Beim jüngs­ten Robo­TUNN-Pro­jekt­tref­fen am Fraun­ho­fer IPM und INATECH in Frei­burg kamen alle Part­ner zusam­men, um die nächs­ten tech­ni­schen Schrit­te für die auto­ma­ti­sier­te Tun­nel­in­spek­ti­on zu koor­di­nie­ren. Für uns bei Stat­Soft stand dabei vor allem ein The­ma im Mit­tel­punkt: die Wei­ter­ent­wick­lung unse­rer Model­le zur KI-basier­ten Scha­den­klas­si­fi­ka­ti­on – ein Kern­bau­stein für den digi­ta­len Zwil­ling und zukünf­ti­ge Pre­dic­ti­ve-Main­ten­an­ce-Ansät­ze.

Verbesserung der Crack Classification

Im Bereich der Scha­dens­de­tek­ti­on wur­den meh­re­re wich­ti­ge tech­ni­sche Wei­chen gestellt. Unter ande­rem wer­den alle Vor­her­sa­gen des YOLO-Modells künf­tig voll­stän­dig an die zen­tra­le Daten­um­ge­bung über­tra­gen, damit Stat­Soft durch eige­ne Fil­ter­lo­gi­ken ent­schei­den kann, wel­che Befun­de rele­vant sind.
Dies ist ent­schei­dend für repro­du­zier­ba­re Riss­klas­si­fi­ka­tio­nen und die Bestim­mung der Kri­ti­k­ali­tät eines Scha­dens.

Ein wei­te­rer Fort­schritt betrifft das Trai­ning der zugrun­de lie­gen­den Detek­ti­ons­mo­del­le: Die Part­ner bei INATECH prü­fen u.a. eine Neu­ge­wich­tung der Trai­nings­da­ten, um Klas­sen­un­gleich­ge­wich­te zu redu­zie­ren, sowie den Ein­satz alter­na­ti­ver Archi­tek­tu­ren wie SAM3. Gleich­zei­tig eva­lu­ie­ren wir heu­ris­ti­sche Algo­rith­men zur Nach­ver­ar­bei­tung, um das bekann­te Pro­blem zu breit anno­tier­ter Ris­se zu redu­zie­ren – ein The­ma, das die gesam­te Bran­che beschäf­tigt.

Predictive Maintenance: erste Modellierungsansätze

In Work­shops wur­den ver­schie­de­ne Ansät­ze zur Vor­her­sa­ge der zukünf­ti­gen Scha­dens­ent­wick­lung dis­ku­tiert.
Beson­ders inter­es­sant ist die Nut­zung expe­ri­men­tel­ler Daten der RWTH Aachen, in denen Riss­bil­dung unter kon­trol­lier­ten Bedin­gun­gen auf­ge­zeich­net wird. Die­se Daten könn­ten wert­vol­le Ein­bli­cke geben, wie sich exis­tie­ren­de Schä­den zwi­schen zwei Bege­hun­gen ver­än­dern. betref­fen Feuch­te­er­ken­nung, das

Für alle Ansät­ze wird bis Ende Janu­ar eine Bewer­tung erstellt. Das ist ein wich­ti­ger Schritt hin zu einem ers­ten Pre­dic­ti­ve-Main­ten­an­ce-Pro­to­ty­pen im Herbst 2026.

Integration der Sensorsysteme

Par­al­lel dazu lau­fen bei INATECH und RWTH die Arbei­ten an der Inte­gra­ti­on des mul­ti­mo­da­len Sen­sor­sys­tems auf den Robo­tern. Für Stat­Soft ist dies wesent­lich, da Bild-, Ther­mo­gra­fie- und Punkt­wol­ken­da­ten künf­tig gemein­sam in unse­re Klas­si­fi­ka­ti­ons- und Bewer­tungs­mo­del­le ein­flie­ßen wer­den.

Fazit

Das Tref­fen in Frei­burg hat gezeigt, wie dyna­misch sich Robo­TUNN ent­wi­ckelt. Für Stat­Soft erge­ben sich dar­aus kla­re nächs­te Schrit­te: prä­zi­se­re Daten­pipe­lines, ver­bes­ser­te Klas­si­fi­ka­ti­ons­mo­del­le und der Aus­bau der engen Zusam­men­ar­beit mit den Part­nern. Beson­ders die Fort­schrit­te im Bereich Crack Clas­si­fi­ca­ti­on brin­gen uns dem Ziel näher, Tun­nel­in­spek­ti­ons­pro­zes­se nicht nur zu auto­ma­ti­sie­ren, son­dern auch lang­fris­tig vor­her­seh­bar zu machen.