eJournals Fachkongress Digitale Transformation im Lebenszyklus der Verkehrsinfrastruktur 2/1

Fachkongress Digitale Transformation im Lebenszyklus der Verkehrsinfrastruktur
dtv
2748-9213
2748-9221
expert verlag Tübingen
61
2023
21

Standardisierung im Structural Health Monitoring (SHM) – Konzeptvorschlag

61
2023
Thomas Braml
Johannes Wimmer
Fabian Seitz
Max Spannaus
Norman Diersch
Iris Hilbricht
Norbert Romen
Maximilian Reingruber
Jürgen Hamm
Martin Krettek
Michael Häuserer
Weltweit werden mittlerweile aufgrund der alternden Infrastruktur eine Vielzahl von Bauwerken für die Zustandsüberwachung mit Sensoren im Rahmen eines Structural Health Monitoring (SHM) ausgestattet. Dieses SHM wird bereits bei vielen Projekten sehr erfolgreich angewendet. Es zeigen sich Vorteile hinsichtlich der Verlängerung der Lebensdauer und der Überwachung von kritischen Zuständen an den Bauwerken. Die gewählten Lösungen sind derzeit im Hinblick auf Datengewinnung, -transfer, -ablage und -auswertung noch sehr individuell ausgeprägt. In diesem Beitrag wird ein Konzept vorgestellt, wie eine Standardisierung des SHM auf Hard- und Softwareebene wirtschaftlich und flächendeckend erfolgreich umgesetzt werden kann. Das Autorenteam, bestehend aus Experten verschiedener Teildisziplinen, unterbreitet Vorschläge zur Standardisierung des Datenflusses in der gesamten Wertschöpfungskette des SHM. An einem Praxisbeispiel wird das Konzept ganzheitlich vorgestellt.
dtv210071
2. Fachkongress Digitale Transformation der Verkehrsinfrastruktur - Juni 2023 71 Standardisierung im Structural Health Monitoring (SHM) - Konzeptvorschlag Prof. Dr.-Ing. Thomas Braml Universität der Bundeswehr München, Neubiberg Johannes Wimmer, M. Eng. Universität der Bundeswehr München, Neubiberg Fabian Seitz, M. Sc. Universität der Bundeswehr München, Neubiberg Prof. Dr.-Ing. Max Spannaus Universität der Bundeswehr München, Neubiberg Norman Diersch Die Autobahn GmbH, Berlin Iris Hilbricht Cisco Systems GmbH, Düsseldorf Dr.-Ing. Norbert Romen NXT Monitoring GmbH, Pullach Maximilian Reingruber objective Partner AG, Weinheim Jürgen Hamm NetApp Deutschland GmbH, Kirchheim Martin Krettek Dr. Johannes Heidenhain GmbH, Traunreut Dr. Michael Häuserer Vallen Systeme GmbH, Wolfratshausen Zusammenfassung Weltweit werden mittlerweile aufgrund der alternden Infrastruktur eine Vielzahl von Bauwerken für die Zustandsüberwachung mit Sensoren im Rahmen eines Structural Health Monitoring (SHM) ausgestattet. Dieses SHM wird bereits bei vielen Projekten sehr erfolgreich angewendet. Es zeigen sich Vorteile hinsichtlich der Verlängerung der Lebensdauer und der Überwachung von kritischen Zuständen an den Bauwerken. Die gewählten Lösungen sind derzeit im Hinblick auf Datengewinnung, -transfer, -ablage und -auswertung noch sehr individuell ausgeprägt. In diesem Beitrag wird ein Konzept vorgestellt, wie eine Standardisierung des SHM auf Hard- und Softwareebene wirtschaftlich und flächendeckend erfolgreich umgesetzt werden kann. Das Autorenteam, bestehend aus Experten verschiedener Teildisziplinen, unterbreitet Vorschläge zur Standardisierung des Datenflusses in der gesamten Wertschöpfungskette des SHM. An einem Praxisbeispiel wird das Konzept ganzheitlich vorgestellt. 1. Einleitung Das Erfordernis der Zustandsüberwachung von Bauwerken rückt im deutschsprachigen Raum immer mehr in den Fokus. Grund hierfür ist unter anderem der marode Zustand vieler Brücken, wie es auch das Bundesverkehrsministerium berichtet [1]. So sollen bis ca. 2030 etwa 4000 Brückenbauwerke instandgesetzt oder erneuert werden. Muss ein Bauwerk für einer Inspektion nach DIN-1076 [2] einer Nachrechnung gem. Nachrechnungsrichtline (NRR, [3; 4]) unterzogen werden, so müssen in den Stufen 3 und 4 bereits Ergebnisse aus Bauwerksuntersuchungen einfließen. Diese Untersuchungsergebnisse stammen beispielsweise aus zerstörungsfreier Prüfung (Zf P), Belastungsversuchen oder Monitoring. Bei 72 2. Fachkongress Digitale Transformation der Verkehrsinfrastruktur - Juni 2023 Standardisierung im Structural Health Monitoring (SHM) - Konzeptvorschlag der Zf P können Daten sowohl am Bauwerk in Form von mehrdimensionalen Messdaten entstehen [5], aber auch Prüfdaten aus Laboruntersuchungen von zerstörungsarmen Prüfungen wie der Bohrmehlentnahme sowie Ergebnissen an gezogenen Bohrkernen. Bei der Datenverarbeitung wird in [6] für Messprojekte die Kette vom Sensor zur Auswertung in Sensor-, Datenerfassungs- und Auswerteebene unterteilt. Die Messgeräte verarbeiten die Daten in der Regel selbst oder auf einer externen Recheneinheit (Sensor- und Datenerfassungsebene; Abb. 1, oben). Die Auswertung erfolgt in vielen Fällen nicht live und Edge, sondern im Nachgang im Büro der durchführenden Institution [7]. Probebelastungen sind ähnlich einer Zf P zeitlich begrenzt. Sie werden verwendet, um beispielsweise das tatsächliche Tragverhalten von Bauwerken zu bestimmen oder um Structural Health Monitoring (SHM) Einrichtungen zu kalibrieren. Einen Überblick hierfür gibt z. B. [8]. Die dort anfallenden Daten werden meist mit den Auswertesoftwares der Hersteller vor Ort augenscheinlich plausibilisiert und im Nachgang ähnlich der Zf P Daten ausgewertet. Die Datenübertragung erfolgt häufig im proprietären Datenformat der Herstellersoftware oder über allgemeine Dateiformate wie z.