Problemstellung

Digitale Zwillinge für Infrastrukturbauwerke bilden derzeit primär den Ist-Zustand ab (Reifegrad 2). Für eine prädiktive Instandhaltung ist eine Reifegraderhöhung auf Stufe 3 erforderlich, um den künftigen Bauwerkszustand prognostizieren zu können. Bestehende Modelle zur Zustandsvorhersage müssen weiterentwickelt, kombiniert und in ihren Wechselwirkungen analysiert werden. Für einzelne Schädigungsmechanismen fehlen physikalische Prognosemodelle, sodass datenbasierte Ansätze des maschinellen Lernens notwendig werden.

Projektziel

Ziel ist die Weiterentwicklung von Prognosemodellen zur Dauerhaftigkeit und Tragfähigkeit von Brücken sowie deren systematische Anreicherung mit Messdaten. Ergänzend werden datenbasierte Ansätze für Schädigungsmechanismen entwickelt, um Anomalien frühzeitig zu erkennen. Die Integration der Modelle in den Digitalen Zwilling soll erstmals eine ganzheitliche, belastbare Zustandsprognose auf Bauwerksebene ermöglichen.

Durchführung

Bestehende Prognosemodelle werden weiterentwickelt und um neue Ansätze ergänzt. Grundlage bilden Daten aus dem Digitalen Zwilling openLAB (FKZ: 19FS2013) sowie Versuche und die Validierung der Modelle an einem Demonstratorbauwerk. Die Ergebnisse werden in den Digitalen Zwilling zurückgeführt, um Zustandsänderungen und Handlungszeitpunkte abzuleiten. Zudem werden konzeptionelle Grundlagen für eine standardisierte Integration von Prognosemodellen erarbeitet.