‘Met AI geven we gebouwen hersenen om hun omgeving te beredeneren’

Door de razendsnelle ontwikkelingen in ai, datawetenschappen en digitalisering ontstaat een versnelling in wetenschappelijke vooruitgang in alle domeinen, zo staat in een verklaring die de tu Delft bij de aankondiging van de labs uitbracht. Die versnelling zien we op het terrein van medische wetenschappen tot en met het onderzoek naar infrastructuur, en van fundamenteel tot toegepast onderzoek. In juni 2020 lanceerde de universiteit daarom de eerste acht ‘tu Delft ai Labs’. En daar zijn er in januari 2021 acht aan toegevoegd; later dit jaar volgen er nog eens acht. Binnen deze 24 labs staat de samenwerking centraal tussen experts in de meest geavanceerde ai-technologieën (‘in-ai’ experts) en specialisten in andere, uiteenlopende domeinen (‘met-ai’ experts). Om leiding te geven aan deze labs zal tu Delft in totaal 24 universitair docenten aannemen, die voor ten minste 5 jaar opstartfinanciering krijgen om deze, zich ontwikkelende onderzoeksgebieden uit te bouwen tot op zichzelf staande, volwassen disciplines. Ook nemen zij 96 PhD’s aan met wie zij bij deze labs het onderzoek zullen uitvoeren. Een van de universitair docenten is dr. Charalampos Andriotis, die sinds begin dit jaar samen met zijn collega dr. Seyran Khademi leiding geeft aan het lab aidapt, dat staat voor Artificial Intelligence for Design, Analysis, and Optimization in Architecture & the Built Environment.

Vertaalslag naar de praktijk

‘Het is de laatste jaren erg snel gegaan met de mogelijkheden die ai biedt bij het ontwerp en de engineering van de gebouwde omgeving. Of eigenlijk; we kunnen die mogelijkheden steeds beter systematisch bestuderen. De volgende stap is nu om de vertaalslag naar de praktijk te maken. En dat is nu juist wat we met ons ai lab in Delft willen doen’, zegt Andriotis. Hij is in 2015 afgestudeerd in de studie civiele techniek aan de nationale technische universiteit van Athene en is vervolgens voor zijn PhD aan de slag gegaan bij de afdeling Civil and Environmental Engineering aan de Penn State University in de Verenigde Staten. Nadat hij in 2019 zijn PhD behaalde, werkte hij bij Penn State University als postdoc aan een onderzoek naar zaken als onzekerheidskwantificering, levenscyclusrisico’s, betrouwbaarheid en optimalisering op het raakvlak van constructietechniek en datawetenschap. ‘De combinatie van modelgebaseerde engineering en datagestuurde methoden is onontbeerlijk voor de ingenieurs van vandaag en hun opleiding.’

‘Het doel is om straks onze gebouwde omgeving volledig te kunnen engineeren en beheren op basis van data’

AI en data-analyse

Andriotis heeft zich de afgelopen jaren op de Penn State University als deskundige onderscheiden door ai in te zetten voor het managen, monitoren en onderhouden van constructies in hun verschillende levenscyclusfases. Hij ontving daarvoor verschillende onderscheidingen en publiceerde zijn bevindingen in enkele vooraanstaande magazines. ‘Mijn focus ligt op dit moment volledig bij alle nieuwe ontwikkelingen in kunstmatige intelligentie en data-analyse’, vertelt hij. ‘Ik ben bezig met de ontwikkeling van inferentie-, leer- en optimalisatiemethodes die zich richten op het bevorderen van besluitvorming en beslissingsondersteuning voor de gebouwde omgeving en infrastructuur. Uiteindelijk bereiken we daarmee een veerkrachtigere en duurzamere gebouwde omgeving.’ In zijn optiek gaan we uiteindelijk naar verschillende raamwerken die gebaseerd zijn op volledig gekoppelde, datagestuurde en fysica-gebaseerde engineering. ‘Het doel is om straks onze gebouwde omgeving volledig te kunnen engineeren en beheren op basis van data. Data die op hun beurt via artificial intelligence en modelgebaseerde simulaties kunnen helpen om ons voortdurend te informeren, en om voorspellingen en beslissingen te updaten.’ ‘Het voorspellende en voorschrijvende vermogen dat we met ai kunnen bereiken, zal een grote verandering teweegbrengen voor de hele bouw- en installatiewereld. In de toekomst zullen ai-gestuurde simulaties voor een groot deel, en misschien zelfs volledig, bepalen wat objectief gezien de beste keuzes zijn. Dit geldt voor het bepalen van ontwerpen, maar ook voor technieken waarmee we de technische status van infrastructuur monitoren, of voor technische interventies of bouwmaterialen waarvan we bijvoorbeeld de duurzaamheid, kosten of veiligheid willen vaststellen.’

Ontwikkeling van AI-agents

Om tot dergelijke resultaten te kunnen komen, is de ontwikkeling van goede, zogeheten ai-agents een randvoorwaarde. ‘ai-agents kunnen op basis van onderliggende rekenmodellen zelfstandig berekeningen maken en de meeste optimale conclusies trekken. Zij hebben bewezen dat zij bij bepaalde taken opvallend beter zijn dan mensen. Wij voorzien ai-agents van invoergegevens en numerieke simulatoren, de ‘omgeving’, en zij zorgen daarmee voor de interactie. Op zo’n manier vervult de ai-agent de rol van het centrale brein dat alle systemen verbindt; daarom vergelijk ik hem vaak met de hersenen. Uiteindelijk kunnen we met de ai-agent een gebouw van ‘hersenen’ voorzien, die beslissingen genereren die wij in de levenscyclus kunnen implementeren. Deze capaciteit zorgt ervoor dat ontwerpen een dynamisch, adaptief proces wordt in plaats van een statische, eenmalige taak. De ontwerper heeft nu een extra uitdaging op te lossen: hoe creëert hij of zij de nodige ‘ruimte’ voor veranderingen in vorm, geometrie of type constructiedelen die de ai-agent mogelijk in de toekomst voorschrijft als optimale acties.’ Volgens Andriotis heeft het gebruik van ai uiteindelijk twee belangrijke voordelen. ‘In het begin zullen we ai vooral gebruiken ter ondersteuning van prestatievoorspelling, beoordeling en besluitvorming. Die resultaten zullen het de ontwerpers, engineers en beheerders van gebouwen makkelijker maken om zelf beslissingen te nemen. Maar uiteindelijk zullen we zien dat we die beslissingen steeds vaker en ook volledig kunnen overlaten aan het systeem waarvoor ai de rol van brein vervult, bijvoorbeeld via systemen en devices die we in het gebouw installeren.’
De mogelijke toepassingen zijn zeer breed, zo vertelt hij. Als je naar een gebouw kijkt, dan zal ai leiden tot veel meer, maar vooral effectievere keuzes in het ontwerpproces. Ook ziet Andriotis al snel mogelijkheden ontstaan in structurele gezondheidsmonitoring, inspectie en onderhoudsprogramma’s. ‘Het voorspellen van optimale onderhoudsmomenten, noodzakelijke vervanging of waar en wanneer je gegevens moet verzamelen om het optreden van storingen of systeemstoringen te minimaliseren, is bij uitstek het terrein waarvoor ai-agents zijn en worden ontwikkeld.’