DigiTalk

Nya perspektiv på digital utveckling inom

och utanför arkitektbranschen

01

André Agi

ARKITEKT MED FOKUS PÅ DATADRIVEN DESIGN

André Agi, arbetar idag som arkitekt på Liljewall och har en stark profil inom datadriven design. Idag ligger ett stort fokus på att tillsammans med BIM-experter driva Liljewall arkitekters digitala utveckling framåt. Han har dessutom, tillsammans med arkitekterna Ellen Simonsson, Jacob Flårback och Alexander Gösta genom forskningsstiftelsen LBF tilldelats medel för ett projekt kring datadriven stadsplanering. Ettor och nollor ligger med andra ord i hans dna.

Datadriven design evolutionerar arkitekturen

Han extraknäckte som webbdesigner i sin tidiga karriär då han hade ett starkt intresse för design, programmering och html. Länge lockade programmeringsyrket men till slut föll valet ändå på arkitektur. En av anledningarna var en introduktion i programvaran Grasshopper där han upptäckte att båda intressen kunde förenas. Här kopplades arkitektur och programmering samman för att parametriskt styra gestaltningen. Möt André Agi, morgondagens digitala byggnadskonstnär.

Datadriven- och generativ design är vardag i din värld – men för dem som inte är så insatta i ämnet, vad innebär det egentligen?

Datadriven design handlar om att göra designbeslut genom att använda och utvärdera data. Det är en process som gör det möjligt för dig att utveckla och förbättra en design baserat på saker du kan mäta. Genom att göra design mätbar kan man få insikt i hur den presterar och därmed kunna ta informerade beslut och säkerställa att den möter uppställda krav. Utformningen blir alltså grundad i fakta – inte endast magkänsla.

 

Generativ design, en metod som idag är mer vanlig inom produkt- och tillverkningsindustrin, går i stora drag ut på att man genom i förväg fastställda designbegränsningar och parametrar låter datorn generera olika designförslag utifrån de ramarna. Metoden bygger på att man tydligt definierar sina mål och begränsningar med designen. Datorn skapar sedan tusentals potentiella förslag där olika parametrar utvärderas utefter definierade kriterier som exempelvis rörelsemönster, förbindelser, exploatering, dagsljus, beteende eller kostnad. Under samma tid som en människa kan skapa en idé, så kan en dator generera tusentals, tillsammans med data för att bevisa vilka utformningar som fungerar bäst. Det är fortfarande du som arkitekt som har kontrollen men nu har man möjlighet att utforska alla möjliga utformningar inom designspektret och både arkitekt och beställare kan få bättre förståelse och känna större trygghet i de beslut som tas.

För egen del - vad arbetar du med just nu?

Just nu sitter jag och min kollega Jacob Flårback och tar fram en lägenhetsfördelare. Vi programmerar ett script för att automatiskt kunna fördela lägenhetstyper i en byggnadskropp, framförallt större bostadskvarter. Här kan man definiera en förutbestämd fördelning. Låt säga att man vill rita in 20% 3:or 50% 2:or och 30% 1:or så fördelas det ut på ett normalplan i en byggnadskropp. Det är både smidigt och tidsbesparande, speciellt om det är större bostadskvarter som ska ritas. Det som tidigare kunde ta dagar att genomföra görs nu på några sekunder.

 

Utöver det så jobbar vi i D+ gruppen med vårt forskningsprojekt kring datadriven stadsplanering. Vi gör en bred omvärldsbevakning av data och analysmetoder som kommer ligga till grund för utvecklandet av nya digitala verktyg inriktade på mätbarhet av städer. Automatisering av platsmodeller i 3D för att göra analyser i tidiga skeden är ett första steg. I dessa modellerna kan vi testa vi olika scenarios genom att mata in olika typer av information.


Vad skulle du vilja utveckla framöver på Liljewall kopplat till datadriven design? 

Jag skulle vilja utforska så kallad Machine Learning ytterligare, det vill säga när datorn lär sig och drar slutsatser utav stora mängder data. Det öppnar upp för en helt ny form av kunskapsöverföring där man kan få erfarenhetsåterföring utifrån tidigare genomförda projekt. Det är väldigt synd i dagens läge att vi så sällan gör en återkoppling av hur de byggnader vi utformat faktiskt används av slutanvändaren. Man skulle kunna jämföra det med en läkare som inte tar reda på om en patient blivit bättre eller sämre efter en operation/behandling.

Genom att göra mätningar på färdigställda projekt kan vi först då förstå om våra designintentioner fungerar så som vi tänkt oss.

 

Det skulle även vara intressant att arbeta med frågeställningar som ”vad gör ett rum trivsamt” utifrån data. Att genom datorn analysera flera tusentals planlösningar inom vissa parametrar för att generera svar på frågan rent empiriskt. Där det blir för komplext för människan – där tar datorn vid.


Ställer den här utvecklingen nya krav på arkitekten? 

