Article
Article
Article

Cradle to Cradle Goes BIM: Ein neues Zeitalter für die Gebäudeplanung?

Partager cet article

Kreislaufähiges Bauen und Digitalisierung unter einem Hut?  Das geht, sagen die Experten der Drees & Sommer SE und der EPEA GmbH. Im Rahmen verschiedener Projekte verbinden sie erstmals die digitale Planungsmethode BIM mit dem Cradle to Cradle-Designprinzip. Die komplexen Zusammenhänge dieses Ansatzes für eine konsequente Kreislaufwirtschaft werden unter Verwendung von Autodesk Revit, dem offenen Standard IFC und dem Solibri Model Checker einfach und verständlich dargestellt.

Ob CO2-Fußabdruck, Gesundheit, Flexibilität, Recyclingfähigkeit oder Trennbarkeit – alle relevanten Kriterien erhalten im 3D-Gebäudemodell jeweils eindeutige Farbskalen zur Identifikation und Bewertung der Qualitäten. So wird für alle Beteiligten klar ersichtlich, welche Elemente potenziell noch optimiert werden können oder bereits positiv sind. Für unsere Experten steht daher fest: Cradle to Cradle und BIM ist eine Kombination, die ein neues Zeitalter einläutet und die Zukunft des Bauens mitbestimmt.

Cradle to Cradle goes BIM: Ein neues Zeitalter für die Gebäudeplanung?

Einleitung

Cradle to Cradle

Cradle to Cradle (von der Wiege zur Wiege) ist ein Designprinzip, das in den 1990er Jahren von Prof. Dr. Michael Braungart, William McDonough und EPEA Hamburg entwickelt wurde. Es beschreibt die sichere und potentiell unendliche Zirkulation von Materialien und Nährstoffen in Kreisläufen. Im biologischen Kreislauf zirkulieren Verbrauchsgüter, wie z.B. Naturfasern, die nach ihrem Gebrauch sicher in diesen zurückgeführt werden können. Im technischen Kreislauf zirkulieren Gebrauchsgüter, wie zum Beispiel Elektronikartikel oder Fußböden (Abbildung 1).

Diese Produkte werden bereits im Design- und im Herstellungsprozess als Ressourcen für die nächste Nutzungsphase optimiert. Alle Inhaltsstoffe sind nach Cradle to Cradle chemisch unbedenklich und kreislauffähig.

1
Abbildung 1 - Kreisläufe des Cradle to Cradle Prinzips.

Zielsetzung

Dieser Artikel beschreibt die notwendigen Schritte, um im OpenBIM Kontext unter Verwendung der Programme Autodesk Revit, des Revit IFC-Exporters und dem Solibri Model Checker Cradle to Cradle Bewertungskriterien anhand digitaler Gebäudemodelle berechnen, visualisieren und in Form des Building Circularity Passport sowie verschiedener Dashboards auswerten zu können (Abbildung 2).

Dabei ist er nicht als vollumfängliches User-Manual angelegt, sondern soll interessante Anreize für Nutzer*innen unterschiedlichster Kenntnisstände aus verschiedenen Fachdisziplinen bieten. Zunächst werden hierzu verschiedene, grundlegende Konfigurationsmöglichkeiten in der Autorensoftware Autodesk Revit im Kontext marktüblicher Modellierungsstrategien an reduzierten Modellbeispielen beleuchtet.

Daran anschließend folgt der IFC-Export. Die weitere Verarbeitung der Modelldaten im Nemetschek Solibri Model Checker im Zusammenspiel mit den Microsoft Applikationen Excel und Power BI wird in Ausschnitten anhand des Projektes „The Cradle“ der Interboden GmbH & Co. KG dargestellt.

Abbildung 2 – Softwarelandschaft
Abbildung 2 – Softwarelandschaft.

Eingrenzung

Der Fokus dieses Beitrags liegt auf der interdisziplinären Zusammenarbeit an der Schnittstelle zwischen Architektur, Bauphysik und EPEA. Zentrales Motiv ist die Verwendung des verstärkt an Bedeutung gewinnenden, offenen Austauschformates der Industry Foundation Classes (IFC). Daher wird auf Revit interne Auswertungsmöglichkeiten nicht unmittelbar eingegangen.

Die beiden Hauptabschnitte des Artikels gliedern sich in Erstellung und Export der Daten in Autodesk Revit, sowie in die Weiterverarbeitung und Interpretation dieser Modelldaten im IFC-Format in Solibri Office. Um dem Beitrag folgen zu können sind Revit-Grundkenntnisse und erste Erfahrungen mit dem IFC-Exporter grundsätzlich vorteilhaft, aber keine Voraussetzung.

Die beispielhaften Modellausschnitte sind anhand des Standard Autodesk Templates Architektur D-A-CH mit kleineren Anpassungen in Revit 2019.2 erzeugt und zudem auf Funktionsfähigkeit in 2021.1 getestet worden. Auf viele der Fragestellungen, die hinsichtlich der technischen Durchführung entstehen können, hält das Netzwerk der Autodesk University für Interessierte vollumfängliche Antworten bereit.

Der zweite Abschnitt des Artikels beschreibt die Verarbeitung von IFC-Modelldaten mit Solibri Office. Hier werden insbesondere Grundkonzepte der Standardisierung, konzeptionelle Zusammenhänge und Wechselwirkungen verschiedener Anschlussapplikationen im Überblick beschrieben.

Die genutzten Programmfunktionen sind verkürzt dargestellt. Bei Anwendungsfragen bietet auch Solibri weiterführende Materialien online an.

Ausgangslage

Die Grundlage des Workflows bilden die Angaben zu allen Regelbauteilen und deren Schichtdicke, Material und Dichte. Diese Informationen werden häufig von der Bauphysik in Form eines Bauteilkataloges abgebildet. In dem hier beschriebenen Beispiel wird der „conpact“ - Bauteilkatalog eingesetzt (Abbildung 3).

Abbildung 3 – Übersicht conpact Bauteilkatalog, Bauteilnummer
Abbildung 3 – Übersicht conpact Bauteilkatalog, Bauteilnummer.

1. Revit: Bauelemente und Parameter erstellen

Auf Basis der über Bauteilparameter integrierten Bauteilnummer gemäß des Bauteilkataloges lässt sich der Bezug zum BIM-Modell einfach herstellen.Alternativ kann bei Systemfamilien der Typ bzw. im Falle ladbarer Familien der Familienname um diese Codierung ergänzt werden.

Sofern eine Beschriftung der Codierung im Projektverlauf gewünscht ist, bietet sich der Einsatz eines gemeinsam genutzten Parameters an.

Die gewählte Parameterart (Typ/Exemplar) ist in erster Linie abhängig vom genutzten Template und dem Aufbau des zugehörigen Contents. Die erstmalige Umsetzung im Projekt sollte in jedem Falle mit dem BIM-Verantwortlichen des Planers abgestimmt werden.

