Die Anwendung von Building Information Modelling (BIM) im Infrastrukturmanagement wird derzeit intensiv erforscht. Aufgrund ihres individuellen Charakters, der komplexen Geometrie und der Vielzahl ihrer Bestandteile ist die automatisierte Erfassung von Brücken besonders komplex. Eine manuelle Erstellung entsprechender BIM-Modelle auf Grundlage vorhandener 2D-Pläne und Datenbanken ist angesichts der Menge und Komplexität ein erheblicher Aufwand und birgt vielfältige Herausforderungen: Fehlende, unleserliche oder widersprüchliche Plangrundlagen, undokumentierte Projektänderungen oder Erweiterungen am Bauwerk. Mit jüngsten Entwicklungen bei den 3D-Vermessungstechnologien und Fortschritten im Bereich der Künstlichen Intelligenz ergeben sich neue Möglichkeiten, um Prozesse und Verfahren für eine automatisierte Generierung von BIM-Modellen für Brücken im Bestand zu entwickeln und diese auf reale Brückenbauwerke anzuwenden. In dem Forschungsprojekt wurde ein neuartiger, modularer Ansatz für die teil-automatisierte Umwandlung von Punktwolken in Ist-BIM-Modelle erarbeitet. Der Ansatz basiert auf einer Kombination von Anwendungen Künstlicher Intelligenz und heuristischen Algorithmen. Neuronale Netze wurden mit synthetischen sowie realen Datensätzen typischer Brückenelemente trainiert und an Punktwolken tatsächlicher Bauwerke getestet. Die erkannten Brückenelemente werden in ein trianguliertes Oberflächennetz umgewandelt. Anschließend können Volumenelemente mittlerer geometrischer Komplexität generiert werden. Das Endergebnis ist ein Ist-BIM-Modell einer Brücke und ihrer Elemente, angereichert mit semantischen Informationen aus einer Bauwerksdatenbank (zum Beispiel Typ, Eigenschaft, Beziehung, Material), im standardisierten und offenen IFC-Format (Industry Foundation Classes) für den Austausch von Gebäudemodellen. Das Konzept soll als Basis für künftige, großangelegte automatisierte Erfassungskampagnen von Ist-BIM-Modellen von Brücken im Bestand für zukunftsfähige Brückenmanagementsysteme dienen.