Digital twins for AEC/FM industry: integrating BI dataflows and Generative AI on BIM foundation

The Architecture, Engineering, Construction, and Facility Management (AEC/FM) in- dustry struggles to leverage rich data from technical Digital Twin (DT) platforms. Data fragmentation creates a dual challenge: a strategic gap preventing automated data flow to Business Intelligence (BI) dashboards and a usability gap forcing practitioners to man- ually search complex systems and document libraries. This disconnect limits effective Decision Support Systems (DSS) and forces a reliance on labor-intensive manual proce- dures. In order to tackle this dual problem, this thesis uses a Design Science Research (DSR) methodology, which has been verified by a thorough practical case study. The main item is an integrated, comprehensive DT environment that is based on a standardized (ISO 19650) BIM framework. The solution is divided into two creative, value-adding workflows: (I) a new, automated DT-to-BI data pipeline that uses Microsoft Power Automate to connect strategic Power BI dashboards with the technical Autodesk Tandem platform, and (II) a Generative AI (GenAI) ”Digital Plant Assistant” that uses Microsoft Copilot Studio and Azure OpenAI to act as an intelligent orchestrator by querying a federated ecosystem of unstructured technical documents and live structured DT data. The evaluation confirms the ecosystem’s validity. Workflow I (the BI pipeline) achieved 100% technical reliability and accuracy , with user surveys confirming its value as a DSS by yielding a 4.67/5 score in ”Decision Confidence”. Workflow II (the GenAI agent) proved transformative, demonstrating 94% response accuracy (100% on structured data queries) and an average 92.5% reduction in information retrieval time. This research provides a practical framework for this dual-value ecosystem, concluding that Generative AI, when grounded by a high-integrity DT, acts as a critical ”democratizing layer” that fundamentally shifts the paradigm of human-asset interaction from ”point-and-click” to intuitive, natural language conversation.

Il settore Architettura, Ingegneria, Costruzioni e Facility Management (AEC/FM) fat- ica a sfruttare i dati delle piattaforme Digital Twin (DT). La frammentazione dei dati genera una duplice sfida: un gap strategico, che impedisce l’automazione dei flussi verso la Business Intelligence (BI), e un gap di usabilità, che costringe a complesse ricerche manuali. Ciò limita i Sistemi di Supporto alle Decisioni (DSS) e impone procedure ad alta intensità di lavoro. Per affrontare questo problema, la tesi adotta una metodologia Design Science Research (DSR), convalidata da un caso studio pratico. L’elemento centrale è un ambiente DT integrato basato su framework BIM (ISO 19650). La soluzione introduce due flussi di lavoro innovativi: (I) una pipeline di dati automatizzata DT-to-BI (tramite Microsoft Power Automate) che collega le dashboard Power BI alla piattaforma tecnica Autodesk Tandem, e (II) un ”Assistente Digitale d’Impianto” (GenAI) che, utilizzando Microsoft Copilot Studio e Azure OpenAI, agisce da orchestratore intelligente, interrogando un ecosistema federato di documenti non strutturati e dati DT live. La valutazione convalida l’ecosistema. Il Workflow I (pipeline BI) ha raggiunto il 100% di affidabilità tecnica e accuratezza; le indagini sugli utenti confermano il suo valore DSS (4.67/5 in ”Fiducia Decisionale”). Il Workflow II (GenAI) si è rivelato trasformativo: 94% di accuratezza nelle risposte (100% su dati strutturati) e una riduzione media del 92,5% nel tempo di recupero delle informazioni. Questa ricerca fornisce un framework pratico per tale ecosistema, concludendo che l’IA Generativa, fondata su un DT ad alta integrità, agisce da ”livello di democratizzazione” critico, spostando il paradigma di in- terazione uomo-asset dal ”point-and-click” alla conversazione in linguaggio naturale.