6. Brückenkolloquium 2024 - Oktober 2024 159 Datenbasierte Zustandsprognose von Brückenobjekten als Grundlage für die Lebenszyklusbewertung im strategischen Erhaltungsmanagement Dipl.-Ing. Dr. techn. Alfred Weninger-Vycudil FH Campus Wien, Department Bauen und Gestalten, Wien, Österreich FH-Prof. Dipl.-Ing. Dr. techn. Markus Vill FH Campus Wien, Department Bauen und Gestalten, Wien, Österreich Dipl.-Ing. Dr. techn. Thomas Sommerauer FH Campus Wien, Department Bauen und Gestalten, Wien, Österreich Jakob Quirgst, B. Sc. FH Campus Wien, Department Bauen und Gestalten, Wien, Österreich Zusammenfassung Die Prognose des Objektbzw. Bauwerkzustands ist eine wesentliche Grundlage für eine effiziente und nachvollziehbare Lebenszyklusbewertung von Brücken im Bundes- und Landesstraßennetz in Österreich. Diese liefert die notwendigen Ergebnisse für die Festlegung von strategischen Erhaltungszielen auf Netzebene und somit die Basis für technische und budgetäre Entscheidungen. Der Beitrag gibt einen Überblick über die Möglichkeiten des Einsatzes von datenbasierten Zustandsprognosemodellen auf unterschiedlichen Bewertungs- und Entscheidungsebenen sowie deren Einsatz bei den verschiedenen Verfahren der Lebenszyklusbewertung. 1. Einleitung 1.1 Entwicklung und Zielsetzung In Österreich wurde vor ca. 20 Jahren begonnen, die Erhaltungsmanagementsysteme der Länder um die Lebenszyklusbewertungen der Ingenieurbauwerke zu erweitern. Ein Kernelement dieser Bewertungen stellen die Zustandsbewertung und die Zustandsprognose der Brücken dar. Dabei spielen die aus den Bauwerksinspektionen gewonnen Daten, einerseits bei der Entwicklung dieser Modelle, andererseits bei der praktischen Anwendung bzw. objektbezogenen Kalibrierung eine wesentliche Rolle. Das primäre Ziel der Zustandsprognose im Rahmen einer Lebenszyklusbewertung besteht in der Abschätzung des (optimalen) Zeitpunkts von zukünftigen Erhaltungsmaßnahmen und den damit verbundenen technischen, monetären sowie umweltrelevanten Auswirkungen. Die Art der Prognose hängt dabei einerseits von der Verfügbarkeit und der Granularität der Brückendaten ab, andererseits aber auch wesentlich von der jeweiligen Bewertungsbzw. Entscheidungsebene (strategische Netzebene, Objektebene, Bauteilebene). 1.2 Strategisches Erhaltungsmanagement Nachvollziehbare und objektive Ergebnisse von Lebenszyklusbewertungen sind eine wesentliche Voraussetzung für ein zukunftsorientiertes strategisches Erhaltungsmanagement. Die zumeist knapp bemessenen Erhaltungsbudgets erfordern eine genaue und vorausschauende Planung und liefern die Grundlagen für die Prioritätenreihungen in den Bauprogrammen. Je genauer, zielgerichteter und je besser die Einwirkungen auf die Bauwerke und deren Zustand prognostiziert werden können, desto effizienter können die Finanzmittel für die Erhaltung eingesetzt werden. Durch den Einsatz von Zustandsprognosemodellen ist es aber auch möglich, die Notwendigkeit von zukünftigen Budgetmitteln, die Konsequenzen einer permanenten Unterdotierung und die Auswirkungen von neuen und innovativen Technologien darzustellen. Aber auch die zunehmenden Forderungen von Kontrollbehörden zur Festlegung von strategischen Erhaltungszielen für Ingenieurbauwerke unterstreichen die Notwendigkeit für die Entwicklung von Prognoseverfahren und deren praktische Implementierung in Asset Management Systemen. 2. Möglichkeiten der Zustandsprognose 2.1 Allgemeines Ist der Zustand einer Brücke zu einem bestimmten Zeitpunkt bekannt und ist darüber hinaus eine Abschätzung der zukünftigen Einwirkungen (z. B. aus Verkehrslast) möglich, kann bereits eine vereinfachte Prognose des Zustands oder zumindest möglicher Zeitpunkte für Erhaltungsmaßnahmen abgeschätzt werden. Die Modelle sollten zumindest in der Lage sein, die Art der Ver- 160 6. Brückenkolloquium 2024 - Oktober 2024 Datenbasierte Zustandsprognose von Brückenobjekten als Grundlage für die Lebenszyklusbewertung im strategischen Erhaltungsmanagement Abb. 1: Beispiel Standardlebenszyklen Brücken nach TAniA (2021) [1] schlechterung und/ oder des Versagens vorherzusagen