Verkehrswege bilden das Rückgrat einer modernen, arbeitsteiligen Volkswirtschaft. Planung, Entwurf und Bau haben einen erheblichen Einfluss auf die Dauerhaftigkeit der Straßeninfrastruktur, auch wenn diese Lebensphasen im Vergleich zur gesamten Lebensdauer einer Anlage relativ kurz ist. Daher ist eine umfassende Dokumentation der bei der Inbetriebnahme (Abnahme) einer Anlage vorherrschenden Eigenschaften und Randbedingungen essentiell. Dies dient als Grundlage zur Aufbereitung von relevanten Informationen während der Nutzungsphase, um objektspezifische Erhaltungsmaßnahmen vorzubereiten.

Infrastrukturbetreiber benötigen qualitativ hochwertige Bestands- und Zustandsinformationen zu ihrer Straßeninfrastruktur, um Maßnahmen zu ergreifen, die die Sicherheit und Gebrauchstauglichkeit der Straßeninfrastruktur gewährleisten und dabei zu möglichst geringen negativen Auswirkungen auf die Verfügbarkeit und Nachhaltigkeit führen. Die Informationen über den Anlagenzustand werden durch regelmäßige Zustandserfassungen und -bewertungen (ZEB), Bauwerksprüfungen und übrige Überwachungsmaßnahmen gewonnen. Während der Lebensdauer einer Anlage können diese Überwachungsmaßnahmen eine große Menge an Daten erzeugen, die digital verwaltet werden müssen. Bauwerksprüfungen und Erhaltungsplanung erfordern organisierte, automatisierte, offene und intuitive digitale Prozesse, die sowohl Anlagedaten als auch zugehörige Zustandsdaten berücksichtigen sollten. Dieser nahtlose digitale Prozess wird durch bestehende Asset Management Systeme (AMS) bereits unterstützt, kann aber noch erheblich verbessert werden. So unterstützen die meisten AMS keine geometrische Darstellung der Anlagen, was die Datenerfassung, insbesondere bei den Brückenbauwerken, im Rahmen der Bauwerksprüfung erschwert.

Die Verknüpfung des Building Information Modeling (BIM) mit AMS kann die Erfassung und Auswertung von Prüfdaten erheblich erleichtern und zusätzliche Überwachungsdaten präzise lokalisieren. Darüber hinaus unterstützt die exakte geometrische Darstellung von Ingenieurbauwerken und erfassten Schäden die Erhaltungsplanung. Durch detaillierte Simulationen kann das Tragverhalten unter verschiedenen Umwelteinflüssen analysiert und interpretiert werden.

Eine Verknüpfung von BIM mit AMS schafft ein vollständig digitales Speichersystem und eine Plattform für den Datenaustausch mit bestehenden BIM-Lösungen. Dies ermöglicht ein umfassendes Asset Management mit Prognose-, Optimierungs- und Analysemodellen. Das Ziel besteht in einem software- und hardwareunabhängigen Datenaustausch zwischen verschiedenen Softwareanwendungen während der gesamten Nutzungsdauer. Die Verwendung einer offenen BIM-Technologie zur Interoperabilität auf technischer, semantischer und organisatorischer Ebene ist hierbei von zentralem Interesse. Der aktuelle Entwicklungsstand und die zu bewältigenden Herausforderungen für eine erfolgreiche Umsetzung dieses Ziels werden diskutiert.

Der Fachvortrag zur Veranstaltung ist im Volltext verfügbar. Das PDF enthält alle Bilder und Formeln.

1 Einleitung

Eine reibungslose Mobilität im Personenverkehr und ein leistungsfähiger Güterverkehr sind elementar von leistungsfähigen Wegenetzen abhängig. Der Bundesverkehrswegeplan 2030 sieht daher ein Gesamtinvestitionsvolumen von etwa 270 Mrd. Euro für verkehrsträgerübergreifend anfallende Erhaltungs- und Ersatzinvestitionen als auch Aus‐ und Neubauprojekte vor (BMVI 2016).

Eine größere Herausforderung als der Bau neuer Straßeninfrastruktur ist die Erhaltung der bestehenden Anlagen. Der massive Anstieg der CO₂-Emissionen und der damit verbundene Klimawandel führen einerseits zu einer Zunahme der Intensität und Häufigkeit von Extremwetterereignissen, die zum zeitweiligen Versagen der Infrastruktur führen können. Andererseits beschleunigen die CO₂-Emissionen und der damit verbundene Klimawandel Schadensprozesse an den Bauwerken, wie z. B. Korrosion, die ebenfalls zum Versagen von Infrastrukturbauwerken führen können. Eine weitere Problematik besteht in der Ermüdung von Bauteilen. Da der auf der Straße abgewickelte Personen- und Güterverkehr kontinuierlich wächst, werden an die Straßeninfrastruktur wachsende Anforderungen in Bezug auf die zu ertragenden Belastungszyklen gestellt. Die Umweltauswirkungen sowie eine zunehmende Alterung der Straßeninfrastruktur sind zu einer erheblichen Herausforderung für Infrastrukturbetreiber weltweit geworden.

