Adaptive Spaces
Das Entwerfen von Grundrissen ist ein zentraler Bestandteil des Aufgabenfeldes von Architekten. Ein hochwertiger Grundriss zeichnet sich durch eine optimale Nutzung des zur Verfügung stehenden Raums aus und muss funktional, praktisch sowie ästhetisch ansprechend sein. Je vielfältiger die Nutzungen sind, desto komplexer wird die Aufgabe der Raumverteilung.
In meinem Forschungsprojekt "Adaptive Spaces", welches von Professor Oliver Fritz betreut wurde, habe ich mich über einen Zeitraum von zwei Semestern hinweg mit der algorithmischen Generierung von Grundrissen beschäftigt. Hierbei habe ich in jedem Semester eine unterschiedliche Herangehensweise gewählt, um Lösungen für die optimale Raumaufteilung zu finden. Obwohl ich mich dabei auf die Räume eines Einfamilienhauses konzentriert habe, sind die entwickelten Algorithmen auf alle rechteckigen Raumlayouts anwendbar.
Im ersten Semester lag der Fokus darauf, einen geometrischen Code zu entwickeln, um eine Raumanordnung zu beschreiben. Theoretisch existiert nur eine begrenzte Anzahl an Möglichkeiten, ein Rechteck in weitere kleine Rechtecke aufzuteilen (Subdivision).
Im zweiten Semester folgte ein radikalerer Ansatz im Vergleich zum ersten Versuch. Hierbei wird jeder einzelne Raum als eine Art Bakterium in einer rechteckigen Petrischale betrachtet, welches mit den anderen Räumen/Bakterien um seinen Platz kämpft (Annealing).
HTWG Konstanz SS20-WS21/22
Adaptive Spaces
betreut durch Prof. Oliver Fritz
Subdivision
Subdivision ist die Idee, ein Rechteck durch eine orthogonal durchgehende Linie in zwei kleinere Rechtecke zu teilen. Jedes dieser neuen Rechtecke kann auf diese Weise unendlich weiter parzelliert werden.
Nehmen wir an, wir haben zwei Räume für einen Grundriss. Dann können wir die Grundfläche auf zwei Arten aufteilen: Horizontal oder vertikal kann eine Wand eingesetzt werden. Daraus ergeben sich zwei Arten, die Geometrie zu teilen, und vier Kombinationen, um sie zu füllen.
Mit drei Räumen gibt es sechs Geometrien und 48 verschiedene Kombinationen. Die Anzahl an Kombinationen wächst exponentiell, sodass es für sechs Räume bereits 1.290.240 Kombinationen gibt.
Der Algorithmus verarbeitet drei Listen als Input, die Geometrie rechts wurde wie folgt berechnet:
Liste der Räume [A, B, C, D]
Liste mit Teilungspositionen [3, 1, 1]
Liste ob Vertikal/Horizontal [0, 1, 1]
Im nächsten Schritt werden die Teilungen dem Verhältnis der geforderten Raumgrößen angepasst. Durch den simplen Algorithmus können 1.000 Varianten pro Sekunde errechnet werden. Bei einer so hohen Anzahl an Ergebnissen muss ein Filter zur Überprüfung eingesetzt werden. Die meisten Varianten enthalten Räume mit schlechten Seitenverhältnissen und werden aussortiert.
Auf Basis der guten Raumaufteilungen können die Grundrisse weiter ausgearbeitet werden. In der experimentellen Analyse Einfamilienhaus sind neben gewöhnlichen Anordnungen auch interessante neuartige Ergebnisse entstanden, die als Inspiration für neue räumliche Entwürfe verwendet werden können.
Visualisierung der Subdivision mit vier Räumen
Generierte Grundrisse mit guten Raumproportionen
herausgefilterte schlechte Raumproportionen
Entwurf 1
Annealing Solver
Was wäre, wenn man Räume als eine Art Lebewesen betrachten würde, die versuchen, den an sie gestellten Anforderungen so gut es geht zu folgen, um maximal "glücklich" zu werden?
Anforderungen wie Größe, Nachbarschaften, Proportionen, Helligkeit usw. sind messbare Werte. Je näher diese Werte dem Soll entsprechen, desto glücklicher ist ein Raum.
Diese Welt wurde simuliert, indem kleine rechteckige "Lebewesen" in einer begrenzten Zone, der Grundfläche des Grundrisses, miteinander interagieren können.
Mithilfe des Optimierungsalgorithmus Annealing wird zu Beginn ein hoher Energiezustand der Rechtecke simuliert, wodurch sich diese schneller bewegen können. Die Welt kühlt immer weiter ab, bis die Bewegung einfriert, was das Endergebnis der Simulation, den fertigen Grundriss, darstellt.
Als Qualitätsanzeige sieht man oben links eine Zahl. Je niedriger diese Zahl ist, desto besser sind die Positionen der Rechtecke. Der Optimierungsalgorithmus benötigt diese Zahl, um einzuschätzen, wie glücklich/gut diese Variante ist. Ziel ist es, diese Zahl, auch "Fitness" genannt, zu minimieren.
Der Bestwert der beiden Entwürfe liegt bei 5. Das liegt daran, dass sich die Räume insgesamt um fünf Quadratmeter verkleinert haben, um mehr Platz zum Bewegen zu haben.
Im Fehlversuch sieht man einen extrem hohen Wert, der aus der großen Überlappung der Räume resultiert. Durch die Abkühlung in diesem Versuch haben die Rechtecke nicht mehr genug Energie, um sich weiterzubewegen. Die Simulation kann auch bei einem schlechten Wert einfrieren. Die richtige Kombination aus Anfangsenergie und Abkühlungsrate zu finden, ist deshalb besonders wichtig.
Entwurf 2
