아티클
아티클
아티클

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

이 아티클 공유하기

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

쿠기 기본 설정

오토데스크는 고객의 개인 정보와 최상의 경험을 중요시합니다. 오토데스크는 정보를 사용자화하고 응용프로그램을 만들기 위해 고객의 본 사이트 사용에 관한 데이터를 수집합니다.

오토데스크에서 고객의 데이터를 수집하고 사용하도록 허용하시겠습니까?

오토데스크에서 사용하는타사 서비스개인정보 처리방침 정책을 자세히 알아보십시오.

반드시 필요 - 사이트가 제대로 작동하고 사용자에게 서비스를 원활하게 제공하기 위해 필수적임

이 쿠키는 오토데스크에서 사용자 기본 설정 또는 로그인 정보를 저장하거나, 사용자 요청에 응답하거나, 장바구니의 품목을 처리하기 위해 필요합니다.

사용자 경험 향상 – 사용자와 관련된 항목을 표시할 수 있게 해 줌

이 쿠키는 오토데스크가 보다 향상된 기능을 제공하고 사용자에게 맞는 정보를 제공할 수 있게 해 줍니다. 사용자에게 맞는 정보 및 환경을 제공하기 위해 오토데스크 또는 서비스를 제공하는 협력업체에서 이 쿠키를 설정할 수 있습니다. 이 쿠키를 허용하지 않을 경우 이러한 서비스 중 일부 또는 전체를 이용하지 못하게 될 수 있습니다.

광고 수신 설정 – 사용자에게 타겟팅된 광고를 제공할 수 있게 해 줌

이 쿠키는 사용자와 관련성이 높은 광고를 표시하고 그 효과를 추적하기 위해 사용자 활동 및 관심 사항에 대한 데이터를 수집합니다. 이렇게 데이터를 수집함으로써 사용자의 관심 사항에 더 적합한 광고를 표시할 수 있습니다. 이 쿠키를 허용하지 않을 경우 관심 분야에 해당되지 않는 광고가 표시될 수 있습니다.

icon-svg-close-thick

타사 서비스

각 범주에서 오토데스크가 사용하는 타사 서비스와 온라인에서 고객으로부터 수집하는 데이터를 사용하는 방식에 대해 자세히 알아보십시오.

icon-svg-hide-thick

icon-svg-show-thick

반드시 필요 - 사이트가 제대로 작동하고 사용자에게 서비스를 원활하게 제공하기 위해 필수적임

Qualtrics
오토데스크는 고객에게 더욱 시의적절하며 관련 있는 이메일 컨텐츠를 제공하기 위해 Qualtrics를 이용합니다. 이를 위해, 고객의 온라인 행동 및 오토데스크에서 전송하는 이메일과의 상호 작용에 관한 데이터를 수집합니다. 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID, 이메일 확인율, 클릭한 링크 등이 포함될 수 있습니다. 오토데스크는 이 데이터를 다른 소스에서 수집된 데이터와 결합하여 고객의 판매 또는 고객 서비스 경험을 개선하며, 고급 분석 처리에 기초하여 보다 관련 있는 컨텐츠를 제공합니다. Qualtrics 개인정보취급방침
Akamai mPulse
오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Akamai mPulse를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Akamai mPulse 개인정보취급방침
Digital River
오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Digital River를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Digital River 개인정보취급방침
Dynatrace
오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Dynatrace를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Dynatrace 개인정보취급방침
Khoros
오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Khoros를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Khoros 개인정보취급방침
Launch Darkly
오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Launch Darkly를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Launch Darkly 개인정보취급방침
New Relic
오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 New Relic를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. New Relic 개인정보취급방침
Salesforce Live Agent
오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Salesforce Live Agent를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Salesforce Live Agent 개인정보취급방침
Wistia
오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Wistia를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Wistia 개인정보취급방침
Tealium
오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Tealium를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Upsellit
오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Upsellit를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. CJ Affiliates
오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 CJ Affiliates를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Commission Factory
Typepad Stats
오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Typepad Stats를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Typepad Stats 개인정보취급방침
Geo Targetly
Autodesk는 Geo Targetly를 사용하여 웹 사이트 방문자를 가장 적합한 웹 페이지로 안내하거나 위치를 기반으로 맞춤형 콘텐츠를 제공합니다. Geo Targetly는 웹 사이트 방문자의 IP 주소를 사용하여 방문자 장치의 대략적인 위치를 파악합니다. 이렇게 하면 방문자가 (대부분의 경우) 현지 언어로 된 콘텐츠를 볼 수 있습니다.Geo Targetly 개인정보취급방침
SpeedCurve
Autodesk에서는 SpeedCurve를 사용하여 웹 페이지 로드 시간과 이미지, 스크립트, 텍스트 등의 후속 요소 응답성을 측정하여 웹 사이트 환경의 성능을 모니터링하고 측정합니다. SpeedCurve 개인정보취급방침
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

