Fraunhofer und MKP erforschen akustische Schadensfrüherkennung

Das Projekt "AIrBSound" soll helfen, Brückenschäden frühzeitig zu erkennen, bevor sie mit bloßem Auge sichtbar werden.

Bis zum Sommer 2026 wird das Vorhaben von der Bundesanstalt für Straßenwesen (BASt) gefördert. Die administrative Betreuung erfolgt durch die AiF Projekt GmbH. Getestet wird an zwei Brücken in Sachsen: der Wesenitzbrücke und der Sachsenbrücke in Pirna.

Im Mittelpunkt der Forschungsaktivitäten steht die Entwicklung eines Überwachungssystems, das mithilfe von Luftschallsensoren und KI-gestützten Analysen Veränderungen im Zustand von Fahrbahnübergangskonstruktionen (FÜK) erkennt. Diese Übergänge sind stark belastete Elemente jeder Brücke und besonders anfällig für Verschleiß.

"Wir wollen Brücken nicht erst dann prüfen, wenn es schon zu spät ist", erklärt Olivia Treuheit, Projektmanagerin am Fraunhofer IDMT. "Unser Ansatz nutzt den Luftschall – also akustisch wahrnehmbare Signale, die beim Überfahren der Übergänge durch Fahrzeuge entstehen. Diese Signale können wertvolle Informationen über den Zustand der Brückenbauteile enthalten."

Das akustische Monitoring soll nicht nur der frühzeitigen Erkennung von Schäden wie Verschleiß, Rissbildungen oder Lockerungen dienen. Es liefert nach Angaben der Projektpartner auch Hinweise auf Verkehrsaufkommen und Verkehrsarten – wichtige Faktoren, um die tatsächliche Belastung der Bauwerke besser zu verstehen.

Die MKP GmbH ist spezialisiert auf die Planung, Diagnostik und das messtechnische Brückenmonitoring. Das Ingenieurbüro bringt seine Erfahrung aus laufenden Projekten mit Schallemissionssensorik ein – etwa bei der Überwachung von Spannbeton- und Seilkonstruktionen. Im Projekt AIrBSound übernimmt MKP die Projektkoordination und verantwortet die Planung sowie Umsetzung der Feldversuche an den beiden ausgewählten Brücken.

Im Rahmen des Projekts entwickelt und testet das Fraunhofer IDMT neue Ansätze zur akustischen Überwachung. Zum Einsatz kommen dabei Luftschallsensoren sowie KI-basierte Verfahren zur Erkennung von akustischen Zustandsänderungen. Ein zentraler Bestandteil des Projekts ist die Aufbereitung der aufgenommenen Audiodaten: Um verlässliche Aussagen treffen zu können, müssen diese zunächst von Störgeräuschen bereinigt und für die Analyse mit neuronalen Netzen vorbereitet werden.