. Im Gegenteil, das Informationsmodell bleibt die autoritative Quelle der Daten, während das große Sprachmodell eine neue Schnittstelle zum Zugriff auf die Informationen wird. Die generierten Antworten stammen nicht aus dem „Wissen“ des LLM, sondern aus den Eigenschaften, Beziehungen und Attributen, die bereits im Modell vorhanden sind. Mit anderen Worten, das LLM fügt dem BIM keine Informationen hinzu, sondern erleichtert es erheblich, diese zu finden, zu verstehen und zu nutzen.

Ein konkreter Anwendungsfall von LLM BIM: Abfragen eines IFC-Modells

Um das Potenzial von LLM BIM zu verstehen, betrachten wir einen konkreten Anwendungsfall. Das Ziel ist es, ein IFC-Modell mithilfe natürlicher Sprache abzufragen, ohne auf Filter, Tabellen oder manuelle Abfragen zurückzugreifen. Durch eine einfache Konversation interpretiert das System die Anfragen des Benutzers und greift auf die im Modell enthaltenen Informationen zu, wobei es präzise Antworten, Analysen und Datenvisualisierungen zurückgibt. Die folgenden Beispiele zeigen einige der möglichen Anwendungen dieses neuen Ansatzes.

Den Inhalt des Modells mit natürlicher Sprache erkunden

Eines der ersten Hindernisse beim Öffnen eines IFC-Modells ist zu verstehen, welche Informationen es enthält und wie sie organisiert sind. Besonders bei komplexen Projekten oder solchen, die von anderen Fachleuten entwickelt wurden, kann es zeitaufwendig sein, die verfügbaren Elemente und deren Eigenschaften zu identifizieren.

Mit einem auf LLM BIM basierenden Ansatz wird diese Vorphase viel unmittelbarer. Es genügt, beispielsweise zu fragen: „Welche Daten sind im Modell verfügbar?“, damit das System den Inhalt des IFC analysiert und einen Überblick über die vorhandenen Informationen zurückgibt. Auf diese Weise kann der Benutzer schnell verstehen, welche Objektkategorien im Modell enthalten sind, welche Eigenschaften verfügbar sind und welche Abfragen möglich sind.

Diese erste Analyse stellt den Ausgangspunkt für alle nachfolgenden Abfragen dar und ermöglicht es, sich im Modell zu orientieren, ohne die Datenstruktur manuell erkunden zu müssen.

BIM-Viewer mit 3D-IFC-Modell und Chat-Panel: Eine Anfrage in natürlicher Sprache liefert einen Überblick über die im Modell verfügbaren Informationen

Die Nutzungszwecke der Räume identifizieren

Nachdem die im Modell verfügbaren Daten ermittelt wurden, können spezifischere Anfragen formuliert werden. Wenn beispielsweise die Frage „Welche möglichen Nutzungsarten gibt es für die Räume?“ gestellt wird, analysiert das LLM die mit den Räumen verknüpften Informationen und gibt eine Liste der im Modell vorhandenen Nutzungsarten zurück.

Die Analyse erfolgt direkt auf den Daten des Modells, ohne dass es notwendig ist, zuvor die Eigenschaften zu identifizieren oder spezielle Filter zu erstellen. Der Benutzer interagiert ausschließlich über natürliche Sprache, während das System die Anfrage interpretiert und die relevanten Informationen findet.

BIM-Viewer mit 3D-IFC-Modell und Chat-Panel: Auf eine Anfrage zu den Nutzungszwecken analysiert das System das IFC-Modell und gibt die verschiedenen Arten von vorhandenen Räumen zurück

Von Informationen zu Datenvisualisierungen

Das LLM BIM beschränkt sich nicht darauf, die im IFC-Modell enthaltenen Informationen abzurufen, sondern kann diese auch organisieren und in einer für die Analyse effektiveren Form präsentieren. Beispielsweise kann man, nachdem die Nutzungszwecke der Räume identifiziert wurden, das System bitten, diese in einem Diagramm darzustellen, das ihre Verteilung im Modell hervorhebt.

Diese Fähigkeit ermöglicht es, schnell von Rohdaten zu einer leicht interpretierbaren Darstellung überzugehen und unterstützt Analyse- und Verifikationsaktivitäten der Informationen, ohne auf manuelle Bearbeitungen zurückgreifen zu müssen.

