Використання штучного інтелекту для підвищення якості BIM-проєктування

Опубліковано:
Номер: Випуск 33(2026)
Розділ: Будівництво та цивільна інженерія
Cторінковий інтервал статті: 293-301
Ключові слова: автоматизація, BIM, машинне навчання, оптимізація проєктування, організаційно технологічні процеси, організація будівництва, система управління якістю, якість будівництва, якість проєктних рішень, штучний інтелект, цифрове будівництво, цифрова модель.
Як цитувати статтю: Дубінін Д. В., Клис М. В. Використання штучного інтелекту для підвищення якості BIM-проєктування. Дороги і мости. Київ, 2026. Вип. 33. С. 293–301.
Як цитувати статтю (references): Denis Dubinin, Maksym Klys. Using artificial intelligence to improve the quality of BIM design. Dorogi і mosti [Roads and bridges]. Kyiv, 2026. Issue 33. P. 293–301 [in Ukrainian].

Автори

Київський національний університет будівництва і архітектури (КНУБА), м. Київ, Україна
https://orcid.org/0000-0002-2044-0631
Київський національний університет будівництва і архітектури (КНУБА), м. Київ, Україна
https://orcid.org/0000-0001-6790-8281

Анотація

Вступ. У сучасному будівництві цифровізація процесу проєктування стає ключовим чинником підвищення ефективності та конкурентоспроможності. Технології Building Information Modeling (BIM) забезпечують комплексне управління даними на всіх етапах життєвого циклу об’єкта, однак їх потенціал може бути значно розширений завдяки інтеграції інструментів штучного інтелекту (ШІ).

Проблематика. Попри широке впровадження BIM, значна частина проєктних рішень залишається трудомісткою та схильною до помилок через необхідність опрацювання великих обсягів інформації вручну. Низька якість вихідних даних, недосконалість координації між виконавцями та недостатня автоматизація аналітичних операцій призводять до затримок, зростання вартості та ризиків у проєктуванні.

Мета. Дослідити можливості застосування алгоритмів штучного інтелекту для підвищення точності, швидкості та надійності BIM-проєктування, а також визначити ефективні підходи до інтеграції ШІ у стандартні проєктні бізнес-процеси.

Матеріали і методи. У роботі використано методи теоретичного узагальнення й аналізу наукових публікацій, порівняння практичного досвіду застосування нейронних мереж у моделюванні та обробці даних, а також порівняльну оцінку інструментів машинного навчання щодо їх здатності автоматизувати рутинні операції BIM-процесів. Досліджено кейси використання ШІ в автоматичній класифікації елементів, пошуку колізій, прогнозуванні показників ефективності будівельних систем.

Результати. Виявлено, що алгоритми глибинного навчання підвищують точність моделювання шляхом автоматичного виправлення помилок, оптимізації параметричних рішень та інтелектуальної координації між різними дисциплінами. Застосування ШІ дозволить скоротити час на виконання окремих проєктних операцій, а також підвищити якість даних, що використовуються під час моделювання та аналізу.

Висновки. Інтеграція штучного інтелекту у BIM-проєктування є перспективним напрямом розвитку цифрових технологій будівництва, що сприяє автоматизації процесів, зменшенню кількості помилок і оптимізації проєктних рішень. Застосування інтелектуальних алгоритмів дозволяє підвищити якість моделювання та ефективність взаємодії учасників проєкту, формуючи підґрунтя для впровадження більш гнучких та інноваційних підходів у будівельній індустрії.

