KIKI
KIKI entwickelt KI-basierte Verfahren zur automatisierten Schadenserkennung in Kanalnetzen sowie Prognosemodelle zur vorausschauenden Instandhaltung. Durch die Kombination von Bilddatenanalyse, Datenplattform und digitalem Zwilling werden Wartungsprozesse effizienter und kostengünstiger gestaltet.
Das Projektvorhaben KIKI hat zum Ziel, die aktuellen Inspektionsverfahren für die Instandhaltung von Abwasserkanälen mit KI-Methoden anzureichern, sodass eine automatisierte Schadenserkennung in Bilddaten möglich wird.
Weiterhin wird untersucht, inwiefern ein Prognosemodell auf Basis von historischen Daten den zukünftigen Alterungsprozess vorhersagen kann und ob anhand dieser Informationen eine effiziente Instandhaltungsstrategie abgeleitet werden kann.
Die Daten werden dazu auf einem Digitalen Zwilling gesammelt, der den Zustand der Kanalisation dreidimensional darstellt und mittels Mixed Reality zu Planungs- und Kontrollprozessen sowie bei konkreten Sanierungsmaßnahmen herangezogen werden kann.
Unsere Rolle im Projekt
Für die Entwicklung datengetriebener Lösungen übernimmt das Institut die Konzeption von KI-Verfahren zur Schadenserkennung, den Aufbau einer Datenplattform sowie die Entwicklung eines digitalen Zwillings zur Visualisierung und Analyse des Kanalnetzes.
Die Ausgangssituation
Der Handlungsbedarf im Überblick
Das Kanalisationsnetz ist ein zentraler Bestandteil der Wohn- und Industrieinfrastruktur in Deutschland. Dabei unterliegt das Kanalnetz einem natürlichen Alterungsprozess, der ohne kontinuierliche Pflege und Wartung zum Funktionsausfall und sogar- im Falle von Undichtigkeiten – zu Verunreinigungen des Grundwassers führen kann. Die Geschwindigkeit dieses Alterungsprozesses unterliegt dabei einer Vielzahl von Faktoren, wie z.B. der Bausubstanz, dem umliegenden Erdreich aber auch der Beanspruchung von über den Kanalhaltungen verlaufenden Verkehrsaufkommen. Die Beurteilung dieses Alterungsprozesses und der Entscheidung, ihm durch Kanalerneuerung, -sanierung und -instandsetzung entgegenzuwirken, obliegt dem Betreiber eines Kanalnetzes und basiert auf einem umfangreichen Bestand an Stammdaten (Lage, Werkstoff, Baujahr, Stationierung, hydraulische Belastung, Herstellkosten) und Zustandsdaten, die anhand von Schadensbildern und -kürzeln beschrieben werden und in Kanaldatenbanken verwaltet werden.
Bestehende statistische Prognosemodelle erlauben zwar den Investitionsbedarf in ein Kanalnetz vorherzusagen, bedürfen jedoch eines sehr konsistenten Stamm- und Zustandsdatenbestandes und einer umfangreichen Stichprobe. Ohne einen konsistenten und möglichst vollständigen Stammdatenbestand ist mittels qualifizierter Stichprobe eine aussagefähige Vorhersage, in welchem Umfang Schäden drohen, nicht möglich. In der Praxis zeigt sich, dass in nahezu jeder Kanaldatenbank in erheblichem Umfang datentechnische Inkonsistenzen und Datenlücken bestehen, welche vor Einsatz eines Prognosemodells erst einmal geschlossen bzw. plausibilisiert werden müssen.
Kanalnetz Stand 2018: 594.321 Kilometer
Kosten ca. 2.500€ pro Kilometer
Eure Kontaktperson
KIKI
KI-basierte Kanalinstandhaltung
Tomas Cerniauskas
thomas.bleistein@aws-institut.de
+49 152 25684-937
Eure Kontaktperson
KIKI
KI-basierte Kanalinstandhaltung
Tomas Cerniauskas
Tomas.Cerniauskas@aws-institut.de
+49 152 25684-937
Unser Lösungsansatz im Fokus
Auf Grundlage ausführlicher Anforderungsanalysen und Recherchen werden KI-gestützte Verfahren entwickelt, um Inspektions- und Instandhaltungsprozesse im Kanalnetz zu automatisieren und zu optimieren. Ziel ist es, vorhandene Daten effizient zu nutzen und gleichzeitig die Qualität von Zustands- und Prognoseinformationen nachhaltig zu verbessern.
Im Zentrum steht die automatisierte Analyse von TV-Bilddaten, bei der Schäden mithilfe von KI erkannt und klassifiziert werden. Dadurch können Inspektionsprozesse erheblich beschleunigt und Kosten reduziert werden, während gleichzeitig die Genauigkeit der Auswertung steigt.
Ergänzend wird ein Prognosemodell entwickelt, das auf historischen Daten basiert und den zukünftigen Alterungsprozess von Kanalnetzen vorhersagen kann. Voraussetzung dafür ist die Aufbereitung und Plausibilisierung bestehender Datenbestände, um eine konsistente und belastbare Datengrundlage zu schaffen.
Darauf aufbauend wird ein digitaler Zwilling des Kanalnetzes entwickelt, der über VR- und AR-Technologien visualisiert wird. Dieser ermöglicht einen intuitiven Zugriff auf Zustands- und Prognosedaten und unterstützt Experten bei fundierten Entscheidungen zur Wartung und Instandhaltung.
Partnerunternehmen
Förderhinweis
Das Projekt KIKI ist gefördert vom Bundesministerium für Bildung und Forschung.
Förderkennzeichen: 02WDG1594
Laufzeit: 01.05.2021 bis 30.04.2023
KIKI zählt zu den Digital GreenTech-Projekten. Die Förderrichtlinie „Digital GreenTech – Umwelttechnik trifft Digitalisierung“ wurde im Rahmen des Aktionsplans „Natürlich.Digital.Nachhaltig“ veröffentlicht.