6. Brückenkolloquium 2024 - Oktober 2024 107 Digitale Modellierung von Bestandsbrücken im Kontext des SHM Erste Schritte zur Ontologie Martin Köhncke, M. Sc. Helmut-Schmidt-Universität/ Universität der Bundeswehr Hamburg Dr.-Ing. Al-Hakam Hamdan A+S Consult GmbH, Dresden Jens Bartnitzek A+S Consult GmbH, Dresden Univ.-Prof. Dr.-Ing. habil. Sascha Henke Helmut-Schmidt-Universität/ Universität der Bundeswehr Hamburg Univ.-Prof. Dr.-Ing. Sylvia Keßler Helmut-Schmidt-Universität/ Universität der Bundeswehr Hamburg Zusammenfassung Brückenbauwerke sind ein unverzichtbarer Teil unserer Infrastruktur. Die Sicherstellung ihrer uneingeschränkten Verfügbarkeit und Zuverlässigkeit ist eine große Herausforderung. Die Digitalisierung ist für diese Aufgabe unter Berücksichtigung der großen Anzahl an Brückenbauwerken ein hilfreiches Tool, dessen Potenzial bisher nur unzureichend ausgeschöpft worden ist, weil eine einheitliche Methode zur Digitalisierung von Brückenbauwerken fehlt. Die Digitalisierung von Bestandsbrücken mit der Methode BIM benötigt schnelle und einfache Vorgehensweisen für die Erstellung von BIM Modellen, um die große Anzahl an Brücken schnell und effektiv abzubilden. Dazu sind die Objekte und ihre Relationen in maschinen-interpretierbaren Formen zu strukturieren. Ein Ansatz dafür ist die Entwicklung von Ontologien. Für Bestandsbrückenbauwerke ergibt sich die Besonderheit, dass diese über die Zeit Zustandsveränderungen sowie bauliche Veränderungen durch Instandsetzungsmaßnahmen erfahren. Ebenso ist es möglich, Sensoren für die Bauwerkszustandsüberwachung zu integrieren. Aufgrund der langen Nutzungsdauern von Brücken ist ein umfassendes Informationsmanagement über den Lebenszyklus unumgänglich. Die Nutzung des angesammelten Wissens eines Bauwerkes über Softwaregrenzen hinaus stellt aktuell eine große Herausforderung dar. Im Gegensatz zu einer Taxonomie, die lediglich eine Hierarchie zwischen den Objekten aufzeigt, bietet eine Ontologie den Vorteil logischer Verknüpfungen zwischen den Objekten, was wiederum Schlussfolgerungen ermöglicht. Auf einer solchen Ontologie können innovative Anwendungen auf bauen, um den Menschen bei Entscheidungsprozessen zu unterstützen. Dieser Beitrag gibt Einblick in die Entwicklung und beispielhafte Anwendung einer entsprechenden Ontologie und diskutiert deren Chancen und Herausforderungen in der Nutzung. 1. Einführung Brückenbauwerke stellen einen integralen Bestandteil der Verkehrsinfrastruktur dar. Sie überwinden dabei geografische Hindernisse wie Flüsse, Täler oder andere Verkehrswege. Dadurch stellen diese Bauwerke auch immer einen Engpass im Netzwerk der Verkehrswege dar [1]. Vor dem Hintergrund des demografischen Wandels ist der Betrieb und Unterhaltung der Brückenbauwerke mit immer weniger Personal durchzuführen. Ein wichtiger Schritt dieser Herausforderung zu begegnen, stellt die Digitalisierung dar, deren Potenzial bisher noch nicht vollständig ausgeschöpft wird. Ein wichtiger Punkt der Digitalisierung ist die Datenhaltung und Datenstrukturierung. Im Bauwesen wird hierzu die Methode des Building Information Modelling (BIM) genutzt. Diese bietet mit dem offenen Dateiformat Industry Foundation Classes (IFC) eine Möglichkeit, bauwerksspezifische Daten über Softwaregrenzen hinaus auszutauschen. Dabei steht inzwischen auch die Maschineninterpretierbarkeit bei der Datenhaltung im Fokus, um die Informationen der Brückenbauwerke für automatisierte Ansätze nutzbar zu machen. Der Ansatz der Ontologie ist dabei von zentraler Bedeutung. Dieser Ansatz stellt ein System von Informationen und deren Beziehungen untereinander zur Verfügung. Zunächst wird aber der aktuelle Stand der Digitalisierung von Brückenbauwerken dargestellt. 