Bauingenieurwesen

Die Vordimensionierung im konstruktiven Ingenieurbau ist traditionell ein manueller, erfahrungsbasierter Prozess, der stark von den Fähigkeiten des Ingenieursschaffenden und allgemeinen Berechnungsformeln abhängt. Methoden des maschinellen Lernens (ML), einschließlich Graph Neuronale Netze (GNN), wurden bereits in vielen ingenieurwissenschaftlichen Bereichen angewendet, jedoch noch nicht für die Vordimensionierung von Stahlbetontragwerken.

Die vorliegende Arbeit zielt darauf ab, diese Forschungslücke zu schließen, indem sie ein GNN trainiert, welches in bestehende Optimierungsabläufe integriert werden kann, um eine datengestützte automatisierte Vordimensionierung zu ermöglichen. Ein speziell auf die Vordimensionierung von Stahlbetonstützen und -decken ausgerichteter, synthetischer FEM-Datensatz, welcher Eurocode Grenzwerte bezüglich Durchbiegung, Rissbreite und Stabilität berücksichtigt, dient als Trainingsdatensatz für das GNN. Die Studie leistet Pionierarbeit bei der Anwendung von GNN auf die spezifischen Herausforderungen der Vordimensionierung von Stahlbetonkonstruktionen und führt einen datengestützten Ansatz für diesen kritischen Aspekt der Tragwerksplanung ein.

Die datengestützte Vordimensionierung mit GNN ist automatisiert, verwendet kollektives Wissen und bietet einen erheblichen Zeitvorteil, welcher in der Entwurfsphase eine effizientere Erkundung des Gestaltungsspielraums ermöglicht.

Die Qualitätsprüfung von Frischbeton liefert im Produktionsprozess wesentliche Informationen zu den Betoneigenschaften, die einen Abgleich der Produktion mit den Anforderungen aus der Planung und den aktuell gültigen Normen zulassen. Auf der Baustelle ist die Ermittlung der Betoneigenschaften gegenwärtig noch immer rein empirisch und stark vom Erfahrungswissen des Prüfenden geprägt. Dabei ist eine Sicht- beziehungsweise. Augenscheinprüfung heutzutage fester Bestandteil der Qualitätsprüfung von Beton auf der Baustelle bei der Verarbeitung von Frischbeton.

Zur Überwindung der Grenzen der subjektiven Augenscheinprüfung wurde im Rahmen der Dissertation eine bildbasierte Messmethodik entwickelt und validiert, die es gestattet maßgebende Betoneigenschaften im Rahmen der standardmäßigen Konsistenzprüfung (Ausbreitmaß) digital zu erfassen und zu bewerten. Durch Anwendung photogrammetrischer Messprinzipien in Kombination mit modernen digitalen Bildanalyseverfahren (unter anderem Computer-Vision) sowie Methoden der künstlichen Intelligenz können maßgebende Betoneigenschaften aus Bilddaten prädiziert werden. Das zu ermittelnde Eigenschaftsspektrum im Rahmen der standardmäßigen Qualitätsprüfung des Frischbetons wird dadurch durch eine Vielzahl zusätzlicher Parameter beziehungsweise Eigenschaften entscheidend erweitert.

Die digitale Datenerfassung und -bewertung bietet die Möglichkeit zur Integration eines digitalen Regelkreislaufs bei der Produktion und Verarbeitung von Frischbeton, der eine unmittelbare Anpassung der Eigenschaften bei festgestellten Abweichungen im weiteren Produktionszyklus ermöglicht.

In diesem Dissertationsprojekt wird eine KI-basierte Applikation vorgestellt, die Brückenprüferinnen und -prüfer bei der Schadensdokumentation unterstützen soll. Die Applikation ist für Smartphones und Tablets konzipiert und digitalisiert die Schadensdokumentation. Zu den Funktionen der Applikation gehören die Aufnahme von Bildern, ein Kommentarfeld für jedes Schadensbild zur Erfassung weiterer Schadensinformationen und ein Bewertungsfeld für die Kriterien Dauerhaftigkeit, Stand- und Verkehrssicherheit. Weiterhin zeigt die Applikation auf Abruf eine Übersicht über alle dokumentierten Schäden sowie 2D-Pläne und Skizzen des Bauwerks.

Die Hauptkomponente der Applikation ist eine Funktion zum Auslesen von Schadeninformationen aus Bildern, die auf künstlicher Intelligenz (KI) basiert. Die KI nimmt ein Schadensbild als Eingabe und gibt als Ausgabe Schadensmarkierungen im Bild sowie die zugehörigen Schadenstypen aus. Es können sechs verschiedene Schadenstypen erkannt werden: Abplatzungen mit und ohne freiliegende korrodierte Bewehrung, Kiesnester mit und ohne freiliegende korrodierte Bewehrung, Risse und Korrosion. Die Schadenstypbezeichnungen wurden in Anlehnung an deutsche Richtlinien erstellt (DIN 1076). Die Applikation bietet nicht nur eine Digitalisierung der Schadensdokumentation, sondern auch eine Automatisierung. Die Applikation wird kontinuierlich weiterentwickelt. Die Entwicklung der Applikation kann auf instanddigital.github.io weiterverfolgt werden.