DatEnKoSt
DatEnKoSt entwickelt ein intelligentes System zur kostengünstigen Straßenerhaltung. Mithilfe von Smartphone-Daten und Künstlicher Intelligenz wird der Zustand von Verkehrswegen erfasst, analysiert und zukünftige Instandhaltungsmaßnahmen effizient geplant.
Ein System für datenbasierte Entscheidungen zur kostengünstigen Straßenerhaltung, kurz DatEnKoSt.
Basis des System sind kostgünstige Handydaten, mit denen eine künstliche Intelligenz trainiert wird.
Das System ermöglicht zukünftig eine flächendeckende Darstellung über den Zustand der Verkehrswege und eine Prognose sowie Maßnahmen zur kostengünstigen Instandhaltung.
Unsere Rolle im Projekt
Erfasste Sensor- und Bilddaten werden strukturiert, analysiert und zur Entwicklung von KI-Modellen genutzt, die eine automatisierte Bewertung von Verkehrswegen ermöglichen. Auf Basis von Trainingsdaten werden Modelle entwickelt, die zukünftige Entwicklungen prognostizieren und die Ableitung geeigneter Maßnahmen zur kosteneffizienten Instandhaltung unterstützen.
Die Ausgangssituation
Der Handlungsbedarf im Überblick
Die Instandhaltung der Verkehrswege ist eine spürbare Herausforderung. Aufgrund mangelhafter finanzieller Mittel bei Ländern und Kommunen kann die Instandhaltung weder zeitgerecht noch vorausschauend geplant werden. Ingenieurbüros müssen aufwendig Daten- und Bildmaterial generieren, um darauf aufbauend Instandhaltungsmaßnahmen abzuleiten.
Das führt in letzter Konsequenz zu Stress- und Gefahren-Situationen, Unfallkosten und Lieferverzögerungen. Notwendig sind also besonders günstige Methoden, die den Zustand der Infrastruktur erfassen, bewerten und daraus optimale Maßnahmen ableiten.
Zuverlässige Zustandserfassung
Maßnahmen basierend auf KI
DatEnKoSt
Datenbasierte Entscheidungen zur kostengünstigen Straßenerhaltung
Unser Lösungsansatz im Fokus
Im Projekt DatEnKoSt wird ein datengetriebenes System zur Bewertung und Prognose von Straßenzuständen entwickelt. Auf Basis kostengünstiger Smartphone-Daten entsteht eine skalierbare Lösung für eine flächendeckende Analyse der Verkehrswege.
Durch die Verknüpfung von Sensordaten, Bildinformationen und externen Einflussfaktoren wie Wetter oder Nutzung werden fundierte Entscheidungsgrundlagen geschaffen. Mithilfe Künstlicher Intelligenz können Prognosen sowie konkrete Maßnahmen zur kosteneffizienten Instandhaltung abgeleitet werden.
Das System unterstützt die Priorisierung von Maßnahmen, reduziert Folgekosten und verbessert die Nachhaltigkeit der Infrastruktur.
Partnerunternehmen
Förderhinweis
Das Projekt DatEnKoSt ist gefördert vom Bundesministerium für Verkehr und digitale Infrastruktur und von der Forschungsinitiative mFund
