Der Zustand eines Bauwerks ist mit fortschreitendem Lebensalter von einer immer schneller zunehmenden Degradation geprägt. Vorbeugende Maßnahmen gegen Alterung sind umso erfolgreicher, je eher sie ergriffen werden. Um die Nutzbarkeit komplexer Bauwerke zu verlängern, sind deutlich mehr Informationen zu einem viel früheren Zeitpunkt erforderlich als heute üblich. Um dieses Defizit drastisch zu verringern und zu einer prädiktiven Instandhaltung zu gelangen, bedarf es grundlegender Forschung zu den Methoden der Erfassung, Verknüpfung und Bewertung aller Daten zu Geometrie, Material, Beanspruchung und Alterung. Übergeordnetes Ziel des SPP 2388 „Hundert plus“ (kurz: 100+) ist eine konzeptionelle und grundlegende Neuausrichtung der derzeitigen Instandhaltungsstrategie von Infrastrukturbauwerken. Diesen Herausforderungen widmet sich das SPP „100+“ in drei interdisziplinären Forschungsbereichen: Digitale Modelle, Digitale Verknüpfung, Zustandsindikatoren, wobei in der ersten Förderphase der Fokus auf den Themengruppen (1) „Digitale Modelle“ und (2) „Digitale Verknüpfung“ lag.

Aufbauend auf den Erkenntnissen der Förderphase 1 sollen in Phase 2 zwei Forschungsschwerpunkte im Forschungsbereich (3) „Zustandsindikatoren“ im Fokus stehen:

(a)Zustandsindikatoren und Prognosemodelle. Es werden wissenschaftliche Methoden zur Auswertung von Bestands- und Zustandsinformationen, z. B. Mess-, Diagnostik- und Inspektionsdaten, sowie deren Verknüpfung mit realen Bauwerken adressiert. Besonders fokussiert werden repräsentative Schadensmechanismen und -modelle sowie Degradationsprozesse in Stahl- und Spannbeton sowie Stahl(-verbund). Die aus verschiedenen Datenquellen generierten Informationen werden verdichtet und sind die Basis für die Entwicklung von konkreten Zustandsindikatoren und Prognosemodellen.

(b)Methoden zur Ableitung von Handlungsempfehlungen. Basierend auf vorhandenen Bestands- und Zustandsinformationen werden Methoden zur Ableitung von Handlungsempfehlungen entwickelt, die auf eine prädiktive und präskriptive Bauwerksinstandhaltung abzielen. Essenziell sind die systematische Verwaltung und automatisierte Auswertung historischer und aktueller Messdaten sowie von Bauwerksinformationen. Die daraus resultierenden Wissensbestände werden mit Handlungsempfehlungen in einem digitalen Zwilling verknüpft und grafisch dargestellt. 

Die entwickelten Zustandsindikatoren und Prognosemodelle sowie die entwickelten Methoden zur Ableitung von Handlungsempfehlungen sollen an realen Bauwerken getestet und validiert werden. Hierfür werden vom Koordinationsprojekt zwei Brücken zur Verfügung gestellt, die Nibelungenbrücke in Worms als Bestandsbauwerk mit Defiziten hinsichtlich der Querkrafttragfähigkeit und der Korrosion der Spannglieder sowie das openLAB als Forschungsbrücke, an der zerstörende Versuche zur Validierung von Sensorkonzepten und Schadensidentifikationsstrategien durchgeführt werden können.

Begleitforschung

Im Koordinationsprojekt wurde in der ersten Förderphase intensive Begleitforschung betrieben, um die Nibelungenbrücke als Demonstrator aufzubauen. Es wurden As-designed- und As-built-Modelle, ein Structural Health Monitoring (SHM)-System und eine umfassende Datenaustauschplattform entwickelt. 

In Phase 2 liegt der Fokus auf der Integration der verschiedenen SHM-Systeme, die in Phase 1 und Phase 2 von den Teilprojekten entwickelt wurden und werden, um ein fusioniertes, kollaboratives SHM-System zu realisieren. Dazu wird die bestehende Datenplattform inklusive des initialen SHM-Systems des SPP 100+ in Phase 2 weiterentwickelt, um den wachsenden Anforderungen gerecht zu werden. Zusätzlich wird eine erweiterte Nutzeroberfläche entwickelt, die eine einfachere Navigation und ein verbessertes Benutzererlebnis ermöglicht, sodass sowohl erfahrene Forscherinnen und Forscher als auch neue Nutzerinnen und Nutzer problemlos auf die Daten zugreifen und diese analysieren können. Parallel dazu werden Methoden entwickelt, um die Qualität aller generierter Daten sicherzustellen und deren Verlässlichkeit zu erhöhen. Darüber hinaus wird eine Strategie für ein intelligentes Wissensmanagement ausgearbeitet. Diese Strategie wird nicht nur Bestandsdokumente einbeziehen, sondern auch Monitoringdaten integrieren, um einen ganzheitlichen Ansatz der Wissensverwaltung zu schaffen. Zur Umsetzung der gennannten Ziele sind vier Arbeitspakete (APs) vorgesehen (siehe Abbildung 2).