Allgemein ist anzumerken, dass eine Integration über Typparameter für den Nutzer zwar leichter kontrollierbar wirkt, den Content-Umfang jedoch beeinflussen kann. Der Einsatz von Exemplar Parametern beeinflusst die Content-Struktur nicht, kann jedoch für manche Nutzer*Innen einen sehr kleinteiligen und daher fehleranfälligen Eindruck im Rahmen der fortlaufenden Projektbearbeitung machen.

Modellierungsarten

Je nach gewählter Modellierungsstrategie lässt sich die Bauteilnummer nun direkt, bzw. bei getrennt modellierten Aufbauten unter Ergänzung der Bauteilschichten, den jeweiligen Modellelement der Kategorien zuordnen.

Abbildung 4 – Übersicht der vereinfachten Modellierungsarten
Abbildung 4 – Übersicht der vereinfachten Modellierungsarten.

Die folgend beschriebenen Modellierungsarten (Abbildung 4) sind nicht ausschließlich Revit spezifisch und haben aufgrund des Zielformates der IFC einen „universellen Charakter“.

Variante A – Aufbau gesamt

Systemfamilien bilden in dieser Variante (Abbildung 5) jeweils den gesamten Schichtaufbau ab. Spätestens zu Beginn der Entwurfsplanung bietet sich häufig die Trennung der Fußbodenaufbauten und der Rohdecken an. Des Weiteren ist die Kategorie Decken zur Umsetzung der Abhangdecken vorgesehen. Daher liegt der Schwerpunkt zumeist auf den aufgehenden Bauteilen.

Die Nummer des Bauteilkataloges ist in den Parameter „PP_BT-Nr“ ohne zusätzliche Anpassung mit dem Wert „203“ übertragbar.

Es handelt sich um eine bevorzugte Modellierungsart für Anwendungsfälle wie den modellbasierten ENEV-Nachweis oder Heiz- und Kühllastberechnungen im Umfeld des Energiedesigns, der Bauphysik und Gebäudetechnik. Im Zusammenhang des IFC-Exportes ist diese Art nur bedingt geeignet für Cradle to Cradle Zwecke, da Bauteilaufbauten nicht ausreichend differenziert bewert- und visualisierbar sind (Abbildung 6).

Abbildung 5 – Mehrschichtige Modellierung, Bauteilnummer des Gesamtaufbaus
Abbildung 5 – Mehrschichtige Modellierung, Bauteilnummer des Gesamtaufbaus.
Abbildung 6 – Variante A, IFC-Export in Solibri, Gesamtaufbau
Abbildung 6 – Variante A, IFC-Export in Solibri, Gesamtaufbau.

Variante B – Aufbau getrennt

Systemfamilien bilden hier (Abbildung 7) jeweils nur einen Teil des gesamten Schichtaufbaus ab.

Insbesondere der Rohbau wird separat erstellt. Alle übrigen Schichten werden sinnvoll paketiert, um eine unnötige Kleinteiligkeit des Modells zu verhindern. Das Trennen nach Kostengruppen im Kontext der Bauteil- und Mengenauswertung kann ebenfalls ausschlaggebend sein für diese Vorgehensweise.

Die Codierung des Bauteilkataloges ist in den Parameter „PP_BT-Nr“ unter Ergänzung der zusammengefassten Bauteilschichten mit dem Wert „203_1-4“ leicht übertragbar.

Dies ist eine geeignete Modellierungsart im Umfeld modellbasierter Mengen- bzw. Kostenermittlung sowie bei einer interdisziplinären Zusammenarbeit zwischen der Architektur und Tragwerksplanung. Vorteile zeigen sich auch im Rahmen der Koordinationsprüfung.

Im Zusammenhang des IFC-Exportes ist diese Modellierungsstrategie je nach Granularität geeignet für C2C Zwecke, da Bauteilaufbauten je nach Paketierung ausreichend differenziert bewertbar sind (Abbildung 8).

Abbildung 7 – Getrennte Modellierung, Bauteilnummer des Gesamtaufbaus inkl. Schichtangaben
Abbildung 7 – Getrennte Modellierung, Bauteilnummer des Gesamtaufbaus inkl. Schichtangaben.
Abbildung 8 – Variante B, IFC-Export in Solibri, Getrennter Gesamtaufbau
Abbildung 8 – Variante B, IFC-Export in Solibri, Getrennter Gesamtaufbau

Variante C – Aufbau gesamt + Teilelemente

Die dritte Möglichkeit (Abbildung 9) stellt eine Kombination der zuvor genannten Varianten dar, die Modellstruktur ist grundsätzlich identisch zu Variante A. Zusätzlich werden Teilelemente der Bauteilaufbauten erzeugt. Dies kann projektweit oder selektiv für einzelne Bauteile erfolgen.

Die Nummer der Basisbauteile gemäß Bauteilkatalog kann in den Parameter „PP_BT-Nr“ der Teilelemente unter Berücksichtigung der zugehörigen Schichtnummer z.B. anhand eines Dynamo-Skripts oder über Bauteillisten „vererbt“ werden. Hier mit dem Wert „203_1“ übergeben.

Es handelt sich in erster Linie um eine ergänzende Variante, die speziell ausgewählte Bauteilaufbauten auf Schichtebene differenzierter auswert- und beurteilbar macht.

Interessant ist im Zusammenhang des IFC-Exportes die Freiheit, sowohl das Basisbauteil der jeweiligen Kategorie bzw. Entität, als auch die zu diesem in Beziehung stehenden Einzelschichten in Form von Gebäudekomponententeilen, auszuwerten zu können (Abbildung 10).

Die notwendigen Konfigurationsschritte zur Umsetzung dieses Mischkonzeptes werden im folgenden Abschnitt ausführlicher beschrieben.

Abbildung 9 – Teilelemente, Bauteilnummer des Gesamtaufbaus mit Schichtangabe
Abbildung 9 – Teilelemente, Bauteilnummer des Gesamtaufbaus mit Schichtangabe.
Abbildung 10 – Variante C, IFC-Export in Solibri, Teilelemente als Gebäudekomponententeile des Gesamtaufbaus
Abbildung 10 – Variante C, IFC-Export in Solibri, Teilelemente als Gebäudekomponententeile des Gesamtaufbaus.

Alternative Vorgehensweisen

Der Bauteilkatalog kann in Revit direkt über den Schichtaufbau des jeweiligen Bauteiltyps, den zugeordneten Materialien sowie deren thermischen Eigenschaften abgebildet werden.

Dieses Vorgehen kann je nach Ausdifferenzierung und Granularität des Bauteilkataloges einen erhöhten Bearbeitungs- bzw. Anpassungsaufwand nach sich ziehen. Dieser sollte daher von den Projektbeteiligten unbedingt hinsichtlich des Aufwand-Nutzen-Verhältnisses abgewogen werden.

Unabhängig von einer projektbezogenen Implementierung eines Bauteilkataloges ist eine solche Standardisierung im Unternehmenskontext in jedem Falle empfehlenswert. Gleiches gilt für die Verwendung von Codierungsparameter wie dem Systemparameter „Baugruppenkennzeichen“.

