Generative Bildmodelle zur Evaluierung von architektonischem Design

Wir verbringen den größten Teil unseres Lebens in und um Gebäude – unsere Wohnungen, Arbeitsplätze und im öffentlichen Raum. Diese Umgebungen sind mehr als nur funktional; sie können uns ein Gefühl von Sicherheit, Entspannung oder Heimat vermitteln. Doch was genau macht einen Ort sicher, einladend und heimisch? Und wie beeinflussen verschiedene architektonische Merkmale unsere Wahrnehmung und emotionale Reaktion?

In unserem Forschungsbereich untersuchen wir diese Fragen, indem wir Erkenntnisse aus der Umweltpsychologie, der Architektur und der Informatik kombinieren. Ziel ist es, besser zu verstehen, wie Menschen das Design von Gebäuden und urbanen Räumen bewerten und welche visuellen Merkmale – wie Farbe oder Layout – dabei eine entscheidende Rolle spielen.

Dazu verwenden wir generative Bildmodelle, insbesondere Generative Adversarial Networks (GANs; auf deutsch “erzeugende gegnerische Netzwerke”), die in den letzten Jahren immer leistungsfähiger geworden sind. Diese Modelle werden mit großen Datensätzen von Architekturfotos trainiert und können völlig neue, realistische Bilder erzeugen. Der Vorteil bei der Verwendung von künstlichen Bildern ist, dass wir bestimmte Merkmale systematisch kontrollieren und manipulieren können, was bei realen Fotografien schwierig ist. 

In einer Reihe von Studien wurden Proband*innen sowohl reale als auch KI-generierte Bilder von Häusern gezeigt und gebeten, diese nach Eigenschaften wie Heimeligkeit, Gastfreundlichkeit, Entspannung oder Sicherheit zu bewerten. Indem wir analysieren, wie verschiedene visuelle Veränderungen die Bewertungen der Menschen beeinflussen, können wir beginnen, die baulichen und Designelemente zu kartieren, die für die menschliche Wahrnehmung am wichtigsten sind.

Diese Forschung zielt darauf ab, ein tieferes Verständnis dafür zu entwickeln, wie bauliche Designelemente unsere Erfahrung von Räumen beeinflussen. Dieses Wissen könnte Architekt*innen, Stadtplaner*innen und Designer*innen helfen, Umgebungen zu schaffen, die besser auf unsere Bedürfnisse und unser Wohlbefinden abgestimmt sind.

Literature  

Goodfellow, I. J., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., ... & Bengio, Y. (2014). Generative adversarial nets. Advances in neural information processing systems, 27.  

Pohlmann, K., Tawil, N., Brick, T. R., & Kühn, S. (2024). When houses wear faces: Reverse correlation applied to architectural design. Journal of Environmental Psychology, 98, 102401.