sowie den Zeitpunkt des nächsten (wahrscheinlichsten) Eingriffs im Rahmen einer Instandhaltungsmaßnahme abzuleiten. Der Modellansatz kann komplex oder einfach sein, abhängig von der notwendigen Aussagegenauigkeit, den Zielsetzungen und den zur Verfügung stehenden Daten. Zwei grundsätzliche Ansätze zur Zustandsprognose können dabei in Betracht gezogen werden: • Technische Nutzungsdauer: Beschreibt die Lebenserwartung vom Bau bis zum nächsten baulichen Erneuerungseingriff basierend auf bewährten Branchenpraktiken und lokalen Kenntnissen. Dies kann je nach Belastungs-, Verkehrs- oder Umgebungsbedingungen variieren. In diesem Zusammenhang wird auch häufig von Standardlebenszyklen gesprochen. • Zustandsprognosemodelle: Verhaltensfunktionen eines Objekts oder einer Anlage können aus einer Vielzahl von Quellen bestimmt werden, einschließlich historischer Daten, lokaler Kenntnisse und/ oder durch Anwendung bekannter Modelle, die für das jeweilige Objekt bzw. die Anlage geeignet sind. Sie erfordern in der Regel eine umfangreiche Datenmenge und eine potenzielle Kalibrierung, was eine komplexe und zeitaufwändige Tätigkeit sein kann. Verhaltensfunktionen werden in der Regel über statistische Verfahren ermittelt und können sich sowohl auf technische Kenngrößen als auch auf Indizes (Noten) beziehen. Abb. 2: Beispiel Zustandsprognosemodel Bauteil Randbalken (Kappe) nach Weninger-Vycudil (2018) [2] 2.2 Arten von Zustandsprognosemodellen Die zeitliche Änderung des Zustands eines Brückenobjekts, eines Brückenbauteils oder eines Brückenunterbauteils (gem. Definition RVS 13.04.11 [3]) kann als physikalisches Phänomen interpretiert werden, wobei auch chemische und thermische Einflüsse vorhanden sind und daher die Entwicklung beeinflussen. Zustandsprognosemodelle können in Abhängigkeit von den verwendeten Modellgrundlagen in zwei unterschiedliche Kategorien gruppiert werden (Weninger-Vycudil et al., 2009 [2]): • Mechanistische (analytische) Modelle basieren auf der theoretischen Ermittlung der Primärwirkungen unter äußeren Einwirkungen (Lasten, Temperatur, Karbonatisierung, etc.) und deren Anwendung auf Verhaltensbzw. Stoffgesetze. • Empirische Modelle hingegen basieren auf der Beobachtung des tatsächlichen Verhaltens des Brückenobjekts oder eines Bauteils und versuchen einen 6. Brückenkolloquium 2024 - Oktober 2024 161 Datenbasierte Zustandsprognose von Brückenobjekten als Grundlage für die Lebenszyklusbewertung im strategischen Erhaltungsmanagement kausalen Zusammenhang zwischen verschiedenen Einflussgrößen und der zeitlichen Veränderung des Zustands zu finden. Aufgrund der Komplexität und der Vielzahl von notwendigen Eingangsgrößen erfolgt die direkte Anwendung von mechanistischen/ analytischen Zustandsprognosemodelle in der Regel bei der Analyse spezieller Eigenschaften (z. B. Karbonatisierung) einzelner Bauteile oder Unterbauteile und bleibt somit auf Einzelbauwerke beschränkt. Dies bedeutet, dass für die Anwendung im strategischen Erhaltungsmanagement in erster Linie empirische Modelle in Frage kommen. Empirische Modelle benötigen einerseits für die Modellentwicklung und andererseits für die objektbezogene Kalibrierung Daten aus umfangreichen Zustandserfassungen oder aus Beobachtungen im Labor. Aufgrund der Tatsache, dass seit mehreren Jahrzehnten diese Daten systematisch im Rahmen von wiederkehrenden Kontrollen und Inspektionen erhoben werden (siehe hierzu RVS 13.03.11 [4]) und für die meisten Brücken auch entsprechende Zeitreihen zur Verfügung stehen, sind empirische Modelle für den Einsatz im strategischen Erhaltungsmanagement besonders geeignet. 