Maßgebliche Einflussfaktoren zur Umsetzungstiefe sind Projektkonstellation, angewandte Standards oder Vorgaben und die Planungsphase bzw. der Implementierungszeitpunkt.

2. Revit: IFC-Exporteinstellungen konfigurieren

Nach Integration der Bauteilnummer in Abhängigkeit zur eingesetzten Modellierungsstrategie sollen Modelldaten im IFC-Format ausgetauscht werden. Die Abbildungen zeigen Modelldaten, die nach Variante B getrennt modelliert wurden.

Für den hier beschriebenen Anwendungsfall ist nicht ausschließlich die korrekte Übertragung der Geometrie, sondern auch der hinterlegten Parameter ausschlaggebend.

Wesentlich ist die Codierung und die notwendige Leitmenge je Kategorie bzw. Entität im Rahmen der folgenden Verarbeitungsschritte im Solibri Model Checker - oder einer vergleichbaren Applikation.

Die vielfältigen IFC-Exporter Konfigurationsmöglichkeiten sind ausführlich im „Revit IFC Handbuch“ beschrieben und werden daher nicht vollumfänglich beleuchtet. Die folgend gezeigte Herangehensweise ermöglicht eine pragmatische Lösung, um geordnete und auf das Wesentliche reduzierte Daten zu übergeben.

Konfiguration

Eigenschaftensätze über Revit Bauteillisten

Je Kategorie werden dazu Revit Bauteillisten genutzt. Diese enthalten Angaben zur Lage, dem Elementtyp, der Bauteilnummer und den erforderlichen Mengen. Die Parameternamen sind in den Spaltenköpfen optional mit einer fortlaufenden Nummer ergänzt (Abbildung 11). Auf diese Weise lässt sich nach Export innerhalb der IFC die zuvor gezeigte, klare Reihenfolge der Eigenschaften bzw. Properties innerhalb eines benannten Propertysets des Elements integrieren.

Abbildung 11 – Bauteillisten mit Vorkürzel Pset_ und nummerierten Spaltenköpfen, Variante B
Abbildung 11 – Bauteillisten mit Vorkürzel Pset_ und nummerierten Spaltenköpfen, Variante B.

Die Bauteillisten werden mit dem Vorkürzel „Pset_“ versehen, um anhand der entsprechenden Exportoption nur diese Listen als Propertysets in die IFC zu übertragen (Abbildung 12).

Abbildung 12 – Exporter Einstellungen zur Übergabe der Bauteillisten als Propertyset
Abbildung 12 – Exporter Einstellungen zur Übergabe der Bauteillisten als Propertyset.

Zusätzlich werden die „BaseQuantities“ im Sinne der Leitmengen für die jeweilige Kategorie bzw. Entität zu Prüfzwecken übergeben. Das Resultat ist eine reduzierte und geordnete Übergabe der erforderlichen Bauteilinformationen.

Integration einer übergeordneten Klassifikation

Da der Bauteilnummer in diesem Arbeitsablauf eine übergeordnete Bedeutung zukommt kann es sinnvoll sein, diese im Zuge des Exportes als Klassifikation nach Vorbild der DIN 276 oder Uniformat-Classification zu behandeln. Über die Einstellungen des IFC-Exportes kann auf einen beliebigen Parameter verwiesen werden, der direkt in die IFC-Datei übertragen wird (Abbildung 13 / Abbildung 14).

Dieses Vorgehen erleichtert vielfach die Weiterverwendung durch weitere Projektbeteiligte und ist insbesondere empfehlenswert im Zuge mengenbezogener Anwendungsfälle.

Nach Umsetzung der beschriebenen Konfigurationsschritte sind die exportierten Modelldaten im IFC-Format nun bereit zur Weitergabe an die anderen Projektbeteiligten zum Zweck der Auswertung.

Abbildung 13 – Exporter Einstellungen zur Übergabe einer Klassifikation anhand eines Parameters
Abbildung 13 – Exporter Einstellungen zur Übergabe einer Klassifikation anhand eines Parameters.
Abbildung 14 – Klassifikation in Solibri, Quelle IFC
Abbildung 14 – Klassifikation in Solibri, Quelle IFC.

Alternative Vorgehensweise

Alternativ lässt sich der gesamte Informationsgehalt aller exportierten Bauteile übergeben (Abbildung 15).

Die Parametergruppen werden hierbei in Propertysets übersetzt und alle Parameter mit vergebenen Werten übertragen.

Zum einen resultiert dieser Ansatz in längeren Exportzeiten, einer erhöhten Dateigröße und kann gegebenenfalls die Weiterverarbeitung durch nachfolgende Projektbeteiligte aufgrund der Informationsmenge erschweren.

Zum anderen wird gewährleistet, dass die Informationsübergabe möglichst verlustfrei erfolgt.

Parameter ohne vergebenen Wert werden nicht in die IFC übertragen. Sollten Propertysets keine Eigenschaften bzw. Properties mit Wert enthalten entfällt folgerichtig das Propertyset selbst.

Abbildung 15 – Exporter Einstellungen zur Übergabe aller Revit Eigenschaften
Abbildung 15 – Exporter Einstellungen zur Übergabe aller Revit Eigenschaften.

Export der Variante C inkl. Gebäudekomponententeilen

Um die in Variante C gezeigten Teilelemente im Rahmen des IFC-Exportes zu übertragen werden die notwendigen Einstellungen in diesem Abschnitt detaillierter beschrieben.

Zuerst sollte in Revit über die Ansichtseigenschaften der gewünschten 3D-Ansicht zum Export im Bereich „Grafiken“ die Option „Teilelemente anzeigen“ für „Sichtbarkeit der Teilelemente“ gewählt werden (Abbildung 16).

Abbildung 16 – Variante C, 3D-Ansichtseinstellung zur Sichtbartkeit der Teilemente
Abbildung 16 – Variante C, 3D-Ansichtseinstellung zur Sichtbartkeit der Teilemente.

Im darauffolgenden Schritt des Exportes ist in den Einstellungen des IFC-Exporters über „Einrichtung ändern“ im Reiter „Zusätzliche Inhalte“ die Option „Nur in der Ansicht sichtbare Elemente exportieren“ zu aktivieren. Auf diese Art wird gewährleistet, dass die Originalelemente als Container und die Teilelemente als zugeordnete Gebäudekomponententeile übertragen werden (Abbildung 17).

Abbildung 17 – Exporter Einstellungen zur Übergabe nur in der Ansicht sichtbarer Elemente
Abbildung 17 – Exporter Einstellungen zur Übergabe nur in der Ansicht sichtbarer Elemente.

Sowohl die Container als auch die Gebäudekomponententeile enthalten je nach gewählter Exportkonfiguration alle ihnen zugehörigen Properties. Hier bietet sich unter anderem die zuvor beschrieben Variante der Übergabe aller Revit Eigenschaften an.

3. Solibri: Bearbeitung der Modelldaten

Nun folgt die Weiterverarbeitung der vorkonfigurierten IFC-Modelldaten in einem angeschlossenen Programm zu Koordinationszwecken.

