Der Begriff Building Information Modeling (BIM) wird oft als Schlagwort verwendet. BIM setzt traditionell den Fokus auf die Planung und Realisierung und wird derzeit vorrangig verwendet für die Datenbeschaffung, -konsolidierung und -speicherung. Die Bewirtschaftungsphase wird in der Datenbereitstellung außer Acht gelassen.

Doch wie kann ich die Bewirtschaftungsphase in ein ganzheitliches Datenmanagement über den Lebenszyklus integrieren? Was muss datentechnisch in der Planungs- und Realisierungsphase alles für die Bewirtschaftungsphase berücksichtigt werden? Wie soll zukünftig mit der großen Datenmenge umgegangen werden?

Ein Ansatz, den kompletten Projektlebenszyklus darzustellen, ist das Life Cycle Data Management (LCDM). Das Schweizer Beratungsunternehmen pom+ definiert LCDM wie folgt: Es umfasst alle notwendigen Prozesse, Maßnahmen und Verfahren mit dem Ziel, die Strukturierung, Erfassung, Verantwortung und Qualitätssicherung von objektspezifischen Daten über den gesamten Lebenszyklus sicherzustellen und allen beteiligten Rollen stets konsistente, akkurate und aktuelle Daten zur Verfügung zu stellen.

LCDM ist kein einmaliges Ereignis, sondern ein laufender Vorgang über den gesamten Lebenszyklus eines Objektes.

Im Unterschied zu Building Information Modeling (BIM) hat LCDM den Fokus auf den gesamten Lebenszyklus einer Immobilie. Die Überprüfung der Datenqualität erfolgt auf regelmäßiger Basis. Nur so kann sichergestellt werden, dass die Daten auch in der Bewirtschaftungsphase den gewünschten Nutzen bringen.

Damit LCDM erfolgreich betrieben werden kann, müssen bereits vor Baubeginn die gewünschten Mehrwerte festgelegt werden. Nur so können im „Daten-Wirrwarr“ auch die richtigen Informationen gefunden werden. Bei einem durchschnittlichen Bauprojekt fallen dutzende Laufmeter an Ordnern und viele Gigabyte an ungeordneten Daten an. Oftmals werden auch die einzelnen Phasen miteinander vermischt: BIM wird meist nur in der Planungs- und Realisierungsphase eingesetzt, muss jedoch auch die Daten generieren und bereitstellen, die in der Bewirtschaftungsphase benötigt werden. Dies wird von vielen Beteiligten im Lebenszyklus eines Projektes nicht bedacht. Weiter herrscht in der Praxis häufig der Irrglaube, dass mittels der Anschaffung einer Software Datenverarbeitung phasenübergreifend und automatisiert abläuft. Eine Software ist jedoch nur ein kleiner Teil. Erst, wenn klar ist, welche langfristigen Ziele verfolgt werden sollen und welche Daten zu verarbeiten sind, um mehr Transparenz, Effizienz und Qualität zu erhalten, stellt sich die Frage nach der geeigneten Software. Ganz am Anfang liegt die eigentliche Bestellung der Datenanforderungen, hier werden die Weichen für den späteren Erfolg des LCDM gestellt.

Die Erfahrung zeigt, dass je detaillierter die Anforderungen an die Daten seitens der Besteller definiert sind, desto weniger Interpretationsspielraum beim Beauftragten entsteht, diese Daten bereitzustellen. Die Ergebnisse entsprechen dann auch den gewünschten Anforderungen. Diese Rolle ist neu für den Besteller: Er muss in Zukunft vermehrt Anforderungen an Daten formulieren, einfordern und die Datenqualität prüfen. Dabei sind sämtliche Stakeholder zu berücksichtigen. Ein Portfolio Manager benötigt andere Daten wie der zukünftige Gebäudebetreiber. Damit die erhaltenen Daten jedoch genutzt werden können, müssen diese einer zuvor definierten Qualität entsprechen. Die Daten müssen auf Richtigkeit, Vollständigkeit, Lesbarkeit und Datenqualität überprüft werden – im Gegensatz zu BIM, wo die Daten nicht auf die langfristige Qualität überprüft werden, erfolgt die Überprüfung der Datenqualität beim LCDM mit Hilfe von folgenden Prüfpunkten (Mindestprüfpunkte zur Sicherstellung der Qualität):

Richtigkeit: Entspricht der Inhalt der Bestellung bzw. dem Gebäude?

Vollständigkeit: Ist die Dokumentation vollständig?

Lesbarkeit: Ist die Dokumentation lesbar?

Datenqualität: Entspricht die Datenqualität den Vorgaben?

Aktualität: Sind die Daten aktuell?

Die Datenqualität bezeichnet die Bewertung in Bezug auf die Frage, wie gut notwendige Daten dafür geeignet sind, ihren Zweck in einem bestimmten Zusammenhang für die gewünschte Aufgabe zu erfüllen. Nicht alle Daten sind gleichermaßen geeignet, um beispielsweise die HNF (Hauptnutzfläche) zu berechnen. Um am Ende das gewünschte Ergebnis zu erhalten, müssen vorgängig die Anforderungen klar definiert sein.

• «
• 1
• 2
• »