Eisenstadt, Viktor
[Verfasser:in]
;
Althoff, Klaus-Dieter
[Akademische:r Betreuer:in];
Bach, Kerstin
[Sonstige Person, Familie und Körperschaft];
Petzold, Frank
[Sonstige Person, Familie und Körperschaft]
Supporting Early Phases of Conceptual Design in Architecture Using Case-Based Reasoning and Distributed Artificial Intelligence
Hochschulschrift:
Dissertation, Universität Hildesheim, 2024
Anmerkungen:
Beschreibung:
Die technologischen Fortschritte der letzten Jahrzehnte in der Informatik haben Künstliche Intelligenz (KI) als eine der wichtigsten Forschungsrichtungen etabliert und den Weg für eine breite Anwendung in Industrie und Alltag geebnet. Viele moderne Innovationen, bspw. Chatbots, Assistenten auf Mobilgeräten oder automatische Sprachübersetzung, setzen auf KI. Im Bereich der Architektur ist KI jedoch noch selten vertreten und in der Software für den Architekturentwurf praktisch nicht vorhanden. Dies liegt vor allem daran, dass es an Methoden fehlt, die die begrenzten Mengen strukturierter Daten effektiv verarbeiten können. Gegenwärtig beschränkt sich die KI in der Architektur vorwiegend auf die Forschung im Bereich des computergestützten Architekturentwurfs (CAAD). Um die Lücke zwischen KI und Architektur zu schließen, wird in dieser Arbeit die Methodik FLEA (Find, Learn, Explain, Adapt) vorgestellt, die darauf abzielt, den architektonischen Entwurfsprozess mithilfe von modernen und etablierten KI-Methoden, wie Case-based Reasoning (CBR), Deep Learning (DL) und Multiagentensysteme (MAS) zu unterstützen. FLEA wurde speziell für die frühen Entwurfsphasen entwickelt, in denen die Ideen für zukünftige Gebäudeentwürfe oft vage und unvollständig sind. Mithilfe der in FLEA integrierten Methoden können Architekten von der KI profitieren, indem sie Vorschläge als Inspirationen für eine mögliche Weiterentwicklung des Entwurfs erhalten, welche auf bereits entworfener und gebauter Architektur basieren. Ein MAS-Framework wird eingesetzt, um diese Daten in speziellen Datenbanken zu speichern, die dann für CBR-Prozesse oder zum Trainieren von DL-Modellen verwendet werden. Durch die Anwendung von KI-Methoden können die frühen Phasen des architektonischen Entwurfsprozesses effizienter gestaltet werden, was zu einer verbesserten Gesamtqualität der Gebäudeentwürfe führt. Ziel dieser Arbeit ist es, einen umfassenden Überblick über KI-Methoden zur Unterstützung der frü-hen CAAD-Prozesse zu geben. Ein wichtiger Schwerpunkt liegt dabei auf der Rolle von Erklärbarkeit und Transparenz in den Entscheidungsprozessen der KI. FLEA wurde iterativ in mehreren quantitativen Experimenten und Nutzerstudien anhand spezifischer Architekturdatensätze evaluiert. Alle Methoden und Ansätze, die in dieser Arbeit vorgestellt werden, wurden während der aktiven Laufzeit der von der Deutschen Forschungsgemeinschaft (DFG) geförderten Forschungsprojekte Metis-I und Metis-II untersucht und entwickelt, was die aktuelle Notwendigkeit und Bedeutung dieser Forschungsrichtung unterstreicht.