Benutzer: Gast  Login
Originaltitel:
BIM-based semantic enrichment for environmental analyses using Large Language Models
Übersetzter Titel:
BIM-basierte semantische Anreicherung für Nachhaltigkeitsanalysen mithilfe Large Language Models
Autor:
Forth, Kasimir
Jahr:
2024
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Engineering and Design
Institution:
Lehrstuhl für Computergestützte Modellierung und Simulation (Prof. Borrmann)
Betreuer:
Borrmann, André (Prof. Dr.)
Gutachter:
Borrmann, André (Prof. Dr.); Beetz, Jakob (Prof. Dr.); Schneider-Marin, Patricia (Assoc. Prof. Dr.)
Sprache:
en
Fachgebiet:
BAU Bauingenieurwesen, Vermessungswesen
TU-Systematik:
BAU 005; ARC 045
Kurzfassung:
Building information models (BIM) support the evaluation of the building design using several environmental analyses, including life cycle assessments or energy simulations. To use these analyses in early design stages for decision-making, missing semantic information had to be manually enriched so far. The developed methods use Large Language Models to match and enrich information from environmental databases to BIM elements using semantic textual similarity.
Übersetzte Kurzfassung:
Bauwerksinformationsmodelle (BIM) unterstützen bei der Bewertung des Gebäudeentwurfs mithilfe verschiedener Nachhaltigkeitsanalysen, u.a. Ökobilanzen oder Energiesimulationen. Um diese Analysen in frühen Phasen für eine Entscheidungsfindung zu verwenden, müssen fehlende semantische Informationen bisher manuell ergänzt werden. Die entwickelten Methoden verwenden Large Language Models, um Informationen aus Umweltdatenbanken zu BIM-Elementen auf Basis semantisch textlicher Ähnlichkeit zuzuordnen un...     »
WWW:
https://mediatum.ub.tum.de/?id=1747465
Eingereicht am:
12.08.2024
Mündliche Prüfung:
16.12.2024
Dateigröße:
114839612 bytes
Seiten:
194
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20241216-1747465-0-4
Letzte Änderung:
16.01.2025
 BibTeX