Die medienwirksamen Brückenkatastrophen (z. B. Kollaps der Morandi-Brücke in Italien (Milillo et al. 2019)) zeigen die Notwendigkeit auf, das vorhandene Wissen zu erweitern und bestehende Ansätze für das Infrastrukturmanagement weiterzuentwickeln oder zu überdenken. Die jüngsten Extremwetterereignisse, wie die Ahrtal-Katastrophe im Jahre 2021, sowie das Versagen von bedeutenden Brückenbauwerken haben die Aufmerksamkeit der Politik auf das Thema Erhaltung und künftige Konstruktionsanforderungen erhöht. Menschenleben sind unwiederbringlich verloren gegangen, wobei die direkten und indirekten wirtschaftlichen und gesellschaftlichen Folgen ebenfalls erheblich sind.

2 Digitale Transformation in der Straßeninfrastruktur

Der Begriff "digitale Transformation" bezieht sich auf einen Prozess, bei dem Unternehmen digitale Technologien nutzen, um ihre Leistung zu verbessern, ihre Marktpräsenz zu erweitern und bessere Ergebnisse zu erzielen. Die digitale Transformation stellt somit einen Strukturwandel innerhalb einer Organisation dar, bei dem Technologie eine entscheidende Rolle spielt. Künstliche Intelligenz (KI), Cloud- und Edge-Computing, Big-Data-Analytik sowie der Einsatz von Robotik und neuartigen Sensoren können genutzt werden, um ein neues Ökosystem zu schaffen, in dem die der Straßeninfrastruktur zugeordneten Anlagenteile, die durch digitale Zwillinge repräsentiert werden, kommunizieren können („Internet of Things“) (Bittencourt et al. 2021).

Unter dem Begriff „Internet of Things“ (IoT) wird der zunehmende Trend verstanden, eine Vernetzung aller Arten von physischen Gegenständen mit dem Internet herzustellen. In dieser futuristischen Vision werden sogenannte intelligente Brücken (z. B. Windmann 2022) einschließlich kompletter Infrastrukturanlagen kontinuierlich analysiert und verwaltet, entweder nahezu in Echtzeit oder über einen längeren Zeitraum, durch Beobachtungen oder Anwendungen von KI (Morgenthal et al. 2019, Embers et al. 2022). Gleichwohl bleibt die Computertechnologie nur ein Werkzeug zur Verbesserung der Prozesse selbst. Die Infrastrukturbetreiber sind bestrebt digitale Lösungen in der Praxis einzusetzen. Die Erstellung von Softwarelösungen als Werkzeug zum Management der Straßeninfrastruktur erfordert in erster Linie fundiertes technisches Ingenieurwissen. Entscheidend ist, dass die zu erhaltenen Anlagenteile stets in Hinblick auf ihre Zuverlässigkeit, Sicherheit, Verfügbarkeit und Nachhaltigkeit betrieben und erhalten werden (Hajdin et al. 2023).

3 Building Information Modeling und Digitaler Zwilling

Unter Building Information Modeling (BIM) wird eine „kooperative Arbeitsmethode verstanden, bei der auf Basis digitaler Bauwerksmodelle dir für ihren gesamten Lebenszyklus relevanten Informationen und Daten konsistent erfasst, verwaltet und in einer transparenten Kommunikation zwischen den Beteiligten ausgetauscht oder für die weitere Bearbeitung übergeben werden“ (BMVI 2015). Für die Straßenverkehrsinfrastruktur ist ein BIM-basiertes digitales 3D-Modell mit Informationen über den gesamten Lebenszyklus eines Bauwerks (Planung, Bau, Betrieb und Erhaltung) erforderlich, um die derzeitigen Arbeitsabläufe zu verbessern. Zwar bildet BIM seit etwa 20 Jahren eine Schlüsselkomponente bei der Infrastrukturautomatisierung und -digitalisierung, jedoch wird es bisher hauptsächlich für die Planung/Projektierung und den Bau eingesetzt. Für die Einführung von BIM im Bundesfernstraßenbau hat das BMDV einen „Masterplan BIM Bundesfernstraßen“ erstellt. Dieser beinhaltet eine Implementierungsstrategie der BIM-Methode mit dem Ziel die Digitalisierung des Planens, Bauens und Betreibens im Bundesfernstraßenbau mit der BIM-Methode voranzutreiben. Die bisherigen Aktivitäten beschränken sich dabei hauptsächlich auf die Abbildung der Planungs-, Entwurfs- und Bauphase. Mit dem „Masterplan Digitaler Zwilling“ soll ab 2025 auch eine Einführung von BIM auf die Nutzungs- und Erhaltungsphase in Form von Digitalen Zwillingen erfolgen (BMDV 2021).

Brücken, Straßen und Tunnel bilden das Straßeninfrastrukturnetz, das in Zukunft innerhalb eines ganzheitlichen Infrastruktur-BIM-Modells dargestellt werden sollte. Ein solches Infrastruktur-BIM-Modell ist mehr als nur eine visuelle Darstellung geometrischer Eigenschaften. Es beinhaltet auch eine umfassende Datenspeicherung von Anlagenteilen über den gesamten Lebenszyklus einer Anlage, einschließlich ihrer grafischen Darstellung (Geometrie, Struktur, Schäden usw.). Aufgrund der mittlerweile weltweiten Zusammenarbeit von Projektteams, der nahtlosen Arbeitsabläufe und der damit verbundenen Kostensenkung durch die Gewährleistung der Integrität aller Prozesse sind Infrastrukturbetreiber auf der Suche nach einer sogenannten "einzigen Quelle der Wahrheit" (Single source of truth).