Delvis. Du behöver tidigare i processen sätta tydliga mål och kriterier för projektet. Du behöver skapa tydliga ramar och instruktioner till datorn för att processerna ska fungera. Designmål ska definieras i algoritmer som datorn kan generera och beräkna geometrier. Det kräver också att man kan kommunicera arbetsmetodiken, målen och den design som genererats till beställaren. Däremot kommer förutsättningarna för tydligare, och indirekt bättre, kommunikation öka genom den här metodiken samt den illustrativa grafik man kan skapa som visar vad och varför man gjort som man gjort.   


Men om vi spolar fram bandet ytterligare - kommer arkitekten behövas alls i framtiden?

Absolut. Den kreativa människan behövs i designprocessen. Datorn kan inte ersätta denna typ av abstrakt tänkande. Den måste istället förhålla sig till tidigare data och det är väldigt svårt att få en dator att tänka utanför ramarna. Däremot tror jag programmeringskunskap kommer bli viktigare kopplat till den framtida arkitektrollen. Arkitektens tankar ska styra programvarorna, inte tvärtom. Samtidigt så gör bara programmeringskunnande dig inte till en bra arkitekt. Erfarenhet och kunskap är väldigt viktigt. Ett arkitektkontor behöver en bredd av kompetenser och erfarenhet och hellre att man skapar nischer inom olika kunskapsområden.

 

Är detta vedertagna arbetssätt och metoder runt om ute hos arkitektkåren generellt?

Det är lite spritt skulle jag säga. Det är nog mer tillämpat och välkänt bland den yngre kåren. Det kan vara lite svårt att greppa och förstå då mycket hänger ihop med programmering och matematik. Därför är det viktigt att visa illustrativa exempel som tydliggör nyttan.

Generellt så ser man att större kontor, precis som Liljewall, formerar utvecklingsgrupper som driver frågorna för att utveckla och effektivisera designarbetet. Bara under de senaste fyra åren har intresset exploderat. Jag tror om man inte hakar på tåget så kommer man som kontor få det tufft i framtiden.

Beställarna då? Är de mogna för den här typen av datadriven metodik?

De börjar bli det. Jag tycker många är positiva. Kan vi visa konkreta siffror och värden som våra samarbetspartners kan relatera till – där vi tydligt visar varför vi gjort som vi gjort så vinner alla. Målet är att beställaren ska kunna lämna ett möte med en känsla av trygghet. Genom att kommunicera med data kan man därmed minska tvivelkänsla hos beställare eftersom man tydligt kan ställa utformningar i relation till varandra och kunden får därmed en bekräftelse att designen presterar utefter de krav man ställt.



Finns det någon risk att mångfalden och kreativ höjd hotas genom datadriven design och automation?

Nej, det tror jag inte. Jag ser de här digitala verktygen och möjligheterna som en förlängning av pennan där man kan tillföra tydlighet och effektivisera arbetssätten. Vi talar om en evolution, inte en revolution av arkitekturen. Metoderna bygger fortfarande på att det är en människa, en arkitekt, som sätter förutsättningarna för design och utformning utefter definierade mål och visioner.

 

Det är klart att man skulle kunna måla upp skräckscenarios där stora mängder data kvantifierar ett perfekt riktvärde för exempelvis en viss typ av byggnad och att det skulle resultera i likriktad arkitektur och trista stadsrum. Men det finns alltid en längtan efter och ett värde i något unikt. Dessutom har varje plats sin särskilda kontext som man behöver ta hänsyn till.

Lilla data-ordboken

Machine learning
Teorin om att datorn kan ”lära” sig att självständigt förstå och hantera stora mängder data. Istället för att programmeras för en specifik uppgift kan datorn själv analysera och dra slutsatser genom vissa typer av algoritmer

Deep learning
Deep Learning har vuxit fram ur Machine Learning och går ut på att mata datorerna med enorma mängder data för att skapa en stor kunskapsbas. Från denna kunskapsbas genererar och tolkar datorn ny data. Tjänster som Netflix och Spotify använder Deep Learning för att ge förslag på skräddarsydda serier och spellistor till dig.

Datadriven design
Att utefter en analys av kvantitativa data ta fram/producera en design.

Generativ design
Imiterar i princip naturens evolutionslära om att den starkaste överlever. Människan/designern sätter designmål samt andra parametrar (material, tillverkningsmetoder, kostnadskrav etc) och utefter det genereras olika designförslag.

Big Data
Terminologi som beskriver enorma mängder strukturerad, semistrukturerad och ostrukturerade data som processas för att kunna se och utnyttja samband.

På Liljewall välkomnar vi utvecklingen och ser denna typ av digitala verktyg och metoder som ett värdefullt tillägg i vår arbetsprocess. Tack André för pratstunden.

Jag ser de här digitala verktygen och möjligheterna som en förlängning av pennan där man kan tillföra tydlighet och effektivisera arbetssätten. Vi talar om en evolution, inte en revolution av arkitekturen.