2.3 Anwendungsebenen Nicht jede Art der Zustandsprognose kann auf jeder Entscheidungsebene angewendet werden, wobei auch die notwendige Aussagegenauigkeit eine wesentliche Rolle spielt. Bei einer generellen Betrachtung auf Netzebene (z. B. als Grundlage für die Ableitung von strategischen Erhaltungszielen) sind die Verteilungen der Zustände oder sogar der aus einer technischen Nutzungsdauer der Brücken abgeleitete Erhaltungsbedarf ausreichend. Ist hingegen eine Objektgenauigkeit eine wesentliche Randbedingung für die Festlegung von strategischen Erhaltungszielen, die dann ebenfalls die Grundlage für die Erstellung einer Prioritätenreihung sowie eines Bauprogramms liefert, muss die Zustandsprognose für jedes im Netz vorhandene Objekt individuell durchgeführt werden. Ob für das jeweilige Objekt eine „generelle“ Verhaltensfunktion zur Anwendung gelangt, oder eine Prognose auf Bauteilebene technisch erforderlich ist, hängt einerseits von der Verfügbarkeit der Daten, andererseits von den Anforderungen an die Aussagegenauigkeit, ab. Bei einer bauteilbezogenen Prognose sind bereits die Abhängigkeiten der einzelnen Bauteile untereinander speziell bei der Maßnahmenplanung zu berücksichtigen (z. B. Randbalken mit Abdichtung, Ausrüstung und Belag). Die nachfolgende Tabelle 1 gibt einen Überblick über die verschiedenen Anwendungsebenen und die Art der Modellierung wie sie heute am häufigsten zur Anwendung gelangt. Vor allem für das strategische Erhaltungsmanagement sind die ersten drei Ebenen von Relevanz. Tab. 1: Anwendungsebenen und Art der Modellierung Anwendungsebene Art der Modellierung Technische Nutzungsdauer (Standardlebenszyklen) Empirische Zustandsprognose Analytische Zustandsprognose Netzebene ohne Objektgenauigkeit X Netzebene mit Objektgenauigkeit X X Objektebene mit Bauteilgenauigkeit X X Objektebene mit Unterbauteilgenauigkeit X Ob Zustandsprognosen an einem Einzelobjekt oder an einem Brückencluster (= Population von Brücken, die von der Bauweise sehr ähnlich sind und ein annährend identisches Verhalten aufweisen) vorgenommen werden können, hängt häufig von der Verfügbarkeit der Daten aber auch von der strategischen Fragestellung ab. Grundsätzlich können Modelle, die eigentlich für die Objektgenauigkeit geeignet sind auch auf Cluster angewendet werden, wenn die hierfür notwendigen repräsentativen Werte (z. B. Mittelwert, oder Verteilung bei probabilistischen Modellen) als Eingangsgrößen für den jeweiligen Cluster herangezogen werden. 3. Mathematische Modellierung 3.1 Grundlagen der Modellierung Aufgrund der zuvor beschriebenen physikalischen Natur einer Zustandsveränderung ist es möglich, mittels funktionaler Zusammenhänge diese Änderung des Zustands auch mathematisch zu modellieren und diese Prozesse mit repräsentativen Kennwerten (z. B. Zustandswerte) zu beschreiben. Die maßgebende Voraussetzung für eine mathematische Modellierung von Zustandsprognosemodellen ist das Vorhandensein von Daten, die entweder direkt durch Beobachtungen vor Ort oder durch Beobachtungen unter Laborbedingungen erhoben werden. Die so empirisch erhobenen Daten können entweder direkt für die Entwicklung des Modells herangezogen werden oder dienen zur Kalibrierung bzw. Erweiterung vorhandener physikalischer Zusammenhänge (z. B. auch im Rahmen einer analytischen Modellierung). In Abhängigkeit von der mathematischen Formulierung bzw. von der Art der Prognosefunktion können Zustandsprognosemodelle wie folgt unterschieden werden (Weninger-Vycudil et al., 2009 [5]): • Deterministische Modelle: Diese versuchen die exakte Zustandsgröße bzw. den exakten Zustandswert (abhängige Variable) in Abhängigkeit von gewissen Ein- 162 6. Brückenkolloquium 2024 - Oktober 2024 Datenbasierte Zustandsprognose von Brückenobjekten als Grundlage für die Lebenszyklusbewertung im strategischen Erhaltungsmanagement flussgrößen (unabhängige bzw. erklärende Variablen) zu jedem zukünftigen Zeitpunkt vorauszusagen. Der funktionelle Zusammenhang zwischen den abhängigen und unabhängigen Variablen wird dabei als „Verhaltensfunktion“ bezeichnet. • Probabilistische Modelle: Diese sagen die Wahrscheinlichkeitsverteilung des zukünftigen Zustands voraus und nehmen somit auf Unsicherheiten und die Unschärfe von Daten Rücksicht. Das Ergebnis ist die Wahrscheinlichkeit eines bestimmten Zustands zu jedem zukünftigen Prognosezeitpunkt. 