Entwicklung eines Human-in-the-Loop-Systems zur Objekterkennung in Grundrissen

In den vergangenen Jahren haben Unternehmen der Baubranche damit begonnen künstliche Intelligenz (KI) einzusetzen, um zeitaufwändige und repetitive Prozesse zu beschleunigen. Ein Anwendungsfall, der von der Einführung von KI profitieren kann, ist die Ermittlung von Mengen in Grundrissen. Diese Informationen werden für verschiedene Planungs- und Konstruktionsschritte benötigt, ihre Erhebung erfordert allerdings einen erheblichen manuellen Aufwand. Aktuell kann die Mengenermittlung nur mithilfe von digitalen Grundrissen automatisiert werden. Für Bestandsbauten liegen allerdings keine digitalen Grundrisse vor und für Neubauten können die digitalen Formate aufgrund fehlender Standardisierung häufig nicht verarbeitet werden. In diesem Beitrag schlagen wir ein KI-basiertes System zur Erkennung und Klassifizierung von Symbolen in Grundrissen vor, wobei ein Domänenexperte KI Entscheidungen korrigieren kann (sog. Human-in-the-Loop-System). Das entwickelte KI-Modell berechnet ein Unsicherheitsmaß für die Klassifizierung von jedem erkannten Symbol. Symbole mit hohem Unsicherheitswert werden dann an Domänenexperten geleitet und von diesen klassifiziert. Wir evaluieren den vorgeschlagenen Ansatz mithilfe eines realen Datensatzes, der von einem Industriepartner zur Verfügung gestellt wurde. In einer Reihe von Experimenten stellen wir fest, dass das selektive Hinzuziehen von menschlichem Expertenwissen die Leistung des Systems um bis zu 12,9 % steigern kann, was zu einer Systemgenauigkeit von durchschnittlich 92,1 % führt (Dieser Beitrag basiert auf der Veröffentlichung von Jakubik et al. (2022b)).