Skip to content

Project

In den letzten Jahren hat das Thema Ressourceneffizienz auch im Bauwesen zunehmend an Bedeutung gewonnen, da Boden und Gestein mehr als 50 % der mineralischen Bauabfälle ausmachen. Tunnelprojekte spielen dabei eine besondere Rolle, da große Mengen zeitlich und örtlich punktuell anfallen.

Fast die Hälfte der Tunnel wird mit Tunnelbohrmaschinen (TBM) gebaut. Bei den sogenannten Erddruckschilden (engl. Earth Pressure Balance Shield, kurz EPB) wird der abgebaute Boden selbst als Stützmedium genutzt. Hierfür werden am Schneidrad der TBM sogenannte Konditionierungsmittel in Form von Suspensionen oder Schäumen zugegeben, sodass ein pastöser bis flüssiger Erdbrei vorliegt. Der typische Einsatzbereich einer EPB-TBM ist Lockergestein in Form von Tonen, Schluffen, Sanden und sogar Kiesen.

Während Ausbruchmaterial aus Hartgestein vergleichsweise einfach, zum Beispiel als Gesteinskörnung in Beton, eingesetzt werden kann, ist dies bei Lockergestein ungleich schwieriger. Denn der konditionierte Erdbrei weist im Vergleich zur natürlichen Geologie eine wesentlich geringere Festigkeit auf.

Für eine Verwertung im Sinne der Kreislaufwirtschaft für andere bautechnische Zwecke (zum Beispiel einen Erdwall oder eine Straßenunterkonstruktion) ist daher eine aufwändige Bodenbehandlung durch Zugabe von Kalk o. ä. erforderlich.

Wenn dies nicht wirtschaftlich möglich ist, wird das Ausbruchmaterial zumeist auf einer Deponie beseitigt. Zur Erhöhung der Ressourceneffizienz muss es daher Ziel sein, so wenig Konditionierungsmittel wie möglich einzusetzen.

Zwar sind TBMs heutzutage mit diversen Sensoren ausgestattet, jedoch erfolgt bislang anstelle einer automatisierten Regelung der Konditionierungsmittelzugabe eine manuelle Dosierung. Grund hierfür ist vor allem, dass kein Abgleich von Soll- und Ist-Werten der Bodenparameter auf dem Förderband möglich ist.

Aus diesem Grund es ist das Ziel von REMATCH, eine Echtzeit-Charakterisierung von Ausbruchmaterial auf der Basis von Methoden Künstlicher Intelligenz (KI) vorzunehmen.

  • Bilderkennung von Ausbruchmaterial
    Es wird ein Modell trainiert, das eine Verknüpfung schafft zwischen repräsentativen Bildern und sicher bestimmten Bodenparametern.
  • Intelligente Datenauswertung
    In das Modell fließen relevante Vortriebs-, Konditionierungs- und Förderdaten der TBM ein, um die Aussagekraft zu erhöhen.
  • Wissensdatenbank
    Auf Basis aller zur Verfügung stehenden Daten erfolgt eine Vorab-Klassifizierung, ob das Ausbruchmaterial „verwertbar“ oder „nicht verwertbar“ ist.

Daten für das Training und Validierung der KI stammen zum einen aus einem realen Bauprojekt, dem Projekt „Grand Paris Express“, und zum anderen aus umfangreichen Versuchen im Technikum- und Realmaßstab.


Logo bmbf
  • Logo DLR
  • Logo Herrenknecht
GDPR Cookie Consent with Real Cookie Banner