3.2 Deterministische Verhaltensfunktion Die mathematische Formulierung von deterministischen Zustandsprognosemodellen erfolgt, wie bereits erwähnt, über einen funktionalen Zusammenhang zwischen einer oder mehreren zeitabhängigen erklärenden (unabhängigen) Variablen (Einflussparameter), evtl. zeitunabhängigen (konstanten) unabhängigen Variablen (Einflussparametern) und der abhängigen Variablen in Form eines Technischen Zustandsparameters (Zustandsgröße) oder eines normierten (dimensionslosen) Zustandsindizes (Zustandswert). In den meisten Fällen werden statistische Verfahren für die Modellentwicklung herangezogen, die entweder direkt aus den zur Verfügung stehenden Daten ein Modell ableiten (z. B. Regressionsanalysen) oder mit den Daten ein bestehendes (z. B. analytisches) Modell erweitern und verbessern. Das Ergebnis ist in beiden Fällen eine Verhaltensfunktion, die wiederum in unterschiedlichen mathematischen Darstellungen zur Verfügung stehen. Die nachfolgende mathematische Darstellung definiert die grundlegende Definition einer Verhaltensfunktion für ein Zustandsmerkmal Z i zum Zeitpunkt t: In bestimmten Fällen wird auch der Zustand des Zustandsmerkmals Z i zum Zeitpunkt t über eine inkrementelle (z.-B. jährliche) Veränderung der Eigenschaft Z i definiert, sodass folgende mathematische Formulierung gewählt werden kann: Verschiedene zeit- und zeitunabhängige Einflussparameter beschreiben über eine mathematische Funktion den Zustand zu jedem beliebigen Zeitpunkt t. Vor allem Verkehrsbelastungen sind dabei die maßgebenden zeitabhängigen Größen, aber auch das Alter des Bauwerks oder einzelner Bauteile. Das nachfolgende Beispiel zeigt eine solche inkrementelle lineare deterministische Funktion für die Modellierung des Zustands für den Überbau von Brücken auf bestimmten Landesstraßen in Österreich nach Weninger-Vycudil (2018) [2]: Ein wesentlicher Nachteil dieser Art der mathematischen Modellierung liegt in einer eingeschränkten Aussage über die Eintrittswahrscheinlichkeit und die damit verbundene Streuung, sodass zur Beantwortung dieser Fragestellungen auf probabilistische Modelle zurückgegriffen werden muss. 3.3 Probabilistische Zustandsprognose Probabilistische Modelle sind zielführender, wenn es darum geht auch die Unsicherheiten und Streuung der Eingangsparameter aber auch der Modelle selbst darzustellen. Sie ermöglichen eine differenziertere Betrachtung von Zustandsentwicklungen und erlauben auch die Entscheidungen mit Wahrscheinlichkeiten zu verknüpfen, was vor allem bei risikobasierten Betrachtungen von Vorteil ist. Das Ziel dieser Methoden ist ebenfalls die Beschreibung des Zustandsverhaltens von Objekten in Abhängigkeit von Einflussfaktoren, jedoch mit Hilfe der Probabilistik. Bei den probabilistischen Modellen ist, neben vereinzelten Anwendungen der Survival-Analyse und dem Bayes’schen Theorem, die Anwendung von Markov-Ketten ein häufig verwendeter Ansatz. Dabei ist die über einen n-dimensionalen Vektor definierte Verteilung des Ausgangszustands die maßgebende Eingangsgröße, die über die Zeit verändert bzw. modelliert werden muss. 6. Brückenkolloquium 2024 - Oktober 2024 163 Datenbasierte Zustandsprognose von Brückenobjekten als Grundlage für die Lebenszyklusbewertung im strategischen Erhaltungsmanagement Der Eingangsvektor X i,t=0 für die Zustandsprognose des Objekts i (Bauteils i) wird dabei über die Anteile x in den Zustandsnoten (diskrete Verteilung für das Objekt oder Bauteil i am Objekt) wie folgt definiert: Durch Multiplikation der Übergangsmatrix PM i des Objekts i (Bauteils i) mit dem Eingangsvektor ergibt sich für ein 1. Zeitintervall (z. B. 1 Jahr) eine Änderung der diskreten Verteilung, die wiederum durch einen Vektor X i,t+1 beschrieben wird. Für das 2. Zeitintervall kann nun dieser neue Vektor als Eingangsvektor verwendet werden, sodass sich für das nächste Intervall wiederum ein neuer Eingangsvektor errechnen lässt. Für den Zeitpunkt n kann die Übergangsmatrix PM mit n potenziert werden, sodass sich die Verteilung des Zustands des Objekts i (Bauteils i) zum Zeitpunkt n wie folgt ergibt: Die für die Analyse verwendeten Übergangswahrscheinlichkeiten werden dabei durch die nachfolgend dargestellten Matrizen ausgedrückt, welche auf der Grundlage der zur Verfügung