Ein Digitaler Zwilling der Straße benötigt mehr als eine reine 3D-Geometrie: Er braucht eine belastbare virtuelle Referenzstruktur, in der Objekte, Sensoren, Zustände und Prozesse eindeutig verortet und miteinander verknüpft werden können. Geometrisch-semantische Modelle bilden hierfür die zentrale Grundlage. Sie beschreiben den physischen Straßenraum anwendungsbezogen, semantisch angereichert und mit genau dem Detaillierungsgrad, der für Analyse, Bewertung und Prognose innerhalb definierter Systemgrenzen erforderlich ist.

Der Vortrag stellt einen Prozess zur Generierung solcher geometrisch-semantischer Bestandsmodelle im Kontext des Sonderforschungsbereichs/Transregios (SFB/TRR) 339 „Digitaler Zwilling Straße“ vor. Dabei wird gezeigt, wie aus Punktwolken, bestehenden Datenquellen und modellbasierten Verarbeitungsschritten eine virtuelle Repräsentation der Straße entsteht, die als Referenzmodell für Digitale Zwillinge und Digitale Schatten genutzt werden kann.

Anhand eines Demonstrators zum Anwendungsfall „Monitoring des Reifen-Fahrbahnsystems“ wird anschließend die praktische Umsetzung vorgestellt. Live-Fahrzeugpositionen, Weigh-in-Motion (WIM)-Daten und echtzeitfähige KI-basierte Verformungsschätzungen werden in einer Game Engine auf einem geometrisch-semantischen Straßenmodell zusammengeführt. So entsteht ein verknüpfter Digitaler Schatten, der dynamische Belastungsprozesse sichtbar macht und eine Grundlage für zukünftige Analysen, Simulationen und Entscheidungsprozesse im Straßeninfrastrukturbetrieb schafft.

Building Information Modeling (BIM) authoring in the Architecture, Engineering, and Construction (AEC) sector entails navigating complex professional software, demanding significant manual effort and domain expertise. While current automation approaches rely heavily on rigid Application Programming Interfaces (APIs), they often detach agents from human-centric visual workflows, with API-specific implementations further limiting their generalizability across software platforms. In this work, we introduce BIMgent, a multimodal LLM-based agentic framework designed to perform autonomous BIM authoring directly via Graphical User Interface (GUI) interactions. To mitigate the challenges of high visual noise and long-horizon dependencies inherent in BIM authoring software, BIMgent incorporates a hierarchical planning mechanism guided by software documentation and employs dynamic GUI grounding to precisely navigate complex user interfaces. We evaluate our framework on a benchmark derived from real-world residential building designs. Experimental results demonstrate that BIMgent achieves a 77.8\% end-to-end success rate in correctly generating semantically rich BIM models from input floorplans, significantly outperforming the leading generalist computer-use models, including Claude-Sonnet-4.5 (2.2\%) and GPT-5.4 (11.1\%). By bridging the gap between abstract design inputs and concrete modeling actions without API constraints, BIMgent presents a viable and generalizable path toward autonomous architectural modeling assistants.