Посилання

  1. Borkowski, A. S., Kubrat, A. A Conceptual AI Based Framework for Clash Triage in Building Information Modeling (BIM): Towards Automated Prioritization in Complex Construction Projects. Buildings. 2025. Vol. 16. No. 4. DOI: https://doi.org/10.3390/buildings16040690.
  2. Luna, A. AI and BIM Fusion: Automating Clash Detection and Design Optimization in Construction Projects. 2025. Режим доступу: URL: https://surl.li/taafib.
  3. Eurosia BIM. AI Powered Clash Detection and Predictive BIM: A Deep Dive. Bimmodel.co. 2025. Режим доступу: URL: https://www.eurosia.eu/post/ai-powered-clash-detection-and-predictive-bim-a-deep-dive.
  4. Kim, S., Lee, W., Yu, Y., Jeon, H., Koo, B. Employing Ontology and Machine Learning for Automatic Clash Detection and Classification in Multi-disciplinary BIM Models // International Conference on Construction Engineering and Project Management. 2024. P. 566–569. DOI: https://doi.org/10.6106/ICCEPM.2024.0566.
  5. Motina, M., Morozenko, A. Classification of Building Components Using Artificial Intelligence Based on Meta-Information in BIM Models // In: Gibadullin, A. (ed.) Digital and Information Technologies in Economics and Management. DITEM 2023. Lecture Notes in Networks and Systems, vol. 942.  Cham: Springer, 2024. DOI: https://doi.org/10.1007/978-3-031-55349-3_16.
  6. Pogorelskiy, S., Kocsis, I. BIM based collision tracking at the intersections of different building engineering systems at the design stage. International Review of Applied Sciences and Engineering. 2024. Vol. 16. No. 1. DOI: https://doi.org/10.1556/1848.2024.00833.
  7. Kissabekov, A. Analysis of Factors Influencing Successful Interaction between the Client, Contractor, and Engineer on Construction Sites. International Journal of Scientific and Management Research. 2025. Vol. 08. DOI: http://doi.org/10.37502/IJSMR.2025.8514.
  8. Choi, J. S. and Kim, I. H. Development of a BIM-based architectural design quality assurance checklist. Korean Journal of Computational Design and Engineering. 2013. 18(3). P. 177–188. DOI: https://doi.org/10.7315/CADCAM.2013.177
  9. Kaewunruen, S., Lin, Y. H., Guo, Y. BIM‑driven digital twin for demolition waste management of existing residential buildings. Scientific Reports. 2025. Vol. 15, 28989. DOI: https://doi.org/10.1038/ s41598-025-13938-9.
  10. Железняк, В., Конончук, Р. Цифрова методологія управління організаційно‑ технологічними процесами будівництва об’єктів для оптимізації проєктних параметрів. Шляхи підвищення ефективності будівництва. 2024. № 2(54). С. 325–333. DOI: https://doi.org/10.32347/ 2707-501x.2024.54(2).325-333.
  11. Abumoeilak, L., Beheiry, S., Atabay, S. An integrated decision support system for BIM level 3 implementation. Frontiers in Built Environment. 2025. Vol. 11:1687407. DOI: https://doi.org/10.3389/ fbuil.2025.1687407.
  12. Tugai, O. A., Hryhorovskyi, P. Ye., Khyzhniak, V. O., Stetsenko, S. P., Bielienkova, O. Yu., Molodid, O. S., Chernyshev, D. O. Organizational and technological, economic quality control aspects in the construction industry: collective monograph. Lviv–Toruń: Liha-Pres. 2019. 136 p.
  13. Jäkel, J.-I., Fischerkeller, F., Oberhoff, T., Klemt-Albert, K. Development of a Maturity Model for the Digital transformation of companies in the context of Construction Industry 4.0. Journal of Information Technology in Construction. 2024. Vol. 29. Р. 778–809. DOI: https://doi.org/ 10.36680/j.itcon.2024.034.  
  14. Bielienkova, O., Novak, Y., Matsapura, O., Zapiechna, Y., Kalashnikov, D., Dubinin, D. Improving the Organization and Financing of Construction Project by Means of Digitalization. International Journal of Emerging Technology and Advanced Engineering. 2022. Vol. 12, No. 8. Р. 108–115. DOI: https://doi.org/10.46338/ijetae0822_14.
  15. Novykova, I., Bielienkova, O., Kulikov, O., Petrukha, S., Akizhanova, A., Zinchenko, M. Application of the Updated Project Approach for Institutionally Oriented Diversification of Construction Enterprises. 2023 IEEE International Conference on Smart Information Systems and Technologies (SIST). Astana, 2023. P. 558–566. DOI: https://doi.org/10.1109/SIST58284.2023.10223510.
  16. Zeltser, R. Ya., Bielienkova, O. Yu., Novak, Ye., Dubinin, D. V. Digital Transformation of Resource Logistics and Organizational and Structural Support of Construction. Nauka i innovatsii. 2019. Vol. 15. No. 5. Р. 38–51.
  17. Davila Delgado, J. M., Oyedele, L., Ajayi, A., Akanbi, L., Akinade, O., Bilal, M., Owolabi, H. Robotics and automated systems in construction: Understanding industry-specific challenges for adoption. Journal of Building Engineering. 2019. Vol. 26. Article 100868. DOI: https://doi.org/ 10.1016/j.jobe.2019.100868.
  18. Ullah, R., Harrington, J., Farea, A., Otreba, M., Carroll, S., McKenna, T. Digital Maturity Assessment Tools for the Construction Industry: A PRISMA-ScR Scoping Review. Buildings. 2026. Vol. 16(1). 239. DOI: https://doi.org/10.3390/buildings16010239.
  19. Цифра Т. BIM як інструмент реформування системи ціноутворення в будівництві (на прикладі дорожньо-будівельних компаній Казахстану). Шляхи підвищення ефективності будівництва, 2021, 2 (47), 167–178. DOI: https://doi.org/10.32347/2707-501x.2021.47(2).167-178.