KI und Datenmanagement: Tausende Fotos in Aufzeichnungen verwandeln, auf die Sie handeln können

Bild-KI in der Inspektion ist meist Deep Learning: Sie lernt das Aussehen von Rissen, Rost und so weiter aus großen Sätzen gelabelter Fotos. Nach Detailgrad gibt es drei Arten von Aufgaben.

In der Praxis werden sie verkettet: Die Klassifikation grenzt auf Bilder ein, die verdächtig aussehen, Detektion oder Segmentierung extrahiert Lage und Form, und die Ergebnisse werden auf die Photogrammetrie gelegt, um jeden Schaden einem Bauteil zuzuordnen. Schlechte Bilder schlagen jedes Modell; die Hälfte der KI-Genauigkeit entscheidet sich in der Aufnahmeplanung.

Die Leistung hängt weniger vom Namen des Modells ab als davon, woraus es gelernt hat. Es gibt öffentliche Forschungsdatensätze, etwa Sammlungen von Betonrissbildern (z. B. SDNET2018, über 56.000 Bilder von Brückenfahrbahnplatten, Wänden und Belägen) und Brückendatensätze mit fünf sich überlappenden Schadensklassen (z. B. CODEBRIM). Aber Modelle, die nur mit öffentlichen Daten trainiert wurden, stolpern im Feld fast immer.

• Domain Shift: Andere Materialien, Verschmutzung, Licht, Kameras und Abstände als in den Trainingsdaten verschlechtern die Leistung.
• Verwechslungskandidaten: Schalungsspuren, Fugen, Reparaturstellen, Schatten, Regenspuren, Kabel, Graffiti. Diese müssen als „kein Schaden“ gelernt werden.
• Ungleichgewicht: Schadensfreie Bilder dominieren. Je seltener ein Schaden, desto weniger Beispiele und desto mehr wird übersehen.
• Label-Rauschen: Verschiedene Personen zeichnen denselben Riss unterschiedlich nach. Schreiben Sie einen Annotationsleitfaden, der sich am Inspektionsstandard orientiert.
• Evaluationsdaten zurückhalten: Nur Bilder von Standorten, die nicht im Training verwendet wurden, zeigen die wahre Leistung.

Die Rissbreite bestimmt Instandsetzungsentscheidungen. Die KI-Pipeline lautet: ① Risspixel segmentieren, ② die Mittellinie (Skelett) extrahieren, ③ Pixel senkrecht dazu zählen, ④ mit der GSD (mm pro Pixel) multiplizieren. Zur GSD siehe das Kapitel Aufnahmen im sichtbaren Licht.

Als Faustregel rechnen Sie mit mindestens etwa ±1 Pixel Breitenfehler. Bei 0,5 mm GSD sind das rund ±0,5 mm. Wenn Instandsetzungsentscheidungen an 0,2 oder 0,3 mm hängen, kann dieses Bild die Breite nicht klären. Geben Sie KI-Breiten immer mit GSD und erwartetem Fehler an.

Der eigentliche Wert der Inspektion liegt in der Veränderung: Ist ein Riss gewachsen, hat sich Rost ausgebreitet, ist etwas Neues aufgetaucht? Doch das Foto vom letzten Jahr vom diesjährigen abzuziehen bedeutet fast nichts – Positionen, Licht, Jahreszeit und Schmutz unterscheiden sich, der Großteil des Unterschieds ist also die Art, wie die Fotos gemacht wurden.

• Zuerst registrieren: Die Bilder beider Jahre auf das 3D-Modell oder die Bauteilkoordinaten ausrichten.
• Schäden vergleichen, nicht Pixel: Jedes Jahr eine Schadenskarte erstellen und die Karten vergleichen.
• Bedingungen angleichen: Gleiche Route, gleicher Abstand, ähnliches Licht. Den Aufnahmeplan jedes Jahr wiederverwenden.
• Der Veränderung einen Fehler zuordnen: Wenn „um 0,1 mm verbreitert“ kleiner ist als der Messfehler, ist es keine Veränderung.