IFC-Modell neben einem Diagramm, das die Verteilung der Nutzungszwecke der Räume visualisiert, die als Antwort auf eine Anfrage im Chat identifiziert wurden

Elemente des Modells identifizieren und auswählen

Die Abfrage in natürlicher Sprache beschränkt sich nicht nur auf die Konsultation von Informationen, sondern kann auch verwendet werden, um spezifische Elemente des IFC-Modells zu identifizieren und auszuwählen. Eine Anfrage wie „Wähle alle Badezimmer aus“ oder „Welches Badezimmer hat die größte Fläche?“ ermöglicht es dem System, automatisch die Räume zu identifizieren, die den angegebenen Kriterien entsprechen.

Der Benutzer muss die im Modell verwendeten Klassifikationen nicht kennen und keine Filter oder Suchkriterien festlegen. Das LLM interpretiert die Anfrage, identifiziert die entsprechenden Objekte und gibt das Ergebnis zurück, indem es sie direkt im Modell hervorhebt oder mit Eigenschaften beschreibt.

Diese Fähigkeit macht die Erkundung des Modells intuitiver und schneller, sodass man von der Informationssuche zur direkten Interaktion mit den BIM-Objekten übergehen kann.

BIM-Viewer mit hervorgehobenen Badezimmern im Modell als Antwort auf eine in natürlicher Sprache formulierte Anfrage im Chat-Panel

Warum das IFC für große Sprachmodelle (LLM) grundlegend ist

Wenn es heute möglich ist, ein BIM-Modell mit natürlicher Sprache abzufragen, liegt das nicht nur an den großen Sprachmodellen. Der wahre Unterschied liegt in der Qualität des Informationsmodells und vor allem in der Art und Weise, wie die Informationen organisiert sind. Ein LLM ist in der Lage, eine in natürlicher Sprache formulierte Anfrage zu verstehen, besitzt jedoch kein intrinsisches Wissen über den Inhalt eines BIM-Modells. Um eine korrekte Antwort zu liefern, muss es auf strukturierte, konsistente und semantisch definierte Daten zugreifen können. Genau das ist die Funktion der Industry Foundation Classes (IFC), dem offenen Standard, der die Grundlage des openBIM®-Ansatzes bildet.

Der IFC-Standard beschränkt sich nicht darauf, die Geometrie eines Gebäudes zu beschreiben. Er definiert eine gemeinsame Sprache zur Darstellung von Objekten, Eigenschaften und Beziehungen, die es ermöglicht, Räume, Wände, Türen, Anlagen und jedes andere Element des Modells eindeutig zu identifizieren.

Wenn ein Benutzer eine Frage stellt wie „Wie viele Badezimmer sind vorhanden?“ oder „Welcher Raum hat die größte Fläche?“, erfindet das LLM nicht die Antwort und leitet sie nicht aus dem Kontext ab. Es interpretiert die Anfrage und übersetzt sie in eine Abfrage der im IFC-Modell vorhandenen Informationen. Die Qualität der Antwort hängt daher von der Qualität der verfügbaren Daten und deren korrekter Organisation ab. Hier zeigt sich der Wert von openBIM®: Die Verwendung von offenen Standards wie dem IFC bedeutet, über zuverlässige, interoperable und zeitlich zugängliche Daten zu verfügen, die die idealen Bedingungen schaffen, damit große Sprachmodelle das Informationsvermögen des Projekts abfragen und wertschätzen können. Ohne ein nach diesen Prinzipien strukturiertes Modell hätte selbst das fortschrittlichste System der künstlichen Intelligenz keine zuverlässigen Daten, auf denen es seine Antworten basieren könnte.

Über das LLM BIM: Wenn openBIM, GIS und KI zusammenarbeiten

Die Abfrage eines IFC-Modells in natürlicher Sprache stellt nur den ersten Schritt dar. Das wahre Potenzial der künstlichen Intelligenz zeigt sich, wenn das Informationsmodell Teil eines größeren digitalen Ökosystems wird, in dem openBIM-Daten, geospatiale Informationen und andere Informationsquellen miteinander kommunizieren können.

In diesem Szenario bleibt das IFC die autoritative Quelle für Informationen über das Werk, indem es Geometrie, Eigenschaften, Beziehungen und technische Merkmale gemäß einem offenen und interoperablen Standard beschreibt. Das GIS hingegen fügt den territorialen Kontext hinzu, indem es ermöglicht, Gebäude und Infrastrukturen in ihrer realen Umgebung zu platzieren und sie mit Karten, technologischen Netzwerken, Umweltdaten, IoT-Sensoren und vielen anderen Informationsquellen in Beziehung zu setzen.

