Synthetische Menschen

Über

Synthetische Menschen stellt eine präzise Frage: Können computergestützte Modelle ausgewählte Aspekte menschlicher räumlicher Erfahrung so annähern, dass sie für die frühe architektonische Designbewertung nützlich sind?

Mit „synthetischen Menschen” meinen wir KI-Systeme — insbesondere Sprachmodelle und Vision-Language-Modelle —, die auf ihre Fähigkeit hin evaluiert werden, begrenzte Aspekte menschlicher Reaktionen zu simulieren: Aufmerksamkeitsmuster, affektive Bewertungen, Präferenzurteile und Beurteilungen der räumlichen Lesbarkeit. Die Behauptung ist nicht, dass diese Modelle Raum verstehen. Die Behauptung ist, dass ihre Ausgaben möglicherweise ausreichend mit menschlichen Reaktionen korrelieren, um als kostengünstige, skalierbare Bewertungssignale an Punkten im Designprozess nützlich zu sein, an denen menschliches Feedback nicht verfügbar oder teuer ist.

Das Projekt ist durch eine reale Lücke in der Architekturpraxis motiviert. In frühen Designphasen stützt sich die Bewertung stark auf Intuition und Präzedenzfälle. Physische Modelle und Nutzerstudien sind ressourcenintensiv. KI-Modelle, sorgfältig eingesetzt, können Designern helfen, Alternativen zu vergleichen, wahrscheinliche Erfahrungsmuster zu identifizieren und Fragen zu erkennen, die eine menschliche Validierung erfordern.

Die aktuelle Arbeit benchmarkt, wie große Vision-Language-Modelle Architekturbilder anhand affektiver Dimensionen bewerten, und vergleicht diese Bewertungen mit menschlichen Teilnehmerdaten. Wir untersuchen die Korrelationsstärke, Fehlermodi und den Einfluss des Darstellungsstils — einschließlich der Erkenntnis, dass die Modell-Mensch-Übereinstimmung bei negativen emotionalen Reaktionen deutlich stärker ist als bei positiven. Diese Unterschiede sind für einen verantwortungsvollen Einsatz wichtig. Unser Ziel ist es, genau zu identifizieren, wo KI die Designbewertung erweitern kann und wo sie nicht das Urteil des Designers oder die Stimme des Nutzers ersetzen kann.