Einsatz digitaler Verfahren zur Tragfähigkeitsbewertung und Untersuchung von Prognoseszenarien mit Ingenieurmodelle

Ziel des Projekts ist die Entwicklung innovativer, prädiktiver Verfahren zur Zustands- und Tragfähigkeitsbewertung von Infrastrukturbauwerken, mit Schwerpunkt auf Straßenbrücken. Dabei wird ein hybrider Ansatz verfolgt, der datengetriebene Methoden insbesondere Maschinelles Lernen mit modellbasierten Verfahren wie Ingenieurmodellen und Finite Elemente Analysen kombiniert. Diese sogenannten Grey Box Modelle ermöglichen es, kontinuierlich erfasste Monitoring-Daten (z. B. Verformungen, Dehnungen, Temperaturen, Schwingungen, Satellitendaten) mit künstlich erzeugten Simulationsdaten zu verknüpfen. Dadurch können objektspezifische Wirkzusammenhänge realitätsnah abgebildet und die zukünftige Entwicklung der Tragfähigkeit präzise prognostiziert werden. Hintergrund ist, dass aktuelle Verfahren zur Tragfähigkeitsbewertung überwiegend reaktiv arbeiten und auf vereinfachten Annahmen beruhen, die für allgemeine Anwendbarkeit optimiert sind, aber objektspezifische Besonderheiten nicht ausreichend berücksichtigen. Eine kontinuierliche, vorausschauende Zustandsbewertung ist bisher nur eingeschränkt möglich. Angesichts alternder Bauwerke, steigender Verkehrsbelastung und wachsender Instandhaltungsrückstände besteht ein dringender Bedarf an präziseren, automatisierten und daten- und modellbasierten Bewertungsmethoden. Im Rahmen des Projekts wird dazu untersucht, inwiefern künstlich generierte Mess und Simulationsdaten aus der Ingenieurmodelle zur Entwicklung und Validierung datengetriebener Algorithmen beitragen können. Der gewählte hybride Ansatz verbindet die Stärken physikalisch fundierter Modelle mit der Flexibilität moderner KI Methoden, um sowohl den aktuellen Zustand als auch potenzielle Schädigungsszenarien zuverlässig zu bewerten. Ein exemplarischer Use Case etwa an einer typischen Schwachstelle wie einer Koppelfuge dient der praktischen Erprobung und Validierung. Der erwartete Nutzen umfasst eine deutliche Verbesserung der Sicherheit, eine Verlängerung der Lebensdauer und eine nachhaltigere Bewirtschaftung der Infrastruktur. Durch gezieltere und vorausschauende Instandhaltungsmaßnahmen können wirtschaftliche Vorteile erzielt und Risiken für Schäden oder Ausfälle minimiert werden. Zudem leistet das Projekt einen Beitrag zur Weiterentwicklung des Digitalen Zwillings bis zum Reifegrad 3 und eröffnet neue Perspektiven für die Anwendung digitaler Verfahren im Infrastrukturbewertung.