-B. .csv-Format, oder menschenlesbar als .json-Format. Monitoring wird in [9] in Kurzzeitmonitoring, Langzeitmonitoring und Dauermonitoring unterschieden. Probebelastungen zählen zu ersteren. Beim Langzeitmonitoring wird am Bauwerk mindestens mehrere Wochen bis zu mehreren Jahren gemessen. Es wird beispielsweise verwendet, um reale Verkehrslastmodelle zu ermitteln [10]. Beim Dauermonitoring ist die Laufzeit nicht festgelegt. Es wird über die gesamte (Rest-) Lebensdauer gemessen und dient beispielsweise dazu, das Bauwerk sicher weiter zu betreiben. Durch Monitoring kann die Lebensdauer von Bauwerken verlängert werden [11], was einen positiven Einfluss auf die Nachhaltigkeit der Struktur hat, wie Haist et al. in der Vorstellung der Nachweisform „Grenzzustand der Klimaverträglichkeit“ gezeigt haben [12]. Je nach Messaufgabe werden die Messdaten vor Ort (Edge) abgeholt und für den Datentransfer vorverarbeitet (komprimiert, in ein allgemeines Datenformat überführt, etc.). Die Datenübertragung erfolgt aktuell zumeist über herstellereigene Übertragungsprotokolle auf herstellereigene Auswerteplattformen (Dashboards), die auf das Messgerät und die jeweilige Messaufgabe zugeschnitten sind. Es ist naheliegend, dass beim Einsatz vieler Messsysteme (Messketten gem. DIN 1319-1 [13]; Abb.-1, oben links) die Anzahl der Insellösungen zunimmt. Um diese zu vereinigen, werden projektspezifisch Plattformen erstellt. Große Beispiele hierfür sind die SmartBridge in Hamburg [14] oder die intelligente Brücke im Testfeld der Autobahn (z. B. [15]). An diesen Beispielen ist ersichtlich, dass bereits Einzellösungen existieren. Diese haben für einzelne Projekte ihre Berechtigung. Um aber ein schnelles, effektives Monitoring auch in großem Umfang wirtschaftlich einzusetzen und für große Bauwerksbetreiber skalierbar zu machen, bedarf es Vereinheitlichungen. Abb. 1 zeigt die Grundidee des in diesem Beitrag vorgestellten Konzepts zur Standardisierung im SHM. In Abschnitt 2 werden die Anforderungen und die Ansätze zur Datenaufnahme, in Abb. 1 durch die Messketten dargestellt, vorgestellt. Abschnitt 3 widmet sich dem Datentransfer hinsichtlich der gewählten Technologie und den verwendeten Protokollen. In Abschnitt 4 wird die Datenablage in der Industrie 4.0 Lösung Verwaltungsschale BBox (Bridge Box - Verwaltungsschale für Brücken) präsentiert. Rahmenlösungen zur Auswertung der Daten werden im 5. Abschnitt beschrieben. Die Datenverwertung in der Visualisierung zeigt Abschnitt 6. Das Praxisbeispiel der Isenbrücke in Schwindegg und die Zusammenfassung mit Ausblick schließen den Beitrag ab. Abb. 1: Übersicht der Inhalte aller Kapitel dieses Beitrags in einem Übersichtsbild. 2. Fachkongress Digitale Transformation der Verkehrsinfrastruktur - Juni 2023 73 Standardisierung im Structural Health Monitoring (SHM) - Konzeptvorschlag 2. Datenaufnahme Die Erfassung eines Bauwerkszustandes ist komplex und individuell. Diesen projektspezifischen Anforderungen wird meist mit ebenso individuellen Sensorkonfigurationen begegnet. Hierfür können analoge als auch digitale Sensorlösungen zum Einsatz kommen. Die verschiedenen Sensoren benötigen bauartbedingt individuelle Energieversorgungen und erzeugen in der Folge auch individuelle Messwerte. Nachfolgend werden exemplarisch mögliche Systeme vorgestellt. Klassische Messsysteme sind modular aufgebaut, damit das System je nach Anforderung an Geometrie, Sensoranzahl und Sensortypen frei skalierbar und projektspezifisch angepasst werden kann. Es ist multifunktional und ermöglicht den Anschluss nahezu aller am Markt verfügbaren Sensoren. Übliche Messgrößen sind beispielsweise Dehnungen, Kräfte, Verformungen (Setzung, Durchbiegung, …), Erschütterungen oder Temperaturen. Das Messsystem mit Datenlogger versorgt jeden installierten Sensor über A/ D-Wandler und Bussysteme mit seinem individuellen Strom oder Spannung und liest in der Folge die Messdaten in der jeweiligen sensorspezifischen Form und der projektspezifischen Messfrequenz aus. Diese Messwerte verrechnet der Datenlogger mit den Kalibrierfaktoren, speichert die Daten lokal zwischen und stellt die Messwerte inkl. Einheiten in Echtzeit z. B. als Message Queuing Telemetry Transport (MQTT)-Client (Abb. 3, links) zur Verfügung. Die Messsysteme können je nach Anwendungsfall kabelgebunden, kabellos oder als Hybridsysteme ausgeführt werden. Die Energieversorgung ist mit Netzstrom, Batterie aber auch autark mit batteriegestützten Solarmodulen oder anderen alternativen Energiequellen möglich. Bei der Ausstattung von Bauwerken mit Sensoren ist es wichtig, im Vorfeld die Messorte und die Messarten am Bauwerk festzulegen. Weitere Anforderungen sind beispielsweise Robustheit, Zugänglichkeit und natürlich die Wirtschaftlichkeit. Die erforderlichen Sensortypen ergeben sich dann aus diesen Anforderungen. Für die Messung der Dehnung existieren viele Alternativen, z. B. Dehnungsmessstreifen (DMS, Abb. 2b) oder faseroptische Messtechnik. Eine weitere, völlig neue Möglichkeit der Dehnungsmessung basiert auf der Verwendung eines optoelektronischen Drehgebers. Drehgeber sind der industrielle Standard für die Positions- und Drehzahlbestimmung an Motorwellen, in dieser Funktion finden sie seit Jahrzehnten Anwendung in Automatisierungssystemen, Windenergieanlagen oder Aufzügen. Diese bewährte Drehgebertechnik wird nun auch im neuartigen ESR-Sensor (Abb. 2c) dazu verwendet, die Längenänderung bzw. Dehnung zwischen zwei Installationspunkten optisch zu messen. Die optische Abtastung ist im Drehgeber durch eine hochintegrierte elektronische Schaltung (ASIC) realisiert, die neben der reinen elektrischen Signalwandlung die analogen Messsignale auf bereitet, digitalisiert und unmittelbar im Chip verarbeitet. Auf diese Weise kann ein hochgenaues, reproduzierbares und rein digitales Messsignal mit sehr geringem Rauschen und einer hohen Auflösung von 5-nm (absolute Längenänderung) bzw. 0,025-µm/ m (Dehnung) ausgegeben werden. Die Abtastrate der Messung ist dabei bis zu 30-kHz frei konfigurierbar, sodass neben statischen auch dynamische Messaufgaben lösbar sind. Mittels der echtzeitfähigen Schnittstelle des Sensors können die erzeugten, digitalen Messdaten zusammen mit Zusatzinformationen zum Drehgeber (z. B. interne Temperatur, Diagnosedaten) störungsfrei an eine nachfolgende Elektronik übertragen werden. Diese Folgeelektronik vervollständigt die Messkette und erlaubt das synchrone Einlesen mehrerer ESR-Sensoren, sowie die lokale (Vor-)Verarbeitung der Messdaten. Die gegebenenfalls reduzierte Datenmenge kann in einem letzten Schritt von der Folgeelektronik über eine vereinbarte Schnittstelle und Protokoll (z. B. MQTT) an das zentrale Gateway des Monitoringsystems übertragen werden. Insgesamt ist dadurch eine einfache und flexible Einbindung der Messkette mit ESR-Sensoren in ein bestehendes Gesamtsystem möglich. 