2. Aktuelle Situation Im Bauwesen werden aktuell viele unterschiedliche Schritte in Richtung der Digitalisierung unternommen. Neben der Digitalisierung von Verwaltungsabläufen und Planungsprozessen werden zunehmend auch Bau- 108 6. Brückenkolloquium 2024 - Oktober 2024 Digitale Modellierung von Bestandsbrücken im Kontext des SHM verfahren betrachtet. Eine der einflussreichsten Digitalisierungsschritte stellt wohl die Nutzung von BIM dar, da diese Methode mit der Einführung des BIM Masterplans Bundesfernstraßen im September 2021 eine klare Vorgabe für die Nutzung von BIM in Projekten des Bundesfernstraßennetzes gemacht hat [2]. Dennoch befindet sich die Digitalisierung erst am Anfang sowohl bezogen auf die Lebenszyklusphasen der Bauwerke als auch bei der Einführung und Nutzung in Bauprojekten [3]. In der Planungs- und Bauphase befinden sich bereits ein paar Brückenbauprojekte der Infrastrukturbetreiber wie der Deutschen Bahn, der Autobahn GmbH und den Wasser- und Schifffahrtsverwaltungen, in denen die Methode BIM genutzt wird. Allerdings konnten bisher nur wenige Brückenbauprojekte abgeschlossen werden, sodass die Nutzung von BIM in der Betriebsphase aktuell noch wenig erfolgt. Eine Voraussetzung dafür stellen sogenannte As-Built-Modelle dar, welche den Zustand erfassen, wie tatsächlich gebaut wurde, also inklusive von Vor-Ort-Anpassungen, Mängeln und deren Behebung. Die Erzeugung von As-Built-Modellen als Grundlage für die Betriebsphase hat bereits eine gewisse Aufmerksamkeit erfahren [4]. Dennoch stehen nur begrenzt As-Built- Modelle für Brückenbauwerke zur Verfügung. Weiterhin besteht an dieser Stelle noch Forschungsbedarf, um die genauen Forderungen der Betriebsphase zu strukturieren und zu erfassen. Die Informationen eines As-Built-Modells müssen nicht zwangsläufig den benötigten Informationen der Betriebsphase entsprechen. Zum Beispiel können Informationen des Terminplans für die Bauphase wichtig sein, während für den Betrieb nur noch das Datum der Abnahme für die Bestimmung der Gewährleistungsdauer relevant ist. Diese Aspekte hängen auch stark von den jeweiligen Infrastrukturbetreibern ab, weshalb diesbezüglich ein strukturiertes, aber auch flexibles Vorgehen sinnvoll ist. Die Nutzung von Künstlicher Intelligenz und Digitalen Zwillingen sind weitere Möglichkeiten der Digitalisierung, die über das Potential der Methode BIM hinausgehen. Digitale Zwillinge werden teilweise mit 3D-Modellen gleichgesetzt, weshalb an dieser Stelle darauf hingewiesen wird, dass in diesem Beitrag ein Digitaler Zwilling typsicherweise drei Aspekte aufweist, von denen ein 3D-Modell nur zwei erfüllt. Neben dem physischen Objekt und seinem digitalen Abbild ist auch eine bidirektionale Verbindung zwischen den beiden Objekten notwendig [5]. Durch diese bidirektionale Verbindung können sich die beiden Objekte jeweils an den aktuellen Zustand anpassen. 3. Ziele der Digitalisierung Die Effekte des demografischen Wandels wie die geringere Verfügbarkeit von Fachkräften stellt eine große Herausforderung für die Infrastrukturbetreiber dar. Wenn der Bedarf an Fachkräften nicht mehr gedeckt werden kann, muss den vorhandenen Fachkräften durch geeignete Maßnahmen wie Automatisierung von Routineaufgaben mehr Zeit für wichtigere Aufgaben gegeben werden. Die Digitalisierung kann durch eine Vereinfachung und Teil-Automatisierung der Verwaltung von Brückenbauwerken den allgemeinen Aufwand bei den Infrastrukturbetreibern reduzieren. Dafür sind entsprechende Strukturen in den Abläufen aber auch in der Datenhaltung notwendig, die die Digitalisierung nicht nur ermöglichen, sondern auch fördern. Der Betriebsphase als längster Phase des Lebenszyklus kommt dabei eine besondere Bedeutung zu. 4. Methodik Die genaue Art und Menge an Informationen, die in der Betriebsphase erfasst und verarbeitet werden, sind nicht bzw. nur schwer vorhersehbar. Aus diesem Grund ist es schwierig, die betrieblichen Informationen in einer relationalen Datenbank, wie z.