Transformative integration of Artificial Intelligence in architectural design

• Autorzy: Kurcjusz Małgorzata , Stefańska Anna

Identyfikatory

DOI

10.37190/arc250109

Warianty tytułu

PL

Transformacyjna integracja sztucznej inteligencji w projektowaniu architektonicznym

• Języki publikacji: EN

Abstrakty

EN

The introduction of Artificial Intelligence (AI) into architectural design is transforming traditional practices. This paper presents the typological applications of AI in architecture, focusing on its contributions to conceptual design, performance optimization, and sustainability, highlighting its transformative impact on workflows in the Architecture, Engineering, and Construction (AEC) sector. The aim of the authors of the paper was to categorize and analyse the hierarchical applications of AI in architectural design. The primary objective - to evaluate AI’s roles in fostering creativity, enhancing efficiency, and supporting sustainable practices. Methodologically, the research incorporates a comprehensive review of typological classifications, experimental validations, and case study analyses. By synthesizing findings from recent literature and real-world implementations, the paper assesses both the potentials and limitations of AI across various stages of architectural design. The results of the study indicate a typological hierarchy of AI applications in architectural design, revealing its multifaceted contributions. In conceptual design, AI-driven generative tools empower architects to explore vast design spaces, enabling the creation of innovative and diverse solutions. In performance optimization, AI demonstrates significant efficiency gains by reducing design iteration times, minimizing material waste, and enhancing energy efficiency through advanced simulations. For sustainability, AI’s predictive analytics facilitate informed decisions on material selection and compliance with environmental standards, supporting the achievement of green building certifications. However, these advancements come with challenges, including a dependency on high-quality data, ethical concerns regarding decision accountability, and the demand for specialized expertise. Based on the results, it can be concluded that AI enhances creativity, precision, and sustainability in architecture, but its successful integration requires a collaborative human-AI approach, supported by robust ethical frameworks and ongoing skill development.

PL

Wprowadzenie sztucznej inteligencji (Artificial Intelligence – AI) do projektowania architektonicznego zmienia tradycyjne praktyki. W artykule przedstawiono typologiczne zastosowania AI w architekturze, koncentrując się na jej wkładzie w projektowanie koncepcyjne, optymalizację wydajności oraz zrównoważony rozwój, podkreślając jej transformacyjny wpływ na procesy w sektorze architektury, inżynierii i budownictwa (AEC). Celem autorek pracy było sklasyfikowanie i analiza hierarchicznych zastosowań AI w projektowaniu architektonicznym. Głównym zamierzeniem – ocena roli AI w rozwijaniu kreatywności, zwiększaniu efektywności i wspieraniu praktyk zrównoważonego rozwoju. Metodologicznie badanie oparto na kompleksowym przeglądzie klasyfikacji typologicznych, walidacji eksperymentalnych oraz analizach studiów przypadków. Synteza wyników z najnowszej literatury przedmiotu i rzeczywistych implementacji pozwala na ocenę potencjału i ograniczeń AI na różnych etapach projektowania architektonicznego. Wyniki badania wskazują na hierarchię typologiczną zastosowań AI w projektowaniu architektonicznym, ukazując jej wielowymiarowy wkład. W projektowaniu koncepcyjnym narzędzia generatywne napędzane AI umożliwiają architektom eksplorację rozległych przestrzeni projektowych, pozwalając na tworzenie innowacyjnych i różnorodnych rozwiązań. W zakresie optymalizacji wydajności AI wykazuje znaczną poprawę efektyw¬ności poprzez redukcję czasu iteracji projektowych, minimalizację marnotrawstwa materiałów oraz poprawę efektywności energetycznej dzięki zaawansowanym symulacjom. W dziedzinie zrównoważonego rozwoju analityka predykcyjna AI wspiera podejmowanie świadomych decyzji dotyczących wyboru materiałów oraz zgodności ze standardami ekologicznymi, przyczyniając się do uzyskania certyfikatów zielonego budownictwa. Mimo tych postępów wyzwaniami pozostają zależność od wysokiej jakości danych, kwestie etyczne związane z odpowiedzialnością za decyzje oraz potrzeba specjalistycznych kompetencji. Na podstawie otrzymanych wyników można stwierdzić, że AI wzmacnia kreatywność, precyzję i zrównoważony rozwój w architekturze, ale jej skuteczna integracja wymaga współpracy człowieka i AI, wspieranej przez solidne ramy etyczne oraz rozwój kompetencji.

