REMATCH

Ressourceneffizienter Tunnelbau auf Basis einer Echtzeit-Charakterisierung des Ausbruchmaterials

Ziel des Forschungsvorhaben ist es, die großen Mengen an Boden und Gestein, die im Tunnelbau anfallen, ressourcenschonend nutzbar zu machen, statt diese beispielsweise auf Deponien abzulagern.

Während Ausbruchmaterial aus Hartgestein vergleichsweise einfach, zum Beispiel als Gesteinskörnung in Beton, eingesetzt werden kann, ist dies bei Lockergestein ungleich schwieriger. Denn der konditionierte Erdbrei weist im Vergleich zur natürlichen Geologie eine wesentlich geringere Festigkeit auf. Für eine Verwertung im Sinne der Kreislaufwirtschaft für andere bautechnische Zwecke (zum Beispiel einen Erdwall oder eine Straßenunterkonstruktion) ist daher eine aufwändige Bodenbehandlung durch Zugabe von beispielsweise Kalk erforderlich. Zwar sind Tunnelbohrmaschinen heutzutage mit diversen Sensoren ausgestattet, jedoch werden Konditionierungsmittel manuell dosiert und zugegeben, weil Soll- und Ist-Werten der Bodenparameter auf dem Förderband bislang nicht abgeglichen werden können.

Daher zielt REMATCH darauf ab, eine Echtzeit-Charakterisierung von Ausbruchmaterial auf der Basis von Methoden Künstlicher Intelligenz (KI) vorzunehmen. Es wird dazu ein Modell trainiert, das eine Verknüpfung schafft zwischen repräsentativen Bildern und sicher bestimmten Bodenparametern. In das Modell fließen relevante Vortriebs-, Konditionierungs- und Förderdaten der TBM ein, um die Aussagekraft zu erhöhen. Auf Basis aller zur Verfügung stehenden Daten erfolgt eine Vorab-Klassifizierung, ob das Ausbruchmaterial „verwertbar“ oder „nicht verwertbar“ ist.

Im Rahmen einer bilateralen Kooperation „Förderung von deutsch-französischen Projekten zum Thema Künstliche Intelligenz“ wird REMATCH von 2021 bis 2024 gefördert.