Die Betriebs-, Erhaltungs- und Rückbauphase ist derzeit nur teilweise in die BIM-Prozesse eingebunden. Das weltweite Interesse an der Digitalisierung des Lebenszyklus von Betrieb und Erhaltung und ihrer Verknüpfung mit durchgeführten Erhaltungsmaßnahmen ist jedoch aufgrund tragischer Versagensfälle und der kritischen Altersstruktur zahlreicher Bauwerke gewachsen. Der Großteil der Brückenbauwerke wurde in den 1970er Jahren (BASt 2023) fertiggestellt, sodass die meisten von ihnen inzwischen fünf oder mehr Jahrzehnte alt sind. Infrastrukturbetreiber haben den Bedarf an informationsbasierten Lösungen erkannt, um die Effizienz der Erhaltung ihrer Straßeninfrastrukturen zu verbessern, Kosten zu sparen und tödliche Gefahren zu minimieren. Viele moderne Volkswirtschaften konzentrieren sich derzeit darauf, den Stand der Technik bei der Erhaltung und dem Management der Straßeninfrastruktur zu definieren und auch die Herausforderungen vorauszusehen, die diesem Sektor in den kommenden Jahren begegnen werden (Hüthwohl et al. 2018). Bestehende PMS und BMS dienen als wertvolle Grundlage für die Erfassung von Zustandsdaten und die Erhaltungsplanung, können jedoch erheblich verbessert werden, um Veränderungen an den Bauwerken abzubilden. Zu diesem Zweck kann BIM eine entscheidende Rolle spielen. Dabei ist BIM als ein Prozess zu verstehen, der auf einem gemeinsamen 3D-Modell der Straßeninfrastruktur („as-planned“, „as-built“ und „as-performing“) für alle Beteiligten basiert, einschließlich nicht-geometrischer Informationen über die gesamte Lebensdauer – von der Vorplanung, dem Entwurf, dem Bau über die Erhaltung bis zum Rückbau oder zur (Teil-)Sanierung.

In jüngster Zeit wurde der Begriff "Digitaler Zwilling" für die dynamische virtuelle Darstellung eines Objekts oder physischen Systems gewählt, welche während seines gesamten Lebenszyklus gepflegt wird und Echtzeitdaten verwendet. Ein digitaler Zwilling ist eine digitale Darstellung von physischen Anlagen, Prozessen und Systemen, die für eine Vielzahl von Zwecken genutzt werden kann, so auch z. B. für die Erhaltung der Straßeninfrastruktur. Modelle, Scans, Sensoren, maschinelles Lernen, Datenanalyse, künstliche Intelligenz und andere Technologien werden in digitalen Zwillingen eingesetzt. Der Schwerpunkt liegt dabei stets auf der Bereitstellung einer einfach zu navigierenden und visualisierenden Umgebung, die den Nutzenden hilft, die konstruierte Umgebung besser zu verstehen. Für die Technologie der digitalen Zwillinge bietet BIM eine organisierte und konsistente Datenverwaltung auf kollaborative Weise, die dazu dient, die Betriebs- und Erhaltungsphase bis zum Ende der Lebensdauer der Anlage (Erhaltung, Ersatz oder Rückbau) voranzutreiben. Der Einsatz der Technologie des digitalen Zwillings soll die Effizienz der Prozesse innerhalb der Betriebs- und Erhaltungsphase verbessern sowie Vorteile, wie die Reduzierung von Ausfallzeiten, vorausschauende Analysen, vorbeugende Instandhaltung, Optimierung der Nachhaltigkeit und Transparenz bieten. Der Einsatz von BIM oder digitalen Zwillingen muss eng mit den jüngsten Verbesserungen bei der Bauwerksprüfung und Erhaltungsplanung verknüpft werden.

4 Herausforderungen

In Hinblick auf eine zukünftige vollständige Digitalisierung der beschriebenen Prozesse sind sowohl konzeptionelle als auch technologische Herausforderungen zu meistern.

4.1 Konzeptionelle Herausforderungen

Es liegt auf der Hand, dass die digitale 3D-Darstellung klare Vorteile für die Infrastrukturbetreiber hat, z. B.:

• Prüfbefunde, z. B. Schäden und Verformungen, können genau lokalisiert werden, was eine genauere Analyse ihrer Auswirkungen auf die Sicherheit und Gebrauchstauglichkeit der Bauwerke ermöglicht.
• Die im Rahmen von Bauabnahmen und baumaßnahmenvorbereitenden Untersuchungen entnommenen Bohrkerne innerhalb eines Straßenabschnittes können exakt lokalisiert und visualisiert werden, welche eine Grundvoraussetzung für eine anschließende ingenieurtechnische Interpretation der Ergebnisse darstellt.
• Die Erfassung von Prüfdaten, z. B. Schäden, Verformungen, kann z. B. mit Hilfe von Augmented Reality genau und einfach erfasst werden.
• Die Vergabe von Aufträgen zur Bauwerksprüfung kann durch die Übergabe eines 3D-Modells an einen Auftragnehmer erheblich erleichtert werden.
• Die Zustandsprognose inkl. der Entwicklung von Auswirkungen auf die Sicherheit und die Gebrauchstauglichkeit über die Zeit ist auf Basis von digitalen Zwillingen möglich. Dies ist eine wesentliche Grundlage für die Erhaltungsplanung und die Erstellung von Bauprogrammen.
• Die Ausschreibung und Vergabe von Erhaltungsmaßnahmen kann durch die Übergabe eines 3D-Modells an potentielle Auftragnehmer erleichtert werden. Die Auftragnehmer wiederum können Mengen und Preise effizienter abschätzen.

