IFC per Sprache abfragen: Warum BIM-Daten für Fachanwender schwierig bleiben
Eine neue hybride Methode kombiniert relationale Tabellen, Graphen und iteratives Reasoning, um natürlichsprachliche IFC-Abfragen praxistauglicher zu machen.
IFC-Modelle enthalten enorme Mengen wertvoller Informationen, bleiben für viele Fachanwender aber schwer direkt nutzbar. Ein hybrider Ansatz mit relationalen Tabellen, Graphstrukturen und Retry-and-Refine-Logik zeigt, wie natürlichsprachliche BIM-Abfragen robuster werden können – etwa für Mengen, Bauteilbeziehungen und Modellprüfungen.
Praktisches Problem
In vielen Projekten steckt die relevante Information zwar im IFC-Modell, ist für Fachanwender aber nur schwer direkt nutzbar. Wer wissen möchte, welche Brandschutztüren in einem bestimmten Geschoss keine gültige Klassifikation haben, welche Räume ohne zugeordnete Lüftungsleistung geplant wurden oder ob tragende Wände mit bestimmten Materialeigenschaften in einem Bauabschnitt vorkommen, braucht meist Spezialwissen: IFC-Strukturen, Property-Sets, GUIDs, Beziehungen zwischen Bauteilen, Räumen, Geschossen und Systemen. Klassische Modellviewer helfen bei Sichtprüfung, aber nicht bei präzisen, wiederholbaren Abfragen über große Modelle hinweg. Gleichzeitig scheitern einfache Text-zu-Datenbank-Ansätze oft daran, dass BIM-Informationen nicht nur tabellarisch vorliegen, sondern stark vernetzt sind. Der Forschungsimpuls adressiert genau diese Lücke zwischen natürlicher Fachsprache und komplexer Modellstruktur. Eine hybride Repräsentation kann IFC-Daten sowohl relational für Mengen, Attribute und Filter als auch als Graph für Beziehungen, Nachbarschaften und Abhängigkeiten auswertbar machen. Damit werden produktnahe Aufgaben greifbarer: Modellprüfung, Mengenermittlung, Übergabequalität, Kollisionsvorbereitung oder die schnelle Beantwortung von Planungsfragen, ohne dass jede Anfrage manuell in technische Abfragesprachen übersetzt werden muss.
Was die Forschungsidee verstaendlich macht
Die Forschungsidee wird greifbar, wenn man IFC nicht als eine einzige Datenwelt betrachtet. Ein Teil der Informationen passt gut in Tabellen: Räume, Bauteile, Eigenschaften, Mengen, Geschosse oder Klassifikationen lassen sich sauber filtern und vergleichen. Andere Fragen sind eher Beziehungsfragen: Welche Wand grenzt an welchen Raum? Welche Tür verbindet zwei Bereiche? Welche Elemente hängen über Öffnungen, Anschlüsse oder räumliche Zuordnungen zusammen? Dafür ist eine Graphsicht natürlicher. Der Ansatz kombiniert deshalb beide Sichtweisen und lässt die Anfrage nicht blind auf ein Modell los. Eine Frage in Alltagssprache wird zunächst verstanden, dann in passende Abfragen übersetzt und gegen die relationale oder die Graph-Struktur ausgeführt – je nachdem, was zur Aufgabe besser passt. Wichtig ist auch der Korrekturmechanismus: Wenn eine Abfrage scheitert, zu wenig findet oder offensichtlich am Ziel vorbeigeht, wird sie überarbeitet und erneut versucht. Für Fachanwender ist genau das spannend. Sie müssen nicht wissen, wie IFC intern verschachtelt ist oder welche Property-Sets relevant sind. Stattdessen können sie produktnäher fragen, etwa nach fehlenden Brandschutzangaben, Raumflächen, Türen zwischen Nutzungseinheiten oder Bauteilen eines bestimmten Geschosses. Die Technik nimmt ihnen die Übersetzung in die Datenlogik ab, ohne die Struktur des Modells zu ignorieren.
Was heute schon als Arbeitsprinzip nuetzlich ist
Als Arbeitsprinzip lässt sich schon heute ableiten: IFC-Abfragen sollten nicht als reine Datenbankaufgabe behandelt werden. Für BIM-Manager bedeutet das, Modelle so vorzubereiten, dass sowohl tabellarische Auswertungen als auch Beziehungsfragen zuverlässig möglich sind: saubere Klassifikationen, konsistente Property Sets, eindeutige Geschoss- und Raumbezüge sowie nachvollziehbare Bauteilbeziehungen. Für die Kalkulation ist wichtig, Mengen, Typen, Materialien und Kostengruppen relational greifbar zu machen, während Abhängigkeiten wie „liegt in“, „grenzt an“, „versorgt“ oder „gehört zu“ besser über Graphstrukturen geprüft werden. AEC-Tech-Teams sollten Abfrageprozesse deshalb hybrid denken: erst die Nutzerfrage in überprüfbare Teilschritte zerlegen, dann je nach Fragelogik zwischen SQL-ähnlichen Tabellenabfragen und graphbasierten Traversierungen wechseln und Ergebnisse gegen das Modell zurückvalidieren. Besonders wertvoll ist ein Retry-and-Refine-Ansatz: Wenn eine Antwort leer, widersprüchlich oder zu breit ausfällt, wird nicht manuell neu begonnen, sondern die Abfrage systematisch präzisiert. Produktnah heißt das: Fachanwender formulieren Fragen in Alltagssprache, das System macht Annahmen sichtbar, liefert prüfbare Zwischenergebnisse und hilft, Modellierungsfehler von echten Planungserkenntnissen zu unterscheiden.
