klein_S&E_03_2021_ub

Die Preisträger 2021 stehen fest Gratulationen an Elisabeth Erbes und Alexander Benz Ungeachtet dessen, dass die Resonanz in diesem Jahr leider nicht mit der der Vorjahre zu vergleichen ist, ließ die Güte der eingereichten Arbeiten keine Wünsche offen. Geradezu ein „Kopf-an-Kopf-Rennen“ lieferten sich Elisabeth Erbes, die bereits 2018 einen der ersten Plätze beim Nachwuchs-Innovationspreis Bauwerkserhaltung belegt hatte und Alexander Benz, der mit 37 Punkten – damit mit zwei Punkten Vor- sprung - den ersten Platz für sich entscheiden konnte. Der Jury ist es auch in diesem Jahr wieder einmal nicht leichtgefallen, zwischen zwei gleichermaßen hervorragenden Arbeiten entscheiden zu müssen. Neben dem Preisgeld und den Büchergutscheinen sowie der Medaille für den Erstplatzierten können beide Preisträger und deren Betreuer an der gesamten Tagung kostenfrei teilnehmen, für die Preisträ- ger ist für die Zeit vom 4. bis zum 6. November kostenfrei ein Zimmer reserviert. Ebenfalls können die beiden Erstplatzierten an dem Studenten- und Azubiworkshop teilnehmen. Für Alexander Benz wird es dann nochmals aufregend, wenn er als Erstplatzierter seine Arbeit in einem 15-minütigen Vortrag vor dem Fachpublikum präsentieren darf. „Automatisierte bildbasierte Erken- nung des Gebäudealters“ lautet der Titel der Arbeit von Alexander Benz. Seine Masterarbeit hat der Preisträger an der Bauhaus-Uni- versität Weimar abgelegt, die Be- treuer waren Prof. Dr.-Ing. Conrad Völker und Dipl.-Ing. Uwe Cämmerer-Seibel. In seiner Kurzbeschreibung wird Folgendes verdeutlicht: Als Indikator für den Sanierungs- fortschritt wird im Allgemeinen die Sanierungsquote genutzt. Für das Erreichen eines klimaneu- tralen Gebäudebestands bis zum Jahr 2050 muss diese Quote auf 2 - 3 Prozent erhöht werden, was einer Verdreifachung der aktuel- len Quote entspricht. Im Rahmen dieser Masterarbeit wurde mit Me- thoden des maschinellen Lernens eine automatisierte Erkennung der Baualtersklasse von Gebäuden umgesetzt. Die Kenntnis dieser Baualtersklasse ermöglicht wieder- um einen Rückschluss auf die zu- grundeliegende Konstruktion und schafft somit im Rahmen energeti- scher Sanierungen die Möglichkeit für eine sichere Bestandsaufnahme. Für die automatisierte Erkennung des Gebäudealters auf Basis von Bildern wurden faltende neuronale Netze (sog. Convolutional Neural Networks, kurz: CNN) genutzt. Als Trainingsmenge für das neuronale Netz dienten ca. 3.700 Bilden von Gebäuden unterschiedlicher deut- scher Baualtersklassen. Mit einer Prognosegenauigkeit von 56% übertraf dieses trainierte Netz- werk die Prognosegenauigkeit der menschlichen Vergleichsgruppe (human baseline), die lediglich 37 Prozent Genauigkeit erreichen konnte. Mit diesem trainierten neuronalen Netz können Gebäu- dealter zukünftig sicherer, schnel- ler und reproduzierbar erkannt werden. Dies ist insbesondere für energetische Sanierungsmaßnah- men im Quartierskontext zwingend notwendig. Der Titel der Arbeit von Elisabeth Erbes lautet „Versuchsgestützte Entwicklung eines Bemessungs- konzeptes für Hartholzdübelver- bindungen unter Schützen & Erhalten · September 2021 · Seite 75