74 2. Fachkongress Digitale Transformation der Verkehrsinfrastruktur - Juni 2023 Standardisierung im Structural Health Monitoring (SHM) - Konzeptvorschlag Abb. 2: Typische Sensoren zur Datenaufnahme; a) Schwingsaitensensor, b) Dehnungsmessstreifen, c) ESR-Dehnungssensor (Elongation Sensor Rotary) (Fa. HEIDENHAIN), d) niederfrequenter Schallemissionssensor (SHM-MP1, Fa. Vallen Systeme) Die zerstörungsfreie Prüfmethode Schallemission (Acoustic Emission) hat sich als äußerst leistungsfähig erwiesen, um Drahtbrüche von vorgespannten Spanngliedern in Brücken [16; 17], Tunnelwänden und Gebäuden zu erkennen und zu lokalisieren. Es ist das einzige zerstörungsfreie Prüfverfahren, das einzelne Drahtbrüche zeitlich und räumlich erfassen kann. Im Falle eines Defektes, wie z. B. ein Spannstahlriss, emittiert diese Quelle Schallwellen, die sich durch das Testobjekt bewegt und von Schallemissionssensoren erfasst wird. Der Sensor wandelt die Oberflächenbewegung in ein elektrisches Signal, welches von der Datenerfassungseinheit erfasst und an einem Messrechner vorverarbeitet wird. Dabei wird unter anderem die Ankunftszeit der Schallwelle an den Sensoren, deren Amplitude, Energie und weitere Größen neben der gesamten Wellenform erfasst. Die Schallemissionssensoren (z. B. Abbildung 2d) für diese Anwendung sind im niederen Frequenzbereich besonders sensitiv und haben eine Peak Sensitivität bei 30-kHz. Die Datenerfassung arbeitet mit 10-MHz Abtastrate, um die gewünschte Auflösung der Schallwellen zu erhalten. Um eine verlässliche Überwachung und Alarmierung zu gewährleisten ist eine zuverlässige Stromversorgung erstrebenswert. Die hohe Leistungsfähigkeit der Hard- und Software liefert Informationen über Schallemissionsereignisse in Echtzeit. Die Messdaten stehen als Roh- und prozessierte Daten auf dem Messrechner zur Verfügung und können mit einem abgestimmten Datenmodell über eine definierte Schnittstelle (z. B. MQTT) zur weiteren Verarbeitung bereitgestellt werden. 3. Datentransfer 3.1 Protokoll für Datentransfer Die Wahl des geeigneten Datentransfer-Protokolls ist für den Erfolg eines intelligenten SHM-Systems entscheidend. Aktuell erfolgt der Messdatentransfer bei vielen Vorhaben mit dem File Transfer Protocol (FTP). Hierbei werden die Messdaten als Dateien auf einen FTP-Server manuell hochgeladen, um von dort aus ebenfalls aktiv wieder zur Auswertung herunterzuladen. Diese nicht integrierte Prozesskette ist langsam und unflexibel und für Internet of Things (IoT) Anwendungen nicht geeignet. Das Hypertext Transfer Protocol (HTTP) wird z. B. bei der Übertragung von einzelnen Messwerten vom digitalen Sensor zum Datenlogger verwendet. Besser eignen sich IoT erprobte Protokolle wie OPC Unified Architecture (OPC UA) für Industrieanwendungen oder MQTT als allgemeineres Protokoll. In diesem Kapitel wird letzteres als bevorzugte Lösung für den Datentransfer in der Bauwerksüberwachung vorgestellt. MQTT wird in [18] als ein leichtgewichtiges Open-Source- Protokoll vorgestellt, das sich durch seine Einfachheit, geringen Bandbreitenanforderungen und anpassbare Qualitätsstufen auszeichnet. Es eignet sich insbesondere für IoT Kommunikation und Edge Computing [19], da es die effiziente Verarbeitung und den Datentransfer zwischen Sensoren, Aktoren und Anwendungen in Echtzeit ermöglicht. Diese Eigenschaften machen MQTT zu einer idealen Wahl für SHM-Anwendungen, in denen schnelle Datenübertragung und -verarbeitung erforderlich sind. Die Flexibilität von MQTT ermöglicht die Kommunikation zwischen verschiedenen Systemen und Geräten, was die Integration und Implementierung in bestehende SHM- 2. Fachkongress Digitale Transformation der Verkehrsinfrastruktur - Juni 2023 75 Standardisierung im Structural Health Monitoring (SHM) - Konzeptvorschlag Lösungen erleichtert. Darüber hinaus ist MQTT bereits in der Industrie weit verbreitet und von vielen Herstellern und Systemen unterstützt. MQTT unterstützt durch seine Fähigkeit der flexiblen Strukturierung der Datenbereitstellung die Notwendigkeiten in Anwendungsfällen hinsichtlich beispielsweise Geolokation von Geräten, ungleicher und hybrider Sensorausstattung zwischen Geräten derselben Geräteklasse, sowie eine freie und gemischte Zuordnung von Attributnamen und Datentypen zu Attributen. Mit zentralen Steuerungs- und Verwaltungsservices wie Edge Intelligence, einem Service eines IoT Operations Dashboards (IoT OD, Abb.-3, Mitte) können Broker für die IoT-Kommunikation die Verwaltung der digitalen Identitäten für die Geräte und die Authentifizierung gegenüber dem Datenempfänger übernehmen. Das System unterstützt die Verarbeitung, Analyse und Visualisierung von Daten aus dem SHM-System. Durch diese Integration kann trägt die Edge Plattform zur sicheren und skalierenden Optimierung des Datenflusses und zur Verbesserung der Entscheidungsfindung im SHM bei. Zusammenfassend ist MQTT aufgrund seiner Flexibilität, Echtzeitfähigkeit, Edge-Compute-Unterstützung und Integration mit einem IoT OD eine ausgezeichnete Wahl für den Datentransfer im Structural Health Monitoring. Die Verwendung von MQTT trägt dazu bei, die Effizienz und Reaktionsfähigkeit von SHM-Systemen zu erhöhen und somit die Sicherheit und Langlebigkeit von Bauwerken zu gewährleisten. Abb. 3: Schematische Darstellung der SHM-Kommunikationsarchitektur für die Kombination Messwertaufnahme - Cisco Router - Verwaltungsschale 3.2 Übertragungsmedium für Datentransfer Zusätzlich zur Auswahl des Protokolls hat das passende Datenübertragungsmedium eine wichtige Rolle. Es gibt verschiedene Übertragungstechniken, wie LoRa- WAN, FluidMesh, WLAN, SatCom, LTE, 5G, Ethernet und