-B. PostgreSQL zu speichern, da dessen tabellenartige Struktur starr ist und auf Veränderungen oder unstrukturierte Aufnahme von Informationen nicht flexibel reagieren kann. Wird die Nutzung einer relationalen Datenbank zur Speicherung und Verarbeitung von Informationen in der Betriebsphase angestrebt, so ist dies dementsprechend mit einem hohen administrativen Aufwand verbunden, da das übergeordnete Datenbankschema auf die unstrukturierte Eingabe von Informationen angepasst werden muss. Ansonsten würden Informationen falsch oder uneindeutig hinterlegt werden. Eine Alternative zu relationalen Datenbanken bieten sogenannte Graphdatenbanken, die sämtliche Informationen und über-geordnete Schemata in einem flexibel erweiterbaren Graphen speichern. Dabei werden Informationen in sogenannten „Knoten“ gespeichert, die miteinander in Relation über „Kanten“ gesetzt bzw. verknüpft werden. Es ist nicht nur möglich, Informationen in diesen Graphdatenbanken zu speichern, sondern auch zugrunde liegende Logik bzw. Wissen, wie diese Informationen semantisch zu verarbeiten sind. Wird ein Graph mit Wissen angereichert, so spricht man von einem Wissensgraphen, der auch als Ontologie [6] zu klassifizieren ist. Ontologien sind Teil der Wissensrepräsentation und somit ein Teilgebiet der Künstlichen Intelligenz. Sie ermöglichen die automatisierte Schließung von Informationslücken und Schlussfolgerung neuer implizierter Informationen anhand von vordefinierten Inferenzregeln und verhindern die Eingabe widersprüchlicher bzw. unplausibler Informationen mittels Integritätsregeln. Zur Erstellung von Ontologien als Wissensgraphen existieren W3C-Standards, wie das Resource Description Framework (RDF) und hierauf auf bauende Erweiterungen, wie das RDF-Schema (RDFS) und die Web Ontology Language (OWL). Zur Entwicklung einer datentechnischen Lösung, die ein flexibles Verwalten von Informationen in der Betriebsphase ermöglicht, wird eine Ontologie in OWL konzipiert, die an bestehendes Fachwissen zu Schäden, Brückenbauwerken, verbauter Sensorik, Geodaten und ASB-ING anknüpft. Hierfür wird die Ontologie mit folgenden fachspezifischen OWL-basierten Ontologien gemäß anerkannter Linked Data Prinzipien verlinkt (siehe auch Abbildung 1): 6. Brückenkolloquium 2024 - Oktober 2024 109 Digitale Modellierung von Bestandsbrücken im Kontext des SHM • Die Bridge Topology Ontology (BROT) [7] zur Beschreibung der topologischen Beziehungen von Brückenbauteilen untereinander. • Den BROT-Erweiterungen Bridge Information und Bridge Components zur Beschreibung konkreter Bauwerks- und Bauteilinformationen der Brücke. • Der Digital Construction Building Materials (DICBM) Ontologie [8] zur semantischen Beschreibung von Baustoffen. • Die ASB-ING Ontologie [9] zur verlustfreien Wiedergabe von Fachinformationen gemäß des ASB-ING Standards. • Die Damage Topology Ontology (DOT) [10], sowie dazugehörige Erweiterungen zur semantischen Beschreibung von Bauwerksschäden. • Die Semantic Sensor Network Ontology (SSN) [11] sowie die Erweiterung Sensor, Observation, Sample & Actuator (SOSA) [12] zur semantischen Beschreibung von Sensorik, die in der Betriebsphase von Brücken verbaut werden kann. • GeoSPARQL und die Open Street Map Ontologie OS- Monto [13] zur Beschreibung von Geodaten. Abbildung 1 - Ontologie-Ökosystem zur Wissensrepräsentation von Brücken in der Betriebsphase Unter Anbindung der genannten Ontologien wird ein Wissensraum aufgestellt, der zur Verarbeitung aller Informationen in der Betriebsphase genutzt werden kann. Treten in der Betriebsphase Informationen auf, die nicht von den angebundenen Ontologien unterstützt werden, so können diese Informationen zunächst ohne Wissensbezug gespeichert werden. Zu einem späteren Zeitpunkt kann dann eine unterstützende Ontologie nachträglich hinzugefügt werden, sodass die Wissensrepräsentation flexibel erweiterbar bleibt. Die Ontologie enthält keine detaillierten geometrischen Daten zu Bauwerk, Schäden oder Umgebung. Sie ist ausschließlich auf die Verarbeitung von Semantik ausgerichtet. Die Geometrie wird in eigenen Modellen wie z.