Das Forschungsprojekt iRON (intelligent pRediction of cOrrosioN on sheet pile walls) zielt auf eine einheitliche Datenerfassung bei Spundwandmessungen. Bisher werden diese Daten von jeder Verwaltung individuell erfasst - in verschiedenen Formaten wie PDF, Word, Excel oder auf Papier - was eine statistische Analyse zur Korrosionsprognose erschwert. Zudem werden Umweltbedingungen wie Salzgehalt, pH-Wert, Wassertemperatur, Tiefe, Verwirbelungen durch Schiffsschrauben und Wellengang, die das Korrosionsverhalten beeinflussen, nur ansatzweise dokumentiert.
Kern des Projekts ist die Entwicklung einer Anwendung, die nicht nur die einheitliche Datenerfassung ermöglicht, sondern durch integrierte KI-Methoden auch Vorhersagen über die zu erwartende Korrosion trifft. Dafür werden Daten der drei größten deutschen Seehäfen (Bremen, Hamburg, Rostock) sowie des Spundwandherstellers Arcelor Mittal Commercial RPS in einer zentralen Datenbank zusammengeführt. Zusätzlich werden im Projekt eigene Analysen von Wasserproben aus dem Mittellandkanal durchgeführt.
Eine besondere Herausforderung stellt die Datenlage dar: Für ein effektives KI-Training sind die vorhandenen Daten zu wenig, lückenhaft und teilweise unsicher, da von Hand gemessen. Zudem werden einzelne Spundwände nur etwa alle zehn bis zwanzig Jahre gemessen. Die Forscher begegnen diesem Problem mit Transfer-Learning- und Few-Shot-Learning-Techniken, indem sie synthetische Trainingsdaten generieren und anschließend mit realen Daten nachtrainieren. Die Expertise der Wasserbauingenieure ist dabei entscheidend für die Beurteilung der Datenqualität und die Sicherstellung, dass alle relevanten Parameter erfasst werden.