Glasfaser. Jedes dieser Medien hat seine eigenen Vor- und Nachteile, die sich abhängig von den spezifischen Anforderungen des Projekts als geeignet oder nicht geeignet herausstellen. Eine Übersicht mit typischen Anwendungsfällen ist in Tabelle 1 aufgelistet, eine Verortung mit den Anwendungsfällen in eine Bewertungsmatrix zeigt Abb. 4. Eine dynamische und skalierbare Wegwahl, die durch Software-Defined Wide Area Network (SD-WAN) und einen Industrierouter ermöglicht wird, ist ein wesentlicher Faktor, um die Datenübertragung in SHM-Systemen zu optimieren. Mit Ausnahme von SatCom und FluidMesh, die spezielle Zusatzkomponenten erfordern, unterstützt diese Technologie eine flexible und effiziente Verwendung verschiedener Datenübertragungsmedien. SD-WAN bietet Vorteile wie zentralisierte Verwaltung, verbesserte Netzwerkflexibilität und optimierte Leistung. Durch die zentrale Steuerung des Netzwerks können die Verbindungen und der Datenverkehr über verschiedene Übertragungsmedien effizient verwaltet und überwacht werden. Dies ermöglicht es, die beste verfügbare Verbindung für die jeweilige Anwendung auszuwählen und die Nutzung der verfügbaren Bandbreite zu maximieren. Ein Industrierouter, der SD-WAN unterstützt, bietet robuste und zuverlässige Verbindungen in anspruchsvollen Umgebungen. Er kann die Kommunikation zwischen den verschiedenen IoT-Geräten und Sensoren im SHM-System aufrechterhalten und sicherstellen, dass die Datenübertragung nahtlos und effizient abläuft. Durch die Integration von Edge-Compute-Fähigkeiten kann der Router außerdem die Verarbeitung und Analyse von Daten näher an der Datenquelle durchführen, was die Latenzzeit reduziert, und die Reaktionsfähigkeit des gesamten Systems verbessert. 76 2. Fachkongress Digitale Transformation der Verkehrsinfrastruktur - Juni 2023 Standardisierung im Structural Health Monitoring (SHM) - Konzeptvorschlag Tab. 1: Fortlaufende Nummerierung Datenübertragungsmedium Reichweite Latenz Bandbreite Use Cases (großes/ kleines Volumen, langsame/ schnelle Übertragung) LoRaWAN [20] 2-5 km (urban), 15-km (ländlich) 0,2-2 s 0,3-50 kbps kleines Volumen, langsame Übertragung (Niederfrequente Livedaten, Tachymeter, Wetterdaten) FluidMesh [21] Bis zu 10 km (abhängig von der Konfiguration) 1-10 ms 1-100 Mbps großes Volumen, langsame Übertragung (Rohdaten für Forschungsnetze: DFOS, Beschleunigung) WLAN [22] 50-100 m (Innenbereich), bis zu 250 m (Außenbereich) 2-5 ms 0,02-2 Gbps großes Volumen, schnelle Übertragung (Live-Webcam, hochfrequente Livedaten (10³ Hz), mittelfrequente Livedaten (10¹-Hz)) SatCom [23] Globale Abdeckung 0,6-1,2 s 1-50 Mbps kleines Volumen, schnelle Übertragung (Remote-Desktop, Alarme, komprimierte und vorverar-beitete Daten) LTE [24] 5-20 km (abhängig von Faktoren wie Signalstärke und Netzabdeckung) 30-100-ms 10-100 Mbps großes Volumen, schnelle Übertragung (Live-Webcam, hochfre-quente Livedaten (10³ Hz), mittelfrequente Livedaten (10¹ Hz)) 5G [25] 100-500 m (abhängig von der Frequenz und Netzabdeckung) 1-10 ms 0,1-10 Gbps großes Volumen, schnelle Übertragung (Live-Webcam, hochfrequente Livedaten (10³ Hz), mittelfrequente Livedaten (10¹-Hz)) Ethernet 100 m (für Cat 5/ 6-Kabel) <1 ms 0,01-1 Gbps kleines Volumen, schnelle Übertragung (Remote-Desktop, Alarme, komprimierte und vorverarbeitete Daten) Glasfaser [26] 40 km oder mehr (abhängig von der Art der Glasfaser und der verwendeten Technologie) <1 ms 1-100 Gbps großes Volumen, schnelle Übertragung (Live-Webcam, hochfrequente Livedaten (10³ Hz), mittelfrequente Livedaten (10¹-Hz)) Insgesamt sollte die Auswahl des Datenübertragungsmediums auf den spezifischen Anforderungen des Projekts basieren, wobei Faktoren wie Reichweite, Latenz und Bandbreite berücksichtigt werden. Durch die Kombination von MQTT als bevorzugtes Protokoll, der Nutzung eines IoT OD und der Implementierung von SD-WAN und einem Industrierouter kann die Effizienz und Reaktionsfähigkeit von SHM-Systemen verbessert werden. Abb. 4: Matrize zur Darstellung von Übertragungsmedien und Anwendungen; y-Achse: Übertragungsvolumen, x-Achse: Übertragungsgeschwindigkeit 2. Fachkongress Digitale Transformation der Verkehrsinfrastruktur - Juni 2023 77 Standardisierung im Structural Health Monitoring (SHM) - Konzeptvorschlag 4. Datensicherheit In der modernen Welt der IoT- und SHM-Systeme ist die Datensicherheit von entscheidender Bedeutung. Die Vernetzung von Sensoren und Systemen bietet viele Vorteile, bringt jedoch auch neue Herausforderungen in Bezug auf Sicherheitsbedrohungen und Datenschutz mit sich. Im Folgenden werden einige wichtige Aspekte der Datensicherheit behandelt. 4.1 Verschlüsselung Um die Vertraulichkeit und Integrität der übertragenen Daten zu gewährleisten, sollte die Kommunikation zwischen den Sensoren, Gateways und dem Backend-System verschlüsselt sein. Ein möglicher Hintergrund ist die vorsätzlich böswillige Manipulation der gemessenen Daten zur Störung des öffentlichen Verkehrs. Zum einen wird empfohlen, starke Verschlüsselungsalgorithmen wie AES-256 oder höher zu verwenden, zum anderen sollte auch die Datenübertragung durch SSL/ TLS oder andere sichere Kommunikationsprotokolle wie MQTT-TLS abgesichert werden. 4.2 Authentifizierung und Autorisierung Es ist wichtig, den Zugriff auf IoT-Geräte und Backend- Systeme sorgfältig zu kontrollieren. Starke Authentifizierungsmethoden wie zertifikatsbasierte Authentifizierung oder Multi-Faktor-Authentifizierung (MFA) werden empfohlen. Darüber hinaus sollte das Prinzip von Zero- Trust Architekturen angewendet werden, um sicherzustellen, dass Benutzer und Geräte nur auf die für sie erforderlichen Daten und Funktionen zugreifen können. Im Fall des hier gezeigten SHM-Beispiels sind gemäß Abb. 3 die Kette Bridge Stack - Edge Stack und Verwaltungsschale Stack zu nennen. 