stehenden Daten entwickelt werden können. Die grundlegende mathematische Formulierung schließt eine Verbesserung ohne die Durchführung von Erhaltungsmaßnahmen aus, sodass folgende generelle Matrix bei 5 Zustandsnoten zur Anwendung gelangt: Aus den Anteilen der Vektorterme x i der Verteilung des Bauteilzustands kann als repräsentative Größe z. B. der Mittelwert errechnet bzw. in eine entsprechende Note umgewandelt werden. Es können aber auch andere statistische Kennzahlen dieser Verteilung für den weiterführenden Prozess Berücksichtigung finden (Perzentilen, Mittelwert plus Standardabweichung etc.). Abbildung 3 zeigt ein Beispiel einer homogenen Markov- Kette für die Modellierung der Zustandsentwicklung für das Bauteil „Überbau“ unter Heranziehung einer Notenverteilung in 5 Kategorien bzw. Klassen. Abb. 3: Beispiel Übergangswahrscheinlichkeiten Bauteil Überbau nach TAniA (2021) [1] bzw. Weninger-Vycudil, et al. (2019) [6] 3.4 KI-Einsatz bei der Modellentwicklung Die Modellentwicklung für die Zustandsprognose von Brückenobjekten bringt mehrere Herausforderungen mit sich, die sich aus der Komplexität der Modelle und dem großen Umfang der vorhandenen Daten, die im Zustandsprognosemodell eingebettet werden sollen, ergeben. Zum einen liegt eine große Menge an Daten wegen der großen Anzahl an verschiedenen Brücken vor. Zum anderen sind für jede Brücke wiederum eine große Anzahl an Brückenprüf berichten und weiteren für die Modellerstellung relevanten Informationen (durchgeführte Maßnahmen, Instandhaltungsintervalle und deren Auswirkungen auf die Lebensdauer) vorhanden. Diese Daten liegen oft nur unstrukturiert, verstreut und nicht digitalisiert vor. Darüber hinaus sind die Zusammenhänge zwischen den verschiedenen Einflussfaktoren wie Verkehrsbelastung, Witterungseinflüsse und Konstruktionsmethoden äußerst komplex und oft nur schwer erkennbar. Zur Lösung der oben genannten Probleme bietet sich bei der Erstellung von datenbasierten Zustandsprognosemodellen der Einsatz von Künstlicher Intelligenz (KI) an. Dabei wird die KI einerseits bei der Gewinnung, Aufbereitung und Strukturierung von Daten eingesetzt, andererseits auch bei der Erstellung des Zustandsprognosemodells selbst. Methoden wie Text/ Data-Mining ermöglichen es, aus den vorhandenen oft noch händisch verfassten - Brückenprüf berichten Daten zu gewinnen. Somit kann die Fragmentierung und Inhomogenität der Daten beseitigt werden. In einem weiteren Schritt wird durch Machine Learning eine KI trainiert, die historische Instandhaltungsstrategien und deren Auswirkungen analysiert. Die KI identifiziert im Zusammenhang mit der Instandhaltung versteckte Muster, die von menschlichen Analysten nicht entdecken werden und somit in der Modellbildung unberücksichtigt bleiben. Durch die Integration umfangreicher Datenmengen kann man genauere Abschätzungen treffen, die Zuverlässigkeit erhöhen und nachhaltigere Instandhaltungsstrategien entwickeln. Dies trägt nicht nur zur Verlängerung der Lebensdauer der Brücken bei, sondern unterstützt auch ein nachhaltiges Management der verfügbaren ökonomischen, ökologischen und sozialen Ressourcen. 164 6. Brückenkolloquium 2024 - Oktober 2024 Datenbasierte Zustandsprognose von Brückenobjekten als Grundlage für die Lebenszyklusbewertung im strategischen Erhaltungsmanagement 4. Anwendungsfall Lebenszyklusbewertungen 4.1 Allgemeines Zustandsprognosemodelle sind ein Kernbaustein von Lebenszyklusbewertungen, welche zur Beurteilung und Bewertung der technischen Nutzungsdauern von Ingenieurbauwerken herangezogen werden. Dazu werden sämtliche Aktivitäten (vom Neubau bis zum Abbruch bzw. der Außerdienststellung) abgebildet und über entsprechende Indikatoren bewertet. Vor allem die Ermittlung des zukünftigen Erhaltungsbedarfs unter bestimmten strategischen Randbedingungen (z. B. Erhaltungsbudget) steht dabei im Vordergrund. Für das strategische Erhaltungsmanagement kommen unter dem Begriff „Nachhaltigkeitsanalysen“ folgende Analysen zur Anwendung: • Lebenszykluskostenanalysen zur Beurteilung der Wirtschaftlichkeit • Öko-Bilanzierung zur