사용자 경험 향상 – 사용자와 관련된 항목을 표시할 수 있게 해 줌

Google Optimize
오토데스크는 사이트의 새 기능을 테스트하고 이러한 기능의 고객 경험을 사용자화하기 위해 Google Optimize을 이용합니다. 이를 위해, 고객이 사이트를 방문해 있는 동안 행동 데이터를 수집합니다. 이 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID, 오토데스크 ID 등이 포함될 수 있습니다. 고객은 기능 테스트를 바탕으로 여러 버전의 오토데스크 사이트를 경험하거나 방문자 특성을 바탕으로 개인화된 컨텐츠를 보게 될 수 있습니다. Google Optimize 개인정보취급방침
ClickTale
오토데스크는 고객이 사이트에서 겪을 수 있는 어려움을 더 잘 파악하기 위해 ClickTale을 이용합니다. 페이지의 모든 요소를 포함해 고객이 오토데스크 사이트와 상호 작용하는 방식을 이해하기 위해 세션 녹화를 사용합니다. 개인적으로 식별 가능한 정보는 가려지며 수집되지 않습니다. ClickTale 개인정보취급방침
OneSignal
오토데스크는 OneSignal가 지원하는 사이트에 디지털 광고를 배포하기 위해 OneSignal를 이용합니다. 광고는 OneSignal 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 OneSignal에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 OneSignal에 제공하는 데이터를 사용합니다. OneSignal 개인정보취급방침
Optimizely
오토데스크는 사이트의 새 기능을 테스트하고 이러한 기능의 고객 경험을 사용자화하기 위해 Optimizely을 이용합니다. 이를 위해, 고객이 사이트를 방문해 있는 동안 행동 데이터를 수집합니다. 이 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID, 오토데스크 ID 등이 포함될 수 있습니다. 고객은 기능 테스트를 바탕으로 여러 버전의 오토데스크 사이트를 경험하거나 방문자 특성을 바탕으로 개인화된 컨텐츠를 보게 될 수 있습니다. Optimizely 개인정보취급방침
Amplitude
오토데스크는 사이트의 새 기능을 테스트하고 이러한 기능의 고객 경험을 사용자화하기 위해 Amplitude을 이용합니다. 이를 위해, 고객이 사이트를 방문해 있는 동안 행동 데이터를 수집합니다. 이 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID, 오토데스크 ID 등이 포함될 수 있습니다. 고객은 기능 테스트를 바탕으로 여러 버전의 오토데스크 사이트를 경험하거나 방문자 특성을 바탕으로 개인화된 컨텐츠를 보게 될 수 있습니다. Amplitude 개인정보취급방침
Snowplow
오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Snowplow를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Snowplow 개인정보취급방침
UserVoice
오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 UserVoice를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. UserVoice 개인정보취급방침
Clearbit
Clearbit를 사용하면 실시간 데이터 보강 기능을 통해 고객에게 개인화되고 관련 있는 환경을 제공할 수 있습니다. Autodesk가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. Clearbit 개인정보취급방침
YouTube
YouTube는 사용자가 웹 사이트에 포함된 비디오를 보고 공유할 수 있도록 해주는 비디오 공유 플랫폼입니다. YouTube는 비디오 성능에 대한 시청 지표를 제공합니다. YouTube 개인정보보호 정책