In dem hier beschrieben Softwareumfeld kommt der Solibri Model Checker zu Einsatz, eine Software mit dem Schwerpunkt auf regelbasierter Qualitätskontrolle digitaler Gebäudemodelle im IFC-Format.

Um die nachfolgend beschriebenen Programmfunktionen der Klassifikationen und Auswertung nutzen zu können wird eine Solibri Site oder Office Lizenz benötigt. Zur Umsetzung des Workflows im ausschnittsweise gezeigten Projektes „The Cradle“ wurde Solibri Office genutzt.

Die Modelldaten des planenden Architekten HPP wurden mithilfe von Revit 2018 erzeugt.

Umsetzung

Klassifikation

Zunächst soll das Architekturmodell und die in diesem enthaltenen Elemente nach Vorgabe des Bauteilkataloges ausgewertet werden. Die so gegliederten Modellelemente und Mengen ermöglichen den Bezug zu „conpact“, den dort hinterlegten Ökobilanz-Daten und Cradle to Cradle Bewertungskriterien, welche zur Analyse und Bewertung des Projektes notwendig sind.

Die Grundlage dazu bilden in diesem Beispiel abgestimmte Bauteilparameter nach dem Vorbild der zuvor beschriebenen Exportkonfiguration anhand von Revit-Bauteillisten je Kategorie (Abbildung 18).

Abbildung 18 – The Cradle IFC-Modell in Solibri, abgestimmte Propertysets inkl. Bauteilcodierung
Abbildung 18 – The Cradle IFC-Modell in Solibri, abgestimmte Propertysets inkl. Bauteilcodierung.

Nach Öffnen des Modells in Solibri Office werden die Modellelemente anhand der Programmfunktion „Klassifikation“ geordnet und sortiert. Genutzt wird hier eine Hauptklassifikation „KL_BTK-NR.“ zur übergeordneten Einordnung der Elemente.

Im Bereich der Klassifizierungsregeln wird im Modell der Architektur nach dem Revit-Parameter „BT-Nr.“ im jeweiligen Propertyset gefiltert. Das Ergebnis wird der vorgegebenen Codierung aus dem „conpact“ - Bauteilkatalog zugeordnet (Abbildung 19 / Abbildung 20).

Abbildung 19 – Solibri Funktion Klassifkation, Klassifikationsnamen und Regeln am Beispiel 913.2s
Abbildung 19 – Solibri Funktion Klassifkation, Klassifikationsnamen und Regeln am Beispiel 913.2s.
Abbildung 20 – The Cradle IFC-Modell in Solibri, klassifizierte Elemente in 913.2s
Abbildung 20 – The Cradle IFC-Modell in Solibri, klassifizierte Elemente in 913.2s.

Auswertung

Die nun sortierten Modellinhalte werden mittels der Programmfunktion „Auswertung“, welche mit Revit Bauteillisten vergleichbar ist, ausgewertet (Abbildung 21).

Der Export der Auswertung erfolgt im Excel-Format und enthält alle notwendigen Bauteilmengen, gegliedert nach Bauteilnummer.

Abbildung 21 – Solibri Funktion Auswertung, Auswertung nach KL_BTK-NR und KL_Leitmenge
Abbildung 21 – Solibri Funktion Auswertung, Auswertung nach KL_BTK-NR und KL_Leitmenge.

Hinweis

Sofern keine Codierungsparameter im Modell hinterlegt sind kann aufgrund der Mehrstufigkeit der Klassifizierungsregeln nach Kombinationen aus unterschiedlichsten Elementeigenschaften gefiltert werden.

Daher eigenen sich Klassifikationen besonders für den Aufbau von Standards. Sie bieten die Möglichkeit, variierende Datenstrukturen mit relativ geringem Aufwand in eine vorgegebene Zielstruktur zu überführen.

4. Solibri: Auswertung der Modelldaten

Im vorletzten Schritt wird der Bezug zum „conpact“-Bauteilkatalog hergestellt. Die gegliederten Mengenexporte werden genutzt, um das „Global Warming Potential“ GWP bzw. den CO2- Fußabdruck jedes ausgewerteten Modellelementes zu berechnen.

Diese Berechnung dient der Einordnung und Visualisierung der Bauteile je folgend genanntem Cradle to Cradle Bewertungskriterium (Abbildung 22):

  • CO2-Fußabdruck (KL_C2C_CO2)

  • Gesundheit (KL_C2C_Dismount)

  • Flexibilität (KL_C2C_Health)

  • Recyclingfähigkeit  (KL_C2C_Rec)

  • Trennbarkeit (KL_C2C_Sep)

Abbildung 22 – Übersicht der Solibri Klassifikationen nach Bewertungskriterium und Klassifkationsnamen
Abbildung 22 – Übersicht der Solibri Klassifikationen nach Bewertungskriterium und Klassifkationsnamen.

Hierbei ist die gewählte Modellierungsstrategie erneut maßgeblich, um eine möglichst dezidierte Beurteilung der Planung zu ermöglichen.

Ergebnisse
Building Circularity Passport / Dashboards

Die ausgewerteten Modelldaten dienen als Datengrundlage für den Building Circularity Passport (Abbildung 23 / Abbildung 24), welcher mit Microsoft Power BI erstellt wird. Dieser bietet einen direkten und für alle Beteiligten leicht verständlichen, graphischen Überblick über die Qualitäten und die Kreislauffähigkeit des Gebäudes.

Abbildung 23 – Auszug der Building Circularity Passport® Inhalte
Abbildung 23 – Auszug der Building Circularity Passport Inhalte.

Solibri Klassifikationen / Visualisierung

Die Solibri Klassifikationen (Abbildung 22, Abbildung 25 / Abbildung 26) heben die fünf Cradle to Cradle Bewertungskriterien farblich hervor. Die Berechnungsergebnisse werden über Excel und VBA-Scripte anhand eines Excel-Templates zurück in Solibri in die verschiedenen Sub- Klassifikationen importiert, um diese abschließend zu visualisieren und Optimierungspotenziale so bis auf Modellelementebene verständlich zu transportieren (Abbildung 27).

Abbildung 25 – Gesamtmodell (links), Klassifikation KL_C2C_CO2 (rechts)
Abbildung 25 – Gesamtmodell (links), Klassifikation KL_C2C_CO2 (rechts).
Abbildung 26 – Klassifikation KL_C2C_Rec: Re- & Upcyling (links), Downcycling (rechts)
Abbildung 26 – Klassifikation KL_C2C_Rec: Re- & Upcyling (links), Downcycling (rechts).
Abbildung 27 – Solibri Funktion Auswertung, finale Bewertung nach Reimport Klassifikationen
Abbildung 27 – Solibri Funktion Auswertung, finale Bewertung nach Reimport Klassifikationen.

Die Ergebnisse können im nativen Format des Solibri Model Checkers weitergegeben und mit Solibri Anywhere, vergleichbar mit Navisworks Freedom, geöffnet werden.