Um diese Vorteile nutzen zu können, ist die Verfügbarkeit von BIM-Modellen derzeit das größte Hindernis. Bei der Planung und dem Bau der Straßeninfrastruktur werden digitale 3D-BIM-Technologien noch nicht flächendeckend eingesetzt. Jedoch sind die Vorteile offensichtlich, sodass es nur eine Frage der Zeit ist, bis alle neuen Bauwerke, wie bspw. Brücken von einem 3D-Modell mit allen erforderlichen Informationen einschließlich Tragwerksanalyse begleitet werden. Für den Infrastrukturbetreiber ist dies jedoch nur von begrenztem Nutzen, da es sich bei der überwiegenden Mehrheit der Bauwerke um bereits bestehende Bauwerke handelt und deren Erhaltung die größte Herausforderung darstellt. Zudem liegt das gelieferte BIM-Modell in den meisten Fällen nicht in einem Format vor, das direkt für die Zustandserfassung bzw. Bauwerksprüfung und Erhaltungsplanung verwendet werden kann.

Zusammenfassend können zwei zentrale, zu lösende Herausforderungen benannt werden, um eine breitere Nutzung von AMS in Verbindung mit BIM zu ermöglichen:

• Definition eines BIM-Modells, das den Bedürfnissen der Infrastruktureigentümer bzw. -betreiber entspricht und
• Einrichtung eines effizienten Verfahrens zur Erstellung von BIM-Modellen für bestehende Bauwerke.

Im Folgenden werden einige wichtige konzeptionelle Herausforderungen auf dem Weg zu einer vollständigen Digitalisierung von Prozessen erörtert.

4.1.1 Erfassungstechnologien

Derzeit werden die visuelle Bauwerksprüfung sowie die messtechnische Zustandserfassung und -bewertung (ZEB) von Straßen in der Regel in periodischen Abständen durchgeführt. Es ist zu erwarten, dass neue Überwachungstechnologien die visuellen Bauwerksprüfungen zunehmend verbessern werden. Diese werden jedoch noch für einige Zeit die kostengünstigste Methode bleiben.

Mit zunehmender Alterung und Beanspruchung der Straßeninfrastruktur erhöht sich jedoch der Bedarf an zuverlässigen Überwachungsmethoden, die Aussagen zum tatsächlichen Zustand und Zustandsentwicklung von Fahrbahnen, Bauwerken, Tunneln sowie weiterer Anlagenteile ermöglichen. Insbesondere für innerhalb des Netzes sehr relevante Schlüsselbauwerke, bei denen ein erhöhtes Ausfallrisiko zu erwarten ist, kommen bereits für konkrete Fragestellungen zusätzliche Überwachungssysteme zum Einsatz. Darunter fallen beispielsweise Straßeninfrastrukturobjekte, die kritische und nicht direkt beobachtbare Bauwerksteile aufweisen, wie bspw. die tragende, erdseitige Bewehrung in der Arbeitsfuge einer Winkelstützmauer. Zudem bieten die Digitalisierung, die Verfügbarkeit von immer mehr Daten und die rasch voranschreitenden technologischen Entwicklungen ganz neue Möglichkeiten für eine ganzheitliche und permanente Überwachung der Straßeninfrastruktur (Gammeter 2023).

Die für die Überwachung der Straßeninfrastruktur zur Verfügung stehenden Technologien werden kontinuierlich weiterentwickelt. Darunter fallen u.a. Technologien des Structural Health Monitorings (SHM). Diese lassen sich in Methoden zur Erfassung der Umgebung und der Lasten (Beobachtung von Naturgefahren, wie z. B. meteorologische und gravitative Naturgefahren, Hochwasser, Erdbeben, Beobachtung von Umgebungsauswirkungen, wie bspw. Temperatur, Feuchtigkeit u. Wind, Verkehrsbelastung, wie z. B. Weigh-in-Motion, Kräfte / Spannungen, wie bspw. Kraft- und Druckmesssensoren), zur Erfassung der Antwortgrößen (z. B. Beobachtung von Verschiebungen, Verformungen und Durchbiegung, Rissmonitore, Dehnungen, Schwingungen (dynamische Verschiebung, Geschwindigkeit, Beschleunigung)) unterteilen. Zudem kann auf zerstörungsfreie oder zerstörungsarme Methoden (z. B. optische Methoden, wie Endoskopie und Mikroskopie), Akustische Methoden, Radar / Elektromagnetische Methoden) zurückgegriffen werden.

Zudem kommen neue aufstrebende Technologien auf den Markt, deren Anwendbarkeit in der Praxis zunächst erprobt werden müssen. Hierzu zählen bspw. das synthetische Apertur-Radar, die Laser-Doppler-Vibrometrie, das On-Board-Monitoring, die kamera-basierte Schadenserkennung (DIC – digital image correlation), verteilte faseroptische Sensoren (FOS) und die Neutronenradiographie. Einige dieser Technologien kommen bereits seit längerem für Ingenieurbauwerke zum Einsatz. Die Übertragbarkeit dieser Technologien auf den Straßenoberbau befindet sich noch in Erprobung.  

