KI-gestützte Zustandsanalyse von Holztragwerken im Bestand mit Deep Learning
Die ingenieurtechnische Bewertung von Holztragwerken im Bestand erfordert eine präzise Zustandserfassung als Grundlage für Tragfähigkeitsanalysen und Instandsetzungskonzepte. Bei weitgespannten Brettschichtholzträgern ist die visuelle Inspektion jedoch oft mit hohem Aufwand verbunden. Aufbauend auf einer bestehenden KI-Methodik zur bildbasierten Objekterkennung von Nagelverbindungen wird die Methode auf die automatisierte Erfassung und Bewertung von Rissen erweitert. Mithilfe von Deep-Learning-Verfahren werden Risse identifiziert, geometrisch analysiert und in digitale 3D-Modelle integriert. Dies ermöglicht eine datenbasierte Zustandsbewertung und unterstützt die Planung von Instandsetzungsmaßnahmen. Darüber hinaus werden Verfahren entwickelt, um intakte Teilquerschnitte aus geschädigten Trägern zuverlässig zu erkennen und deren Potenzial für eine Wiederverwendung in neuen Holzkonstruktionen zu bewerten. Das Projekt trägt damit zur Ressourcenschonung und zur Stärkung der Kreislaufwirtschaft im Holzbau bei.