Fazit

Durch die Integration und Pflege weniger Parameterinformationen im Kontext eines bauphysikalischen Bauteilkataloges des jeweiligen Projektes lassen sich auf Grundlage von IFC- Modellen alle wesentlichen Fragen zur Kreislauffähigkeit beantworten – und das mit überschaubarem Aufwand. Einmal implementiert eignet sich die beschriebene Vorgehensweise, um die komplexen Zusammenhänge des Themas Cradle to Cradle modellbezogen für alle fortlaufend verständlich zu machen.

Die Kommunikation mit allen Beteiligten wird vereinfacht und Optimierungspotentiale so besser wahrgenommen für die Gebäude von morgen.

Nächste Schritte

Gewonnen Erkenntnisse können anhand des BIM Collaboration Format (BCF) mit Modellbezug innerhalb der Teams weitergegeben werden und erleichtern somit den Arbeitsprozess. Abschließend ermöglicht die Verwendung von Hyperlinks den Bezug zu externen Datenquellen – wie z.B. dem hier genutzten „conpact“ – Bauteilkatalog.

Moritz Mombour ist seit über 10 Jahren in der Planung und Beratung im Bereich der Baubranche tätig. Bereits im Rahmen seines Architekturstudium an der Technischen Universität Braunschweig und dem anschließenden postgradualen Masterstudium an der Universität für Angewandte Kunst in Wien beschäftigte er sich intensiv mit digitalen Entwurfsmethoden unter Verwendung verschiedener Autodesk-Lösungen. Seinen beruflichen Werdegang begann er 2012 bei der Nickl & Partner Architekten AG, einem international tätigen Planungsbüro mit Schwerpunkt Krankenhaus- und Laborplanung. Hier war er im Bereich der BIM-Prozess- und Standardentwicklung tätig. Im Anschluss hat er in seiner Funktion als Leiter des operativen Beratungsteams der BIMwelt GmbH verschiedene Planungsbüros und Auftraggeber in der D-A-CH Region bei der Umsetzung der Planungsmethode BIM unterstützt. Seit 2019 ist er bei Drees & Sommer im Unternehmensbereich Integrated Design als Leiter digitale Planungsmethoden für die Entwicklung- und Umsetzung interdisziplinärer Workflows in allen Planungsphasen unter Verwendung der Autodesk AEC Collection zuständig. Neben seinem Engagement für den buildingSMART hat er für verschiedene Softwarehersteller Vorträge zu Anwendungs und Implementierungsthemen gehalten und ist Lehrbeauftragter für CAD/BIM an der TU Braunschweig. Seine Hauptthemen sind disziplinübergreifende Standard und Templateentwicklung, modellbasierte Koordination und Auswertung im Open BIM Kontext. Der aktuelle Fokus des Integrated Design Teams liegt auf modularer Planung und der modellbasierten Integration des Cradle 2 Cradle Designprinzips.

Pascal Keppler ist Berater für Circular Engineering bei EPEA und leitet dort die digitale Innovation. Er ist studierter Umweltschutztechniker und seit 2016 für die Drees & Sommer-Gruppe tätig.

______
icon-svg-close-thick

Préférences en matière de cookies

Votre confidentialité est primordiale pour Autodesk et nous mettons tout en oeuvre pour vous garantir la meilleure expérience possible. Pour nous aider à personnaliser les informations que vous recevrez et à créer des applications, nous collectons des données sur votre utilisation de ce site.

Nous autorisez-vous à collecter et à utiliser vos données ?

En savoir plus sur les services tiers que nous utilisons et sur notre Déclaration de confidentialité.

Cookies indispensables au fonctionnement de notre site et à la fourniture de nos services

Ces cookies nous permettent d'enregistrer vos préférences ou vos informations de connexion, de répondre à vos demandes ou de traiter les achats de votre panier.

Cookies visant à améliorer votre expérience grâce à l'affichage de contenu pertinent

Ces cookies nous permettent d'améliorer les fonctionnalités et la personnalisation. Ils sont configurés par Autodesk ou par des fournisseurs tiers auxquels nous faisons appel afin de vous proposer une expérience et des informations adaptées à vos besoins.Si vous n'autorisez pas l'utilisation de ces cookies, certains ou l'ensemble des services risquent d'être indisponibles.

Personnalisation des publicités à des fins de ciblage

Ces cookies collectent des données vous concernant, en fonction de vos activités et de vos centres d'intérêt, afin d'afficher des publicités pertinentes et d'en évaluer l'utilité. Grâce aux données collectées, ces publicités seront davantage ciblées. Si vous n'autorisez pas les cookies, elles seront moins pertinentes.

icon-svg-close-thick

SERVICES TIERS

Découvrez les services tiers que nous utilisons pour chaque catégorie et la façon dont nous exploitons les données que nous collectons sur vous en ligne.

icon-svg-hide-thick

icon-svg-show-thick

Cookies indispensables au fonctionnement de notre site et à la fourniture de nos services