Słowa kluczowe

EN

Artificial Intelligence; AI; algorithms; parametric equations; contemporary architectural design

PL

sztuczna inteligencja; algorytmy; parametryka; współczesne projektowanie architektoniczne

• Wydawca: Oficyna Wydawnicza Politechniki Wrocławskiej
• Czasopismo: Architectus
• Rocznik: 2025
• Tom: Nr 1 (81)
• Strony: 89--99
• Opis fizyczny: Bibliogr. 24 poz., rys., tab.

Twórcy

autor

Kurcjusz Małgorzata

• Institute of Civil Engineering, Warsaw University of Life Sciences, Poland.

• https://orcid.org/0000-0002-9703-2118

autor

Stefańska Anna

• Institute of Civil Engineering, Warsaw University of Life Sciences, Poland

• https://orcid.org/0000-0002-5070-3877

Bibliografia

• Abdulfattah, Basem S., Hassan A. Abdelsalam, Mai Abdelsalam, Marzia Bolpagni, Niraj Thurairajah, Laura Florez Perez, and Talib E. Butt. “Predicting Implications of Design Changes in BIM-Based Construction Projects through Machine Learning.” Automation in Construction 155 (2023): 105057. https://doi.org/10.1016Zj.aut-con.2023.105057.
• Abioye, Sofiat O., Lukumon O. Oyedele, Lukman Akanbi, et al. “Artificial Intelligence in the Construction Industry: A Review of Present Status, Opportunities and Future Challenges.” Journal of Building Engineering 44 (2021): 103299. https://doi.org/10.1016/j jobe.2021.103299.
• Al-kfairy, Mousa, Dheya Mustafa, Nir Kshetri, Mazen Insiew, and Omar Alfandi. “Ethical Challenges and Solutions of Generative AI: An Interdisciplinary Perspective.” Informatics 11, no. 3 (2024): 58. https://doi.org/10.3390/informatics11030058.
• Chaillou, Stanislas. “ArchiGAN: Artificial Intelligence x Architecture.” In Architectural Intelligence, edited by Philip F. Yuan, Mike Xie, Neil Leach, Jiawei Yao, Xiang Wang. Springer Nature Singapore, 2020. https://doi.org/10.1007/978-981-15-6568-7_8.
• Chen, Junming, Duolin Wang, Zichun Shao, Xu Zhang, Mengchao Ruan, Huiting Li, and Jiaqi Li. “Using Artificial Intelligence to Generate Master-Quality Architectural Designs from Text Descriptions.” Buildings 13, no. 9 (2023): 2285. https://doi.org/10.3390/buildings13092285.
• Chen, Shang Yuan. “Enhancing Validity of Green Building Information Modeling with Artificial-Neural-Network-Supervised Learning – Taking Construction of Adaptive Building Envelope Based on Daylight Simulation as an Example.” Sensors and Materials 31, no. 6 (2019): 1831–45. https://doi.org/10.18494/SAM.2019.2147.
• Elwy, Ibrahim, and Aya Hagishima. “The Artificial Intelligence Reformation of Sustainable Building Design Approach: A Systematic Review on Building Design Optimization Methods Using Surrogate Models.” Energy and Buildings 323, (2024): 114769. https://doi.org/10.1016/j.enbuild.2024.114769.
• Fareed, Mohamed W., Ali Bou Nassif, and Eslam Nofal. “Exploring the Potentials of Artificial Intelligence Image Generators for Educating the History of Architecture.” Heritage 7, no. 3 (2024): 1727–53. https://doi.org/10.3390/heritage7030081.
• Ganiyu, Sikiru Abiodun, Lukumon O. Oyedele, Olugbenga Akinade, Hakeem Owolabi, Lukman Akanbi, and Abdulqayum Gbadamosi. “BIM Competencies for Delivering Waste-Efficient Building Projects in a Circular Economy.” Developments in the Built Environment 4 (2020): 100036. https://doi.org/10.1016Zj.dibe.2020.100036.
• Hanafy, Nervana Osama. “Artificial Intelligence’s Effects on Design Process Creativity: ‘A Study on Used A.I. Text-to-Image in Architecture’.” Journal of Building Engineering 80 (2023): 107999. https://doi.org/10.1016/j.jobe.2023.107999.
• Hu, Yuqing, and Daniel Castro-Lacouture. “Clash Relevance Prediction Based on Machine Learning.” Journal of Computing in Civil Engineering 33, no. 2 (2018): 1–15. https://doi.org/10.1061/(ASCE) CP.1943-5487.0000810.
