Künstliche Intelligenz zur Zustandsdokumentation
von Abwasserkanälen
Deutschlands öffentliche Kanalisation hat eine Länge von etwa 580.000 km. Jährlich werden mehrere Milliarden Euro in deren Instandhaltung investiert, wobei der bewertete Kanalzustand die Haupt-
entscheidungsgrundlage bildet. Um den Zustand des Kanals zu bewerten, wird der Kanal gespült, mit einer Videokamera befahren und Schäden werden manuell erfasst. Allerdings ist das Auswerten der Kanalinspektionsaufnahmen sehr mühsam, subjektiv und fehler-
anfällig. Durchschnittlich werden 25 % der Schäden nicht erkannt oder falsch kodiert (Dirksen et al., 2013). Diese hohe Subjektivität führt zu einer großen Unsicherheit und zu nicht reproduzierbaren Ergebnissen, wodurch die Anwendung von datenbasierten Entscheidungsmodellen zur Optimierung der Kanalinstandhaltung eingeschränkt ist.
Mittels künstlicher Intelligenz erkennt die Software des ETH Zürich
Spin-Off-Unternehmens Hades automatisch Schäden in Kanal-
inspektionsaufnahmen. Statt Videos durchzuschauen und Schäden manuell zu erfassen, müssen die Videos nur noch in die webbasierte App hochgeladen werden. Dort werden die Schäden erkannt und kodiert. Dieser Prozess ist nicht nur schneller, sondern erlaubt eine objektive, weniger fehleranfällige und konsistente Auswertung. Dadurch wird die Datenqualität der Zustandsdokumentation optimiert und die Implementierung von Modellen zur datenbasierten Kanal-instandhaltung ermöglicht.