-B. IFC beschrieben, deren Formate für eine Beschreibung der Geometrie optimiert sind. Über einen Information Container for linked Document Delivery (ICDD) gemäß ISO 21597 oder Verlinkungen innerhalb einer Datenbank können Ontologie-Komponenten mit entsprechenden Geometrien verknüpft werden. Dies ermöglicht eine effiziente Verarbeitung geometrischer Daten bei einer gleichzeitigen Anbindung konsistenter semantischer Daten. 5. Anwendungsbeispiel Als Proof of Concept wurden zwei Modelle der Brücken „Stader Straße“ (siehe Abbildung 2) und „Vahrendorfer Stadtweg“ (siehe Abbildung 3) in der BIM-Software Kor- Fin® erstellt. Beide Brücken sind Spannbetonbrücken, die sich an der A7 in Hamburg befinden. Die gesamte Geometrie der Brücken sowie der bebauten Umgebung wird innerhalb von KorFin prozessiert (siehe Abbildung 4). Hierbei werden IFC-Daten, aber auch weitere Modelle, wie das Digitale Geländemodell sowie Stadtmodell (in CityGML) geometrisch verarbeitet und in einer 3D-Planungsumgebung dargestellt. Abbildung 2 - BIM-Modell der Stader Straße (dargestellt in KorFin®) Abbildung 3 - BIM-Modell Vahrendorfer Stadtweg (dargestellt in KorFin®) Üblicherweise werden in KorFin neben geometrischen auch semantische Daten in Fachobjekten zusammengefasst und verwaltet. Im Zuge des Anwendungsbeispiels ist es jedoch möglich, die Geometrie mit dem Ontologie- Framework aus Kapitel 4 zu verknüpfen, sodass die Fachinformationen dynamisch modifizierbar sind. 110 6. Brückenkolloquium 2024 - Oktober 2024 Digitale Modellierung von Bestandsbrücken im Kontext des SHM Abbildung 4 - Planung der Stader Straße in KorFin® Unter Verwendung von Ontologien lassen sich z.-B. implizite Informationen aus der Anbindung bestehenden Fachwissens ableiten. Hierzu ist ein veranschaulichendes Beispiel in Abbildung 5 dargestellt. Ein Fachobjekt wird hierbei als Pfeiler klassifiziert (engl. Pier) und hat einen zugewiesenen Schaden, der als Abplatzung mit freiliegender Bewehrung klassifiziert ist (engl. Spalling with Exposed Reinforcement). Abbildung 5 - Pfeiler und dazugehöriger Schaden als Graph Über Verlinkungen lässt sich das Wissen über Schäden und Bauteile mit dem Normungswissen der ASB-ING Ontologie verknüpfen (siehe Abbildung 6). Abbildung 6 - Verknüpfung von Wissen zu Bauteilen und Schäden mit ASB-ING Ontologie Das verknüpfte Wissen aus der ASB-ING Ontologie kann dann genutzt werden, um neue implizite Informationen über Bauteile und Schäden zu schlussfolgern. In diesem Fall würden z.-B. die Schlüsselnummern nach ASB-ING automatisch dem Pfeiler und Schaden zugewiesen werden (siehe Abbildung 7). Die Schlussfolgerung impliziter Informationen innerhalb der Ontologie erfolgt mittels einer entsprechenden Reasoning-Engine, die Axiome in OWL auf Basis von Beschreibungslogik interpretiert. Hierdurch wird gewährleistet, dass die Ontologie entscheidbar bleibt und gleichzeitig Widersprüche automatisiert aufgedeckt werden. Letzteres kann über entsprechende Fehlermeldungen und -abhandlungen im zugrundeliegenden Software-System verwaltet werden. Abbildung 7 - Folgerung impliziter Informationen in Ontologie 6. Brückenkolloquium 2024 - Oktober 2024 111 Digitale Modellierung von Bestandsbrücken im Kontext des SHM 6. Ausblick Die Digitalisierung des Bauwesens insbesondere der Brückenbauwerke entwickelt sich aktuell schnell weiter und eröffnet viele Möglichkeiten. Allerdings fordert die schnelle Entwicklung von den Beteiligten auch eine ebenso schnelle Anpassung und Implementierung in den bestehenden Abläufen. Dieser Aufwand ist immer in Relation zu dem