背景
建設・施設管理業界では、レーザースキャンによる三次元計測技術の普及が進んでいます。特にヨーロッパでは既存建物の正確なデジタル化が進み、その結果として膨大な点群データやメタデータが蓄積される課題が生まれていました。従来、施設管理者が建物内の設備や安全装置の位置を特定するには、古い図面やExcelリスト、PDFレポート、あるいは現場経験者の知識に頼らざるを得ず、情報の一元化と検索効率が大きな課題となっていました。オーストリアのスタートアップqaptureは過去6年間にわたってオーストリア、スイス、ドイツ全域で建物スキャンを実施し、IKEA38サイト（延べ200万平方メートル以上）を含む膨大なデジタルツインデータを蓄積してきました。このような背景の中で、自然言語処理によるデジタルツイン検索というAI技術の活用機会が顕在化したのです。
内容
qentinはAIエージェントで、レーザースキャンされた建物のデジタルツインに対して自然言語（ドイツ語または英語）による質問を可能にします。施設管理者は「消火器はどこか」「この部分に破損がないか」といった質問をチャット形式で入力することで、3Dビューア上に位置情報とともに回答が表示されます。背景にはqaptureが6年かけて構造化した建物データがあり、AIが自動的にオブジェクトを検出・ラベル付けし、スキャン画像内の資産タグもテキスト認識機能で読み込みます。現在アーリーアクセス段階にあり、すでにオーストリアエネルギー企業Energie AG Oberösterreichが実運用での利用を始めています。同社の場合、137サイト（73万平方メートル）がデジタル化され、6,300個のラベルが自動検出されています。最頻度機能は資産タグ検索で、ユーザーがタグ番号を入力すると該当資産の3D上の位置が即座に表示されます。
技術的ポイント
qentinの核心は、点群データの上に自然言語処理層を載せたアーキテクチャにあります。従来のBIMモデル（Revit等の構造化データ）とは異なり、レーザースキャン由来の非構造化三次元点群をAIが直接解釈・検索するアプローチです。オブジェクト検出にはコンピュータビジョンの最新手法が用いられ、OCR（光学文字認識）機能で物理的な資産タグを読む能力も備えています。既存のBIMソフト（RevitやArchicadなど）はスキーマが厳密に定義された環境での動作を前提としていますが、qentinはスキャン画像という「曖昧な」入力から意味を抽出する点で技術的に異なります。また、ユーザーが3D上で分類を修正できる機能は、モデルの精度向上をクラウドソーシング的に実現する設計になっており、継続的な学習が組み込まれています。DIN 277（ドイツの床面積計算標準）に準拠した施設管理ダッシュボード機能も統合されており、単なる検索ツールではなく、コンプライアンス管理やアセット・インベントリ管理をワンプラットフォームで実現します。
業界への影響
この技術は既存建物のファシリティマネジメント領域に大きな変化をもたらします。特に規模の大きい施設群（商業施設、工業団地、医療施設ネットワーク）では、複数サイト間での設備比較や基準の統一が格段に容易になります。グローバルな建設業界では、BIMのライフサイクルアプローチが進んでおり、設計・施工段階で作られたデータが運用段階で活用されるというフローが標準化しつつあります。qentinはこの流れを加速させ、特に「既存建物のデジタル化」というこれまで軽視されてきた領域に光を当てています。また、外部請負業者が特定資産の位置を迅速に特定できるようになることで、保守・改修工事の効率化も期待できます。火災安全チェックや避難経路の検証もAIが自動サポートできるようになり、BIMの建築基準法等への適合性確認機能が、既存建物の規制遵守にも活用される可能性が出てきました。
