Infrastruktur

Schadenserkennung: Der Algo­rith­mus findet Brücken­schäden

Digitalisierte Schadenserkennung
Symbolbild: Daniel Polack | pixabay

[LeanBI] – Brücken, Tunnel, Kanäle: Der Schweizer Data-Science-Spezialist LeanBI erläutert, wie Digitali­sierung die Schadenserkennung an Infra­strukturen effizienter, kosten­günstiger und sicherer macht.

Um Schäden an Infrastrukturen wie Brücken, Tunneln oder Kanälen zu erkennen, müssen sie herkömm­licher­weise vor Ort von Ingenieuren inspiziert werden. Dieses Vorgehen ist aufwendig, teuer und mitunter sogar gefährlich. Wie LeanBI zeigt, können Unternehmen die Schadenserkennung mit modernen Technologien aber digitali­sieren – und dadurch Kosten sparen, Schäden früher erkennen und Leib und Leben der Ingenieure schützen.

Digitalisierte Schadenserkennung

Symbolbild: Squirrel Photos | pixabay

Mit optischen Verfahren können Unter­nehmen Bild­daten einer Infra­struktur erfassen. Dafür stehen verschiedene Techniken zur Verfügung, die sich für unter­schied­liche Infrastrukturen eignen. Beispiele dafür sind:

  • Laseraufnahme­geräte in Eisenbahn­tunneln. Sie sind auf Wagen montiert, die auf den Gleisen durch die Tunnel fahren, und tasten in 3D die Wände ab.
  • Panorama-Kameras in der Kanali­sa­tion. Sie fahren mit kleinen Robotern durch die Kanäle und nehmen 360-Grad-Bilder der Kanäle auf.
  • Drohnen bei Brücken. Sie fliegen automati­siert auf fest­gelegten Routen um die Brücken und fotografieren sie ab.

Aus solchen Aufnahmen können Photo­grammetrie-Systeme dann 3D-Modelle der Infra­strukturen erzeugen. Diese digitalen Abbilder, so genannte Digital Twins, ermöglichen es den Ingenieuren, sich am PC virtuell durch die Infra­struk­turen zu bewegen und Schäden zu finden. Durch den Einsatz von Deep-Learning-Algorithmen lässt sich das Aufspüren von Schäden aber auch automatisieren:

  1. Spezielle Software­tools erzeugen aus den Bild­daten der optischen Aufnahme­verfahren 2D-Abwick­lungen, die von den Algorithmen verarbeitet werden können.
  2. Detektieren die Algorithmen anhand dieser Daten Schäden, werden sie auf die bestehenden 3D-Modelle der Infra­strukturen gemappt, damit die Ingenieure sie begutachten können.
  3. Zusätzlich besteht die Möglich­keit, detektierte Schäden in ein BIM-Modell (Building Information Modeling) zu exportieren, um die Maß­nahmen­planung zur Behebung der Schäden zu unterstützen.

„Digitalisierte Schadenserkennung kann Ingenieuren optimal assistieren. Sie kann sie aber nicht ersetzen“, betont Marc Tesch, Inhaber und CEO von LeanBI. „Sie haben weiterhin eine wichtige Kontroll­funktion und müssen die Ent­schei­dungen der Algorithmen überprüfen und das Ergebnis ihrer Prüfung zurück­melden. Dadurch sind folgen­schwere Fehler aus­ge­schlossen und die Algorith­men werden immer besser. Die Systeme können so im Produktiv­betrieb Treffer­quoten von über 95 Prozent erreichen.“


LeanBI mit Hauptsitz in Bern ist ein Schweizer Spezialist für Data-Science-Anwendungen, der auf Basis von Künstlicher Intelligenz maßgeschneiderte Datenanalyse-Lösungen entwickelt. Die Anwendungen umfassen Bereiche wie Qualitäts- und Prozessoptimierung über die automatisierte Schadenserkennung an Infrastrukturen bis hin zur Analyse von Luftqualität und Nutzerverhalten in Räumen.