Technische uitleg

Samenvatting

DAQS is ontworpen als een generieke validatielaag voor digitale bouwdata. Ongeacht waar de informatie vandaan komt, wordt deze volgens dezelfde verwerkingsketen geanalyseerd en gevalideerd.

Daarvoor wordt brondata eerst uit het oorspronkelijke systeem geëxtraheerd, vervolgens omgezet naar een uniform intern datamodel en daarna gevalideerd aan de hand van vooraf gedefinieerde regels. Pas nadat deze verwerking is voltooid, worden de resultaten beschikbaar gemaakt voor gebruikers en andere systemen.

Door deze scheiding tussen brondata, validatielogica en rapportage kan dezelfde validatiemethodiek worden toegepast op verschillende databronnen zonder dat de validatieregels hoeven te worden aangepast.

Kernvraag

Hoe verwerkt DAQS digitale bouwdata op een uniforme en reproduceerbare manier?

Waarom dit belangrijk is

Digitale bouwdata is afkomstig uit uiteenlopende systemen en bestandsformaten. Hoewel deze bronnen vaak dezelfde werkelijkheid beschrijven, verschillen zij sterk in structuur, terminologie en technische implementatie.

Wanneer validatielogica direct afhankelijk wordt gemaakt van een specifiek softwarepakket of bestandsformaat, ontstaat een oplossing die moeilijk uitbreidbaar en lastig onderhoudbaar is.

Een schaalbare validatieomgeving vraagt daarom om een duidelijke scheiding tussen de herkomst van de data en de manier waarop deze wordt beoordeeld.

Kernuitleg

Technisch gezien bestaat DAQS uit een opeenvolgende verwerkingsketen waarin iedere stap een eigen verantwoordelijkheid heeft.

De eerste stap bestaat uit het verzamelen van brondata. Deze informatie kan afkomstig zijn uit verschillende bronnen, zoals een ontwerpomgeving of een open uitwisselingsformaat.

Vervolgens wordt de verzamelde informatie vertaald naar één intern datamodel. Hierdoor ontstaat een uniforme representatie van bouwobjecten, eigenschappen, relaties en metadata. Vanaf dit moment speelt de oorspronkelijke bron geen rol meer in het validatieproces.

Op deze uniforme dataset worden vervolgens validatieregels uitgevoerd. Iedere regel controleert een specifiek aspect van de bouwdata, zoals de aanwezigheid van eigenschappen, de consistentie van waarden, classificaties of relaties tussen objecten.

De uitkomsten van deze controles worden niet alleen geregistreerd als fouten of waarschuwingen, maar ook voorzien van context. Hierdoor is inzichtelijk welke regel is uitgevoerd, waarom een object niet voldoet en welke gegevens tot deze conclusie hebben geleid.

Ten slotte worden alle resultaten samengebracht in rapportages en dashboards die organisaties ondersteunen bij het verbeteren van de kwaliteit van hun bouwdata.

Het volledige proces kan worden weergegeven als een vaste keten:

Brondata
      │
      ▼
Extractie
      │
      ▼
Intern datamodel
      │
      ▼
Rule Engine
      │
      ▼
Validatie
      │
      ▼
Explainability
      │
      ▼
Rapportage

Iedere stap heeft een duidelijk afgebakende verantwoordelijkheid. Hierdoor blijft de architectuur overzichtelijk, uitbreidbaar en onafhankelijk van specifieke software.

Praktijkvoorbeeld

Een organisatie valideert zowel Revit-projecten als IFC-bestanden.

Hoewel beide bronnen technisch sterk van elkaar verschillen, worden zij na extractie vertaald naar hetzelfde interne datamodel. De validatieregels hoeven daardoor geen onderscheid meer te maken tussen een Revit-parameter of een IFC Property Set.

Voor de Rule Engine bestaat uitsluitend nog een verzameling bouwobjecten met eigenschappen en relaties. Hierdoor kan dezelfde regelset op beide databronnen worden toegepast.

Belangrijkste inzichten

DAQS verwerkt bouwdata volgens een vaste verwerkingsketen.
Alle databronnen worden eerst omgezet naar één intern datamodel.
De Rule Engine werkt onafhankelijk van de oorspronkelijke databron.
Validatieresultaten worden voorzien van context en onderbouwing.
Rapportages zijn het eindresultaat van de validatie, niet het validatieproces zelf.

Relatie met DAQS en Elements

Deze hoofdstuk beschrijft uitsluitend de technische basis van DAQS.

De volgende hoofdstukken werken iedere stap van de verwerkingsketen afzonderlijk uit, te beginnen met de architectuur en vervolgens de verschillende extractiemethoden, de Rule Engine, validatie en rapportage.

Elements bouwt voort op dezelfde gevalideerde dataset. Doordat de kwaliteit van de brondata eerst objectief is vastgesteld, kunnen verrijking, analyses en AI-toepassingen worden gebaseerd op betrouwbare informatie.

Belangrijk om te onthouden

DAQS valideert altijd zo dicht mogelijk bij de bron. Binnen Revit gebeurt validatie rechtstreeks op de native projectdata, zonder exportstap. Voor uitwisselingsformaten zoals IFC wordt de data eerst vertaald naar het interne datamodel, waarna dezelfde validatielogica wordt toegepast

Open vragen

Welke informatie wordt tijdens de extractie behouden of verrijkt?
Hoe is het interne datamodel opgebouwd?
Hoe worden validatieregels onafhankelijk gehouden van softwareleveranciers? ````