KInaStra: Künstliche Intelligenz für den digitalen & nachhaltigen Straßenbau

Beschreibung

KInaStra entwickelt KI-Verfahren für die Echtzeitsteuerung von Asphaltbaustellen nach Kriterien der Nachhaltigkeit, um die CO2-Emissionen im Bauprozess zu messen und zu optimieren, ohne negative Auswirkungen auf Qualität, Kosten und Zeit. Die Lösung liegt in der Analyse sensorbasierter Prozessdaten mittels Machine-Learning-Verfahren, um mit gelernten Zusammenhängen und aktuellen Daten (von u.a. Mischwerken, Lkw, Baugeräten) Empfehlungen zum nachhaltigeren Bauen in laufende Bauprozesse einzuspielen. Die Daten werden in ein digitales Nachhaltigkeits-Reporting überführt, um die Emissionsreduzierung abschließend und verlässlich nachzuweisen. KInaStra führt FuE-Kompetenzen zu KI/Machine Learning, digitale Bauprozesssteuerung, Straßenbau und Asphaltproduktion zusammen und evaluiert die Lösungen unter industrieller Leitung in realen Praxisszenarien auf Baustellen. Die technologischen Innovationen werden als KI-erweitertes Softwareprodukt und datenbasierte Baudienstleistungen verwertet.

Beteiligte Personen

• Priv.-Doz. Dr. Jörg Leukel
• M.Sc. Gülistan Özbek
• M.Sc. Luca Scheurer

Beteiligte Einrichtungen

• Universität Hohenheim, Lehrstuhl Wirtschaftsinformatik 2
• Smart Site Solutions GmbH (Koordinator), Nürtingen
• REIF Bauunternehmung GmbH & Co. KG, Rastatt
• Makadamlabor Schwaben GmbH, Sindelfingen

Förderer

• Ministerium für Wirtschaft, Arbeit und Tourismus Baden-Württemberg
  Gefördert in der Maßnahme „Invest BW Innovationsförderung – Digitalisierung und Künstliche Intelligenz“

Publikationen

Leukel, J., Scheurer, L., & Sugumaran, V. (2024). Machine learning models for predicting physical properties in asphalt road construction: a systematic review. Construction and Building Materials, 440, 137397. https://doi.org/10.1016/j.conbuildmat.2024.137397