4.1.2 Generierung von BIM-Bestandsmodellen

Mit dem mittelfristigen Ziel den Betrieb der Bundesfernstraßen mit Hilfe von digitalen Zwillingen zu unterstützen, betrifft die zweite oben erwähnte Herausforderung die Beschaffung von BIM-Modellen für bestehende Straßeninfrastrukturobjekte. Hierbei zeigt sich eine Segmentierung von Punktwolken in Verbindung mit künstlicher Intelligenz (KI) als vielversprechender Weg. Derzeit liegt der Schwerpunkt auf einer Segmentierung, die der Ontologie der Infrastrukturbetreiber entspricht, aber auch hier ist eine feingranulare Zerlegung möglich, die alle Ontologien abdecken würde.

Um Punktwolken zu erhalten, werden immer bessere Scantechniken und Hardwaregeräte für eine erfolgreiche, schnelle und detaillierte Digitalisierung derjenigen Brücken notwendig sein, für die es nicht einmal 2D-Zeichnungen gibt. Die weitere Entwicklung sollte es ermöglichen, relevante Informationen (z. B. Statik, Bauverfahren) aus der Entwurfs- und Bauphase in BIM-basierte BMS-Modelle aufzunehmen. Ein möglicher Ansatz für diese Herausforderung wird von Hajdin (2018) skizziert.

Bednorz et al. (2023) beschreiben die Entwicklung eines einheitlichen und anwenderfreundlichen Verfahrens zur (teil-)automatisierten Erstellung von BIM-Modellen. Die Methodik basiert auf einer Kombination von Anwendungen künstlicher Intelligenz und heuristischen Algorithmen. Dazu wurde ein neuronales Netz für die Klassifikation von Scandaten mit künstlichen Datensätzen typischer Brückenelemente trainiert und an Punktwolken tatsächlicher Brücken getestet. Die erkannten Brückenelemente wurden in ein trianguliertes Oberflächennetz umgewandelt und anschließend Volumenelemente generiert. Das Endergebnis ist ein BIM-Bestandsmodell einer Brücke und ihrer Elemente, angereichert mit semantischen Informationen im standardisierten und offenen Austauschformat IFC (vgl. Bild 1). Solcher Verfahren bieten ein enormes Potential für zukünftige, großangelegte automatisierte Erfassungskampagnen zur Erstellung von BIM-Bestandsmodellen für zukunftsfähige BMS.

Bild 1: Aus klassifizierter 3D-Punktwolke generiertes BIM-Modell einer Brücke mit angereicherten Merkmalsgruppen und Merkmalen (in Anlehnung an Bednorz et al. 2023)

Ein weiterer Anwendungsfall zur Nutzung von 3D-Punktwolken ist die algorithmische Erkennung von Stützmauern. Stützmauern gehören zu den kritischen Objekten, welche im Fall ihres Versagens vor allem in Bergregionen erhebliche Auswirkungen auf die Straßennutzenden in Bezug auf Sicherheit und Verfügbarkeit sowie auf den Umfang der Maßnahmen zur Wiederherstellung der Straßeninfrastruktur haben können. Eine wesentliche Grundlage zur Erhaltungsplanung ist die Geometrie von Stützmauern, d. h. die Länge und die sich über den Verlauf ändernde Höhe dieser Objekte. Schiffmann et al. (2023) entwickelten einen Algorithmus zur Segmentierung von Stützmauern aus 3D-Punktwolken.

Bild 2: Algorithmische Erkennung von Stützmauern aus 3D-Punktwolken der Straßenbefahrung (Schiffmann et al. 2023)

So kann der personelle und zeitliche Aufwand zur Erfassung von Inventardaten minimiert und durch die Digitalisierung dieses Prozesses eine Effizienzsteigerung erreicht werden. Mit den Ergebnissen des vorgestellten Verfahrens lassen sich mit Hilfe einer weiteren Entwicklung zusätzliche Aufgaben im Rahmen der Digitalisierung lösen. Aus den segmentierten Punktwolken können automatisch 3D-triangulierte Oberflächennetze (Mesh) rekonstruiert werden. Grundsätzlich können diese triangulierte Oberflächendarstellungen mit jedem 3D-Objektbetrachter geladen werden. Diese Oberflächennetze bilden die Grundlage für weitere Einsatzzwecke. Die Entwicklung dieser Methode würde nur eine kleinere Teilmenge von Stützmauerdaten erfordern und kann dann leicht skaliert werden, um automatisch für alle anderen Stützmauern zu funktionieren.

4.1.3 Verknüpfung von BIM und Asset Management Systemen

Die Datenstruktur der Asset Management Systeme (AMS) ist bei den Straßenbauverwaltungen weltweit sehr unterschiedlich. Diese Systeme sind stark auf die Bedürfnisse der jeweiligen Infrastrukturbetreiber zugeschnitten und werden im Allgemeinen recht erfolgreich eingesetzt. Sie enthalten zudem große Datenmengen, die es ihnen ermöglichen, statistische Analysen durchzuführen, um Prognosemodelle, Stückkosten, die Effizienz von Erhaltungsmaßnahmen usw. abzuleiten. Die derzeitige Situation hat jedoch auch eine Kehrseite, denn die fehlende Einheitlichkeit zwischen den Infrastrukturbetreibern erschwert es Praktikern und Wissenschaftlern, Prüfdaten für wissenschaftliche Untersuchungen zu nutzen (Sacks et al. 2018).

