Transformering af BIM-ingeniørarbejde og kodeoverholdelse med generativ AI

I denne artikel undersøger Oh Qi Qi, Exyte Subject Matter Expert inden for kunstig intelligens (AI) og regulering, overholdelsesudfordringer i design af farmaceutiske faciliteter, skitserer hvordan ReguBIM AI-piloten udforsker mulige løsninger, og diskuterer hvad de tidlige resultater antyder for fremtidige ingeniørarbejdsgange.

Udfordringen med overholdelse i design af farmaceutiske faciliteter

Design af faciliteter til farmaceutiske og bioteknologiske virksomheder kræver overholdelse af strenge reguleringsrammer, almindeligvis omtalt som kodeoverholdelse. Disse reguleringer har til formål at beskytte bygningens brugere og sikre produktionsmiljøer, der direkte påvirker patientsikkerheden. De omhandler brandsikkerhed, luftstrømssystemer, renrumsspacering og adgangsruter såsom udgange og serviceveje.

I dag er overholdelsesverifikation stort set manuel. Ingeniører krydstjekker 3D Building Information Modeling (BIM)-data mod omfattende, tekstbaserede reguleringer. BIM-modeller, ofte oprettet i Revit eller lignende værktøjer, fungerer som detaljerede digitale repræsentationer af en facilitet, mens reguleringer offentliggøres som lange tekniske dokumenter. Overholdelsesgennemgange involverer kontrol af hundredevis af krav, fra korridorbredder til brandudgangsafstande, hvilket kræver tid, erfaring og omhyggelig fortolkning.

Denne manuelle tilgang anses bredt for at være krævende med hensyn til indsats, modtagelig for menneskelige fejl og dyr, når problemer identificeres sent i en projektlivscyklus.

Introduktion af ReguBIM AI som prototype

ReguBIM AI er udviklet af Exyte som en prototype for at undersøge, om generativ AI kan hjælpe med overholdelsesverifikation. I stedet for at erstatte eksisterende processer fungerer piloten som en digital assistent, der testes for sin evne til at fortolke reguleringstekst og relatere det til 3D BIM-data.

Inden for testmiljøet kan ReguBIM AI analysere udvalgte reguleringer, identificere potentielt relevante klausuler og markere områder i en BIM-model, der kan kræve nærmere menneskelig gennemgang. Output er beregnet til at støtte ingeniører under tidlige designfaser og interne kontrol, ikke til at give endelig overholdelsesgodkendelse.

Prototypen kører på Databricks-infrastruktur og bruger en medallion-arkitektur til at strukturere databehandling. ETL-pipelines konverterer BIM-filer og reguleringsdokumenter til formater, der er egnede til analyse. Applikationen er implementeret som en Databricks App på serverløs infrastruktur for at muliggøre kontrolleret eksperimentering og iteration som en del af pilotopsætningen.

ReguBIM AI er stadig i en tidlig udviklingsfase og bruges internt til at evaluere teknisk gennemførlighed, datakvalitetskrav og integrationsindsats.

Kernefunktioner under test

Som en del af den igangværende pilot fokuserer ReguBIM AI på flere eksperimentelle funktioner:

• Forbinder udvalgte BIM-elementer med relevant lovgivningstekst for at understøtte assisterede overholdelseskontroller
• Anvender en AI-baseret arkitektur bygget på Databricks, MLflow og orkestreringskomponenter til modulære eksperimenter
• Udfører rumlig analyse såsom afstandskontrol og ruteevaluering inden for definerede testscenarier
• Anvender retrieval-augmented generation til at fremhæve lovgivningsklausuler, der kan relateres til brugerforespørgsler

• Producerer udkast til overholdelsesresuméer beregnet til ekspertgennemgang frem for formel indsendelse

   

Disse funktioner kan ændres, efterhånden som prototypen udvikler sig, og er ikke valideret til produktionsbrug.
 

Observationer fra tidligt pilotarbejde

Indledende test indikerer, at AI-assisteret overholdelsesanalyse kan reducere den indsats, der kræves for at identificere potentielle problemer i de tidlige designfaser. Resultaterne viser dog også, at ekspertvurdering forbliver afgørende, især når det gælder fortolkning af tvetydige regler eller projektspecifikke krav.

Fra et forretningsperspektiv hjælper piloten Exyte med at vurdere, hvor automatisering kan støtte ingeniører, hvor dataklargøring forbliver en begrænsning, og hvordan sådanne værktøjer kan passe ind i etablerede styrings- og godkendelsesprocesser.

Digital innovation hos Exyte

Exyte er en global virksomhed inden for Engineering, Procurement og Construction, der fokuserer på komplekse højteknologiske faciliteter. Ud over sine kerneaktiviteter inden for ingeniørarbejde evaluerer virksomheden digitale værktøjer, der kan understøtte kvalitet, sikkerhed og effektivitet. ReguBIM AI er et sådant proof of concept, udviklet til at teste, hvordan generativ AI kan bidrage til regulatorisk analyse i fremtiden.

Exyte ser denne prototype som et samarbejdsstøtteværktøj frem for et beslutningstagende system. Formålet er at hjælpe ingeniører med at bruge mindre tid på gentagne kontrolopgaver og mere tid på at anvende deres ekspertise, hvor det betyder mest.

Smarter compliance, udforsket gennem testning

Gennem ReguBIM AI undersøger Exyte, hvordan BIM, generativ AI og reguleringsdata kan arbejde sammen i en kontrolleret pilotindstilling. Selvom det stadig er eksperimentelt, giver initiativet praktiske indsigter i, hvordan compliance-processer kan udvikle sig, og hvilke sikkerhedsforanstaltninger der kræves, før en bredere anvendelse.

For pharma- og biotekprojekter, der står over for komplekse reguleringsmiljøer, hjælper dette udforskende arbejde med at afklare både mulighederne og begrænsningerne ved AI-understøttet ingeniørarbejde.