KI macht zwei Arten von Fehlern: falsch positive (melden, was nicht da ist) und falsch negative (übersehen, was da ist). In der Inspektion sind die übersehenen Schäden die gefährlichen. Systeme werden daher meist mit einer niedrigeren Schwelle abgestimmt, um Übersehenes zu reduzieren und die Fehlalarme der menschlichen Durchsicht zu überlassen.

Ebenso wichtig sind Bilder, die die KI nie richtig zu sehen bekam: verwackelt, zu dunkel oder nie aufgenommen. Schäden dort erzeugen Schweigen. Eine Abdeckungsprüfung, die zeigt, was nicht erfasst wurde, zählt so viel wie die Detektion selbst.

KI beschleunigt Suchen, Messen und Vergleichen. Bewertung, Maßnahme und Erklärung bleiben beim verantwortlichen Prüfer – daran wird sich unter keinem Inspektionsregime eines Landes so bald etwas ändern. Bauen Sie die Arbeitsteilung Mensch–KI in den Arbeitsablauf ein.

• Prüfansicht: Jeden KI-Kandidaten neben dem Originalbild, dem Ort und dem Vorjahresbild zeigen, damit eine Person annehmen, ablehnen oder bearbeiten kann.
• Korrekturen zurückspielen: Menschliche Bearbeitungen werden zu den nächsten Trainingsdaten (Human-in-the-Loop-Lernen).
• Modellversion festhalten: Protokollieren, welche Modellversion und welcher Schwellenwert jedes Ergebnis erzeugt haben.
• Vor Überverlass schützen: Menschen prüfen stichprobenartig auch Bilder, die die KI nicht markiert hat.
• Menschen unterschreiben: Zustandsbewertungen und Maßnahmen tragen den Namen der verantwortlichen Ingenieurin oder des verantwortlichen Ingenieurs.

Wie KI-Befunde zu einem Bericht werden, den ein Ingenieur unterschreiben kann, zeigt Drohnen- und KI-Befunde im Fassadeninspektionsbericht aufschreiben (Airffic Flight Institute).

Die Aufteilung zwischen dem, was die KI meldet, und dem, was ein Mensch entscheidet, wird auch aus Sicht des Auftraggebers behandelt in wie sich KI und Menschen die Gebäudeinspektion teilen (Airffic World).

Ein Vergleich über Jahre verlangt, dass jedes Bild maschinenlesbar mit sich trägt, welches Bauwerk, welches Bauteil, welche Stelle und wie es aufgenommen wurde. Ohne das können weder KI noch digitale Zwillinge etwas ansammeln.

Legen Sie die Bauteilbenennung am Anfang fest, abgestimmt auf Inspektionsnorm und Zeichnungen. Es gibt gängige Formate, etwa BIM/CIM in Japan und IFC von buildingSMART (2024 mit IFC 4.3 auf Brücken, Straßen, Bahnen und Häfen erweitert). Formate ändern sich, daher zählt den Inhalt nie zu verlieren – IDs, Posen, Bedingungen – mehr als das Format.

Bis 2035 werden Inspektionsbilder Bauteil-IDs und Bedingungen in dem Moment erhalten, in dem sie aufgenommen werden; die KI schlägt Kandidaten vor, und nur Änderungen gegenüber dem letzten Mal erreichen den Bildschirm des Ingenieurs. Menschen interpretieren die Änderungen, prüfen sie vor Ort und unterzeichnen ihr Urteil. Die KI lernt weiter aus menschlichen Korrekturen, und ihre Leistung je Bauwerkstyp und Region wird zum Vergleich veröffentlicht. Das ist die Sicht der Redaktion.

Was dort am meisten zählt, ist nicht glänzende KI, sondern unspektakuläre Datenkonventionen: Benennung, Aufzeichnen der Bedingungen, Protokollieren von Fehlern. Die Bauwerke, bei denen das Jahr für Jahr durchgehalten wird, sind die, bei denen die Inspektion wirklich leichter wird.