Zukunft Forschung 02/2023

ARCHITEKTUR
„Das Werkzeug unterstützt beim
Experimentieren mit komplexen
Materialien und Formen.“
Stefan Rutzinger
Volumetrisches Entwerfen erlaubt
es, die architektonische Form
gleichzeitig mit ihrer inneren Materialverteilung
bereits in frühen Phasen
der Ideenfindung zu entwickeln.
Einer der Pioniere auf diesem Gebiet des
„Raumplans“ war der österreichische
Architekt Adolf Loos (1870–1933), der es
strikt ablehnte, seine Bauten zweidimensional
zu entwerfen. Diese Denkweise bildete
die Grundlage für seinen charakteristischen,
in sich verschachtelten Baustil.
Bis heute gilt seine Herangehensweise als
wichtiger Weg der Formfindung in der
Architektur. Zwar bieten leistungsstarke
Computer Architekt:innen rund 100
Jahre später ganz andere technologische
Möglichkeiten, als sie Loos zur Verfügung
standen, doch werden diese aktuell noch
nicht so umfassend genutzt, wie man
meinen möchte: „Im Vergleich zu den
meisten anderen Branchen hat die Baubranche
einen vergleichsweise niedrigen
Digitalisierungsindex“, berichten Stefan
Rutzinger und Kristina Schinegger vom
Institut für Gestaltung an der Fakultät für
Architektur.
In ihrem Forschungsprojekt Computational
Immediacy möchten die beiden nun
die Entwicklung einer volumetrischen
Entwurfsmethode vorantreiben, die das
volle Potenzial computergestützter Technologien
schon in frühen Entwurfsphasen
nutzt. Eingebunden sind sie dabei
in dem am Zentrum für Geometrie und
Computational Design (GCD) der Technischen
Universität Wien angesiedelten
FWF-Spezialforschungsbereich (SFB)
Advanced Computational Design, der das
Wissen von Projektpartner:innen aus verschiedensten
Disziplinen wie Mathematik,
Bauingenieurwissenschaften, Computergrafik
oder eben Architektur vereint.
schaffen will. Es soll vage Vorstellungen
und Formen, aber auch die Eigenschaften
innovativer Materialien in hoher räumlicher
Tiefe abbilden. Mithilfe von 3D-
Punktwolken-Modellierungen werden Ergebnisse
am Computer unmittelbar sichtund
bearbeitbar. Aber auch Rückmeldungen
zu Materialaufwand, CO 2 -Bilanz und
weiteren Faktoren sind bereits in dieser
frühen Entwurfsphase durch die Anwendung
möglich. „Das Werkzeug unterstützt
beim Experimentieren mit komplexen Materialien
und Formen“, weist Rutzinger auf
das Anwendungsgebiet hin, „und erlaubt
es Architekten, gestalterisch anspruchsvolle
und nachhaltige Gebäudekonzepte
zu entwerfen.“
Kanonische Gebäude
Ein wichtiges Feature, mit dem das Werkzeug
Entwerfer:innen außerdem unterstützen
soll, ist eine Autocomplete-Funktion.
Diese kann man sich ähnlich wie
einen auf Künstlicher Intelligenz basierenden
Textgenerator vorstellen, der aus
ein paar wenigen Informationen einen
Text formuliert: Mit einfachen Inputs –
zum Beispiel einer physisch modellierten
Grundform – errechnet das Entwurfswerkzeug
ein hochaufgelöstes Modell
mit vielen Details und macht so eine Idee
räumlich erkundbar. Dazu braucht es im
Hintergrund Algorithmen, welche die
räumliche Struktur, die architektonischen
Elemente und weitere für die Darstellung
relevante Faktoren abbilden, aber auch
eine solide Datengrundlage. Derzeit besteht
diese aus über 200 nach Material und
Bauteilen differenzierten Referenzmodellen
kanonischer Gebäude, aus denen die
Künstliche Intelligenz ihr Wissen über
Architektur beziehen kann. Ein Teil dieser
Referenzmodelle wurde im Rahmen von
Lehrveranstaltungen aufbereitet. „Unsere
Studierenden haben sich in Seminaren mit
diesen kanonischen Bauten auseinandergesetzt
und schließlich in Kleingruppen
Modelle davon erstellt“, erzählt Schinegger.
„So erwerben sie sich grundlegendes
Architekturverständnis, können aber auch
an einem innovativen Forschungsprozess
teilhaben“, erklärt sie den Ansatz forschungsgeleiteter
Lehre, wie er am Institut
gelebt wird.
Erste Anwendungen liefern bereits gute
Ergebnisse: Schinegger und Rutzinger zeigen
dazu – wie am Foto auf der linken
Seite – ein von Studierenden aus einfachen
Holzwürfeln angefertigtes Modell
und als Vergleichsobjekt das mithilfe der
Autocomplete-Funktion vom Computer
erzeugte, wesentlich detailreichere Modell,
das auch als 3D-Ausdruck gut funktioniert.
„Der Machine-Learning-Workflow
muss allerdings noch mit zusätzlichen
Referenzmodellen weiter trainiert
werden“, berichten Stefan Rutzinger und
Kristina Schinegger, die gerade das Hearing
für die Verlängerung des SFB-Projektes
absolviert haben.
ef
Raum für frische Ideen
„In frühen Phasen des Entwerfens arbeiten
Architekt:innen und Designer:innen noch
sehr intuitiv und auf Basis ihres impliziten
Wissens. Was entstehen kann, ist oft noch
schwer greifbar“, beschreibt Schinegger
jenes Entwurfsstadium, für welches das
neue Entwurfswerkzeug einen Raum
ERSTE FORSCHUNGSERGEBNISSE wurden als hybride Modellierungsumgebung in
einer öffentlichen Installation im aut (Ausstellung Potenziale 3 im Adambräu) mit dem Titel
Clouder vorgestellt und mit einem Laienpublikum getestet: Die Besucher:innen der Ausstellung
konnten auf einem Tisch mit farbigen Blöcken eine Konstruktion bauen. Mit dem eingescannten,
als Punktwolke dargestellten Ergebnis konnten sie in einem zweiten Schritt weiter
experimentieren. – Die Installation bestand im Wesentlichen aus Bauklötzen, zwei MS-Kinect
Scannern, Ringlichtern, einem Bildschirm, einer Arduino Steuerkonsole und einem Computer.
Fotos: Andreas Friedle, Schinegger / Rutzinger
zukunft forschung 02/23 33