icon-svg-hide-thick

icon-svg-show-thick

광고 수신 설정 – 사용자에게 타겟팅된 광고를 제공할 수 있게 해 줌

Adobe Analytics
오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Adobe Analytics를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID 및 오토데스크 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. Adobe Analytics 개인정보취급방침
Google Analytics (Web Analytics)
오토데스크 사이트에서 고객의 행동에 관한 데이터를 수집하기 위해 Google Analytics (Web Analytics)를 이용합니다. 여기에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 오토데스크는 사이트 성과를 측정하고 고객의 온라인 경험의 편리함을 평가하여 기능을 개선하기 위해 이러한 데이터를 이용합니다. 또한, 이메일, 고객 지원 및 판매와 관련된 고객 경험을 최적화하기 위해 고급 분석 방법도 사용하고 있습니다. AdWords
Marketo
오토데스크는 고객에게 더욱 시의적절하며 관련 있는 이메일 컨텐츠를 제공하기 위해 Marketo를 이용합니다. 이를 위해, 고객의 온라인 행동 및 오토데스크에서 전송하는 이메일과의 상호 작용에 관한 데이터를 수집합니다. 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID, 이메일 확인율, 클릭한 링크 등이 포함될 수 있습니다. 오토데스크는 이 데이터를 다른 소스에서 수집된 데이터와 결합하여 고객의 판매 또는 고객 서비스 경험을 개선하며, 고급 분석 처리에 기초하여 보다 관련 있는 컨텐츠를 제공합니다. Marketo 개인정보취급방침
Doubleclick
오토데스크는 Doubleclick가 지원하는 사이트에 디지털 광고를 배포하기 위해 Doubleclick를 이용합니다. 광고는 Doubleclick 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Doubleclick에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Doubleclick에 제공하는 데이터를 사용합니다. Doubleclick 개인정보취급방침
HubSpot
오토데스크는 고객에게 더욱 시의적절하며 관련 있는 이메일 컨텐츠를 제공하기 위해 HubSpot을 이용합니다. 이를 위해, 고객의 온라인 행동 및 오토데스크에서 전송하는 이메일과의 상호 작용에 관한 데이터를 수집합니다. 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID, 이메일 확인율, 클릭한 링크 등이 포함될 수 있습니다. HubSpot 개인정보취급방침
Twitter
오토데스크는 Twitter가 지원하는 사이트에 디지털 광고를 배포하기 위해 Twitter를 이용합니다. 광고는 Twitter 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Twitter에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Twitter에 제공하는 데이터를 사용합니다. Twitter 개인정보취급방침
Facebook
오토데스크는 Facebook가 지원하는 사이트에 디지털 광고를 배포하기 위해 Facebook를 이용합니다. 광고는 Facebook 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Facebook에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Facebook에 제공하는 데이터를 사용합니다. Facebook 개인정보취급방침
LinkedIn
오토데스크는 LinkedIn가 지원하는 사이트에 디지털 광고를 배포하기 위해 LinkedIn를 이용합니다. 광고는 LinkedIn 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 LinkedIn에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 LinkedIn에 제공하는 데이터를 사용합니다. LinkedIn 개인정보취급방침
Yahoo! Japan
오토데스크는 Yahoo! Japan가 지원하는 사이트에 디지털 광고를 배포하기 위해 Yahoo! Japan를 이용합니다. 광고는 Yahoo! Japan 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Yahoo! Japan에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Yahoo! Japan에 제공하는 데이터를 사용합니다. Yahoo! Japan 개인정보취급방침
Naver
오토데스크는 Naver가 지원하는 사이트에 디지털 광고를 배포하기 위해 Naver를 이용합니다. 광고는 Naver 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Naver에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Naver에 제공하는 데이터를 사용합니다. Naver 개인정보취급방침
Quantcast
오토데스크는 Quantcast가 지원하는 사이트에 디지털 광고를 배포하기 위해 Quantcast를 이용합니다. 광고는 Quantcast 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Quantcast에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Quantcast에 제공하는 데이터를 사용합니다. Quantcast 개인정보취급방침
Call Tracking
오토데스크는 캠페인을 위해 사용자화된 전화번호를 제공하기 위하여 Call Tracking을 이용합니다. 그렇게 하면 고객이 오토데스크 담당자에게 더욱 빠르게 액세스할 수 있으며, 오토데스크의 성과를 더욱 정확하게 평가하는 데 도움이 됩니다. 제공된 전화번호를 기준으로 사이트에서 고객 행동에 관한 데이터를 수집할 수도 있습니다. Call Tracking 개인정보취급방침
Wunderkind
오토데스크는 Wunderkind가 지원하는 사이트에 디지털 광고를 배포하기 위해 Wunderkind를 이용합니다. 광고는 Wunderkind 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Wunderkind에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Wunderkind에 제공하는 데이터를 사용합니다. Wunderkind 개인정보취급방침
ADC Media
오토데스크는 ADC Media가 지원하는 사이트에 디지털 광고를 배포하기 위해 ADC Media를 이용합니다. 광고는 ADC Media 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 ADC Media에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 ADC Media에 제공하는 데이터를 사용합니다. ADC Media 개인정보취급방침
AgrantSEM
