Point Cloud
Bestehenden Scan als E57, PLY oder LAS einlesen und für die Analyse reduzieren.
Space Intelligence · Prototype
Punktwolken enthalten mehr als Geometrie. Der Prototyp zeigt, wie aus einem 3D-Scan automatisch Raumgrenzen, Flächen und strukturierte Bestandsdaten entstehen können.
01 · Workflow
Kein vollständiges BIM-Modell als Voraussetzung. Zuerst genau die Information extrahieren, die für den nächsten Entscheid gebraucht wird.
Bestehenden Scan als E57, PLY oder LAS einlesen und für die Analyse reduzieren.
Bodenebene, horizontale Schnitte und wahrscheinliche Raumgrenzen erkennen.
Geschlossene Raum-Polygone erzeugen, Flächen berechnen und Unsicherheiten markieren.
Raumdaten für Portfolio, FM, Planung oder BIM als strukturierte Outputs weiterverwenden.
02 · Interactive demo
Diese Website-Demo simuliert den künftigen Analyseprozess mit einem Beispieldatensatz. Die Geometrie ist demonstrativ; es wird noch keine echte Punktwolke serverseitig verarbeitet.
| Space | Area | Perimeter | Status |
|---|---|---|---|
| Arbeitsraum | 15.2 m² | 15.8 m | ✓ Valid |
| Wohnen | 31.4 m² | 23.6 m | ✓ Valid |
| Bad | 6.1 m² | 10.2 m | ✓ Valid |
| Korridor | 9.8 m² | 14.4 m | △ Review |
03 · Output
Die eigentliche Wirkung entsteht nach der Erkennung: Räume werden zu strukturierten Objekten, die andere Prozesse direkt weiterverwenden können.
Geometrie, Fläche, Umfang und eindeutige Raum-ID.
GeoJSON · DXF · SVGRaumliste mit Kennwerten, Qualität und Prüfstatus.
CSV · XLSX · APIWeitergabe an IFC Spaces, CAFM oder Asset-Datenmodelle.
IFC · JSON · DatabaseNext prototype step
Die Website zeigt bereits das Produktprinzip. Der nächste technische Schritt ist ein kleiner Python-Service mit Open3D, der eine reale PLY/E57-Datei annimmt, einen horizontalen Schnitt erzeugt und daraus erste Raum-Polygone zurückliefert.