nw  

Metriken im Bauwesen

Abstract
Ziel dieser Arbeit ist es zu untersuchen, wie gut sich Metriken im Bauwesen durch Machine Learning Modelle schätzen lassen. In Experimenten wurden verschiedene Metriken auf deren Eignung zur Etablierung eines robusten Modells getestet und analysiert. Ergebnis sind drei Modelle, die unter Verwendung von Gradient Boosting und ausgewählter Variablen verschiedene Werte schätzen können.
Schlüsselbegriffe
Anwendungsfeld Machine Learning, Regressions-Probleme
Verwendete Technologien und Libraries Phyton, SciKit-Learn, Seaborn
Deployment FastAPI, Google Cloud Run, Docker
Zielsetzung
Das Projekt «Flächenmetriken im Bauwesen» wurde von der Firma kennwerte AG in Auftrag gegeben. Der von kennwerte AG zur Verfügung gestellte Datensatz soll analysiert und Benchmarks zu Metriken entwickelt werden. Weiter soll untersucht werden, welche Metriken sich zum Schätzen anderer Werte eignen. Schliesslich sollen Machine Learning Modelle trainiert werden, die erwähnte Metriken schätzen können. Zentrale Fragen die in dieser Arbeit thematisiert werden:
  • Wie akkurat lassen sich vorgegebene Metriken im Bauwesen mittels Machine Learning schätzen?
  • Welche Metriken eignen sich für solche Schätzungen besonders gut?
Hintergrund
Oft erhalten Architekten ein fixes Budget und ggf. gewisse Metriken wie die zur Verfügung stehende Gesamtfläche eines Bauvorhabens. Mit wenigen Angaben müssen sie einen kompetitiven und kreativen Vorschlag für die Ausgestaltung erarbeiten. Für den Auftraggeber besonders relevant ist die sogenannte Hauptnutzfläche. Die Berechnung dieser und weiterer Grössen in einem frühen Stadium eines Projektes ist schwierig und hängt stark von Erfahrungswerten des Architekten ab.
Herangehensweise und Lösung
Es wurden verschieden Experimente zur Evaluierung geeigneter Metriken, Modelle bzw. Algorithmen durchgeführt. Die Modelle wurden iterativ weiterentwickelt und optimiert. Ergebnis dieser Arbeit sind drei optimierte Modelle zur Schätzung folgender Metriken:
  • Hauptnutzfläche HNF
  • Geschossfläche GF
  • Nutzfläche NF
Projektdaten
Projekttyp: IP5
Beginn: 23.02.2021
Ende: 20.08.2021
Aufwand: 360 Personenstunden
Teamgrösse: 2 Studenten, Berufsbegleitend
Auftraggeber
kennwerte AG
Die kennwerte ag wurde 2014 von Architekten gegründet und ist heute ein interdisziplinäres Team mit Betriebswissenschaftlern, Softwareentwicklern und Machine Learning Spezialisten. Heute bieten wir mit unseren Produkten und Services einzigartige Lösungen zur Schätzung von Bau-, Betriebs- und Unterhaltskosten sowie Terminen für Neubauten und bestehende Liegenschaften.

Michael Imbach
Lead Developer, CTO

Badenerstrasse 13
5200 Brugg

T +41 56 444 26 01

imbach@kennwerte.ch
www.kennwerte.ch
Projektteam
Ralf Winkelmann
iCompetence, 6. Semester

ralf.winkelmann@students.fhnw.ch
Luca Dietiker
iCompetence, 6. Semester

luca.dietiker@students.fhnw.ch
Beutreuer
Prof. Dr. Manfred Vogel
Institut für Data Science

manfred.vogel@fhnw.ch
Lukas Neukom
Institut für Data Science

lukas.neukom@fhnw.ch
<< zurück