Generative KI: Schnelle Fassadenrenovierung ohne Detailmodellierung

Fassadenrenovierung gilt als umweltfreundliche Alternative zur kompletten Abriss‑ und Neubauphase, doch die Erstellung von Designvorschlägen, die bestehende Strukturen erhalten und gleichzeitig neue Gestaltungsziele vermitteln, bleibt komplex. Traditionelle Arbeitsabläufe erfordern meist ein detailliertes As‑Built‑Modell, was zeitaufwendig, arbeitsintensiv und revisionsempfindlich ist.

Um diese Hürden zu überwinden, wurde ein dreistufiges Framework entwickelt, das generative künstliche Intelligenz (KI) und Vision‑Language‑Modelle (VLM) kombiniert. Der Prozess beginnt mit einer groben Strukturskizze und einer textuellen Beschreibung, die von einem feinabgestimmten VLM verarbeitet werden. Dieses Modell prognostiziert anschließend Begrenzungsrahmen, die anzeigen, wo Änderungen nötig sind und welche Bauteile ergänzt werden sollen.

Im zweiten Schritt erzeugt ein Stable‑Diffusion‑Modell detaillierte Skizzen der neuen Elemente. Diese werden anschließend mit dem ursprünglichen Umriss durch einen generativen Inpainting‑Pipeline zusammengeführt. Abschließend wird ControlNet eingesetzt, um das Ergebnis in ein fotorealistisches Bild zu überführen, das die geplante Fassadenoptik klar und überzeugend darstellt.

Experimentelle Tests an Datensätzen sowie an realen Industriegebäuden zeigen, dass das Framework in der Lage ist, Renovierungsvorschläge zu generieren, die die ursprüngliche Struktur bewahren und gleichzeitig die Detailqualität der Fassade verbessern. Durch das Wegfallen der aufwändigen As‑Built‑Modellierung können Architekten rasch Designalternativen erkunden, frühe Konzepte iterieren und ihre Renovierungsabsichten deutlich kommunizieren. Diese Methode eröffnet einen vielversprechenden Weg, Fassadenrenovierungen effizienter und nachhaltiger zu gestalten.