Qualtrics
Nous faisons appel à Qualtrics pour que vous puissiez nous faire part de vos commentaires par le biais d'enquêtes et de formulaires en ligne. Vous êtes susceptible d'être sélectionné au hasard pour participer à une enquête. Vous pouvez aussi nous faire directement part de vos commentaires. Nous collectons des données afin de connaître les actions que vous avez effectuées avant de participer à une enquête. Cela nous aide à résoudre les éventuels problèmes. Politique de confidentialité de Qualtrics
Akamai mPulse
Nous faisons appel à Akamai mPulse pour collecter des données comportementales sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP, d'ID d'appareil et d'ID Autodesk. Ces données nous permettent de mesurer les performances de nos sites et d'évaluer la qualité de votre expérience en ligne afin d'améliorer les fonctionnalités que nous proposons. Grâce à des méthodes d'analytique avancées, nous optimisons également votre expérience dans les domaines suivants : communication par e-mail, assistance client et ventes. Politique de confidentialité de Akamai mPulse
Digital River
Nous faisons appel à Digital River pour collecter des données comportementales sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP, d'ID d'appareil et d'ID Autodesk. Ces données nous permettent de mesurer les performances de nos sites et d'évaluer la qualité de votre expérience en ligne afin d'améliorer les fonctionnalités que nous proposons. Grâce à des méthodes d'analytique avancées, nous optimisons également votre expérience dans les domaines suivants : communication par e-mail, assistance client et ventes. Politique de confidentialité de Digital River
Dynatrace
Nous faisons appel à Dynatrace pour collecter des données comportementales sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP, d'ID d'appareil et d'ID Autodesk. Ces données nous permettent de mesurer les performances de nos sites et d'évaluer la qualité de votre expérience en ligne afin d'améliorer les fonctionnalités que nous proposons. Grâce à des méthodes d'analytique avancées, nous optimisons également votre expérience dans les domaines suivants : communication par e-mail, assistance client et ventes. Politique de confidentialité de Dynatrace
Khoros
Nous faisons appel à Khoros pour collecter des données comportementales sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP, d'ID d'appareil et d'ID Autodesk. Ces données nous permettent de mesurer les performances de nos sites et d'évaluer la qualité de votre expérience en ligne afin d'améliorer les fonctionnalités que nous proposons. Grâce à des méthodes d'analytique avancées, nous optimisons également votre expérience dans les domaines suivants : communication par e-mail, assistance client et ventes. Politique de confidentialité de Khoros
Launch Darkly
Nous faisons appel à Launch Darkly pour collecter des données comportementales sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP, d'ID d'appareil et d'ID Autodesk. Ces données nous permettent de mesurer les performances de nos sites et d'évaluer la qualité de votre expérience en ligne afin d'améliorer les fonctionnalités que nous proposons. Grâce à des méthodes d'analytique avancées, nous optimisons également votre expérience dans les domaines suivants : communication par e-mail, assistance client et ventes. Politique de confidentialité de Launch Darkly
New Relic
Nous faisons appel à New Relic pour collecter des données comportementales sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP, d'ID d'appareil et d'ID Autodesk. Ces données nous permettent de mesurer les performances de nos sites et d'évaluer la qualité de votre expérience en ligne afin d'améliorer les fonctionnalités que nous proposons. Grâce à des méthodes d'analytique avancées, nous optimisons également votre expérience dans les domaines suivants : communication par e-mail, assistance client et ventes. Politique de confidentialité de New Relic
Salesforce Live Agent
Nous faisons appel à Salesforce Live Agent pour collecter des données comportementales sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP, d'ID d'appareil et d'ID Autodesk. Ces données nous permettent de mesurer les performances de nos sites et d'évaluer la qualité de votre expérience en ligne afin d'améliorer les fonctionnalités que nous proposons. Grâce à des méthodes d'analytique avancées, nous optimisons également votre expérience dans les domaines suivants : communication par e-mail, assistance client et ventes. Politique de confidentialité de Salesforce Live Agent
Wistia
Nous faisons appel à Wistia pour collecter des données comportementales sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP, d'ID d'appareil et d'ID Autodesk. Ces données nous permettent de mesurer les performances de nos sites et d'évaluer la qualité de votre expérience en ligne afin d'améliorer les fonctionnalités que nous proposons. Grâce à des méthodes d'analytique avancées, nous optimisons également votre expérience dans les domaines suivants : communication par e-mail, assistance client et ventes. Politique de confidentialité de Wistia
Tealium
Nous faisons appel à Tealium pour collecter des données comportementales sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces données nous permettent de mesurer les performances de nos sites et d'évaluer la qualité de votre expérience en ligne afin d'améliorer les fonctionnalités que nous proposons. Grâce à des méthodes d'analytique avancées, nous optimisons également votre expérience dans les domaines suivants : communication par e-mail, assistance client et ventes. Politique de confidentialité de Tealium
Upsellit
Nous faisons appel à Upsellit pour collecter des données comportementales sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces données nous permettent de mesurer les performances de nos sites et d'évaluer la qualité de votre expérience en ligne afin d'améliorer les fonctionnalités que nous proposons. Grâce à des méthodes d'analytique avancées, nous optimisons également votre expérience dans les domaines suivants : communication par e-mail, assistance client et ventes. Politique de confidentialité de Upsellit
CJ Affiliates
Nous faisons appel à CJ Affiliates pour collecter des données comportementales sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces données nous permettent de mesurer les performances de nos sites et d'évaluer la qualité de votre expérience en ligne afin d'améliorer les fonctionnalités que nous proposons. Grâce à des méthodes d'analytique avancées, nous optimisons également votre expérience dans les domaines suivants : communication par e-mail, assistance client et ventes. Politique de confidentialité de CJ Affiliates
Commission Factory
Nous faisons appel à Commission Factory pour collecter des données comportementales sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces données nous permettent de mesurer les performances de nos sites et d'évaluer la qualité de votre expérience en ligne afin d'améliorer les fonctionnalités que nous proposons. Grâce à des méthodes d'analytique avancées, nous optimisons également votre expérience dans les domaines suivants : communication par e-mail, assistance client et ventes. Politique de confidentialité de Commission Factory
Google Analytics (Strictly Necessary)
Nous faisons appel à Google Analytics (Strictly Necessary) pour collecter des données comportementales sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP, d'ID d'appareil et d'ID Autodesk. Ces données nous permettent de mesurer les performances de nos sites et d'évaluer la qualité de votre expérience en ligne afin d'améliorer les fonctionnalités que nous proposons. Grâce à des méthodes d'analytique avancées, nous optimisons également votre expérience dans les domaines suivants : communication par e-mail, assistance client et ventes. Politique de confidentialité de Google Analytics (Strictly Necessary)
Typepad Stats
Nous faisons appel à Typepad Stats pour collecter des données comportementales sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP, d'ID d'appareil et d'ID Autodesk. Ces données nous permettent de mesurer les performances de nos sites et d'évaluer la qualité de votre expérience en ligne afin d'améliorer les fonctionnalités que nous proposons. Grâce à des méthodes d'analytique avancées, nous optimisons également votre expérience dans les domaines suivants : communication par e-mail, assistance client et ventes. Politique de confidentialité de Typepad Stats
Geo Targetly
Geo Targetly nous permet de rediriger les visiteurs de notre site vers la page appropriée et/ou de leur proposer un contenu adapté à leur emplacement géographique. Geo Targetly se sert de l’adresse IP des visiteurs du site pour déterminer approximativement la localisation de leur appareil. Cela permet de s'assurer que les visiteurs ont accès à un contenu dans ce que nous évaluons être la bonne langue.Politique de confidentialité de Geo Targetly
SpeedCurve
Nous utilisons SpeedCurve pour contrôler et mesurer les performances de notre site Web à l’aide de mesures du temps de chargement de nos pages Web et de la réactivité des éléments successifs tels que les images, les scripts et le texte.Politique de confidentialité de SpeedCurve
Qualified
Qualified is the Autodesk Live Chat agent platform. This platform provides services to allow our customers to communicate in real-time with Autodesk support. We may collect unique ID for specific browser sessions during a chat. Qualified Privacy Policy

icon-svg-hide-thick

icon-svg-show-thick

Cookies visant à améliorer votre expérience grâce à l'affichage de contenu pertinent

