Motivation
In den letzten Jahren hat das Thema Ressourceneffizienz auch im Bauwesen zunehmend an Bedeutung gewonnen, da Boden und Gestein mehr als 50 % der mineralischen Bauabfälle ausmachen. Tunnelprojekte spielen dabei eine besondere Rolle, da zeitlich und örtlich punktuell große Mengen Ausbruchmaterial anfallen. Aufgrund des hohen Mechanisierungsgrades und der damit verbundenen Vorteile in Bezug auf Bauleistung und Arbeitssicherheit wird fast die Hälfte der Tunnel mit Tunnelbohrmaschinen (TBM) gebaut. Um den Bauprozess zu dokumentieren und zu steuern, werden diese mit diversen Sensorsystemen ausgestattet, die umfangreiche Datensätze liefern. In diesem Bereich haben moderne datengetriebene Verfahren jedoch noch keine breite Anwendung gefunden.
Ziele und Vorgehen
Übergeordnetes Ziel des Projekts REMATCH ist es daher, die Datensätze von TBM mit Hilfe von Methoden der Künstlichen Intelligenz zu nutzen, um die großen Mengen an Tunnelausbruchmaterial besser verwerten zu können. Hierfür wird ein integriertes System aus mehreren Einzelmodulen aufgebaut, das eine Entscheidungshilfe bei der Frage gibt, ob Boden für andere Zwecke „verwertbar“ oder „nicht verwertbar“ ist und dann auf einer Deponie beseitigt werden muss.
Innovationen und Perspektiven
Das zu entwickelnde System wird eine Bild- und videobasierte EchtzeitCharakterisierung von Tunnelausbruchmaterial sowie die intelligente Auswertung von TBM-Vortriebsdaten und -Förderdaten zur Ableitung von Bodenparametern im natürlichen und ausgebrochenen Zustand ermöglichen. Ein KI-basiertes Ingenieurmodell wird eine verbesserte Bodenverbreiung und -konditionierung gewährleisten und so den Effizienzgrad der eingesetzten TBM erhöhen. Schließlich wird eine KI-basierte Wissensdatenbank genutzt, um das Ausbruchmaterial den Verwertungsklassen „verwertbar“ oder „nicht verwertbar“ zuzuordnen.