[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.
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:
- Spezielle Softwaretools erzeugen aus den Bilddaten der optischen Aufnahmeverfahren 2D-Abwicklungen, die von den Algorithmen verarbeitet werden können.
- Detektieren die Algorithmen anhand dieser Daten Schäden, werden sie auf die bestehenden 3D-Modelle der Infrastrukturen gemappt, damit die Ingenieure sie begutachten können.
- 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.
