Qwen-BIM: KI-Modell für BIM-Design mit neuem Benchmark und Datensatz

Mit der fortschreitenden Digitalisierung im Bauwesen gewinnt Building Information Modeling (BIM) immer mehr an Bedeutung. Große Sprachmodelle (LLMs) haben das Potenzial, BIM‑basierte Entwürfe zu unterstützen, doch bislang mangelt es an fachspezifischen Datensätzen und Evaluationsbenchmarks, die die Leistungsfähigkeit dieser Modelle im Baukontext messen könnten.

Die vorliegende Arbeit schließt diese Lücke, indem sie ein umfassendes Benchmark für BIM‑Design entwickelt, das quantitative Kennzahlen zur Bewertung von LLMs bereitstellt. Zusätzlich wird ein Verfahren vorgestellt, mit dem aus BIM‑Modellen Textdaten generiert und damit ein passendes Dataset für die Evaluation und das Feintuning von LLMs erstellt wird. Abschließend wird eine Feintuning‑Strategie beschrieben, die LLMs gezielt auf die Anforderungen von BIM‑basierten Aufgaben anpasst.

Die Ergebnisse zeigen, dass das neue Benchmark die Fähigkeiten von LLMs im BIM‑Bereich präzise und ganzheitlich beurteilen kann. Allgemeine Modelle bleiben bei domänenspezifischen Aufgaben hinter den Erwartungen zurück. Das entwickelte Modell Qwen‑BIM erzielt mit nur 14 Milliarden Parametern einen durchschnittlichen Anstieg des G‑Eval‑Scores um 21 % im Vergleich zum Basis‑LLM. Dabei erreicht es Leistungen, die mit denen von Modellen mit 671 Milliarden Parametern vergleichbar sind – ein deutlicher Fortschritt für die KI‑gestützte Bauplanung.

Insgesamt stellt diese Studie das erste domänenspezifische LLM für BIM‑Design dar und liefert einen soliden Rahmen aus Benchmark und hochwertigem Dataset. Damit ebnet sie den Weg für die Entwicklung weiterer KI‑Lösungen im Bauwesen und fördert die effiziente Umsetzung von intelligenten Bauprojekten.