Sonderpreis Züblin

Die Kostengruppenklassifizierung nach DIN 276 ist ein zentraler Bestandteil der Kostenplanung im Bauwesen. In BIM-basierten Projekten erfolgt die Zuordnung von Bauelementen zu Kostengruppen jedoch häufig manuell oder regelbasiert. Dieser Ansatz ist zeitaufwendig, fehleranfällig und bei großen sowie komplexen Modellen nur eingeschränkt skalierbar, was häufig zu Inkonsistenzen in der Kostenschätzung und -kontrolle führt.

In dieser Wettbewerbsarbeit wurde untersucht, wie der kombinierte Einsatz von Machine-Learning-Verfahren und Large Language Models (LLMs) diesen Prozess automatisieren und vereinfachen kann. Dazu wurde ein System entwickelt, das BIM-Modelldaten analysiert und Bauelemente auf Basis geometrischer, materieller und funktionaler Eigenschaften den entsprechenden Kostengruppen nach DIN 276 zuordnet. Ergänzend unterstützen LLMs die semantische Interpretation uneinheitlicher oder unklarer textlicher Beschreibungen.

Der Ansatz wurde anhand realer BIM-Modelle evaluiert und in einem funktionalen Prototyp umgesetzt. Nutzende können Modelldaten laden und erhalten unmittelbar eine automatische Klassifizierung sowie eine Prüfung bestehender Kostenzuordnungen. Die Ergebnisse zeigen eine deutliche Reduktion des manuellen Aufwands bei gleichzeitig hoher Konsistenz und Genauigkeit.

Zukünftige Arbeiten können sich auf die Integration offener Standards wie Industry Foundation Classes (IFC), die Erweiterung auf weitere Bauelemente sowie den Einsatz als Plugin- oder Cloud-Lösung konzentrieren, um die automatisierte Kostenplanung weiter zu skalieren und praxisnah einzusetzen.