4.3 Netzwerksegmentierung Die Segmentierung des Netzwerks ist eine effektive Methode, um die Angriffsfläche zu reduzieren und die Ausbreitung von Schadsoftware zu begrenzen. IoT-Geräte sollten in separaten Netzwerksegmenten isoliert und durch Firewalls oder andere Sicherheitsmaßnahmen geschützt werden. Verschiedene Lösungen sind verfügbar, um Netzwerksegmentierung und Sicherheitsmanagement in IoT-Umgebungen zu unterstützen. Für aktuell verwendete SHM-Lösungen ist diese Segmentierung noch nicht erforderlich, bei mehreren IP-basierten Messgeräten empfiehlt sich aber eine Segmentierung beispielsweise in kritische (z. B. Alarmierungen auslösende) und unkritische Elemente. 4.4 Security-Monitoring und Incident-Response Die Überwachung von Sicherheitsereignissen und die frühzeitige Erkennung von Angriffen sind entscheidend, um Schäden zu minimieren und die Resilienz des Systems zu gewährleisten. Verschiedene Sicherheitslösungen ermöglichen die Überwachung von Anomalien im Netzwerkverkehr und verdächtigen Aktivitäten. Zudem sollten Unternehmen über einen gut strukturierten Incident-Response-Plan verfügen, um auf Sicherheitsvorfälle schnell und effektiv reagieren zu können. Neben der Überwachung des Bauwerks müssen somit auch die Systeme überwacht werden. 4.5 Datenschutz Mit der zunehmenden Verbreitung von IoT-Geräten und der Erfassung von immer mehr Daten rückt der Schutz der Privatsphäre in den Vordergrund. Als Beispiel sind hier IoT Kameras zur Verkehrsüberwachung genannt. Unternehmen sollten sicherstellen, dass ihre IoT-Lösungen die geltenden Datenschutzgesetze wie die Europäische Datenschutz-Grundverordnung (DSGVO) einhalten. Dies kann durch die Implementierung von Datenschutzmaßnahmen wie Datenminimierung, Anonymisierung und Pseudonymisierung erreicht werden. 4.6 Beweissicherung und Rückführbarkeit der Daten Ein immer wichtigerer Aspekt der Datenverwertung ist die Gewissheit, dass Daten nicht manipuliert werden. Kryptographie liefert ein Werkzeug, um das umzusetzen. Im Forschungsprojekt CASPAR [27] werden hierfür die Grundlagen geschaffen, die dann in die Datenablage integriert werden können. 5. Datenablage Daten, die im Rahmen eines Bauwerksmonitoring gewonnen werden, stehen in der Regel als Datenpaket dem Ausführenden zur Verfügung. Dem Auftraggeber oder Infrastrukturbetreiber wie z. B. der Autobahn GmbH werden diese Daten in der Regel in Form eines Berichtes mit ausgewerteten und zum Teil interpretierten Daten zur Verfügung gestellt. Die Qualität solcher Berichte sind erfahrungsgemäß stark schwankend und dadurch sind Verknüpfung von verschiedenen Berichten über den Lebenszyklus eines Brückenbauwerkes schwierig bis unmöglich. Durch eine Ablage der verschiedenen Daten eines Brückenbauwerkes mit Bezug zu BIM und verknüpften Tragwerksmodellen können georeferenzierte Informationen einerseits verortet sowie auch der Einfluss dieser auf das Bauwerk besser abgeschätzt werden. Mit diesem Grundsatz wurden bereits verschiedene Forschungsansätze verfolgt. Im Projekt BrAssMan (Brücken Asset Management) wurde eine Kollaborationsplattform für ein intelligentes Asset Management über den gesamten Lebenszyklus einer Brücke entwickelt [28]. Ein Ansatz zur Verknüpfung von SHM mit BIM wird im Forschungsvorhaben DiMaRB für Eisenbahnbrücken verfolgt [29]. Dabei entstand die Plattform shBIM. Der Cloudplattform IRIS wird sich im Forschungsprojekt OSIMAB bedient, um ein Überwachungssystem zur Zustandsbewertung und Sicherheit bestehender Brücken zu generieren [30]. Die Plattform ist in Microservices aufgebaut. Mehrere Brücken können dort abgebildet werden. Für komplexe IT-Systeme hat es sich als Vorteil erwiesen, eine fachlich orientierte Sprache zur Beschreibung von Oberflächen und Strukturen zu nutzen [31]. Für den Fachanwender steigt dadurch die Akzeptanz und die Lesbarkeit. Die strukturierte Ablage der Daten für Ingenieurbauwerke basiert fachlich auf der Einbindung von Mess- 78 2. Fachkongress Digitale Transformation der Verkehrsinfrastruktur - Juni 2023 Standardisierung im Structural Health Monitoring (SHM) - Konzeptvorschlag punkten auf Grundlage der ASB-ING [32], wie auch in [10; 33] vorgestellt. Technisch wird die Datenablage über eine Verwaltungsschale umgesetzt, die es erlaubt, die Strukturen der ASB- ING zu konfigurieren und somit die Brücke in ihrer fachlichen Ausprägung zu modellieren (Abb. 1, unten Mitte). Die Verwaltungsschale (engl. Asset Administration Shell) ist eine Implementierung eines Digitalen Zwillings und kommt aus dem Umfeld der Industrie-4.0 [34; -35]. Als Standard definiert sie eine herstellerübergreifende, einheitliche Schnittstelle für den Informationszugriff. Im Datenmodell werden Messpunkte erstellt, über die die Rohdaten und normalisierte Daten derzeit in einem S3- Speicher abgelegt werden. Die BBox ist hard- und softwareseitig skalierbar und kann in einen Public Cloud Service eingebunden werden. Die Verteilung und Installation der SHM-Lösung können innerhalb weniger Minuten automatisiert über Helm-Charts erfolgen. Die Daten werden einschließlich ihrer Metadaten in einem Objektspeicher abgelegt. Data Scientist können über Tools wie z. B. Elastic Search oder Open Search beliebige Untermengen an Daten zusammenstellen. Über die S3 Schnittstelle wird mit einer Vielzahl von KI-Frameworks zur Analyse zugegriffen. 