Google Optimize
Nous faisons appel à Google Optimize afin de tester les nouvelles fonctionnalités de nos sites et de personnaliser votre expérience. Pour ce faire, nous collectons des données comportementales lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP, d'ID d'appareil, d'ID Autodesk, etc. La version de nos sites peut varier en fonction des tests de fonctionnalités. Le contenu, quant à lui, peut être personnalisé en fonction de vos attributs de visiteur. Politique de confidentialité de Google Optimize
ClickTale
Nous faisons appel à ClickTale pour mieux identifier les difficultés que vous pouvez rencontrer sur nos sites. L'enregistrement des sessions nous permet de savoir comment vous interagissez envers nos sites, notamment envers les éléments de nos pages. Vos informations personnellement identifiables sont masquées et ne sont pas collectées. Politique de confidentialité de ClickTale
OneSignal
Nous faisons appel à OneSignal pour afficher des publicités numériques sur les sites pris en charge par OneSignal. Les publicités sont basées à la fois sur les données de OneSignal et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que OneSignal a collectées sur vous. Les données que nous fournissons à OneSignal nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de OneSignal
Optimizely
Nous faisons appel à Optimizely afin de tester les nouvelles fonctionnalités de nos sites et de personnaliser votre expérience. Pour ce faire, nous collectons des données comportementales lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP, d'ID d'appareil, d'ID Autodesk, etc. La version de nos sites peut varier en fonction des tests de fonctionnalités. Le contenu, quant à lui, peut être personnalisé en fonction de vos attributs de visiteur. Politique de confidentialité de Optimizely
Amplitude
Nous faisons appel à Amplitude afin de tester les nouvelles fonctionnalités de nos sites et de personnaliser votre expérience. Pour ce faire, nous collectons des données comportementales lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP, d'ID d'appareil, d'ID Autodesk, etc. La version de nos sites peut varier en fonction des tests de fonctionnalités. Le contenu, quant à lui, peut être personnalisé en fonction de vos attributs de visiteur. Politique de confidentialité de Amplitude
Snowplow
Nous faisons appel à Snowplow pour collecter des données comportementales sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP, d'ID d'appareil et d'ID Autodesk. Ces données nous permettent de mesurer les performances de nos sites et d'évaluer la qualité de votre expérience en ligne afin d'améliorer les fonctionnalités que nous proposons. Grâce à des méthodes d'analytique avancées, nous optimisons également votre expérience dans les domaines suivants : communication par e-mail, assistance client et ventes. Politique de confidentialité de Snowplow
UserVoice
Nous faisons appel à UserVoice pour collecter des données comportementales sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP, d'ID d'appareil et d'ID Autodesk. Ces données nous permettent de mesurer les performances de nos sites et d'évaluer la qualité de votre expérience en ligne afin d'améliorer les fonctionnalités que nous proposons. Grâce à des méthodes d'analytique avancées, nous optimisons également votre expérience dans les domaines suivants : communication par e-mail, assistance client et ventes. Politique de confidentialité de UserVoice
Clearbit
Clearbit autorise les données d’enrichissement en temps réel afin de fournir une expérience personnalisée et pertinente à ses clients. Les données que nous collectons peuvent inclure les pages que vous avez consultées, les versions d’évaluation que vous avez lancées, les vidéos que vous avez visionnées, les achats que vous avez réalisés, ainsi que votre adresse IP ou l’ID de votre appareil.Politique de confidentialité de Clearbit
YouTube
YouTube est une plate-forme de partage de vidéos qui permet aux utilisateurs de visionner et de partager des vidéos qui sont intégrées à nos sites Web. YouTube fournit des indicateurs sur les performances des vidéos. Politique de confidentialité de YouTube