Beurteilung der Auswirkungen auf Klimakenngrößen (z. B. Global Warming Potential GWP) • Risikobewertungen und Lebenszyklusrisikoanalysen zur qualitativen oder monetären Abschätzung des Erhaltungsrisikos während des gesamten Lebenszyklus sowie Resilienzanalysen als Bewertung der baulichen Eigenschaften von Verkehrsinfrastrukturanlagen bei unterschiedlichen Gefahren 4.2 Wirtschaftlichkeitsuntersuchung (Lebenszykluskostenanalyse) Die Lebenszykluskostenanalyse hat sich im Bauwesen als anerkannte Methode in der Wirtschaftlichkeits- und Investitionsrechnung etabliert. So ist dieses dynamische Berechnungsverfahren auch Grundlage der RVS 13.05.11 „Lebenszykluskostenermittlung für Brücken“ [7]. Das Verfahren setzt voraus, dass die Zeitpunkte für Instandhaltungsmaßnahmen innerhalb des zu betrachteten Lebenszyklus über entsprechende Zustandsprognosen geschätzt bzw. definiert werden. Diese Zeitpunkte bestimmen maßgebend den Wert der maßgebenden Wirtschaftlichkeitsindikatoren • Barwert der gesamten Lebenszykluskosten (= Kapitalwert) und • Annuität. Im Gegensatz zu statischen Verfahren berücksichtigt die Kapitalwertmethode, die der Lebenszykluskostenanalyse zugrunde liegt, den Anfall-Zeitpunkt von Aufwänden respektive Erträgen in der Zukunft. Damit wird im Sinne der Kostenwahrheit der tagesaktuelle Wert künftiger Mittelflüsse zu einem beliebig gewählten Betrachtungszeitpunkt t 0 errechnet. Dieser Barwert (auch Anfangswert) künftiger Zahlungsströme wird durch „Abzinsung“ mit dem Diskontierungszinssatz z D ermittelt. Der Zinssatz setzt sich aus einem risikoarmen Basiszinssatz (beispielsweise jenem der EZB) und branchenspezifischen Risikokomponenten zusammen. Die RVS empfiehlt hier mit Bezug auf den § 1000 ABGB (Allgemeines bürgerliches Gesetzbuch in Österreich) einen Wert von 4 % und wird als jährliche Konstante angesetzt. Konkret gibt die RVS 13.05.11 [7] folgenden Algorithmus zur Berechnung des Barwerts vor: Zusammenfassend ist festzuhalten, dass die Lebenszykluskostenanalyse ein geeignetes Werkzeug nicht nur zur Bestimmung von Lebenszykluskosten, sondern auch zu deren Optimierung darstellt. So kann in enger Abstimmung mit der Einschätzung der technischen Parameter der wirtschaftlich und technische optimale Investitionszeitpunkt für Interventionen an Bauwerken ermittelt und festgelegt werden, eine wesentliche Grundlage für das strategische Erhaltungsmanagement. 4.3 ÖKO-Bilanzierung Eine Umwelt- oder Ökobilanz ist eine systematische Lebenszyklusanalyse der Umweltwirkungen und der Energiebilanz von Produkten während des gesamten Lebensweges. Zur Öko- oder Umweltbilanz gehören sämtliche Umweltwirkungen während der Durchführung des Baus bzw. der Errichtung, der Instandhaltung (Erhaltungsmaßnahmen), der Nutzungsphase und am Ende der technischen Nutzungsdauer (Recycling, Entsorgung bzw. Abbruch) sowie die damit verbundenen vor- und nachgeschalteten Prozesse (z. B. Herstellung der Roh-, Hilfs- und Betriebsstoffe). Zu den Umweltwirkungen werden sämtliche umweltrelevanten Entnahmen aus der Umwelt sowie die Emissionen in die gezählt. Die Grundlagen für die Erstellung einer Umwelt- oder Ökobilanz sind in der ISO-Richtline ÖNORM EN ISO 14044 [8] verankert. Diese internationale Norm legt Anforderungen an eine Öko-Bilanz fest und liefert Anleitungen für deren Erstellung. Die Ergebnisse der Bilanz sind gemäß diesen Vorgaben messbar über das Treib-hauspotential (GWP) und Energieverbrauch (KEA). Der einzelnen Phasen oder Module für die Bewertung von Ingenieurbauwerken können der ÖNORM EN 15643- 5: 2021 entnommen werden und definieren die heutigen Systemgrenzen einer Umwelt- und Öko-Bilanz. Für die Festlegungen der Maßnahmen innerhalb der „Nutzungsphase“ (Phase B) werden wiederum Prognosemodelle benötigt, die den Maßnahmenzeitpunkt definieren und die 6. Brückenkolloquium 2024 - Oktober 2024 165 Datenbasierte Zustandsprognose von Brückenobjekten als Grundlage für die Lebenszyklusbewertung im strategischen Erhaltungsmanagement mit jenen einer Wirtschaftlichkeitsuntersuchung korrespondieren. Im Vergleich zur monetären Bewertung der