Die Aufgaben eines Asset Managements (AM) können mit der BIM-Methode maßgeblich unterstützt werden. Der Schwerpunkt der derzeitigen Aktivitäten und Pilotprojekte liegt bisher vorrangig auf dem Planungs- und Bauprozess und weniger auf der Betriebs- und Erhaltungsphase. Um einen reibungslosen Informationsaustausch zwischen Planern, Bauunternehmen und Infrastrukturbetreibern zu ermöglichen, ist ein Datenaustausch über offene Standards wie das IFC-Format entscheidend. Da BIM sowohl für bestehende als auch für neue Bauwerke oftmals von privaten (Software-)Unternehmen und Auftragnehmern entwickelt wird, sind klare Regeln für diesen Zweck erforderlich. Als Herausforderung stellte sich hierbei die Berücksichtigung der jeweils landesspezifischen technischen Anforderungen sowie die unterschiedlichen Datenbanksysteme dar.

Hajdin et al. 2022 sowie Stöckner et al. 2022 zeigen eine Methodik auf, wie der Datenaustausch zwischen AMS und BIM über den gesamten Lebenszyklus von Fahrbahnen und Bauwerken erfolgen kann. Zunächst wurden die Architektur und Prozessabläufe der Infrastruktur-Asset-Management-Systeme (IAMS) analysiert, um detaillierte technische Anforderungen für die Verknüpfung von IAMS und BIM festzulegen. Die auf einem Information Container for linked Document Delivery (ICDD)-basierende Methode ermöglicht den barrierefreien Austausch unterschiedlicher Ontologien und Semantiken zwischen verschiedenen Beteiligten im AMS-Prozess. Die Beispiele zeigen, dass BIM für Bauherren an die Datenstruktur oder genauer gesagt an die Ontologie der jeweiligen BMS angepasst werden muss. Es zeigt sich zudem, dass der beste Weg darin besteht, ein BIM mit feingranularer Zerlegung zu entwickeln, das für alle Ontologien geeignet ist. Dieser Ansatz wird auch von Isailović & Hajdin (2022) ausführlich beschrieben.

Bild 3: Darstellung von Schäden in einem BIM-orientierten Asset Management System (Hajdin et al. 2022)

4.1.4 Verfahren zum praktikablen Datenaustausch zwischen IFC und AMS

Für die Extraktion relevanter Informationen aus einem AMS in ein BIM-basiertes 3D-Modell und umgekehrt existiert derzeit kein standardisiertes, und vor allem kein voll-automatisiertes Verfahren. Die vollständige Automatisierung dieses Prozesses gestaltet sich in der ersten Phase aufgrund der Vielfalt an Bauwerksmerkmalen und der unterschiedlichen Detaillierungstiefe zwischen der Planungs-, Entwurfs- und Bauphase und dem Asset Management als herausfordernd. Mit Hilfe eines halbautomatischen Verfahrens kann jedoch zunächst eine Gruppe von generischen Geometrien, die verschiedene Bauteile eines Bauwerks repräsentieren, aus dem Asset-Management-System übernommen werden. Diese Geometrien werden dann vom Anwender mit ihrer tatsächlichen Darstellung im BIM-Modell abgeglichen, wobei die dazugehörigen Informationen aus dem AMS übertragen werden.

Bild 4: Datenaustausch zwischen einem BIM-Modell und einem Asset Management System (infKuba) mit Hilfe von generischen Geometrien zur Abbildung einzelner Bauwerkselemente

4.2 Technologische Herausforderungen

Um einen fairen Wettbewerb zwischen Consultants, Auftragnehmern und Softwareanbietern zu gewährleisten, müssen die Bauherren verschiedene Methoden und Software zulassen und gleichzeitig die von ihnen benötigten BIM-Daten erhalten. Jede Art von kommerzieller BIM-Software verfügt über ein eigenes natives Dateiformat. Für die Übergabe eines Brückenmodells an den Bauherrn ist das herstellerneutrale IFC (Industry Foundation Class) Dateiformat, welches von buildingSmart International entwickelt und gepflegt wird, das derzeit am weitesten verbreitete Austauschformat. Der Schwerpunkt liegt auf der geometrischen Darstellung, da die Ontologie von den jeweiligen Infrastrukturbetreibern definiert wird. Dies kann als Zwischenschritt zu einer offenen BIM-Plattform angesehen werden. Die offene BIM-Plattform mit einer austauschbaren 3D-Darstellung, die durch zahlreiche Funktionen ergänzt wird, die verschiedene Ontologien berücksichtigen, ist das Endziel. Anlagen würden zu bestehenden BIM-Modellen hinzugefügt, die von Beratern/Auftragnehmern als Ergebnis von Bauwerksprüfungsprozessen verwendet werden. Das Ziel muss es sein, Daten in alle Richtungen des Lebenszyklus einer Brücke zu kommunizieren.

Wenn sich der Datensatz nur auf geometrische Daten beschränkt und die Zeit als vierte Dimension ignoriert wird, geht der Nutzen eines durchgängigen Datenmanagements in BIM häufig verloren. Die Historie von Inkonsistenzen und Konflikten sollte entlang der Zeitachse dargestellt werden, damit Fehler vermieden werden können, bevor sie auf der Baustelle passieren. Aktuelle BIM-Viewer können weder die Mängel noch das 3D-Brückenmodell im wie-gebaut-Zustand visualisieren, das sich vom Entwurfsmodell unterscheidet. Alle Arten von Schäden, deren zeitabhängige Historie, semantische Informationen, auch Sensorstandorte, sowie auf Leistungsindikatoren basierende Erhaltungsprogramme sollten in BIM integriert sein, um die daraus abgeleiteten Informationen bestmöglich nutzen zu können. Dabei sind maschinelles Lernen (Deep Learning) und künstliche Intelligenz (KI) zu einem wichtigen Werkzeug für die Digitalisierung geschädigter Bauwerke geworden.