오토데스크는 AgrantSEM가 지원하는 사이트에 디지털 광고를 배포하기 위해 AgrantSEM를 이용합니다. 광고는 AgrantSEM 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 AgrantSEM에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 AgrantSEM에 제공하는 데이터를 사용합니다. AgrantSEM 개인정보취급방침
Bidtellect
오토데스크는 Bidtellect가 지원하는 사이트에 디지털 광고를 배포하기 위해 Bidtellect를 이용합니다. 광고는 Bidtellect 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Bidtellect에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Bidtellect에 제공하는 데이터를 사용합니다. Bidtellect 개인정보취급방침
Bing
오토데스크는 Bing가 지원하는 사이트에 디지털 광고를 배포하기 위해 Bing를 이용합니다. 광고는 Bing 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Bing에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Bing에 제공하는 데이터를 사용합니다. Bing 개인정보취급방침
G2Crowd
오토데스크는 G2Crowd가 지원하는 사이트에 디지털 광고를 배포하기 위해 G2Crowd를 이용합니다. 광고는 G2Crowd 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 G2Crowd에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 G2Crowd에 제공하는 데이터를 사용합니다. G2Crowd 개인정보취급방침
NMPI Display
오토데스크는 NMPI Display가 지원하는 사이트에 디지털 광고를 배포하기 위해 NMPI Display를 이용합니다. 광고는 NMPI Display 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 NMPI Display에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 NMPI Display에 제공하는 데이터를 사용합니다. NMPI Display 개인정보취급방침
VK
오토데스크는 VK가 지원하는 사이트에 디지털 광고를 배포하기 위해 VK를 이용합니다. 광고는 VK 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 VK에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 VK에 제공하는 데이터를 사용합니다. VK 개인정보취급방침
Adobe Target
오토데스크는 사이트의 새 기능을 테스트하고 이러한 기능의 고객 경험을 사용자화하기 위해 Adobe Target을 이용합니다. 이를 위해, 고객이 사이트를 방문해 있는 동안 행동 데이터를 수집합니다. 이 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역, IP 주소 또는 장치 ID, 오토데스크 ID 등이 포함될 수 있습니다. 고객은 기능 테스트를 바탕으로 여러 버전의 오토데스크 사이트를 경험하거나 방문자 특성을 바탕으로 개인화된 컨텐츠를 보게 될 수 있습니다. Adobe Target 개인정보취급방침
Google Analytics (Advertising)
오토데스크는 Google Analytics (Advertising)가 지원하는 사이트에 디지털 광고를 배포하기 위해 Google Analytics (Advertising)를 이용합니다. 광고는 Google Analytics (Advertising) 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Google Analytics (Advertising)에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Google Analytics (Advertising)에 제공하는 데이터를 사용합니다. Google Analytics (Advertising) 개인정보취급방침
Trendkite
오토데스크는 Trendkite가 지원하는 사이트에 디지털 광고를 배포하기 위해 Trendkite를 이용합니다. 광고는 Trendkite 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Trendkite에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Trendkite에 제공하는 데이터를 사용합니다. Trendkite 개인정보취급방침
Hotjar
오토데스크는 Hotjar가 지원하는 사이트에 디지털 광고를 배포하기 위해 Hotjar를 이용합니다. 광고는 Hotjar 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Hotjar에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Hotjar에 제공하는 데이터를 사용합니다. Hotjar 개인정보취급방침
6 Sense
오토데스크는 6 Sense가 지원하는 사이트에 디지털 광고를 배포하기 위해 6 Sense를 이용합니다. 광고는 6 Sense 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 6 Sense에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 6 Sense에 제공하는 데이터를 사용합니다. 6 Sense 개인정보취급방침
Terminus
오토데스크는 Terminus가 지원하는 사이트에 디지털 광고를 배포하기 위해 Terminus를 이용합니다. 광고는 Terminus 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 Terminus에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 Terminus에 제공하는 데이터를 사용합니다. Terminus 개인정보취급방침
StackAdapt
오토데스크는 StackAdapt가 지원하는 사이트에 디지털 광고를 배포하기 위해 StackAdapt를 이용합니다. 광고는 StackAdapt 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 StackAdapt에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 StackAdapt에 제공하는 데이터를 사용합니다. StackAdapt 개인정보취급방침
The Trade Desk
오토데스크는 The Trade Desk가 지원하는 사이트에 디지털 광고를 배포하기 위해 The Trade Desk를 이용합니다. 광고는 The Trade Desk 데이터와 고객이 사이트를 방문하는 동안 오토데스크가 수집하는 행동 데이터 모두에 기초하여 제공됩니다. 오토데스크가 수집하는 데이터에는 고객이 방문한 페이지, 시작한 체험판, 재생한 동영상, 구매 내역 및 IP 주소 또는 장치 ID가 포함될 수 있습니다. 이 정보는 The Trade Desk에서 고객으로부터 수집한 데이터와 결합될 수 있습니다. 오토데스크는 디지털 광고 경험에 대한 사용자화를 개선하고 고객에게 더욱 관련 있는 광고를 제시하기 위해 The Trade Desk에 제공하는 데이터를 사용합니다. The Trade Desk 개인정보취급방침
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

