Monitoringdatengetriebenes Lebensdauermanagement mit AR auf Basis einer adaptiven, KI-gestützen Korrosionsprognose für Infrastrukturbauwerke aus Stahlbeton unter kombinierten Einwirkungen

Ausgangslage/ Relevanz

Im deutschen Bundesfernstraßennetz befinden sich mehr als 39.000 Brücken, davon bestehen ca. 85% aus Stahl- und Spannbeton. Mehr als die Hälfte dieser Ingenieurbauwerke weist ein Alter von 40 bis 50 Jahren auf (BASt 2021). Alterung und Materialermüdung infolge von Umweltexposition und gestiegener Verkehrsbelastung führen zur Schädigung der Bausubstanz und gefährden damit die Zuverlässigkeit und Leistungsfähigkeit des gesamten Verkehrssystems. Die Hauptschadensursache stellt in diesem Kontext die chloridinduzierte Bewehrungskorrosion dar, siehe Abbildung 1.

Ziele des Projekts

Im Projekt wird eine Methode zur adaptiven Lebensdauerprognose für Infrastrukturbauwerke aus Stahlbeton unter kombinierter Beanspruchung aus Chloridexposition und mechanischen Einwirkungen erforscht. Grundlage bildet die kontinuierliche Anpassung eines Prognosemodells auf Basis ausgewählter und aufbereiteter Sensordaten. Für die Auswertung lokal erfasster, teils fehlerbehafteter Messwerte sowie zur modellseitigen Parametrierung werden Verfahren des maschinellen Lernens eingesetzt. Insbesondere kommen neuronale Netze zum Einsatz, um den strukturellen Zustand fortlaufend zu bewerten und die Lebensdauerprognose dynamisch anzupassen.

Die in Abbildung 2 dargestellte Systematik veranschaulicht das Prinzip der adaptiven Lebensdauerprognose: Der Widerstand des Materials gegen Chloridmigration in Abhängigkeit des Lastniveaus wird zu Beginn der Lebensdauer bestimmt und mit lokal gemessenen Dehnungen am Bauwerk mittels faseroptischer Sensoren kombiniert. Daraus ergibt sich ein belastungsabhängiger Diffusionswiderstand, auf dessen Basis eine initiale örtlich aufgelöste initiale Lebensdauerabschätzung erfolgt. Diese Prognose wird mit zunehmendem Alter des Bauwerks fortlaufend durch Drahtkorrosionssensoren aktualisiert, die das Fortschreiten der Korrosionsfront über Drahtbrüche anzeigen und so eine zeitlich und räumlich aufgelöste Modellanpassung ermöglichen.

Ausgewählte Sensor- und Prognosedaten werden innerhalb eines Digitalen Zwillings in einer zentralen Datenbank gebündelt. Durch Abgleich mit geometrischen Bauteildaten sowie der Lage der Bewehrung können potenzielle Problemzonen lokalisiert und mittels Augmented Reality (AR) direkt am Bauwerk visualisiert werden, siehe Abbildung 5. Hierdurch wird die gezielte Identifikation oberflächlich noch nicht sichtbarer Schädigungen im Rahmen von Bauwerksprüfungen erleichtert. Die adaptive Prognose unterstützt somit eine vorausschauende, zustandsbasierte Planung und Lokalisierung zukünftiger Instandsetzungsmaßnahmen.

Das Projekt wird in Kooperation von Prof. Dr. Dirk Lowke (Baustoffe und Bauwerksinstandhaltung) und Prof. Dr. Henning Wessels (Datengetriebene Modellierung) geleitet, um die adressierten Forschungsfragen sowohl hinsichtlich der bautechnisch-betontechnologischer Aspekte als auch im Hinblick auf die Künstliche Intelligenz in einer hinreichenden Tiefe zu untersuchen.

Spotlights

1. Dauerstandversuche an Ersatzbauwerken

1.1 Ziel

Untersuchung des Chlorideindringens in gerissene Stahlbetonbauteile unter statischer Dauerlast

1.2 Experimentelle Randbedingungen:

• Versuchsaufbau: Vier-Punkt-Biegeversuch
  Das konstante Biegemoment zwischen den inneren Auflagern ermöglicht eine gezielte Rissentwicklung in der Zugzone und definiert den Bereich der Chloridexposition.
• Dehnungsmonitoring: Faseroptische Sensorik (DFOS)
  Die kontinuierliche und ortsaufgelöste Erfassung der Rissbreitenentwicklung in der Zugzone erfolgt mittels aufgeklebter Glasfasersensoren.
• Korrosionsmonitoring:
  Die tiefengestaffelte und zeitlich aufgelöste Detektion des Korrosionsbeginns erfolgt durch den kombinierten Einsatz von:
  • Drahtkorrosionssensoren → Nachweis des Korrosionsbeginns über Drahtbruch (sprunghafter Anstieg des elektrischen Widerstands)
  • Anodenleitern → Messung des Korrosionsstroms.
• Bohrkernentnahmen:
  Analyse der Chlorideindringtiefe mittels Farbindikatorverfahren zur Verifizierung der Sensordaten.

1.3 Ergebnisse (vgl. Abbildung 3):

• Dehnung und Rissbreiten
  • Oben: örtlich aufgelöste Dehnungskurve entlang der Balkenmitte
  • Daraus abgeleitet: Risspositionen und -breiten (µm) über DFOS
• Korrosionsmonitoring
  • Anodenleiter (links): 6 Sprossen (Betondeckung AN1: 5mm bis AN6: 25 mm), markierter Korrosionsbeginn in Stunden
  • Drahtsensoren (rechts): Betondeckung 15, 20 und 25 mm, Drahtbruch in Tagen, X = Sensorausfall
  • Bohrkernentnahme: Lage durch Kreise markiert, Chlorideindringtiefe in mm (Farbumschlag) angegeben

1.4 Aktueller Stand:

• Fortführung der Versuchsreihe zur Modellparametrisierung und Generierung von Trainingsdaten für KI-basierte Prognosemodelle.