Das große Sprachmodell wird zum Zugangspunkt zu diesem Informationsbestand. Durch natürliche Sprache kann der Benutzer nicht nur das IFC-Modell abfragen, sondern auch eine Vielzahl von Informationen aus unterschiedlichen Systemen, ohne sich darum kümmern zu müssen, wo sie gespeichert sind oder welche Anwendung sie verwaltet.

Es ist gerade diese Konvergenz zwischen openBIM, GIS und künstlicher Intelligenz, die eines der Schlüsselelemente der Geospatial Digital Twins bildet. In einer integrierten digitalen Umgebung ist das IFC-Modell nicht mehr nur eine Datei zur Konsultation, sondern eine Komponente eines dynamischen Informationssystems, das mit dem Territorium und den Daten, die den gesamten Lebenszyklus des Werks beschreiben, kommunizieren kann.

In dieser Perspektive beschränkt sich das LLM nicht nur darauf, die Abfrage eines IFC-Modells zu vereinfachen, sondern erleichtert auch den Zugang zu den Informationen im openBIM-Ökosystem. Die Möglichkeit, natürliche Sprache zu verwenden, ermöglicht es einer größeren Anzahl von Benutzern, die Daten des Modells zu konsultieren, zu verstehen und zu nutzen, was die Zusammenarbeit zwischen verschiedenen Disziplinen verbessert und den Wert der Informationen im Laufe der Zeit erhöht.

Wenn Sie dieses Konzept konkret ausprobieren und verstehen möchten, wie Sie IFC-Modelle, GIS-Daten und künstliche Intelligenz in einer einzigen digitalen Umgebung integrieren können, können Sie kostenlos auf eine Plattform für Geospatial Digital Twin zugreifen und entdecken, wie Sie den Informationsbestand Ihrer Projekte durch openBIM-Technologien aufwerten können.

Häufig gestellte Fragen (FAQ)

Was ist ein LLM BIM?

Ein LLM BIM ist die Anwendung von großen Sprachmodellen auf das Building Information Modeling. Es ermöglicht die Abfrage eines IFC-Modells unter Verwendung natürlicher Sprache, wodurch der Zugang zu den im Modell enthaltenen Informationen erleichtert wird.

Kann man ein IFC-Modell mit natürlicher Sprache abfragen?

Ja. Dank der großen Sprachmodelle ist es möglich, Fragen in natürlicher Sprache zu formulieren, wie „Welcher Raum hat die größte Fläche?“ oder „Wie viele Badezimmer sind vorhanden?“, und Antworten basierend auf den Daten des IFC-Modells zu erhalten.

Ersetzt das LLM das BIM oder das IFC-Format?

Nein. Das LLM ersetzt weder das BIM noch das IFC-Format. Das IFC-Modell bleibt die autoritative Quelle der Informationen, während das große Sprachmodell die Anfragen des Benutzers interpretiert und den Zugang zu den Daten erleichtert.

Welche Vorteile bietet das LLM BIM?

Das LLM BIM ermöglicht es, Informationen schnell zu finden, Daten zu analysieren, Elemente des Modells auszuwählen und Visualisierungen zu erstellen, ohne auf Filter, Abfragen oder komplexe Verfahren zurückgreifen zu müssen, wodurch die Zugänglichkeit der BIM-Daten verbessert wird.

Warum ist das IFC-Format für LLMs entscheidend?

LLMs können nur dann zuverlässige Antworten liefern, wenn sie strukturierte und semantisch definierte Daten abfragen. Der IFC-Standard organisiert Geometrien, Eigenschaften und Beziehungen des Modells, was der künstlichen Intelligenz ermöglicht, die Anfragen korrekt zu interpretieren und die relevanten Informationen abzurufen.

Welche Rolle spielt das LLM im Geospatial Digital Twin?

Im Geospatial Digital Twin ermöglicht das LLM die Abfrage von Daten aus IFC-Modellen, GIS-Systemen und anderen Informationsquellen unter Verwendung natürlicher Sprache, wodurch der Zugang zu Informationen innerhalb eines integrierten digitalen Ökosystems vereinfacht wird.