Zur Hauptnavigation wechseln Zur Suche wechseln Zum Hauptinhalt wechseln

Menschenzentrierte Einbindung von KI in Planungsprozesse im Bauwesen

  • Martin Kühr

    Studienabschlussarbeit: Masterarbeit

    Abstract

    Das Bauwesen ist ein traditioneller Wirtschaftszweig, der zunehmend auf digitale In
    novationen wie den Einsatz von Künstlicher Intelligenz (KI) setzt, um zukünftigen
    wirtschaftlichen Herausforderungen entgegenzutreten. Die statische Nachweisführung
    bei der Konstruktion von Bauteilen erfordert die Überprüfung zahlreicher Lastkombi
    nationen, die sich aus dem semiprobabilistischen Teilsicherheitskonzept der Eurocode
    Normen ableiten. Bei komplexen Bauteilen führt dies zu einer überproportional wach
    senden Anzahl von Lastkombinationen und damit zu einer langen Berechnungszeit. Die
    Masterarbeit untersucht, ob und wie mit maschinellem Lernen (ML) die maßgebenden
    Lastkombinationen vorhergesagt werden können und veranschaulicht die Ergebnisse an
    hand eines Prototyps für die Statik-Planungs-Software conkret. Neben der technischen
    Entwicklung wird die Akzeptanz eines solchen ML-gestützten Ansatzes bei den Anwen
    der*innen untersucht.
    Die Problemstellung wurde als Ranking-Aufgabe erkannt und iterativ über mehre
    re Modellversionen hinweg anhand von definierten Erfolgskriterien und Metriken gelöst.
    Das finale Modell ist eine Kombination aus einem künstlichen neuronalen Netz und meh
    reren LightGBM-Ranker-Modellen. Das Modell wurde beispielhaft für eine Gruppe von
    drei Biegenachweisen und für gerade Stahlträger bei Normaltemperatur trainiert und
    optimiert. In den abschließenden Tests erreichte das Modell für alle evaluierten Bauteile
    eine fehlerfreie Ermittlung der maßgebenden Lastkombinationen bei nur einer Vorhersa
    ge pro Nachweis und Bauteil-Position. Als entscheidender Faktor für die Modellqualität
    erwies sich die Ausgewogenheit der Trainingsdaten. Bei der Erweiterung des Modells
    von einem Nachweis auf drei verwandte Nachweise zeigte sich ein Negative-Transfer
    Effekt des neuronalen Netzes, der für den Einsatz Label-spezifischer Ranking-Modelle
    spricht.
    Der implementierte Prototyp diente als Untersuchungsgegenstand zur menschenzen
    trierten Einbindung des neuen ML-gestützten Ansatzes in den bestehenden Arbeitspro
    zess in conkret. Hierbei wurde insbesondere analysiert, wie diese Technologie akzeptiert
    wird und ob Vertrauen in die Ergebnisse besteht. Dazu wurde eine Nutzerstudie mit
    zehn erfahrenen Anwender*innen der Software durchgeführt, die auf dem Technology
    Acceptance Model 3 basierte und quantitative mit qualitativen Methoden kombinier
    te. Ein bemerkenswerter Befund der Studie war die fehlende signifikante Korrelation
    zwischen wahrgenommener Nützlichkeit und der Nutzungsabsicht, die sich durch das
    Vertrauen in den Software-Hersteller erklären lässt. Weitere zentrale Erkenntnisse wa
    ren die Bedeutung von Erfahrung für das Vertrauen in eine Technologie und der Wunsch
    der Anwender*innen nach Kontroll- und Auswahlmöglichkeiten.
    Datum der Bewilligung2026
    OriginalspracheDeutsch (Österreich)
    Gradverleihende Hochschule
    • FH OÖ
    Betreuer/-inAlessio Montuoro (Betreuer*in)

    Studiengang

    • Human-Centered Computing

    Zitieren

    '