icon-svg-hide-thick

icon-svg-show-thick

Personnalisation des publicités à des fins de ciblage

Adobe Analytics
Nous faisons appel à Adobe Analytics pour collecter des données comportementales sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP, d'ID d'appareil et d'ID Autodesk. Ces données nous permettent de mesurer les performances de nos sites et d'évaluer la qualité de votre expérience en ligne afin d'améliorer les fonctionnalités que nous proposons. Grâce à des méthodes d'analytique avancées, nous optimisons également votre expérience dans les domaines suivants : communication par e-mail, assistance client et ventes. Politique de confidentialité de Adobe Analytics
Google Analytics (Web Analytics)
Nous faisons appel à Google Analytics (Web Analytics) pour collecter des données comportementales sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces données nous permettent de mesurer les performances de nos sites et d'évaluer la qualité de votre expérience en ligne afin d'améliorer les fonctionnalités que nous proposons. Grâce à des méthodes d'analytique avancées, nous optimisons également votre expérience dans les domaines suivants : communication par e-mail, assistance client et ventes. Politique de confidentialité de Google Analytics (Web Analytics)
AdWords
Nous faisons appel à AdWords pour afficher des publicités numériques sur les sites pris en charge par AdWords. Les publicités sont basées à la fois sur les données de AdWords et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que AdWords a collectées sur vous. Les données que nous fournissons à AdWords nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de AdWords
Marketo
Nous faisons appel à Marketo pour vous envoyer des e-mails dont le contenu est ciblé. Pour ce faire, nous collectons des données concernant votre comportement en ligne et votre interaction envers les e-mails que nous envoyons. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP, d'ID d'appareil, de taux d'ouverture des e-mails, de clics sur des liens, etc. Nous sommes susceptibles d'utiliser ces données en combinaison envers celles obtenues auprès d'autres sources pour vous offrir des expériences améliorées en matière de ventes ou de service clientèle, ainsi que du contenu pertinent basé sur un traitement analytique avancé. Politique de confidentialité de Marketo
Doubleclick
Nous faisons appel à Doubleclick pour afficher des publicités numériques sur les sites pris en charge par Doubleclick. Les publicités sont basées à la fois sur les données de Doubleclick et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que Doubleclick a collectées sur vous. Les données que nous fournissons à Doubleclick nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de Doubleclick
HubSpot
Nous faisons appel à HubSpot pour vous envoyer des e-mails dont le contenu est ciblé. Pour ce faire, nous collectons des données concernant votre comportement en ligne et votre interaction envers les e-mails que nous envoyons. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP, d'ID d'appareil, de taux d'ouverture des e-mails, de clics sur des liens, etc. Politique de confidentialité de HubSpot
Twitter
Nous faisons appel à Twitter pour afficher des publicités numériques sur les sites pris en charge par Twitter. Les publicités sont basées à la fois sur les données de Twitter et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que Twitter a collectées sur vous. Les données que nous fournissons à Twitter nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de Twitter
Facebook
Nous faisons appel à Facebook pour afficher des publicités numériques sur les sites pris en charge par Facebook. Les publicités sont basées à la fois sur les données de Facebook et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que Facebook a collectées sur vous. Les données que nous fournissons à Facebook nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de Facebook
LinkedIn
Nous faisons appel à LinkedIn pour afficher des publicités numériques sur les sites pris en charge par LinkedIn. Les publicités sont basées à la fois sur les données de LinkedIn et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que LinkedIn a collectées sur vous. Les données que nous fournissons à LinkedIn nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de LinkedIn
Yahoo! Japan
Nous faisons appel à Yahoo! Japan pour afficher des publicités numériques sur les sites pris en charge par Yahoo! Japan. Les publicités sont basées à la fois sur les données de Yahoo! Japan et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que Yahoo! Japan a collectées sur vous. Les données que nous fournissons à Yahoo! Japan nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de Yahoo! Japan
Naver
Nous faisons appel à Naver pour afficher des publicités numériques sur les sites pris en charge par Naver. Les publicités sont basées à la fois sur les données de Naver et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que Naver a collectées sur vous. Les données que nous fournissons à Naver nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de Naver
Quantcast
Nous faisons appel à Quantcast pour afficher des publicités numériques sur les sites pris en charge par Quantcast. Les publicités sont basées à la fois sur les données de Quantcast et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que Quantcast a collectées sur vous. Les données que nous fournissons à Quantcast nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de Quantcast
Call Tracking
Nous faisons appel à Call Tracking pour fournir des numéros de téléphone personnalisés dans le cadre de nos campagnes. Vous pouvez ainsi contacter nos agents plus rapidement et nous pouvons évaluer nos performances plus précisément. Nous sommes susceptibles de collecter des données sur votre utilisation de nos sites en fonction du numéro de téléphone fourni. Politique de confidentialité de Call Tracking
Wunderkind
Nous faisons appel à Wunderkind pour afficher des publicités numériques sur les sites pris en charge par Wunderkind. Les publicités sont basées à la fois sur les données de Wunderkind et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que Wunderkind a collectées sur vous. Les données que nous fournissons à Wunderkind nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de Wunderkind
ADC Media
Nous faisons appel à ADC Media pour afficher des publicités numériques sur les sites pris en charge par ADC Media. Les publicités sont basées à la fois sur les données de ADC Media et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que ADC Media a collectées sur vous. Les données que nous fournissons à ADC Media nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de ADC Media
AgrantSEM
Nous faisons appel à AgrantSEM pour afficher des publicités numériques sur les sites pris en charge par AgrantSEM. Les publicités sont basées à la fois sur les données de AgrantSEM et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que AgrantSEM a collectées sur vous. Les données que nous fournissons à AgrantSEM nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de AgrantSEM
Bidtellect
Nous faisons appel à Bidtellect pour afficher des publicités numériques sur les sites pris en charge par Bidtellect. Les publicités sont basées à la fois sur les données de Bidtellect et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que Bidtellect a collectées sur vous. Les données que nous fournissons à Bidtellect nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de Bidtellect
Bing
Nous faisons appel à Bing pour afficher des publicités numériques sur les sites pris en charge par Bing. Les publicités sont basées à la fois sur les données de Bing et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que Bing a collectées sur vous. Les données que nous fournissons à Bing nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de Bing
G2Crowd
Nous faisons appel à G2Crowd pour afficher des publicités numériques sur les sites pris en charge par G2Crowd. Les publicités sont basées à la fois sur les données de G2Crowd et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que G2Crowd a collectées sur vous. Les données que nous fournissons à G2Crowd nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de G2Crowd
NMPI Display
Nous faisons appel à NMPI Display pour afficher des publicités numériques sur les sites pris en charge par NMPI Display. Les publicités sont basées à la fois sur les données de NMPI Display et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que NMPI Display a collectées sur vous. Les données que nous fournissons à NMPI Display nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de NMPI Display
VK
Nous faisons appel à VK pour afficher des publicités numériques sur les sites pris en charge par VK. Les publicités sont basées à la fois sur les données de VK et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que VK a collectées sur vous. Les données que nous fournissons à VK nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de VK
Adobe Target
Nous faisons appel à Adobe Target afin de tester les nouvelles fonctionnalités de nos sites et de personnaliser votre expérience. Pour ce faire, nous collectons des données comportementales lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP, d'ID d'appareil, d'ID Autodesk, etc. La version de nos sites peut varier en fonction des tests de fonctionnalités. Le contenu, quant à lui, peut être personnalisé en fonction de vos attributs de visiteur. Politique de confidentialité de Adobe Target
Google Analytics (Advertising)
Nous faisons appel à Google Analytics (Advertising) pour afficher des publicités numériques sur les sites pris en charge par Google Analytics (Advertising). Les publicités sont basées à la fois sur les données de Google Analytics (Advertising) et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que Google Analytics (Advertising) a collectées sur vous. Les données que nous fournissons à Google Analytics (Advertising) nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de Google Analytics (Advertising)
Trendkite
Nous faisons appel à Trendkite pour afficher des publicités numériques sur les sites pris en charge par Trendkite. Les publicités sont basées à la fois sur les données de Trendkite et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que Trendkite a collectées sur vous. Les données que nous fournissons à Trendkite nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de Trendkite
Hotjar
Nous faisons appel à Hotjar pour afficher des publicités numériques sur les sites pris en charge par Hotjar. Les publicités sont basées à la fois sur les données de Hotjar et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que Hotjar a collectées sur vous. Les données que nous fournissons à Hotjar nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de Hotjar
6 Sense
Nous faisons appel à 6 Sense pour afficher des publicités numériques sur les sites pris en charge par 6 Sense. Les publicités sont basées à la fois sur les données de 6 Sense et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que 6 Sense a collectées sur vous. Les données que nous fournissons à 6 Sense nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de 6 Sense
Terminus
Nous faisons appel à Terminus pour afficher des publicités numériques sur les sites pris en charge par Terminus. Les publicités sont basées à la fois sur les données de Terminus et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que Terminus a collectées sur vous. Les données que nous fournissons à Terminus nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de Terminus
StackAdapt
Nous faisons appel à StackAdapt pour afficher des publicités numériques sur les sites pris en charge par StackAdapt. Les publicités sont basées à la fois sur les données de StackAdapt et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que StackAdapt a collectées sur vous. Les données que nous fournissons à StackAdapt nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de StackAdapt
The Trade Desk
Nous faisons appel à The Trade Desk pour afficher des publicités numériques sur les sites pris en charge par The Trade Desk. Les publicités sont basées à la fois sur les données de The Trade Desk et sur les données comportementales que nous collectons lorsque vous naviguez sur nos sites. Il peut s'agir de pages visitées, de versions d'évaluation activées, de vidéos lues, d'achats, d'adresses IP ou d'ID d'appareil. Ces informations sont susceptibles d'être fusionnées envers des données que The Trade Desk a collectées sur vous. Les données que nous fournissons à The Trade Desk nous servent à personnaliser les publicités numériques afin de les rendre plus pertinentes. Politique de confidentialité de The Trade Desk
RollWorks
We use RollWorks to deploy digital advertising on sites supported by RollWorks. Ads are based on both RollWorks data and behavioral data that we collect while you’re on our sites. The data we collect may include pages you’ve visited, trials you’ve initiated, videos you’ve played, purchases you’ve made, and your IP address or device ID. This information may be combined with data that RollWorks has collected from you. We use the data that we provide to RollWorks to better customize your digital advertising experience and present you with more relevant ads. RollWorks Privacy Policy

Voulez-vous améliorer votre expérience en ligne?

Nous souhaitons vous offrir une expérience optimale. Si vous choisissez Oui pour les catégories présentées dans l'écran précédent, nous collecterons vos données et les utiliserons afin de personnaliser votre expérience et d'améliorer nos applications. Vous pouvez modifier vos paramètres à tout moment en accédant à notre Déclaration de confidentialité.

Votre expérience. Votre choix.

Nous respectons votre confidentialité. Les données que nous collectons nous aident à comprendre votre utilisation de nos produits, à identifier les informations susceptibles de vous intéresser, mais aussi à améliorer et à valoriser votre engagement envers Autodesk.

Nous autorisez-vous à collecter et à utiliser vos données afin de personnaliser votre expérience ?

Découvrez tous les avantages d'une expérience personnalisée. Vous pouvez gérer vos paramètres confidentialité pour ce site. Pour en savoir plus sur les options disponibles, consultez notre Déclaration de confidentialité.