Beim Tunnelbau können pro Stunde über 200 Tonnen Aushub anfallen. Wenn dieser Boden nicht auf der gleichen Baustelle eingesetzt werden kann, landet er häufig auf Deponien. Um eine nachhaltige Verwertung zu ermöglichen, müssen aber die Eigenschaften des Materials bekannt sein. Die Grundlagen für ein entsprechendes KI-gestütztes System haben die TH Köln und ihre Partner entwickelt.
„Aushub aus dem Tunnelbau kann je nach Charakterisierung vielfältig genutzt werden, zum Beispiel als Straßenunterbau oder Betonzuschlagsstoff“, sagt Prof. Dr. Christoph Budach von der Fakultät für Bauingenieurwesen und Umwelttechnik der TH Köln. Voraussetzung für die Wiederverwendung ist aber in der Regel eine sortenreine Trennung der unterschiedlichen Aushubmaterialien – möglichst bereits auf der Baustelle. Prof. Budach: „Um dies überhaupt möglich zu machen, haben wir ein System entworfen, das auf Künstlicher Intelligenz basiert und künftig die für die Sortierung maßgeblichen geotechnischen Parameter in Echtzeit ermitteln soll“.
Instrumente messen Materialparameter
Das Material, das eine Tunnelbohrmaschine fördert, kann sehr unterschiedlich sein. Damit es sich künftig ohne weitere Aufbereitung verwenden lässt, sollten Tunnelbohrmaschinen so eingestellt werden, dass ein optimales Gleichgewicht zwischen einer guten Arbeitsgeschwindigkeit und einer guten Materialqualität des Abbaumaterials entsteht. „Um perspektivisch eine automatisierte Maschinensteuerung zu implementieren, müssen wir zunächst in Echtzeit ermitteln können, wie der Abraum gerade beschaffen ist – dem dient unser Projekt REMATCH“, erläutert Dr. Pierre Müller, der als wissenschaftlicher Mitarbeiter am Lehr- und Forschungsgebiet Geotechnik und Tunnelbau der TH Köln arbeitet.
Zu den relevanten Aushub-Parametern gehört etwa das so genannte Setzmaß zur Beschreibung der Verarbeitbarkeit – das heißt insbesondere der Fließfähigkeit – der abgebauten Böden. Wichtig sind auch der Wassergehalt des Materials und seine Scherfestigkeit, also seine Widerstandsfähigkeit gegen Längsverschiebungen durch tangentiale Scherkräfte. Diese beiden Parameter haben nämlich Einfluss auf die Standsicherheit einzubauender Böden.
Die kontinuierliche Ermittlung derartiger Aushub-Parameter im laufenden Betrieb der Erddruckschild-Tunnelbohrmaschinen war bislang schwierig. „Wir haben daher ein Kugelpendel und einen Pflug über dem laufenden Förderband montiert“, beschreibt Dr. Pierre Müller einen Teil des Versuchsaufbaus beim REMATCH-Projekt. „Es wird dann gemessen, wie stark das vorbeifließende Material die Instrumente bewegt, und die Kraftverläufe werden dokumentiert“, erläutert Müller. „Diese Kräfte sehen etwa bei sandigem Boden ganz anders aus als bei tonhaltigem.“
Mit den Messergebnissen wollen die Forschenden eine Künstliche Intelligenz trainieren, die von der Krafteinwirkung auf die Messgeräte auf die geotechnischen Eigenschaften des Aushubmaterials schließen kann. Neben Kugelpendel und Pflug wird die KI auch mit Kameraaufnahmen „gefüttert“, die über dem Förderband montiert sind. Das Fernziel ist klar: Irgendwann sollen Maschinenführer im Tunnelbau auf eine automatisierte Aushub-Analyse zurückgreifen können, die Materialeigenschaften KI-gestützt bereits auf dem Förderband bestimmt, sodass sie sofort eine entsprechende Sortierung einleiten können.
Projektpartner
Beim Projekt REMATCH handelte es sich um ein deutsch-französisches Gemeinschaftsprojekt. Es startete 2021 und endete 2024 und hat wichtige Grundlagen für die noch ausstehende Entwicklung einer Künstlichen Intelligenz geleistet, die in Echtzeit die Beschaffenheit des geförderten Aushubmaterials bei Tunnelarbeiten erkennt. Der Projektname ist eine Abkürzung für „REsource efficient tunnelling based on real-time excavation MATerial CHaracterization“ (auf Deutsch etwa: „Ressourceneffizienter Tunnelbau auf der Basis von Echtzeitaushub-Materialcharakterisierung“).
Weitere Partner neben der TH Köln waren der Tunnelbohrmaschinenhersteller Herrenknecht sowie auf französischer Seite das Planungs- und Beratungsunternehmen Arcadis und LIRIS, das Labor für Bildverarbeitung und Informationssysteme der Universität Lyon. Als weitere assoziierte Partner wirkten die DB Netz AG, das französische Zentrum für Tunnelstudien (Centre d’Études des Tunnels) und der öffentliche Bauträger Tunnel Euralpin Lyon-Turin mit.
Die Projektförderung erfolgte durch das Bundesministerium für Bildung und Forschung und die französischen Agence nationale de la recherche. Projektleiter auf deutscher Seite war die Studiengesellschaft für Tunnel und Verkehrsanlagen (STUVA). Weitere Infos zum Projekt bietet auch die Projektseite https://rematch.stuva.de .
Tests unter realen Bedingungen
Um eine valide Datenbasis für das Training der Künstlichen Intelligenz zu erhalten, testete das Projektteam zunächst diverse Materialproben auf einem Kreisförderband mit 2 m Durchmesser beim Projektpartner der STUVA e.V. in Köln.
Um den Verhältnissen auf einer Tunnelbohrmaschine besser gerecht zu werden, errichtete der Projektpartner Herrenknecht zudem ein rund 50 m langes Testförderband im Maßstab 1:1 an seinem Hauptsitz im baden-württembergischen Schwanau. Dort konnten viele verschiedene Proben unter realen Bedingungen untersucht und klassifiziert werden. Zudem wurden die im Projekt neu entwickelten Messgeräte in einem realen Einsatz bei einem Tunnelbauprojekt erprobt.
Baustoff-Fachwissen verständlich erklärt: Jetzt Newsletter abonnieren!
Der BaustoffWissen-Newsletter bringt Sie thematisch immer auf den neuesten Stand. Sie erhalten die Branchen-News dann zwei Mal monatlich.
„Wir haben in unserem Projekt sehr gute Grundlagen gelegt, um ausgewählte geotechnische Parameter des Ausbruchmaterials und damit das Verwertungspotenzial hinreichend zu bestimmen“, bilanziert Prof. Dr. Christoph Budach von der TH Köln. „Weitere Untersuchungen sind bereits in Planung.“