Lebenszykluskostenanalyse ergeben sich die Werte für das Treibauspotential und den Energieverbrauch. Die Summe aller Werte über die technische Nutzungsdauer und auf diese bezogen liefert die ÖKO-Annuität, die als maßgebender Vergleichswert und als strategisches Erhaltungsziel definiert werden kann. 4.4 Risikoanalysen und Bewertung der Resilienz Eine deutliche Erweiterung der Zielsetzungen im Rahmen der Umweltbewertung kann durch eine risikobasierte Beurteilung der Resilienz von Ingenieurbauwerken vorgenommen werden. Dabei geht es vor allem um die Bewertung der Widerstandsfähigkeit der Bauwerke oder einzelner Bauteile vor dem Hintergrund von Natur- und Umweltgefahren. Die Resilienz von Bauwerken basiert auf folgenden zu bewertenden Eigenschaften bzw. Kernelementen der baulichen Widerstandsfähigkeit, die eine wesentliche Zustands- und Belastungsabhängigkeit aufweisen: • Robustheit • Redundanz • Wiederherstellungsfähigkeit Für die Berechnungen und Bewertungen sind dabei die Wahrscheinlichkeiten des Eintretens von bestimmten Natur- und Umweltgefahren mit der baulichen Widerstandsfähigkeit und somit dem sich veränderten Zustand der Brücken gegenüberzustellen. Aufgrund der Tatsache, dass in Österreich die Anzahl von Naturkatastrophen (ausgelöst durch klimatische Veränderungen) deutlich zugenommen hat und auch in Zukunft zunehmen wird, kommt dieser zusätzlichen Bewertung eine hohe Bedeutung zu. Bestimmte Infrastrukturbetreiber versuchen bereits die Prioritäten der Erhaltungsmaßnahmen mit der Resilienz zu verknüpfen, sodass vor allem die Verfügbarkeit der Infrastruktur im Katastrophenfall deutlich verbessert wird. Auch die Aufnahme des Erhaltungsrisikos mit der Resilienz als weitere Dimension der Nachhaltigkeit in die strategischen Erhaltungsziele wird daher bereits diskutiert. 4.5 Ergebnisse von Lebenszyklusbewertungen Die unterschiedlichen Anwendungsbereiche von Zustandsprognosemodellen liefern für die zuvor beschriebenen Fragestellung auch unterschiedliche Ergebnisse. Als Grundlage für die Erstellung von Bauprogrammen und Prioritätenreihungen stehen bei einer objektbezogenen Anwendung der Verfahren zum Beispiel folgende Ergebnisse zur Verfügung: • Erhaltungsmaßnahmenstrategien (= Abfolge von Einzelmaßnahmen innerhalb des Lebenszyklus bzw. der technischen Nutzungsdauer) am Objekt in Abhängigkeit von budgetären und/ oder technischen Randbedingungen mit Kosteninformationen • Entwicklung des Objektzustandes (Gesamtobjekt und/ oder Bauteil in Abhängigkeit von der gewählten Erhaltungsmaßnahmenstrategie • Entwicklung des Treibhauspotentials (GWP) und Energieverbrauch (KEA) in Abhängigkeit von der gewählten Erhaltungsmaßnahmenstrategie • Entwicklung des Erhaltungsrisikos und der Resilienz am Objekt in Abhängigkeit von der gewählten Erhaltungsmaßnahmenstrategie Speziell für das strategische Erhaltungsmanagement sind die Ergebnisse auf Netzebene von wesentlicher Bedeutung. Durch den „Blick in die Zukunft“ als Ergebnis der Anwendung von Prognosemodellen lassen sich folgende Ergebnisse für unterschiedliche Szenarien und Strategien über die gewählten Betrachtungsbzw. Analyseperioden ableiten: • Zustandsverteilungen entweder von Gesamtzuständen oder Bauteilzuständen (Beispiel siehe Abb. 4) Abb. 4: Beispiel Zustandsverteilung und -entwicklung Bauteil Randbalken (Kappe) für eine gesamte Brückenpopulation und ein anonymisiertes Szenario nach Weninger-Vycudil (2018) [2] • Kostenverteilungen als Grundlage für die Abschätzung des Erhaltungsbedarfs • Umfang und Intensität der Instandhaltungsmaßnahmen sowie damit verbundene ökologische Wirkungen von Bauprogrammen und Prioritätenreihungen (ausgedrückt über das Treibhauspotentials (GWP) und Energieverbrauch (KEA)) • Entwicklung Erhaltungsrückstand in Abhängigkeit von der Brückenfläche • Entwicklung des Anlagevermögens • Entwicklung der Verteilung des Erhaltungsrisikos und der Resilienz im Netz in Abhängigkeit von unterschiedlichen Gefahren 166 6. Brückenkolloquium 2024 - Oktober 2024 Datenbasierte Zustandsprognose von Brückenobjekten als Grundlage für die Lebenszyklusbewertung