6. Datenauswertung Für die Auswertung der Daten werden die abgelegten Daten abgerufen. Im Fall der BBox steht hierfür die Schnittstelle zum Data Lake über den JupyterHub zur Verfügung. Klassisch erfolgt der Zugang zu den Daten über Festplatten oder moderner in Ablagen bei Cloudanbietern oder in Dashboards. Das Vorgehen der Auswertung ist dabei von der durchgeführten Anwendung abhängig. In wissenschaftlichen oder kommerziellen Softwarepaletten, welche zum Teil auch von Messgeräteherstellern mitgeliefert werden, kann eine Vielzahl an statistischen Datenverarbeitungs- und Datenstrukturierungsmethoden angewendet werden. Beispiele hierfür sind Algorithmen zum Anordnen und Gruppieren von Messwerten oder zur Modalanalyse. Wissenschaftliche Methoden, z. B. aus der Anwendung von Maschinellem Lernen, liefern weitere noch unentwickelte oder sich in Entwicklung befindende Anwendungen. Ein Beispiel hierfür sind Structural Health Information Patterns (SHIPs), bei welchen die Messdaten vereinigt und in Hauptkomponenten geordnet werden [36]. Ein weiteres Beispiel der Datenauswertung ist die Extrahierung von detaillierten Verkehrsdaten aus den Messungen. Beim Bridge Weigh-In-Motion werden diese Verkehrsdaten durch eine geeignete Anordnung von Dehnungssensoren an einer Brücke in Kombination mit einer spezifischen Auswertung der akquirierten Messdaten gewonnen. Dadurch können für jedes passierende Fahrzeug relevante Fahrzeug-Parameter, insbesondere die Achslasten, angegeben werden. Die Verarbeitung der aufgezeichneten Messdaten kann dabei direkt vor Ort (lokale Datenreduktion) oder nachträglich erfolgen. In jedem Fall bieten die berechneten Verkehrsdaten einen großen Mehrwert für die Erhaltung und Erweiterung der bestehenden Straßeninfrastruktur, z. B. zur Etablierung von realistischen Verkehrslastmodellen, die u. a. im Rahmen der objektspezifischen Nachrechnung einer Bestandsbrücke Anwendung finden können. Bei einer Schallemissionsanalyse läuft das Überwachungssystem autonom und sammelt 24-Stunden am Tag, 7-Tage die Woche Informationen. Es überprüft unter anderem automatisch die Ankoppelqualität der Sensoren, startet selbstständig nach einem Stromausfall die Überwachung und sendet Alarm E-Mails. Betreiber, Tragwerksplaner und Ingenieurbüros können Informationen über kritische Ereignisse erhalten, sobald sie auftreten, sodass die Verantwortlichen schnell auf Änderungen der Tragfähigkeit des überwachten Bauwerks reagieren können. Die permanente Überwachung kann für räumlich begrenzte Bereiche des Bauwerks, sogenannte Hot Spots, für ein gesamtes Bauteil wie ein Längsspannglied oder alle lasttragenden Elemente eines Bauwerks erfolgen. Die Datenreduktion erfolgt dabei im Messsystem. 7. Visualisierung der Daten Bei der Visualisierung der gemessenen Daten kann zwischen einer Vor-Ort-Visualisierung in der Software des Messgeräts und einer Fernvisualisierung unterschieden werden. Ersteres ist bei Laborversuchen, Probebelastungen oder auch bei Zf P Standard. Moderne Messgeräte erlauben einen Fernzugriff auf herstellereigenen Onlineplattformen, den sogenannten Dashboards. Hier werden die Messdaten je nach den vorherrschenden Gegebenheiten (siehe Kap. 3) mit einer gewissen Latenz im Rohformat oder durch Verarbeitung prozessiert angezeigt (siehe Kap. 6). In der Industrie 4.0 existieren Softwarelösungen, welche viele industrielle Messsysteme unterstützen. Untereinander sind die Systeme dahingehend kompatibel, als dass Sensoren über Standarddatenformate wie .csv eingespielt werden können. Um die Gesamtheit der Daten sinnvoll darstellen zu können, benötigt es als Grundlage eine Modelldarstellung des Bauwerkes. Dazu gehören verschiedene Modelle u. a. Geometrie-, FEsowie Datenmodelle, die miteinander verknüpft sind. Diese führen zum Grundsystem eines Digitalen Zwillings eines Bauwerkes. Daten, die z. B. durch die Bauwerksprüfung nach DIN 1076, einer angeordneten Objektbezogenen Schadensanalyse (OSA) oder dem SHM erfasst werden, müssen mit dem Modell georeferenziert verknüpft und in einer Datenbank hinterlegt werden. Alle Informationen und Daten eines Bauwerkes sollten von einer Oberfläche durch die Verwendung einer Bereichsauswahl im Modell oder durch Filterung zugänglich sein. In der Verwaltungsschale, die genau das ermöglicht, werden Daten aus dem S3 Speicher eingelesen und in fachlich auf bereiteter Form in Dashboards dargestellt. Damit können die Daten sämtlicher Messsysteme, sofern sie eine standardisierte Schnittstelle zulassen, ähnlich einer geschlossenen Messgeräteherstellerlösung Quasi-Live mit Latenz aus Vorverarbeitung, Übertragung und Prozessierung, angezeigt werden. Ein weiterer Vorteil für den Fachanwender über die Visualisierung hinaus besteht darin, 2. Fachkongress Digitale Transformation der Verkehrsinfrastruktur - Juni 2023 79 Standardisierung im Structural Health Monitoring (SHM) - Konzeptvorschlag dass er auf Basis der ASB-ING-Struktur auf seine Daten zugreifen und daraus weitere Maßnahmen ableiten kann. 8. Praxisbeispiel Schwindegg In Schwindegg im bayerischen Landkreis Mühldorf am Inn wurde 2022 der Ersatzneubau einer Kreisstraßenbrücke durchgeführt. Das Bauwerk (Abb. 5) ist eine einfeldrige Rahmenbrücke, deren Überbau aus Spannbetonfertigteilen mit Ortbetonergänzung besteht. Die Spannweite beträgt ca. 19,8- m. Die Brücke entspricht demnach in ihrer Bauweise dem Typ Brücke, welche häufig für kleine und mittlere Stützweiten gebaut wird. Das Bauwerk liegt innerorts und überführt die Sparten Strom und Telekommunikation über den Fluss Isen. Aus diesem Grund ist hier die Anbindung an die öffentliche Versorgung sichergestellt. Zusätzlich besteht an der Brücke Mobilfunkempfang in 4G Qualität. Abb. 5: Isenbrücke Schwindegg: Ansicht von Nord- West. Im Zuge des Forschungsprojekts RISK.twin [37] wurde für den Brückenneubau ein Lebenszyklusmonitoring geplant und ausgeführt. Hierfür wurden ca. 170 Sensoren zur Dehnungs-, Temperatur-, Erddruck-, Neigungs-, Setzungs- und Schwingungsmessung sowie eine Wetterstation in und an der Brücke im Zuge der Bauausführung installiert. Eine Woche vor Verkehrsfreigabe wurde mit den Messungen begonnen. Gemäß Abbildung 1 existieren an der Brücke aktuell vier Messketten unterschiedlicher Messgerätehersteller, die synchron die Messdaten aufzeichnen. Die Messdaten werden aktuell über das 4G Mobilfunknetz via MQTT in die Verwaltungsschale BBox übertragen, wie in Abb. 3 bereits schematisch gezeigt. Abgelegt im .json-Format auf dem S3 Speicher können die Messdaten für Auswertungen mit statistischen Methoden aber auch Methoden künstlicher Intelligenz weiterverarbeitet werden. Die Messdaten sind in der Verwaltungsschale durch die Zuordnung der Messstellen an die Semantik der Brücke gem. ASB-ING eindeutig identifizierbar. 