Hessisches Ministerium für Digitalisierung und Innovation

Hessische KI analysiert Schäden an Bauwerken

Eine der größten Herausforderungen bei der Inspektion von Bauwerken ist die Unzugänglichkeit der zu inspizierenden Objekte. Gerade zur Begutachtung von Autobahnbrücken sind mitunter Streckensperrungen notwendig, um die verwendeten Gerätschaften, wie zum Beispiel Kräne, zu sichern.

Die Twinsity GmbH, ein 2019 gegründetes Technologie-Start-up aus Kassel, hat daher den Fokus auf digitale Inspektionen in Echtzeit mithilfe von 3D-Modellen gelegt. Dabei werden drohnengestützte Bilder verwendet, um Gebäude in 3D darstellen zu können. Mit dem von Twinsity bereits entwickelten Algorithmus ist es möglich, 3D-Modelle aus Drohnendaten über den Web-Browser auf einem handelsüblichen Endgerät auszuwerten. Inspekteure müssen nicht mehr zwingend vor Ort sein, Streckensperrungen können vermieden werden. Dank einer Förderung in Höhe von knapp 160.000 Euro aus dem Distr@l-Förderprogramm konnte die Integration einer KI-Funktion in die bestehende Software entwickelt werden, um automatisch Schäden an den Objekten wie z.B. Risse in einer Stahlkonstruktion, Korrosion oder Graffiti an Gebäuden zu erkennen und zu analysieren. Auf lange Sicht ist hier auch der Vergleich von Modellen im Zeitverlauf und der damit zusammenhängenden Prognose von Schadensentwicklungen möglich. „Mit unserer Distr@l-Förderung haben wir nicht nur die Entwicklung einer digitalen, zukunftsweisenden Innovation ermöglicht, wir haben diesem jungen Unternehmen damit auch die Chance eröffnet, zu wachsen, seine wirtschaftliche Position zu stärken und für Fachkräfte attraktiver zu werden“, so Digitalministerin Prof. Dr. Kristina Sinemus.

Nachdem die Weiterentwicklung im Rahmen der Distr@l-Förderung abgeschlossen wurde, konnte die Software auf europäischer Ebene beim EIC Accelerator überzeugen und sich das Unternehmen somit die Folgefinanzierung sichern. Mittlerweile arbeitet Twinsity in einem Pilotprojekt im Rahmen des Startup-Wettbewerbs „DB Mindbox“ mit der Autobahn GmbH des Bundes zusammen. Hierzu wurde eine Brücke in Brandenburg an der Autobahn 15 von Drohnen eingeflogen und in ein 3D Modell überführt. Anschließend hat die Software von Twinsity automatisiert Schäden wie Risse, Graffiti und Rost erkannt und an der Brücke verortet. Perspektivisch soll die Zusammenarbeit mit DB und Autobahn über das Pilotprojekt hinausgehen. Große Ingenieurbüros, die als Dienstleister für staatliche Behörden zum Beispiel in Dänemark, Schweden und der Schweiz arbeiten, stehen ebenfalls in engem Kontakt mit dem hessischen Unternehmen, um die Technik auch in weiteren europäischen Ländern zu etablieren. Auch in Kanada wird die Software mittlerweile eingesetzt.

Die Vision einer radikalen Vereinfachung von Inspektionen an Bauwerden wurde so dank der Distr@l-Förderung Realität und zeigt die unternehmerischen und volkwirtschaftlichen Vorteile von drohnenbasierten Inspektionen.

„Twinsity gestaltet die Zukunft der Bauwerksinspektion. Mit Hilfe des Dist@l-Projekts ist es uns gelungen, digitale Zwillinge mit einer KI-basierten Schadenserkennung von Gebäuden anhand von Bilddaten zu vereinen“, so Fabien Chalas, CEO von Twinsity. „Dies ist ein entscheidender Schritt im digitalen Transformationsprozess der Baubranche, der Inspektionen nicht nur sicherer, sondern auch effizienter und kostengünstiger macht.“

Hintergrundinformationen

Das Förderprogramm Distr@l ist Ende 2019 gestartet und läuft ausgesprochen erfolgreich. Distr@l ist auf Forschungs- und Entwicklungsprojekte ausgerichtet, die signifikant den Stand der Technik erhöhen. Distr@l ist bewusst mit vier Förderlinien branchen- und themenübergreifend aufgestellt, um die digitale Transformation in Wirtschaft und Gesellschaft zielgruppenorientiert zu ermöglichen. Das Distr@l-Fördervolumen beträgt 55 Millionen Euro für die Jahre 2020 bis 2025. Bisher wurden bisher insgesamt 135 Projekte mit einem Gesamtvolumen von knapp 40 Mio. Euro zur Förderung ausgewählt; weitere rd. 23 Mio. Euro werden durch die Wirtschaft zur Kofinanzierung der Projekte zusätzlich bereitgestellt.