Mittels Sensoren und Schnittstellen werden Daten über die gesamte Asphaltlieferkette hinweg erhoben, um anfallende CO2-Emissionen im Bauprozess live zu messen und zu optimieren.

Mittels Sensoren und Schnittstellen werden Daten über die gesamte Asphaltlieferkette hinweg erhoben, um anfallende CO2-Emissionen im Bauprozess live zu messen und zu optimieren.

27. März 2023

KI verhilft zur sauberen Baustelle

Neues Forschungsprojekt für nachhaltigen Straßenbau gestartet

„Künstliche Intelligenz für den nachhaltigen Straßenbau“ – was abgefahren klingt, ist Inhalt des Forschungsprojekts „KInaStra“ in Baden-Württemberg. Dieses startete der Digitalisierungsexperte Smart Site Solutions GmbH gemeinsam mit der Reif Bauunternehmung GmbH & Co. KG, der Makadamlabor Schwaben GmbH und der Universität Hohenheim.

Im Projekt werden KI-Verfahren für die Echtzeitsteuerung von Asphaltbaustellen nach Kriterien der Nachhaltigkeit entwickelt, um die CO2-Emissionen im Bauprozess live zu messen und zu optimieren.

Der Straßenbau verursacht jährlich global rund 400 Millionen Tonnen CO2-Emissionen. Dies entspricht etwa 7,5 Prozent der Jahresmaximalmenge, die weltweit ausgestoßen werden darf, um das 1,5-Grad-Klimaziel noch zu erreichen. Bereits bei mittelgroßen Baustellen mit 2500 Tonnen einzubauendem Asphalt benötigen etwa 4000 Bäume ein ganzes Jahr, um die CO2-Emissionen von rund 50 Tonnen zu kompensieren. Das Forschungsprojekt KInaStra ist angetreten, um die CO2-Emissionen im Asphaltstraßenbau mittels digitaler Technologien transparent zu analysieren und durch KI-basierte Optimierungsalgorithmen zu senken, ohne negative Auswirkungen auf Qualität, Kosten und Zeit.

Ziel des Projektteams aus Praxis und Wissenschaft ist die Entwicklung intelligenter, datengetriebener Echtzeit-Steuerungsverfahren auf Basis von Technologien des maschinellen Lernens. Als Ergebnisse sollen digitale Tools für das CO2-Reporting und die Entscheidungsunterstützung entstehen. Mittels Sensoren und Schnittstellen sollen Daten über die gesamte Asphaltlieferkette hinweg erhoben werden. In der Cloud werden diese Daten in Echtzeit mittels KI-Verfahren analysiert. Dies ermöglicht die Ableitung von Handlungsempfehlungen für das bauausführende Personal.

Straßenbauarbeiter beim Ablesen von Daten

Straßenbauarbeiter beim Ablesen von Daten

Die Projektergebnisse sollen Bauunternehmen helfen, Straßenbauprojekte durch eine CO2-optimierte Planung und Prozesssteuerung nachhaltiger auszuführen. Das Forschungsprojekt schafft somit Voraussetzungen, um den Nachhaltigkeitsanforderungen der kommenden Jahre, unter anderem von Seiten der öffentlichen Auftraggeber, effizient zu begegnen. Zugleich stärkt das Projekt die ökonomische Nachhaltigkeit bei sich verknappenden und verteuernden Ressourcen.

Das KInaStra-Projektkonsortium wird von assoziierten Partnern unterstützt: Bauwirtschaft Baden-Württemberg, Bundesanstalt für Straßenwesen, KI-Forschungsverbund Cyber Valley, Deutscher Asphaltverband und infraTest Digital Solutions GmbH.

Die Förderung des Projektes erfolgt im Rahmen der Innovationsförderung „InvestBw – Digitalisierung und Künstliche Intelligenz“ durch das Ministerium für Wirtschaft, Arbeit und Tourismus Baden-Württemberg auf der Grundlage eines Beschlusses der Landesregierung Baden-Württemberg.

Mit dem Forschungsprojekt „KInaStra“ sollen CO2-Emissionen im Asphaltstraßenbau mittels digitaler Technologien transparent analysiert und durch KI-basierte Optimierungsalgorithmen gesenkt werden, und das ohne negative Auswirkungen auf Qualität, Kosten und Zeit.

Mit dem Forschungsprojekt „KInaStra“ sollen CO2-Emissionen im Asphaltstraßenbau mittels digitaler Technologien transparent analysiert und durch KI-basierte Optimierungsalgorithmen gesenkt werden, und das ohne negative Auswirkungen auf Qualität, Kosten und Zeit.


Logo Bauwirtschaft Baden-Württemberg

Hohenzollernstraße 25
70178 Stuttgart

Tel. +49 711 648 53-0
Fax. +49 711 648 53-49
E-Mail. stuttgart@bauwirtschaft-bw.de
Web. www.bauwirtschaft-bw.de

Mehr von
Bauwirtschaft Baden-Württemberg e.V.


25. Februar 2024


Das könnte Sie auch interessieren