Preisträgerbroschüre 2016

Autonome Fehlererkennung in kabellosen Bauwerksmonitoringsystemen mit Hilfe dezentralisierter neuronaler Netze

Preisträgerin Katrin Jahr
katrin.jahr(at)tum.de
Hochschule Bauhaus-Universität Weimar

Projekt
Kabellose Sensoren zur automatisierten Überwachung von Bauwerken werden derzeit verstärkt in der Praxis angewendet. Katrin Jahr entwickelte daher in ihrer Arbeit ein Konzept, welches in der Lage ist, Sensorfehler autonom und dezentralisiert zu erkennen. Jeder Sensorknoten wird in die Lage gesetzt, selbstständig und kontinuierlich die Integrität der eigenen Daten zu überprüfen. Kernidee der Arbeit ist, die für jeden Sensorknoten erwartete Sensordaten unter verschiedenen vorher simulierten Konstellationen zu bestimmten und mit diesen Ergebnissen künstliche neuronale Netze zu trainieren. Mit Hilfe der neuronalen Netze können jetzt für jeden Sensor die Abweichungen zwischen vorhergesagten und gemessenen Sensordaten ermittelt werden. Insgesamt wurde gezeigt, dass künstliche neuronale Netze zur autonomen Fehlererkennung sehr gut geeignet sind, um die Stabilität und Genauigkeit von BMS (Bauwerksmonitoringsystemen) zu erhöhen.

Bewertung der Jury
Die Arbeit überzeugte die Fachjury durch eine klare und praxisnahe Umsetzung. Der vorgestellte Ansatz kann sehr gut auf Basis der bestehenden Systeme realisiert werden. Zudem lässt sie einen hohen wirtschaftlichen Nutzen erwarten, da Messungen einfacher und schneller interpretiert werden können. Anhand eines anschaulichen Beispiels und einer eigenen softwaretechnischen Realisierung wurde die Anwendbarkeit gezeigt. Die Dokumentation und das entwickelte Softwaresystem sind sehr gut strukturiert und erweiterbar. Die Verwendung von künstlichen neuronalen Netzen für das Training von erwarteten Sensordaten ist sehr originell und äußerst innovativ. Frau Jahr hat überzeugend gezeigt, dass vorhandene Möglichkeiten des maschinellen Lernens sehr gut zur Lösung aktueller Fragestellungen aus dem Bauingenieurwesen verwendet werden können. Es werden Aspekte der Sensorik, Softwaretechnik, Informatik und des Bauingenieurwesens sehr effektiv zusammengeführt.

Die Preisträgerin
Katrin Jahr möchte Bauen sicher machen. Sie studierte Bauingenieurwesen an der Bauhaus-Universität Weimar und hat dabei ihre Liebe zur Informatik entdeckt. Für das Masterstudium gab es dann nur eine Wahl: Bauinformatik! Bereits während des Studiums schrieb sie als studentische Mitarbeiterin ein Programm zur Auswertung von Monitoringdaten einer Brücke. Im Rahmen ihrer Masterarbeit hat sie dann selbständig ein vollständig funktionsfähiges Monitoringsystem entwickelt. Weiter angetrieben von einer großen Portion Neugier wechselte sie nach Abschluss des Studiums an die TU München, wo sie sich jetzt im Rahmen ihrer Promotion mit der Sicherheit auf Baustellen beschäftigt.

Das Besondere am Projekt
Bauwerksmonitoringsysteme werden eingesetzt, um Änderungen im Tragverhalten und Schäden an Bauwerken rechtzeitig zu erkennen. Allerdings beeinflussen Sensorfehler die Zuverlässigkeit und die Genauigkeit solcher Systeme negativ. Das hier vorgestellte System ist fehlertolerant – durch ständige Überwachung der Daten werden Sensorfehler direkt auf den drahtlosen Sensorknoten erfasst. Zur Fehlererkennung werden neuronale Netze genutzt. Neuronale Netze funktionieren wie unser Gehirn: Wenn sie genug Trainingsdaten erhalten, können sie sich automatisch an das untersuchte Bauwerk anpassen, ohne Kenntnisse über die Eigenschaften des Bauwerks zu benötigen. Insgesamt wird die Sicherheit des Bauwerkes erhöht, indem Betriebsausfälle des Bauwerksmonitoringsystems durch Sensorfehler verhindert werden.