Künstliche Intelligenz (KI) ist im Bereich der Infrastrukturplanung ein Katalysator für einen tiefgreifenden Wandel. Bei Infrastrukturprojekten verarbeiten Entscheidungsträger, Planer und Bauingenieure umfangreiche Daten zu Baumaterialien, geografischen Details und Umweltfaktoren. KI-Algorithmen sind hervorragend in der Lage, diese Daten schnell und effektiv zu verarbeiten und so die Entscheidungsfindung und Projektplanung zu verbessern.
Erfahren Sie am Beispiel von ORIS Materials Intelligence, wie die Nutzung von KI die Planung linearer Verkehrsinfrastrukturen revolutionieren kann.
 
Künstliche Intelligenz (KI) ist eine sich entwickelnde Disziplin an der Schnittstelle von Informatik und angewandter Mathematik und bezeichnet Systeme, die intelligentes Verhalten zeigen, indem sie Eingabedaten analysieren und Aktionen ausführen, um bestimmte Ziele zu erreichen. Diese KI-Systeme können als softwaregesteuerte Einheiten auftreten, die in virtuellen Umgebungen arbeiten (z. B. Sprachassistenten, Suchmaschinen und Bilderkennungssysteme) oder in Hardware-Geräte wie fortschrittliche Roboter, autonome Autos, Drohnen oder Anwendungen des Internets der Dinge integriert sind.

In den letzten zehn Jahren hat die KI verschiedene Branchen umgestaltet, darunter auch das Bauwesen. ORIS Materials Intelligence hat es sich zur Aufgabe gemacht, durch KI gestützte, digitale Lösungen für den Infrastruktur- und Bausektor zu entwickeln. ORIS befasst sich mit zentralen Herausforderungen wie Materialverbrauch und -optimierung, Reduzierung von Treibhausgasemissionen und Kostenabschätzung und analysiert Designvorschläge für lineare Verkehrsinfrastrukturen auf der Grundlage von Eingangsanforderungen. Dieser Ansatz weicht von der herkömmlichen Praxis der Bewertung und des Vergleichs verschiedener Optionen ab und stellt einen Paradigmenwechsel dar, der durch KI in Entscheidungsprozessen herbeigeführt wird.

Die KI-basierten Systeme von ORIS sind auf Fairness, Transparenz und Verantwortlichkeit ausgelegt und vermeiden Vorurteile und diskriminierende Praktiken. Repräsentative und vielfältige Trainingsdaten stellen sicher, dass die Algorithmen regelmäßig auf Fairness und Voreingenommenheit getestet werden, was das Vertrauen und die Zuverlässigkeit stärkt.

Anwendungsfall: Klimavorhersage für eine widerstandsfähige Infrastruktur

ORIS setzt KI-Algorithmen ein, um Beobachtungsdaten und Klimamodellprojektionen mithilfe von Zeitreihenregressionen und dichtebasierten räumlichen Clustering-Algorithmen zu analysieren. Diese Auswertung sagt voraus, wie sich die Klimaexponierung in zukünftigen Szenarien auf die Infrastrukturnetze auswirken wird, so dass ORIS einen United Score berechnen kann.

Anhand dieser Punktzahl werden die am besten geeigneten Anpassungs- und Abschwächungsmaßnahmen für Infrastrukturprojekte vorgeschlagen. Die ORIS Climate Resilience Methodology, die durch einen Backtracking-Algorithmus unterstützt wird, ermöglicht es politischen Entscheidungsträgern, die Bewertungsparameter schnell anzupassen und ihre Auswirkungen auf die endgültige Projektquantifizierung und Preisgestaltung zu beobachten. Diese Methodik ist ein wichtiges Instrument für politische Entscheidungsträger und Infrastrukturplaner und bietet eine klare, zugängliche und praktische Perspektive für Anpassungsmaßnahmen an den Klimawandel.

Abbildung 1: Visualisierung der Klimarisikoklassifizierung von Netzwerkverbindungen

Anwendungsfall: Schnelleres Mapping von Materiallieferanten durch Computer Vision

Eine der wichtigsten Dienstleistungen von ORIS ist die Bereitstellung von Daten, wobei den Kunden ein umfangreicher und einzigartiger Datensatz zur Verfügung steht, der alle Baustellen (Steinbrüche, Zement, RMX, Asphalt usw.) umfasst. Bis heute wurden 35.000 Materiallieferanten auf der Plattform identifiziert und referenziert. Eine Schlüsselkomponente des ORIS-Datenmapping-Tools ist die Verwendung von Deep-Learning-Modellen für die Bilderkennung.

Abbildung 2: Beispiel eines Objekterkennungsmodells für Satellitenbilder

Satellitenbilder dienen als reichhaltige Datenquelle, die zur Lokalisierung verschiedener Standorte durch tiefe neuronale Netze genutzt wird, die darauf trainiert sind, wesentliche Merkmale bestimmter Objekte zu erkennen. Diese Modelle können Rohstoffproduktionsstätten (Steinbrüche, Asphaltwerke usw.), Brücken, Deponien usw. identifizieren. ORIS verwendet ein Ensemble von Bildverarbeitungsmodellen, die auf jeden spezifischen Anwendungsfall zugeschnitten sind und von der Objekterkennung bis zur semantischen Segmentierung reichen.

Nach Abschluss des Trainings dienen die Modelle sowohl der Überprüfung der Datenqualität als auch der Extraktion neuer Standorte. Die Bildverarbeitungsmodelle können auch Objekte in den Bildern lokalisieren und zählen, wie z. B. Bagger und Bohrer, was bei der Bestimmung des Aktivitätsniveaus auf der Baustelle hilfreich ist.

Abbildung 3: Beispiel eines semantischen Segmentierungsmodells für Steinbrüche

Technik für das Gute mit KI

Zusammenfassend lässt sich sagen, dass ORIS eine bahnbrechende Innovation für die Bauindustrie darstellt, indem es die Leistungsfähigkeit von KI und maschinellem Lernen nutzt, um die Rolle von Baumaterialien bei der Gestaltung von Infrastrukturen zu analysieren. Innerhalb dieses technologischen Rahmens stellt ORIS die Nachhaltigkeit in den Vordergrund und betont die verantwortungsvolle Nutzung von Rohstoffen, die Reduzierung von Treibhausgasemissionen, die Schonung von Wasserressourcen und die Entwicklung von dauerhaften Infrastrukturanlagen. Diese Grundsätze unterstreichen das unermüdliche Engagement von ORIS für eine digitalisierungs- und technologiegetriebene Philosophie, die das Herzstück seiner Baupraxis bildet. Durch den Einsatz von Spitzentechnologien und die Förderung nachhaltiger Praktiken ebnet ORIS den Weg für einen effizienteren, widerstandsfähigeren und umweltbewussteren Bausektor, der für die Herausforderungen von morgen gerüstet ist.