• Kawar, Bahjat, Shiran Zada, Oran Lang, et al. “Imagic: Text-Based Real Image Editing with Diffusion Models.” 2023 Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, Vancouver, Canada (2023): 6007–17. doi: 10.1109/CVPR52729.2023.00582.
• Khan, Ayaz Ahmad, Abdulkabir Opeyemi Bello, Mohammad Arqam, and Fahim Ullah. “Integrating Building Information Modelling and Artificial Intelligence in Construction Projects: A Review of Challenges and Mitigation Strategies.” Technologies 12, no. 10 (2024): 185. https://doi.org/10.3390/technologies12100185.
• Kineber, Ahmed Farouk, Nehal Elshaboury, Ayodeji Emmanuel Oke, John Aliu, Ziyad Abunada, and Mohammad Alhusban. “Revolutionizing Construction: A Cutting-Edge Decision-Making Model for Artificial Intelligence Implementation in Sustainable Building Projects.” Heliyon 10, no. 17 (2024): e37078. https://doi.org/10.1016Zj.heliy- on.2024.e37078.
• Kurcjusz, Małgorzata. “Technology vs Creativity in Architecture: Striving for Synergy.” In Defining the Architectural Space Architecture and Technology. Vol. 4, edited by Anna Mielnik, Oficyna Wydawnicza ATUT – Wrocławskie Wydawnictwo Oświatowe, 2024. https:// doi.org/10.23817/2024.defarch.4-2.
• Liao, Wenjie, Xinzheng Lu, Yifan Fei, Yi Gu, and Yuli Huang. “Generative AI Design for Building Structures.” Automation in Construction 157 (2024): 105187. https://doi.org/10.1016Zj.autcon.2023. 105187.
• Nabavi, Armin, Issa Ramaji, Naimeh Sadeghi, and Anne Anderson. “Leveraging Natural Language Processing for Automated Information Inquiry from Building Information Models.” Journal of Information Technology in Construction 28 (2023): 266–85. https://doi.org/10.36680/J.ITCON.2023.013.
• Pizarro, Pablo N., Nancy Hitschfeld, Ivan Sipiran, and Jose M. Saavedra. “Automatic Floor Plan Analysis and Recognition.” Automation in Construction 140 (2022): 104348. https://doi.org/10.1016/j.aut- con.2022.104348.
• Ploennigs, Joern, and Markus Berger. “AI Art in Architecture.” AI in Civil Engineering 2, (2023): 8. https://doi.org/10.1007/s43503-023- 00018-y.
• Rafsanjani, Hamed Nabizadeh, and Amir Hossein Nabizadeh. “Towards Human-Centered Artificial Intelligence (AI) in Architecture, Engineering, and Construction (AEC) Industry.” Computers in Human Behavior Reports 11 (2023): 100319. https://doi.org/10.1016/j. chbr.2023.100319.
• Ruiz, M. Dolores, Juan Gomez-Romero, Carlos Fernandez-Basso, and Maria J. Martin-Bautista. “Big Data Architecture for Building Energy Management Systems.” IEEE Transactions on Industrial Informatics 18, no. 9 (2022): 5738–47. https://doi.org/10.1109/ TII.2021.3130052.
• Tsigkari, Martha, Sherif Tarabishy, and Marcin Kosicki. “Towards Artificial Intelligence in Architecture: How Machine Learning Can Change the Way We Approach Design.” Plus Journal. Published March 29, 2021. Accessed February 5, 2025, at https://www.fosterandpartners.com/insights/plus-journal/towards-artificial-intelligence-in-architec-ture-how-machine-learning-can-change-the-way-we-approach-de-sign.
• Weber, Ramon Elias, Caitlin Mueller, and Christoph Reinhart. “Automated Floorplan Generation in Architectural Design: A Review of Methods and Applications.” Automation in Construction 140 (2022): 104385. https://doi.org/10.1016/j.autcon.2022.104385.
• Yang, Honglei, and Mim Xia. “Advancing Bridge Construction Monitoring: AI-Based Building Information Modeling for Intelligent Structural Damage Recognition.” Applied Artificial Intelligence 37, no. 1 (2023). https://doi.org/10.1080/08839514.2023.2224995.