KI-basierte Analyse von Schienenprüfdaten für eine optimierte Instandhaltungsplanung

Im Projekt soll ein IT-Werkzeug entwickelt werden, das eine effiziente Nutzung von erhobenen Daten aus Prüffahrten ermöglicht (Wirbelstrom- und Ultraschallprüfsysteme). Es wird darauf abgezielt, den gesamten Prozess zu unterstützen - von der Datenerfassung aus den Prüfsystemen über die Analyse bis hin zur Entscheidungsfindung und Visualisierung. Durch die bessere Kenntnis des Schienenzustands, eine genauere Klassifikation von Fehlern sowie eine gezielte Planung von Maßnahmen wird eine optimierte Instandhaltung der Schienen ermöglicht. Damit legt das Projekt die Grundlage für eine prädiktive Instandhaltung und führt zu einer deutlichen Erhöhung der Verfügbarkeit der Schieneninfrastruktur bei gesenkten Lebenszykluskosten.

Es werden zwei verschiedene Systeme für die Schienenprüfung verwendet, um Daten über den Schienenzustand zu erheben, daraus Fehlerbilder zu detektieren, diese zu klassifizieren und in ihrer Schädigungstiefe zu bewerten. Die Implementierung der Datenanalyse erfolgt mittels KI-Verfahren und unter Kombination von Datenquellen. Ein Konzept zur Ableitung und Planung von Instandhaltungsmaßnahmen wird entwickelt. Im Praxistest wird das entwickelte IT-Werkzeug auf Strecken des DZSF-Testfeldes im Lausitzer Braunkohlerevier erprobt und bewertet. Durch den Zugang zu dort erhobenen Daten werden weitere Forschungsaktivitäten in dem vom Strukturwandel betroffenen Gebiet angeregt.