im strategischen Erhaltungsmanagement Abb. 5: Beispiel Resilienzentwicklung eines Bauprogramms auf unterschiedliche Gefahren auf einem anonymisierten Teilnetz (Eichinger-Vill E.M., et al (2022) [10]) 5. Schlussfolgerung Die datenbasierte Zustandsprognose von Brückenobjekten liefert eine wesentliche Grundlage für die Lebenszyklusbewertung im strategischen Erhaltungsmanagement. Gerade die Abschätzung des (optimalen) Zeitpunkts von zukünftigen Erhaltungsmaßnahmen und den damit verbundenen technischen, monetären sowie umweltrelevanten Auswirkungen steht dabei im Vordergrund. Zustandsprognosemodelle für Brücken sind keine neue Entwicklung und auch die Mathematik für deren Entwicklung bzw. Verbesserung steht zur Verfügung. Auf welchen Entscheidungsebenen und in welcher Form solche Modelle angewendet werden können, ist umfassend untersucht und neben der aktuellen Literatur liefern auch die Experten auf diesem Gebiet entsprechende Empfehlungen. Die praktische Anwendung bzw. Implementierung der Modelle ist jedoch noch nicht abgeschlossen. Neue Anwendungsbereiche wie z. B. die Umwelt- und Öko-Bilanzierung sowie Abschätzung der Auswirkungen des Klimawandels - Stichwort Resilienz - erfordern die umfassende Verwendung von Zustandsprognosemodellen für Brücken. Diese Bereiche erfordern eine zunehmende Aufmerksamkeit im strategischen Erhaltungsmanagement, da sie neben den wirtschaftlichen Aspekten die weiteren Dimensionen der Nachhaltigkeit darstellen. Speziell die Forderungen der österr. Landesrechnungshöfe zur Festlegung von strategischen Erhaltungszielen für Ingenieurbauwerke sind wesentliche Anforderungen für die umfassende Implementierung von Zustandsprognosemodelle in neue und bestehende Erhaltungsmanagementsysteme (Asset Management Systeme). Nur durch die genaue Abschätzung der Wirkungen von Bau- und Erhaltungsprogrammen im Bereich Ökonomie, Ökologie, Risiko, Resilienz und erweiterter sozio-ökonomischer Aspekte können realistische strategische Erhaltungsziele präzisiert und folglich auch umgesetzt werden. 6. Brückenkolloquium 2024 - Oktober 2024 167 Datenbasierte Zustandsprognose von Brückenobjekten als Grundlage für die Lebenszyklusbewertung im strategischen Erhaltungsmanagement Literatur [1] TAniA (2021): Weninger-Vycudil A., Brozek B., Kessel T., Pasderski J., Sietas J., Chylik B., Schranz C., Prammer D., Vorwagner A., Curchellas P., and Bühlmann R.. TAniA - Technische Anlagenbewertung im Asset-Management, D-A-CH Verkehrsinfrastrukturforschung 2018, Endbericht, Wien, FFG. [2] Weninger-Vycudil A. (2018). Lebenszyklusanalyse Brücken. PMS-Consult GmbH, Bericht zum Pilotprojekt im Auftrag des Amtes der Tiroler Landesregierung (unveröffentlicht), Wien. [3] RVS 13.04.11: Bauwerksdatenbank - Brückenbauwerke. Österreichische Forschungsgesellschaft Straße - Schiene - Verkehr, Wien, 2016 [4] RVS 13.03.11: Straßenbrücken - Überwachung, Kontrolle und Prüfung von Kunstbauten. Österreichische Forschungsgesellschaft Straße - Schiene - Verkehr, Wien, 2021 [5] Weninger-Vycudil, A., Brozek, B., Simanek, P., Rohringer, T. u. Haberl, J. (2009) Handbuch Pavement Management in Österreich 2009. Straßenfor schung, Heft 499, Wien [6] Weninger-Vycudil A., Leszczynska A. und Moser T. (2019). Lebenszyklusanalyse Brücken 2019, Konfigurationsdokument Aktualisierung Lebenszyklusanalyse IMT Brücken, Wien, 2020 (unveröffentlicht) [7] RVS 13.05.11: Lebenszykluskostenermittlung für Brücken. Österreichische Forschungsgesellschaft Straße - Schiene - Verkehr, Wien, 2016 [8] ÖNORM EN ISO 14044: Umweltmanagement - Ökobilanz - Anforderungen und Anleitungen. Austrian Standards, Wien, 2021. [9] ÖNORM EN 15643-5: 2021: Nachhaltigkeit von Bauwerken - Bewertung der Nachhaltigkeit von Gebäuden und Ingenieurbauwerken - Teil 5 Leitfaden zu den Grundsätzen und den Anforderungen an Ingenieurbauwerke. Austrian Standards, Wien, 2021. [10] Eichinger-Vill E.M., Veit-Egerer R., Vorwagener A., Weninger-Vycudil A., Litzka J., Reimoser T. und Gasser C. (2022). REMAIN - Resilient Motorway Infrastructure, Verkehrsinfrastrukturforschung 2020, Endbericht, Wien: FFG.