MoCES - Modellierung von Ingenieurbauwerken unter besonderer Berücksichtigung von unvollständigen und unsicheren Messdaten durch erklärbares maschinelles Lernen
Eines der Hauptziele der Instandhaltung von Infrastrukturbauwerken ist es, diese vorausschauend zu gestalten. Dazu ist es notwendig, Methoden zur Erfassung, Zusammenführung und Auswertung aller Geometrie-, Material-, Spannungs- und Alterungsdaten zu erforschen. Im Rahmen der Entwicklung vorausschauender Instandhaltungskonzepten ist die Erstellung von digitalen Zwillingen zu einer Schlüsselkomponente.
Ziel des Projektes ist es, neue Methoden und Verfahren zur automatisierten Modellierung komplexer Gebäudestrukturen zu entwickeln. Dies bedeutet, dass verschiedenste Datenströme unter Berücksichtigung ihrer Unsicherheit und Unvollständigkeit zusammengeführt werden sollen. Die Modellierung soll auf der Basis von Methoden des maschinellen Lernens erfolgen. Diese Methoden sollen um eine Erklärungskomponente erweitert werden, damit Aussagen zur Objektmodellierung und -rekonstruktion reproduziert werden können.
Die Durchführung des Projekts ist in drei Schritten geplant: Datenhomogenisierung, Datenfusion und Modellierung, die in Abbildung 1dargestellt sind. Im ersten Schritt werden Methoden und Prozesse für eine automatisierte Datenfusion verschiedener Datenströme untersucht und als Demonstrator implementiert. Es stellt sich die Frage, ob es möglich ist, ein einziges maschinelles Lernverfahren für die Datenhomogenisierung zu schaffen oder ob einzelne Datenströme in verschiedenen intelligenten Verfahren kombiniert werden müssen. Der Prozess der Datenhomogenisierung wird ergänzt durch die Erforschung von Methoden und Prozessen zur Berücksichtigung von Unsicherheiten und Unvollständigkeit der Daten. Unvollständige Daten müssen im Rahmen der Datenfusionsprozesse vervollständigt werden. Nach der Zusammenführung der verschiedenen Datenströme wird eine semantische Segmentierung eine umfassende Modellierung von Brücken ermöglichen. In diesem Zusammenhang soll versucht werden, die "Blackbox" Deep Learning mit Hilfe einer erklärbaren Komponente zu öffnen.
Die Abbildung zeigt den Prozess in seiner vollständigen Konfiguration. Es wird angedeutet (gestrichelte Linie), dass die Integration von Dokumenten, insbesondere von Plänen, erreicht werden kann, indem sie auf das endgültige Modell abgebildet werden, abe auch indem sie im Modellierungsprozess berücksichtigt werden.