Eine sehr innovative und interessante Methodik wurde von Sacks et al. (2018) und Isailović et al. (2020) entwickelt und erprobt, um Schäden an Brückenbauwerken in BIM-Modelle zu integrieren. Dazu wurde ein Prototyp erstellt, der als Proof of Concept für den automatischen Austausch und Vergleich von Informationen diente.

Bild 5: IFC-Struktur für die geometrische Darstellung von Schäden an einem Stahlbetonträger (Isailović et al. 2020)

Diese Informationen werden für die Bauwerksprüfung von Stahlbeton-Brücken, sowie für den Aufbau einer Wissensbasis für die Prognose des Zustandsverhaltens der Bauwerke im Laufe der Zeit benötigt. Schließlich ist es von entscheidender Bedeutung, dass die verwendete Software so benutzerfreundlich wie möglich ist, dass die Open-BIM-Datenbank relativ standardisiert und interoperabel ist, um den individuellen Bedürfnissen der verschiedenen Infrastrukturbetreiber gerecht zu werden.

5 Schlussbetrachtung

Die Digitalisierung der Straßeninfrastruktur, der Aufbau bzw. die Erweiterung der aktuellen Infrastrukturdatenbank, intuitivere Verfahren zur Bauwerksprüfung, die Senkung der Kosten für die Bauwerkserhaltung und insbesondere die Kombination von Building Information Modeling (BIM) mit den bestehenden Asset Management Systemen sind im Interesse aller Infrastruktureigentümer und -betreiber. Das Ziel von Infrastruktureigentümern bzw. -betreibern ist es, anhand von digitalen Zwillingen Wissen über den zeitlichen Verlauf ihrer Straßeninfrastruktur zu generieren, die jederzeit mit einem Analysewerkzeug "untersucht" werden können, um den globalen und lokalen Zustand einzelner Elemente oder der gesamten Anlage zu überprüfen.

Wesentliche Werkzeuge auf dem Weg zur digitalen Transformation der Straßeninfrastruktur sind das Building Information Modeling (BIM) sowie digitale Zwillinge. Durch den Einsatz von Technologien, wie künstlicher Intelligenz, Cloud-Computing, Big-Data-Analytik und dem Internet-of-Things kann die digitale Transformation unterstützt werden. Dabei sind sowohl konzeptionelle als auch technologische Herausforderungen zu bewältigen. Konzeptionelle Herausforderungen Dies beinhaltet den Umgang mit neuen Erfassungstechnologien, die Generierung von BIM-Bestandsmodellen, die Verknüpfung von BIM und Asset Management Systemen sowie weitere Verfahren für einen praktikablen Datenaustausch. Zu den technischen Herausforderungen zählen die Erprobung von neuen Möglichkeiten der Datenspeicherung, -verarbeitung und -visualisierung.

Die Digitalisierung der Straßeninfrastruktur wird mittelfristig dazu führen, dass neue Fragestellungen anhand von realen Daten untersucht werden können. Hierzu zählen bspw. eine vertiefte Analyse und Bewertung des Einflusses der Straßeninfrastruktur auf die Nachhaltigkeit. Dies führt bspw. dazu, dass zukünftig zunehmend Nachhaltigkeitsbewertungen und die Auswirkungen auf die Verfügbarkeit von Erhaltungsmaßnahmen im Rahmen der Entscheidungsfindung Berücksichtigung finden können. Die quantitative Bewertung und der Vergleich von Varianten kann durch den Einsatz von digitalen Daten unterstützt werden.

