Bauschäden früh erkennen mit KI

Jungunternehmerin Claudia Rougoor über den Einsatz künstlicher Intelligenz bei der Bauwerksinstandhaltung.

VDI nachrichten: Was hat Sie dazu inspiriert, ein Unternehmen zu gründen?

Rougoor: Die Inspiration zur Gründung der Preservitec GmbH entstand aus meiner ersten Selbstständigkeit, in der ich seit 2018 die Erfassung und Dokumentation des Ist-Bauzustands mit Drohnen und Softwarelösungen vorantrieb. Um das Potenzial der dabei erhobenen digitalen Daten für die Früherkennung von Bauschäden optimal zu nutzen, wurde Preservitec gegründet.

Mit KI-Technologie und einer abgestimmten Prozesskette sollen Bauwerksinspektionen und -instandhaltung effizienter, kostengünstiger und qualitativ hochwertiger umgesetzt werden. Prognosen über zukünftig zu erwartende Schäden ermöglichen präventiven Unterhalt, verbessern so die Sicherheit und Langlebigkeit von Bauwerken.

Welche Herausforderungen haben Sie beim Aufbau von Preservitec erlebt?

Herausfordernd war anfangs vor allem die Langatmigkeit des gesamten Prozesses, bis die GmbH gegründet war. Beschleunigungs­optionen rund um die bürokratischen Abläufe nicht existent.

Lesen Sie auch:

Viele Wege führen zum Titel Dr.-Ing.

Wie ich zum Doktor der Ufologie wurde

Da halfen nur Geduld und tiefes Durchatmen. Plan A bezüglich eines Co-Founders ging nicht auf, folglich kam Plan B zum Einsatz. Hier musste ich schnell agieren und flexibel sein, das sind aus meiner Sicht per se zwei wichtige Eigenschaften in einem jungen Unternehmen. Zu Beginn der Softwareentwicklung gab es einige Parameter, die es zu evaluieren und festzulegen galt. Hier mussten meine Vorstellungen aus der Sicht einer Bauingenieurin in die „Sprache“ der Software­entwickler „übersetzt“ werden. Sowohl regelmäßige Jours fixes als auch zeitnahe Abstimmungen an kritischen Punkten waren immens wichtig, in Summe Kommunikation, Kommunikation und Kommunikation.

„Organisatorisch erfordert der KI-Einsatz oft eine Umstellung von Prozessen und Schulungen für Mitarbeitende“

Welche Herausforderungen gibt es beim Einsatz von KI in der Bauwerksinstandhaltung – und welche Lösungen gibt es dafür?

Eine der größten technischen Herausforderungen ist die Integration von KI-Systemen in bestehende Infrastrukturen und die Gewährleistung der Datenqualität für präzise Analysen. Organisatorisch erfordert der KI-Einsatz oft eine Umstellung von Prozessen und Schulungen für Mitarbeitende. Regulatorisch müssen Datenschutzbestimmungen und Sicherheitsstandards eingehalten werden. Lösungsansätze umfassen die Entwicklung flexibler, skalierbarer KI-Systeme, umfassende Schulungsprogramme und die enge Zusammenarbeit mit Behörden zur Entwicklung angemessener Regularien.

Wie verbessern KI-gestützte Technologien, Datenerfassung und -analyse die Instandhaltung?

KI-Systeme können im Gegensatz zu uns Menschen große Datenmengen, die bei Bauwerksinspektionen, zum Beispiel mit Drohnen, erhoben wurden, systematisch und schnell analysieren und Lebenszyklusbewertungen von Bauwerken vereinfachen. Sie erkennen Muster, die für das menschliche Auge oft unsichtbar oder nur schwer feststellbar sind. KI kann verschiedene Arten von Schäden klassifizieren und nach entsprechendem Training priorisieren. Dies führt zu einer signifikanten Zeit- und Kostenersparnis in der Analyse der erhobenen Daten bei gleichzeitiger Steigerung der Genauigkeit und Zuverlässigkeit der Inspektionsergebnisse. Schäden der Bauwerksoberfläche und bauwerksnahen Bereiche werden frühzeitiger erkannt, der manuelle Inspektionsaufwand kann reduziert werden und Inspektionen werden sicherer. Fundiertere Entscheidungen in der Instandhaltungsplanung gehen einher mit effizienter Allokation von Ressourcen sowie der Erhöhung der Sicherheit und Langlebigkeit der Bauwerke.

„Die Algorithmen werden mit historischen sowie mit den bereits erhobenen Daten und Echtzeit­informationen trainiert, um die Muster zu erkennen“

Welche Algorithmen werden in KI-Modellen verwendet, um Vorhersagen über zukünftige Schäden zu erstellen?

Preservitec verwendet verschiedene fortschrittliche KI-Algorithmen, wobei Machine-Learning-Modelle wie neuronale Netze und auf Convolutional Neural Networks (CNNs) basierende Objekterkennungsalgorithmen eine bedeutende Rolle spielen.

Diese Algorithmen werden mit historischen sowie mit den bereits erhobenen Daten und Echtzeit­informationen trainiert, um die Muster zu erkennen und die Entwicklung hin zur Vorhersage von zukünftigen Entwicklungen voranzubringen.

Zusätzlich kommen häufig Zeitreihenanalysen und probabilistische Modelle zum Einsatz, um die Wahrscheinlichkeit und den Zeitpunkt potenzieller Schäden mittelfristig genau vorherzusagen zu können.