Was noch riskant oder ungeloest ist
Trotz hybrider Ansätze bleiben IFC-Abfragen per natürlicher Sprache kein Selbstläufer. Die Zuverlässigkeit hängt stark davon ab, ob das Modell sauber strukturiert, vollständig klassifiziert und konsistent verknüpft ist. Fehlende Property Sets, uneinheitliche Benennungen, projektspezifische Workarounds oder exportbedingte Informationsverluste können dazu führen, dass auch ein technisch korrekt erzeugter Query fachlich falsche Ergebnisse liefert. Kritisch ist außerdem die Validierung: Ein System kann SQL- und Graph-Abfragen iterativ verbessern, aber es versteht nicht automatisch, ob die Antwort zur Prüfregel, zur HOAI-Leistung oder zur internen Modellierungsrichtlinie passt. Für produktive BIM-Prozesse braucht es daher nachvollziehbare Abfragepfade, prüfbare Zwischenergebnisse und klare Grenzen, wann ein Mensch freigeben muss. Auch Haftungsfragen sind ungelöst: Wenn eine Mengenprüfung, Kollisionsvorbereitung oder Brandschutzabfrage auf Basis einer KI-Interpretation fehlschlägt, muss eindeutig sein, wer Verantwortung trägt – Softwareanbieter, Modellautor, Prüfender oder Auftragnehmer. Hinzu kommt Interoperabilität: IFC ist Standard, aber Implementierungen unterscheiden sich je nach Autorensoftware, Version und Exportprofil. Hybride Repräsentationen können diese Brüche abfedern, ersetzen aber keine Daten-Governance. Ihr Nutzen entsteht erst, wenn Modellqualität, Prüfregeln und Verantwortlichkeiten gemeinsam mitgedacht werden.
Bezug zu Proxino, IFC, GAEB und Pruefung
Für Proxino und den BIMraum ist der Ansatz besonders relevant, weil die eigentliche Herausforderung selten nur darin liegt, ein IFC-Modell „auszulesen“. Fachanwender wollen prüfen, ob Bauteile, Mengen und Kostenpositionen fachlich zusammenpassen: Sind alle tragenden Wände korrekt klassifiziert? Stimmen Nettoflächen, Volumina oder Öffnungsabzüge? Lassen sich Modellobjekte sauber den passenden GAEB-Positionen zuordnen? Genau hier helfen hybride Repräsentationen. Relationale Strukturen eignen sich für robuste Mengen- und Attributabfragen, etwa nach Geschoss, Typ, Material oder Bauteilklasse. Graphstrukturen bilden dagegen Beziehungen besser ab, zum Beispiel räumliche Zugehörigkeiten, Bauteilabhängigkeiten oder semantische Nähe zwischen IFC-Objekt und Leistungsverzeichnis.
In einem produktnahen Prüfworkflow könnte eine natürlichsprachliche Frage wie „Welche Innenwände im 2. Obergeschoss haben keine passende Kostenposition?“ zunächst in konkrete IFC- und Mengenabfragen übersetzt werden. Anschließend kann ein semantisches Matching prüfen, ob die gefundenen BIM-Objekte plausibel mit GAEB-Positionen verknüpft sind, auch wenn Bezeichnungen nicht exakt übereinstimmen. Der iterative Retry-and-Refine-Ansatz ist dabei wichtig: Wenn eine Abfrage zu breit, leer oder widersprüchlich ist, wird sie nachgeschärft, statt den Anwender mit technischen Details allein zu lassen. So wird IFC nicht nur maschinenlesbar, sondern im Prüf- und Kostenkontext tatsächlich nutzbar.
Ähnliche Artikel
Alle anzeigen
BIM & Automatisierung
Text2BIM: Was sprachbasiertes Modellieren im BIM-Alltag wirklich leisten kann
Sprachbasierte BIM-Erstellung klingt nach schneller Modellierung per Prompt. In der Praxis entscheidet aber nicht der Chat, sondern ob aus Designabsichten nachvollziehbare, ausführbare und prüfbare BIM-Operationen werden. Der Beitrag ordnet ein, wo Multi-Agent-Ansätze wie Text2BIM heute helfen können, warum regelbasierte Modellprüfung zentral ist und weshalb editierbare Bauteile wichtiger sind als beeindruckende Demo-Ausgaben.
- #Text2BIM
- #LLM-Agenten
- #BIM-Autorierung
BIM & Datenmanagement
IFC als Graph denken: Warum BIM-Wissen in Beziehungen steckt
Viele BIM-Fragen sind keine reinen Bauteilfragen, sondern Beziehungsfragen: Welche Räume grenzen aneinander? Welche Türen verbinden Nutzungseinheiten? Welche Elemente liegen in welchen Zonen, Geschossen oder Kostenkontexten? Der Cypher4BIM-Ansatz zeigt, wie IFC-Modelle als Graph abgebildet und mit verständlichen Query-Mustern gezielt ausgewertet werden können – praxisnah für Modellprüfung, Digital Twins und datenbasierte Entscheidungen im Projekt.
- #IFC
- #Graphdatenbanken
- #Cypher
BIM & KI
LLM-Agenten für heterogene BIM-Modelle: Erst erkunden, dann auswerten
BIM-Modelle folgen selten einem einheitlichen Schema. Die Arbeit „BIM Information Extraction Through LLM-based Adaptive Exploration“ untersucht einen LLM-Agenten, der die Struktur eines IFC-Modells zur Laufzeit erkundet, statt feste Abfragevorlagen vorauszusetzen. Für BIM-Manager, Kalkulation, Bauleitung und AEC-Tech-Teams ist der Ansatz relevant, weil robuste KI-Werkzeuge nicht nur Fragen beantworten müssen, sondern zuerst verstehen sollten, wie ein konkretes Modell tatsächlich aufgebaut ist.
- #IFC
- #LLM-Agenten
- #Adaptive Exploration