Literaturverzeichnis

1. Bednorz, J., Hajdin, R., Richter, R., Rakić, L., Diederich, H., Hildebrand, J., Schulz, S. & Döllner, J. (2023). Scan2BIM: Einsatz künstlicher Intelligenz zur Generierung von BIM-Bestandsmodellen im Straßenbrückenbau. Fachkongress Digitale Transformation der Verkehrsinfrastruktur (2), 107–113, expert Verlag, Renningen.
2. Bittencourt, T. N., Futai, M. M., da Conceição Neto, A. P. & Ribiero, D. M. (2021). "Digital Transformation of Bridges Inspection, Monitoring and Maintenance Processes," in Bridge Maintenance, Safety, Management, Life-Cycle Sustainability and Innovation, London. U.K.
3. Bundesanstalt für Straßenwesen (BASt) (2023). Brückenstatistik. https://www.bast.de/DE/Statistik/Bruecken/Brueckenstatistik.pdf;jsessionid=2EEED6A07DCBFA37DE0157B205CE2E16.live21302?__blob=publicationFile&v=21. Online abgerufen am 22.01.2024, 11:26 Uhr
4. Bundesministerium für Digitales und Verkehr (BMDV) (2021). Masterplan BIM für Bundesbauten. Bundesministerium für Digitales und Verkehr. Berlin.
5. Bundesministerium für Verkehr und digitale Infrastruktur (BMVI) (2015). Stufenplan digitales Planen und Bauen. Berlin.
6. Bundesministerium für Verkehr und digitale Infrastruktur (BMVI) (2016). Bundesverkehrswegeplan 2030. Bundesministerium für Verkehr und digitale Infrastruktur (BMVI), Berlin.
7. Embers, S., Zentgraf, S., Herbers, P., Faltin, B., Celik, F., König, M., Braun, J.-D., Steinjan, J., Schammler, D., Nieborowsk, S., & Holst, R. (2022). An artificial intelligence and mixed reality approach for optimizing the bridge inspection workflow. Proceedings of the 2022 European Conference on Computing in Construction. European Conference on Computing in Construction, Rhodes. https://doi.org/10.35490/ec3.2022.195
8. Gammeter, Ch. (2023). Nutzen von Überwachungstechnologien für die Nationalstrassen – eine Analyse (NTech). ASTRA Fachtagung „Nationalstrasseninfrastruktur – Standards und Entwicklungen“. Bern.
9. Hajdin, R. (2018). Managing Existing Bridges – On the Brink of an Exciting Future, in Ninth International Conference on Bridge Maintenance, Safety and Management (IABMAS’18), Melbourne.
10. Hajdin, R., Blumenfeld, T., Elvarsson, A., Grossauer, K., König, M., Liu, L., Pintar, G., Schiffmann, F., Stöckner, M. & Stöckner, U. (2022). BIM-Erweiterung durch Implementierung der Nutzung baustofftechnischer Daten von Straßen und Brücken im AMS (BIM4AMS). D-A-CH-Call 2019, Österreichische Forschungsförderungsgesellschaft (FFG), Wien.
11. Hajdin, R., Stöckner, M., & König, M. (2022). Einsatz von BIM zur Unterstützung des Asset-Managements von Verkehrsinfrastrukturanlagen. 8. OKSTRA-Symposium 2022, May 11-12 2022, Hamburg.
12. Hajdin, R., Blumenfeld, T., Tanasić, N. & Schiffmann, F. (2023). Einsatz von Key Performance Indikatoren im Lebenszyklusmanagement von Bauwerken. In: Straße und Autobahn, Heft 8, 623-629, Kirschbaum Verlag, Bonn.
13. Hagedorn, P., Liu, L., König, M., Hajdin, R., Blumenfeld, T., Stöckner, M., Billmaier, M., Großauer, K., & Gavin, K. (2022). BIM-enabled Infrastructure Asset Management using Information Containers and Semantic Web. Journal of Computing in Civil Engineering. American Society of Civil Engineers (ASCE).
14. Hüthwohl, P., Brilakis, I., Borrmann, A. & Sacks, R. (2018). Integrating RC Bridge Defect Information into BIM Models. J. Comput. Civ. Eng., vol. 32, no. 3: 04018013-1.
15. Isailović, D. & Hajdin, R. (2022). Geometry as a common ground for BMS and BIM. Challenges for Existing and Oncoming Structures. Prag: IABSE.
16. Isailović, D., Stojanovic, V., Trapp, M., Richter, R., Hajdin, R. & Döllner, J. (2020). Bridge damage: Detection, IFC-based semantic enrichment and visualization. Automation in Construction, 112(103088). DOI: https://doi.org/10.1016/j.autcon.2020.103088
17. Milillo, P., Giardina, G. Perissin, D. Milillo, G. Coletta, A. & Terranova, C. (2019). Pre-Collapse Space Geodetic Observations of Critical Infrastructure: The Morandi Bridge, Genoa, Italy, Remote Sensing. Volume.11, 1403; doi:10.3390/rs11121403w
18. Morgenthal, G., Rodehorst, V., Hallermann, N., Debus, P. & Benz, Ch. (2021). Bauwerksprüfung gemäß DIN 1076 – Unterstützung durch (halb-) automatisierte Bildauswertung durch UAV (Unmanned Aerial Vehicles – Unbemannte Fluggeräte). Berichte der Bundesanstalt für Straßenwesen. Heft B 171. Bergisch Gladbach.
19. Sacks, R., Kedar, A., Borrmann, A., Mad, L., Hüthwohl, P., Brilakis, I., Daum, S., Kattel, U., Yosef, R., Liebich, T., Barutcu, B. E. & Muhic, S. (2018). See Bridge as Next Generation Bridge Inspection: Overview, Information, Delivery Manual and Model View Definition. Automation in Construction, vol. 90, pp. 134-145.
20. Schiffmann, F., Hajdin, R., Rakić, L. & Richter, R. (2023). Algorithmische Erkennung von Stützmauern aus 3D-Punktwolken der Straßenbefahrung. Fachkongress Digitale Transformation der Verkehrsinfrastruktur (2), 93–99, expert Verlag, Renningen.
21. Shim, C., Kang, H., Dang, N. S. & Lee, D. (2017). Development of BIM Based Bridge Maintenance System for Cable-Stayed Bridges, Smart Structures Systems, vol. 20, no. 6, pp. 697-708.
22. Stöckner, M., Brow, I., Zwernemann, P., Hajdin, R., Schiffmann, F., Blumenfeld, T., König, M., Liu, L. & Gavin, K. (2022). Exchange and exploitation of data from Asset Management Systems using vendor free format. Final Report. CEDR Transnational Road Research Programme.
23. Windmann, S. (2022). Intelligente Brücke – Reallabor Intelligente Brücke im Digitalen Testfeld Autobahn. Berichte der Bundesanstalt für Straßenwesen. Heft B 178. Bergisch Gladbach.