DiZiPro

Ziel des Forschungsprojekts
Mit dem Forschungsprojekt DiziPro – Digitale Plattform für zirkuläre Wertschöpfung in der Bestandspflege von Produktionsgebäuden verfolgen wir bei thinkBIC das Ziel, die Revitalisierung und nachhaltige Weiterentwicklung industrieller Bestandsgebäude durch digitale Technologien grundlegend zu verbessern. Viele Produktionsgebäude verfügen über wertvolle bauliche und materielle Ressourcen, deren Potenziale aufgrund unvollständiger Dokumentationen, heterogener Datenbestände und komplexer Entscheidungsprozesse häufig nicht vollständig genutzt werden können. DiziPro entwickelt hierfür eine offene, KI-gestützte Plattform, die bestehende Gebäudedaten aus unterschiedlichen Quellen erfasst, analysiert und in einem digitalen Gebäudezwilling zusammenführt. Auf Basis von KI-Methoden, semantischen Wissensmodellen und simulationsgestützten Bewertungsverfahren werden transparente Entscheidungsgrundlagen geschaffen, um Sanierungs-, Rückbau- oder Nachnutzungsszenarien wirtschaftlich und ökologisch zu bewerten. Damit leistet das Projekt einen wichtigen Beitrag zur Kreislaufwirtschaft im Bausektor und unterstützt Unternehmen sowie öffentliche Akteure dabei, Bestandsgebäude ressourcenschonend und zukunftsfähig weiterzuentwickeln.

Projektbeteiligte
DiziPro wird gemeinsam von Partnern aus Forschung, Softwareentwicklung und Praxis umgesetzt. Zum Konsortium gehören das Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik IWU als Konsortialpartner, die Spinnwerk GmbH & Co. KG, die Skill Software GmbH, die Building Information Cloud GLWG GmbH sowie die Hochschule München. Die unterschiedlichen Kompetenzen der Projektpartner ermöglichen die Verbindung von Künstlicher Intelligenz, Building Information Modeling (BIM), semantischen Datenmodellen und praxisnahen Anwendungsfällen. Als thinkBIC bringen wir unsere langjährige Expertise in den Bereichen BIM-Management, digitale Planungsprozesse und KI-gestützte Datenanalyse ein und unterstützen die Entwicklung einer durchgängigen und praxisorientierten Lösung für die nachhaltige Bestandspflege von Produktionsgebäuden. Das Projekt wird vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) gefördert und läuft von Februar 2026 bis Januar 2029.

Unsere Aufgaben im Projekt

Im Rahmen von DiziPro übernehmen wir zentrale Aufgaben an der Schnittstelle zwischen BIM, Datenmanagement und Künstlicher Intelligenz. Ein Schwerpunkt liegt auf dem BIM- und Stakeholdermanagement, bei dem wir BIM-Anwendungsfälle für die Revitalisierung von Bestandsgebäuden definieren sowie standardisierte Vorlagen für Auftraggeber-Informationsanforderungen (AIA) und Projekt-Informationsanforderungen (PIA) entwickeln. Darüber hinaus erstellen wir praxisnahe Leitfäden, um die Einbindung aller relevanten Akteure im Lebenszyklus eines Gebäudes zu unterstützen.

Ein weiterer Schwerpunkt ist die KI-gestützte Auswertung von Bestandsunterlagen. Aufbauend auf unserer Lösung planBIC entwickeln und trainieren wir Large Language Models (LLMs), die historische Bauakten, Prüfberichte und Bestandspläne automatisiert erkennen, strukturieren und analysieren können. Dadurch werden wertvolle Informationen aus häufig unstrukturierten Dokumenten digital verfügbar gemacht und für weitere Auswertungen nutzbar.

Zusätzlich verantworten wir die Extraktion relevanter Informationen aus BIM-Modellen und die Bereitstellung qualitätsgesicherter IFC-Daten für das semantische Wissensmodell der Plattform. Auf dieser Grundlage entwickeln wir gemeinsam mit den Projektpartnern KI-gestützte Entscheidungsunterstützungssysteme, die Gebäudebestände beispielsweise hinsichtlich Nachhaltigkeit, Wiederverwendungspotenzialen oder DGNB-relevanter Kriterien bewerten können. Abschließend begleiten wir die Integration der entwickelten Lösungen in die Gesamtplattform, stellen die BIM-Konformität sicher und validieren die Ergebnisse in realen Anwendungsszenarien aus Sicht unterschiedlicher BIM-Rollen und Stakeholder.

Mehrwehrt für die Branche/Kunden

DiziPro adressiert zentrale Herausforderungen der nachhaltigen Bestandspflege und Revitalisierung von Produktionsgebäuden. Durch die Zusammenführung unterschiedlichster Datenquellen in einem digitalen Gebäudezwilling entstehen erstmals umfassende und belastbare Entscheidungsgrundlagen für den Umgang mit bestehenden Gebäuden. Unternehmen erhalten Transparenz über den Zustand ihrer Immobilien, vorhandene Materialressourcen, Schadstoffbelastungen sowie Potenziale für Sanierung, Umnutzung oder Rückbau.

Die automatisierte Digitalisierung und Analyse historischer Unterlagen reduziert den Aufwand für Datenerfassung und Bestandsaufnahme erheblich und schafft die Grundlage für effizientere Planungs- und Entscheidungsprozesse. Gleichzeitig ermöglicht die Plattform einen ganzheitlichen Vergleich verschiedener Handlungsoptionen unter ökonomischen und ökologischen Gesichtspunkten. Insbesondere Kommunen, Industrieunternehmen und Eigentümer von Bestandsimmobilien profitieren von besseren Instrumenten zur Revitalisierung von Industriebrachen und zur nachhaltigen Entwicklung bestehender Standorte. Damit unterstützt DiziPro nicht nur die Digitalisierung der Bau- und Immobilienwirtschaft, sondern fördert zugleich Klimaschutz, Ressourceneffizienz und Kreislaufwirtschaft.

Fazit
Aus Sicht von thinkBIC zeigt DiziPro, wie die Kombination aus Building Information Modeling, Künstlicher Intelligenz und semantischen Wissensmodellen neue Perspektiven für die nachhaltige Nutzung von Bestandsgebäuden eröffnet. Die entwickelte Plattform schafft die Grundlage, um bestehende Gebäude datenbasiert zu erfassen, transparent zu bewerten und ressourcenschonend weiterzuentwickeln. Anstelle eines rein linearen Ansatzes aus Abriss und Neubau rückt die zirkuläre Nutzung vorhandener Bausubstanz in den Mittelpunkt. Dadurch entstehen neue Möglichkeiten für die wirtschaftliche und ökologische Optimierung von Gebäudebeständen. Der im Projekt entwickelte Ansatz ist perspektivisch auf weitere Gebäudetypen übertragbar und leistet einen wichtigen Beitrag zur Klimaneutralität sowie zur nachhaltigen Transformation des Bau- und Immobiliensektors.