entstehenden Nutzen zu setzen. Dabei darf nicht vernachlässigt werden, dass diese Investitionen in neue Methoden auch die Grundlage für weitere Digitalisierungen und Effizienzsteigerungen sind. Insbesondere die Methode BIM ist eine Voraussetzung für die zukünftige Bewerbung um öffentliche Aufträge. Die Nutzung von Ontologien stellt dabei auch eine gute Ausgangsbasis für weitere Entwicklungen und engere Verknüpfung der Softwarelandschaft dar, wodurch zukünftig weitere Routinetätigkeiten automatisiert werden können. Insbesondere die Offenheit für Erweiterungen und Ergänzungen um weitere Ontologien eröffnen die notwendige Flexibilität für die Weiterentwicklung und Aufnahme von aktuell unstrukturiertem Wissen, ohne eine Erhöhung des Verwaltungsaufwands nach sich zu ziehen. Literatur [1] Marx, Steffen (2022): Ingenieurbau im Bestand. In: Beiträge zum 61. Forschungskolloquium mit 9. Jahrestagung des DAfStb. 61. Forschungskolloquium mit 9. Jahrestagung des DAfStb, 26./ 27.09.2022: TU Dresden, S. 37-38. [2] Bundesministerium für Verkehr und digitale Infrastruktur (Hg.) (2021): Masterplan BIM Bundesfernstraßen. Digitalisierung des Planens, Bauens, Erhaltens und Betreibens im Bundesfernstraßenbau mit der Methode Building Information Modeling (BIM). Online verfügbar unter https: / / bmdv.bund. de/ SharedDocs/ DE/ Anlage/ StB/ bim-rd-masterplan-bundesfernstrassen.pdf? __blob=publication- File, zuletzt geprüft am 22.07.2024. [3] Hindersmann, Iris; Haferkamp, David; Probst, Rebecca; Krenz, Lisa-Marie; Nieborowski, Sonja; Bednorz, Jennifer (2024): Modellbasierte Entwicklung und Umsetzung der digitalen Bauwerksakte. In: Bautechnik 101 (3), S. 206-214. DOI: 10.1002/ bate.202400011. [4] Bednorz, Jennifer; Hindersmann, Iris; Jaeger, Klaus; Marszalik, Monika (2020): Methoden zur Generierung von As-Built-Modellen für Bestandsbrücken. In: Bautechnik 97 (4), S. 286-294. DOI: 10.1002/ bate.202000011. [5] Schimanski, Christoph Paul; Sandau, Martina; Zinke, Tim; Schumann, René (2024): Digitale Zwillinge und Datenvernetzung als Grundlage für KI-Anwendungen im Bauwesen. In: Shervin Haghsheno, Gerhard Satzger, Svenja Lauble und Michael Vössing (Hg.): Künstliche Intelligenz im Bauwesen. Wiesbaden: Springer Fachmedien Wiesbaden, S. 41-61. [6] T. Gruber, „Ontology“, Encyclopedia of Database Systems, S. 2009, 2009. [7] A.-H. Hamdan und R. J. Scherer, „Integration of BIM-related bridge information in an ontological knowledgebase“, Linked Data in Architecture and Construction Workshop, 2020. [8] P. Valluru, J. Karlapudi, K. Menzel, T. Mätäsniemi, und J. Shemeika, „A Semantic Data Model to Represent Building Material Data in AEC Collaborative Workflows“, IFIP Advances in Information and Communication Technology, Bd. 598, S. 133-142, 2020, doi: 10.1007/ 978-3-030-62412-5_11. [9] A. Göbels und J. Beetz, „Conversion of legacy domain models into ontologies for infrastructure maintenance“, in Linked Data in Architecture and Construction Workshop 2021, 2021. [10] A.-H. Hamdan, M. Bonduel, und R. J. Scherer, „An ontological model for the representation of damage to constructions“, in 7th Linked Data in Architecture and Construction Workshop, 2019. [11] A. Haller u. a., „The Modular SSN Ontology: A Joint W3C and OGC Standard Specifying the Semantics of Sensors, Observations, Sampling, and Actuation“, Semantic Web - Interoperability, Usability, Applicability, 2018, Zugegriffen: 26. Juli 2024. [Online]. Verfügbar unter: https: / / hal.science/ hal-01885335 [12] K. Janowicz, A. Haller, S. J. D. Cox, D. L. Phuoc, und M. Lefrancois, „SOSA: A Lightweight Ontology for Sensors, Observations, Samples, and Actuators“, Journal of Web Semantics, Bd. 56, S. 1-10, Mai 2019, doi: 10.1016/ j.websem.2018.06.003. [13] M. Codescu, G. Horsinka, O. Kutz, T. Mossakowski, und R. Rau, „OSMonto - An Ontology of OpenStreetMap Tags“, 2011.