9. Zusammenfassung und Ausblick Für die Datenaufnahme wurde gezeigt, dass eine Standardisierung im Bereich der Sensorik nicht zielführend ist. Es ist jedoch zu sehen, dass standardisierte Schnittstellen, wie das von den Autoren vorgeschlagene Message Queuing Telemetry Transport (MQTT) Protokoll für den Datentransfer bestens geeignet sind. Des Weiteren wird vorgeschlagen, sich auf ein Übertragungsmedium zu einigen. Dieses ist häufig durch die äußeren Rahmenbedingungen wie Messaufgabe als auch Standort des Bauwerks vorgegeben. Mit einer zweiten Notfallalternative kann eine Redundanz im Falle des Zusammenbruchs einer Datenübertragung geschaffen werden. Hinsichtlich der Datensicherheit wurde aufgezeigt, dass es im Bereich der Industrie viele gelebte Methoden gibt, für das Structural Health Monitoring (SHM) gilt es diese zumindest zu berücksichtigen. Es wurden verschiedene Alternativen der Datenablage gezeigt, die Verwaltungsschale BBox hat durch ihre Vielseitigkeit viele Vorteile. Nicht nur die Datenauswertung, sondern auch die Visualisierung der Rohals auch der ausgewerteten Messdaten kann darin je nach Anwendung flexibel abgebildet werden. Mit der Isenbrücke Schwindegg werden die thematisierten Aspekte erprobt. Für die Autobahn GmbH als Infrastrukturbetreiber ergibt sich durch eine Standardisierung im Bereich SHM ein effektives Werkzeug zur Steuerung und Überwachung der Infrastruktur sowie für einzelne Bauwerke. Gerade im Bereich des Betriebes und des Erhaltungsmanagement ist ein Zugriff auf die Daten eines Bauwerkes mit vergleichbaren Kennzahlen und vorhandener Verortung sowie einem Zeitstempel der Datenerfassung ein wesentlicher Punkt, um prädiktiv, wirtschaftlich und effektiv Maßnahmen ableiten zu können, die die Lebensdauer und Nutzbarkeit der Infrastruktur gewährleistet. Der vorgestellte Vorschlag zur Standardisierung wird an einem weiteren Pilotprojekt getestet. Die Autobahnbrücke Sinzing überführt die A3 zwischen Regensburg und Nürnberg über die Donau. Das 930m lange Bauwerk besteht aus neun Feldern mit einer maximalen Spannweite von 130m und zwei unabhängigen Stahl-Vollwand-Fahrbahnträgern, mit einer Breite von jeweils 14,25m. Die Überbauten sind auf massiven Pfeilern mit einer maximalen Höhe von 47m gelagert. Aufgrund der geplanten Erweiterung der A3 auf drei Fahrspuren je Richtung wird die Brücke mittelfristig durch einen Ersatzneubau ersetzt. Die 1966 fertiggestellte Brücke weist in verschiedenen Bereichen Ermüdungserscheinungen auf, weshalb zusätzlich zu den turnusgemäßen Brückenprüfungen auch dazwischen regelmäßige Prüfungen durch die Autobahnmeisterei durchgeführt werden [38]. Durch ein gezieltes Monitoring-System können die personal- und zeitaufwändigen Zwischenprüfungen unterstützt und so ein Beitrag zum wirtschaftlichen Weiterbetrieb der Donaubrücke Sinzing geleistet werden. Das Monitoring-Projekt an dieser Autobahnbrücke ermöglicht das Übertragen der in Schwindegg gewonnenen Erkenntnisse auf ein wichtiges Bauwerk der kritischen Verkehrsinfrastruktur in Deutschland. Die Praxistauglichkeit, der im Beitrag beschriebenen Konzeptvorschläge zur Standardisierung, soll anhand dieses Beispiels untersucht und demonstriert werden. 80 2. Fachkongress Digitale Transformation der Verkehrsinfrastruktur - Juni 2023 Standardisierung im Structural Health Monitoring (SHM) - Konzeptvorschlag Danksagung Dieser Beitrag aus dem Projekt RISK.twin wird durch dtec.bw- Zentrum für Digitalisierungs- und Technologieforschung der Bundeswehr gefördert. dtec.bw wird von der Europäischen Union - NextGenerationEU finanziert. Literatur [1] Budras, C.; Schiller, A. (10.03.2022) Marode Infrastruktur: Wie der Bundesverkehrsminister 4000 Brücken modernisieren will Frankfurter Allgemeine Zeitung. 10. Mrz. 2022. [2] DIN 1076 (1999-10) DIN 1076: Ingenieurbauwerke im Zuge von Straßen und Wegen - Überwachung und Prüfung. Berlin: Beuth Verlag GmbH. [3] Bundesministerium für Verkehr, Bau und Stadtentwicklung Abteilung Straßenbau (05/ 2011) Richtlinie zur Nachrechnung von Straßenbrücken im Bestand (Nachrechnungsrichtlinie). https: / / www.bast. de/ BASt_2017/ DE/ Publikationen/ Regelwerke/ Ingenieurbau/ Entwurf/ Nachrechnungsrichtlinie-Aus gabe-5_2011.pdf; jsessionid=3C75A08F817D67 A1663899F16B8C6776.live21303? __blob=publicationFile&v=1 [Zugriff am: 29. Apr. 2021]. [4] Bundesministerium für Verkehr, Bau und Stadtentwicklung Abteilung Straßenbau (04/ 2015) Richtlinie zur Nachrechnung von Straßenbrücken im Bestand (Nachrechnungsrichtlinie) - 1. Ergänzung. https: / / www.bast.de/ DE/ Publikationen/ Regelwerke/ Ingenieurbau/ Entwurf/ 1_Ergaenzung-Nach rechnungsrichtlinie-Ausgabe-5_2011.pdf; jsessio nid=E6520913BF325F8AEE278DB97C03796F. live11311? __blob=publicationFile&v=2 [Zugriff am: 10. Nov. 2022]. [5] Küttenbaum, S. et al. (2019) Bewertung von Bestandsbauwerken mit gemessenen Daten in: Beton- und Stahlbetonbau 114, H. 6, S. 370-382. https: / / doi.org/ 10.1002/ best.201900002 [6] Deutsche Gesellschaft für Geotechnik (2022) Empfehlungen des Arbeitskreises „Geomesstechnik“/ Arbeitskreis 2.10 „Geomesstechnik“ der DGGT und des DVW. Berlin: Ernst & Sohn. [7] Küttenbaum, S. et al. (2021) Bewertung von Bestandsbauwerken mit gemessenen Daten, Teil 2 in: Beton- und Stahlbetonbau 116, H. 3, S. 183-199. https: / / doi.org/ 10.1002/ best.202000087 [8] Manleitner, S.; Opitz, H.; Steffens, K. (2001) Belastungsversuche an Betonbauwerken - Eine neue Richtlinie des Deutschen Ausschusses für Stahlbeton in: Beton- und Stahlbetonbau 96, H. 7, S.-488-494. https: / / doi.org/ 10.1002/ best.200100580 [9] Deutscher Beton- und Bautechnik-Verein (2018) Merkblatt Brückenmonitoring. Planung, Ausschreibung und Umsetzung. Berlin: Beuth Verlag GmbH. [10] Braml, T. et al. (2021) Datenablage als Grundlage für den digitalen Zwilling eines Bauwerks - Verwaltungsschale Bbox in: Technische Akademie Esslingen e.V. [Hrsg.]