Künstliche Intelligenz, aktuell.
Direkt aus den Originalmeldungen.

EPFL-Rahmenwerk nutzt Scans und KI für bessere Inspektionen von Stahlinfrastruktur

16. November 2026, 08:31Von der KI Nachrichten RedaktionQuelle: EPFL News
EPFL-Rahmenwerk nutzt Scans und KI für bessere Inspektionen von Stahlinfrastruktur
Bild: EPFL News

Forschende der EPFL haben ein automatisiertes Inspektionsverfahren entwickelt, das 3D-Laserscans, Computersimulationen und KI-Modelle kombiniert. Damit sollen Ingenieurinnen und Ingenieure Schäden an kritischer Stahlinfrastruktur zuverlässiger bewerten können. Der Ansatz soll die Risiken für Inspektoren verringern und zugleich menschliche Expertise unterstützen, statt sie zu ersetzen.

Das Wichtigste in Kürze
  • Die EPFL hat ein automatisiertes Rahmenwerk zur Inspektion kritischer Stahlinfrastruktur entwickelt.
  • Das System kombiniert 3D-Laserscans, Punktwolkenanalysen, Simulationen und KI-Modelle.
  • Es schätzt die Tragfähigkeit und berücksichtigt Unsicherheiten in den Scannerdaten.
  • Das Rahmenwerk soll Inspektoren unterstützen, nicht ersetzen.
  • Die Forschenden suchen vor einer möglichen Kommerzialisierung nach Pilotprojekten.

Von Strukturscans zur Schadensbewertung

Das Rahmenwerk wurde von Dimitrios Lignos, Professor am Resilient Steel Structures Laboratory der EPFL, und seinem Team entwickelt. Ihre Arbeit befasst sich mit der Inspektion von Infrastruktur wie Telekommunikationsleitungen, Stromübertragungsmasten, Stahlbrücken und Skiliften. Diese können durch Naturgefahren wie starke Winde und Eisbildung sowie durch Alterung beeinträchtigt werden.

Inspektionen stützen sich derzeit auf geschulte Fachleute, die Bauwerke visuell beurteilen und ihre Ergebnisse anhand bestimmter Protokolle dokumentieren. Dabei wird nach Verformungen, Korrosion, Materialfehlern und Rissen gesucht. Der Zugang zu den Standorten kann schwierig oder gefährlich sein, insbesondere nach extremen Wetterereignissen. Unvollständige Bewertungen können kostspielige Folgen haben.

Der Inspektionsprozess beginnt mit detaillierten 3D-Scans von Bauteilen mithilfe von Lasertechnologie. Die daraus entstehenden Punktwolken erfassen die Geometrie und sichtbare Verformungen. Algorithmen analysieren die Daten anschließend mit Trainingsdaten aus Tausenden von Laborexperimenten sowie virtuellen Testproben, die durch physikbasierte Simulationen validiert wurden.

Unsicherheiten bei realen Daten berücksichtigen

Nach der Analyse eines beschädigten Bauteils schätzt das System, wie viel Last es noch sicher tragen kann. Außerdem bewertet es, ob das Bauteil weiterhin bestimmungsgemäß betrieben werden kann oder ein Eingriff erforderlich ist.

Ein zentrales Merkmal des Rahmenwerks ist der Umgang mit Messunsicherheiten. Scannerdaten werden von Faktoren wie der Scanauflösung und den Umgebungsbedingungen beeinflusst, die Messrauschen verursachen können. Dieses Rauschen kann die Interpretation von Schäden beeinflussen und die Zuverlässigkeit der Vorhersagen mindern.

Die Methodik quantifiziert diese Unsicherheit und bewertet ihre Auswirkungen auf die abschließende Beurteilung. Dadurch erhalten Inspektoren mehr Informationen darüber, wie viel Vertrauen sie in die Ergebnisse setzen können.

Nach Angaben der EPFL ist das Rahmenwerk besonders für Stromübertragungsmasten und andere Bauwerke mit standardisierten Stahlquerschnitten relevant. In der Schweiz befindet sich diese Infrastruktur häufig in abgelegenen Gebieten und ist nach Ereignissen wie Schneestürmen nur schwer erreichbar.

Ein Werkzeug zur Unterstützung von Inspektoren

Die Forschenden betonen, dass das System das professionelle Urteilsvermögen ergänzen soll. „Die methodischen Entwicklungen zielen nicht darauf ab, menschliche Inspektoren zu ersetzen, sondern sie bei fundierteren Entscheidungen zu unterstützen“, sagt Lignos.

Das Rahmenwerk könnte auch auf konventionelle Stahlgebäude und Stahl-Beton-Verbundbrücken, einschließlich Eisenbahninfrastruktur, ausgeweitet werden. Nach Angaben der EPFL könnte es dabei helfen zu bestimmen, ob stillgelegte Bauwerke oder Bauteile sicher wiederverwendet werden können.

Das Team sucht nach Pilotprojekten, um die Technologie aus dem Labor in das alltägliche Infrastrukturmanagement zu überführen. Rückmeldungen von Inspektionsunternehmen könnten dazu beitragen, den Ablauf vor einer möglichen Kommerzialisierung weiter zu verbessern, so Lignos.

Weitere Arbeiten umfassen die Erprobung von Drohnen gemeinsam mit dem Labor von Alcherio Martinoli, um abgelegene oder gefährliche Bauwerke zu erreichen. In einem weiteren Projekt mit dem Labor von Olga Fink entwickeln die Forschenden Vorhersagealgorithmen, um Stahlbauteile zu identifizieren, die nach dem Ende ihrer Nutzungsdauer wiederverwendet werden könnten.

Ähnliche Meldungen

FFR liefert Aegis-Ultra-Roboter an die Central Michigan University
Produkte und Tools16. November 2026, 03:22

FFR liefert Aegis-Ultra-Roboter an die Central Michigan University

FF EAI Robotics Ecosystem hat zwei Aegis-Ultra-Roboter an die Central Michigan University geliefert. Sie ist damit der erste Kunde des Unternehmens in Michigan und das…

Fibocom unterstützt Suntek bei der Serienproduktion kabelloser Mähroboter
Produkte und Tools12. November 2026, 09:50

Fibocom unterstützt Suntek bei der Serienproduktion kabelloser Mähroboter

Fibocom und Suntek präsentieren die kommerziellen Fortschritte bei zwei Mähroboter-Modellen: ein kabelloses Modell für Rasenflächen bis 600 m² und ein Spitzenmodell für…

Roboflow ergänzt Aktions­erkennung für videobasierte Workflow-Analyse
Produkte und Tools11. November 2026, 14:19

Roboflow ergänzt Aktions­erkennung für videobasierte Workflow-Analyse

Roboflow unterstützt jetzt die Aktionserkennung. Teams können damit Vision-Modelle trainieren und bereitstellen, die Aktionen in Videos erkennen und eine Zeitleiste mit…