정말 더 적은 온라인 경험을 원하십니까?

오토데스크는 고객 여러분에게 좋은 경험을 드리고 싶습니다. 이전 화면의 범주에 대해 "예"를 선택하셨다면 오토데스크는 고객을 위해 고객 경험을 사용자화하고 향상된 응용프로그램을 제작하기 위해 귀하의 데이터를 수집하고 사용합니다. 언제든지 개인정보 처리방침을 방문해 설정을 변경할 수 있습니다.

고객의 경험. 고객의 선택.

오토데스크는 고객의 개인 정보 보호를 중요시합니다. 오토데스크에서 수집하는 정보는 오토데스크 제품 사용 방법, 고객이 관심을 가질 만한 정보, 오토데스크에서 더욱 뜻깊은 경험을 제공하기 위한 개선 사항을 이해하는 데 도움이 됩니다.

오토데스크에서 고객님께 적합한 경험을 제공해 드리기 위해 고객님의 데이터를 수집하고 사용하도록 허용하시겠습니까?

선택할 수 있는 옵션을 자세히 알아보려면 이 사이트의 개인 정보 설정을 관리해 사용자화된 경험으로 어떤 이점을 얻을 수 있는지 살펴보거나 오토데스크 개인정보 처리방침 정책을 확인해 보십시오.