. Tagungshandbuch 2021, Ostfildern. Tübingen: expert verlag GmbH, S. 75-84. [11] Bergmeister, K. et al. (2015) Innovative Monitoringstrategien für Bestandsbauwerke in: Bergmeister, K.; Fingerloos, F.; Wörner, J.-D. [Hrsg.] Beton Kalender 2015: Bauen im Bestand, Brücken. Berlin: Ernst & Sohn, S. 315-458. [12] Haist, M. et al. (2022) Nachhaltig konstruieren und bauen mit Beton in: Bergmeister, K.; Fingerloos, F.; Wörner, J.-D. [Hrsg.] Nachhaltigkeit, Digitalisierung, Instandhaltung. 111. Aufl. Berlin: Ernst & Sohn a Wiley brand, S. 421-531. [13] DIN 1319-1: 1995-01, Grundlagen der Meßtechnik_- Teil_1: Grundbegriffe. Berlin: Beuth Verlag GmbH. [14] Grabe, M. et al. (2020) smartBridge Hamburg---prototypische Pilotierung eines digitalen Zwillings in: Bautechnik 97, H. 2, S. 118-125. https: / / doi. org/ 10.1002/ bate.201900108 [15] Haardt, P. et al. (2017) Die intelligente Brücke im digitalen Testfeld Autobahn in: Bautechnik 94, H. 7, S. 438-444. https: / / doi.org/ 10.1002/ bate.2 01700035 [16] (2021) B1 - Brücke Altstädter Bahnhof in Brandenburg an der Havel - Bauwerksuntersuchungen vor dem Rückbau [online]. https: / / www.ls.brandenburg. de/ sixcms/ media.php/ 9/ Brosch%C3%BCre_Bauwerksuntersuchungen%20B1%20%E2%80%93%20 Br%C3%BCcke%20Altst%C3%A4dter%20Bahn hof%20in%20Brandenburg%20a.d.H.4172749.pdf [Zugriff am: 19.-Apr. 2023]. [17] Sodeikat, C. et al. (2019) Acoustic Emission in der Bauwerksüberwachung zur Feststellung von Spannstahlbrüchen in: Beton- und Stahlbetonbau 114, H. 10, S. 707-723. https: / / doi.org/ 10.1002/ best. 201900041 [18] Grabel, M. (18.02.2020) Setting a simple standard: Using MQTT at the edge [online]. https: / / blogs. cisco.com/ internet-of-things/ setting-a-simple-standard-using-mqtt-at-the-edge [Zugriff am: 20. Apr. 2023]. [19] Grabel, M. (19.09.2019) An introduction to edge computing and use case examples [online]. https: / / blogs.cisco.com/ internet-of-things/ an-introduction-to-edge-computing-and-use-case-examples [Zugriff am: 20. Apr. 2023]. [20] LoRa Alliance® (19.11.2022) What is LoRaWAN® Specification - LoRa Alliance® [online]. https: / / lora-alliance.org/ about-lorawan/ [Zugriff am: 25.-Apr. 2023]. [21] Cisco (2023) Ultra-Reliable Wireless Backhaul [online]. https: / / www.cisco.com/ c/ en/ us/ products/ wireless/ ultra-reliable-wireless-backhaul/ index. html [Zugriff am: 25. Apr. 2023]. [22] Cisco (2021) Radio Resource Management White Paper [online]. https: / / www.cisco.com/ c/ en/ us/ td/ docs/ wireless/ controller/ technotes/ 8-3/ b_RRM_ White_Paper.html [Zugriff am: 25. Apr. 2023]. [23] Inmarsat Corporate Website (25.04.2023) Inmarsat [online]. https: / / www.inmarsat.com/ en/ index.html [Zugriff am: 25. Apr. 2023]. 2. Fachkongress Digitale Transformation der Verkehrsinfrastruktur - Juni 2023 81 Standardisierung im Structural Health Monitoring (SHM) - Konzeptvorschlag [24] Opensignal (2018) The State of LTE (February 2018) [online]. https: / / www.opensignal.com/ reports/ 2018/ 02/ state-of-lte [Zugriff am: 25. Apr. 2023]. [25] Warren, D.; Calum, D. (2014) Understanding 5G - Perspectives on future technological advancements in mobile [online]. https: / / www.gsma. c o m / f u t u r e n e t wo r k s / w p c o n t e n t / u p l o a d s / 2015/ 01/ 2014-12-08-c88a32b3c59a11944a9c4e- 544fee7770.pdf [Zugriff am: 25.-Apr. 2023]. [26] Cisco (2023) Optical Networking [online]. https: / / www.cisco.com/ c/ en/ us/ products/ optical-networking/ index.html#~stickynav=1 [Zugriff am: 25. Apr. 2023]. [27] Bundesministerium für Verkehr und digitale Infrastruktur (29.04.2021) BMVI - Plattform für beweissichere und rückführbare Datennutzung im Bauwesen - Construction Administration Shell [CASPAR] [online]. https: / / www.bmvi.de/ SharedDocs/ DE/ Artikel/ DG/ mfund-projekte/ caspar.html [Zugriff am: 29. Apr. 2021]. [28] Kühne, J.; Ries, W. (2021) Brücken Asset Management - Angewandte Digitalisierung für die Mobilität von morgen in: Technische Akademie Esslingen e.V. [Hrsg.]. Tagungshandbuch 2021, Ostfildern. Tübingen: expert verlag GmbH, S. 35-43. [29] Hartung, R. et al. (2020) Konzept zur BIM-basierten Instandhaltung von Ingenieurbauwerken mit Monitoringsystemen in: Bautechnik 97, H. 12, S.-826-835. https: / / doi.org/ 10.1002/ bate.202000095 [30] Behrens, M.; Mayer, P.-M. (2021) OSIMAB - ein leistungsfähiges Cloudsystem zum zentralen Bauwersdatenmanagement - Prädiktives Erhaltungsmanagement von Brückenbauwerken in: Technische Akademie Esslingen e.V. [Hrsg.]. Tagungshandbuch 2021, Ostfildern. Tübingen: expert verlag GmbH, S. 103-111. [31] Fowler, M.; Parsons, R. (2011) Domain-specific languages. Upper Saddle River, NJ, Boston, Indianapolis, San Francisco, New York, Toronto, Montreal, London, Munich, Paris, Madrid, Sydney, Tokyo, Singapore, Mexico City: Addison-Wesley. [32] (2013) ASB-ING - Anweisung Straßeninformationsbank Segment Bauwerksdaten [online]. https: / / www.bast.de/ BASt_2017/ DE/ Publikationen/ Regelwerke/ Ingenieurbau/ Erhaltung/ ASB-ING.html. [33] Braml, T. et al. (2022) Digitaler Zwilling: Verwaltungsschale BBox als Datenablage über den Lebenszyklus einer Brücke in: Bautechnik 99, H. 2, S.-114-122. [34] Barnstedt, E. et al. (2018) Details of the Asset Administration Shell. Part 1 - The exchange of information between partners in the value chain of Industrie 4.0 (Version 1.0). [35] Finsterbusch, S. (11.11.2022) Ein Metaversum der Industrie Frankfurter Allgemeine Zeitung. 11. Nov. 2022, Nr. 263, S. 25. [36] Varabei, Y.; Wimmer, J.; Braml, T. (2022) Ingenieurbauwerke als intelligente Systeme - Erhaltungsmanagement mit Structural Health Information Patterns (SHIPs) in: Beton- und Stahlbetonbau 117, H. 7, S. 472-487. https: / / doi.org/ 10.1002/ best.202200028 [37] Universität der Bundeswehr München (19.04.2023) RISK.twin [online]. https: / / www.unibw.de/ risktwin [Zugriff am: 19. Apr. 2023]. [38] Wäber, D. (04.10.2012) Generalsanierung lohnt sich nicht Mittelbayerische Zeitung. 4. Okt. 2012.