Promotion Hubert Naraniecki

Am 27.09.2024 verteidigte Herr Hubert Naraniecki, M.Sc. erfolgreich seine wissenschaftliche Arbeit im Rahmen des Promotionsverfahrens mit dem Thema „Zustandsprognose von Eisenbahnbrücken mit Verfahren des maschinellen Lernens“. Neben dem Vorsitzenden der Promotionskommission, Prof. Dr. Karsten Menzel, (TU Dresden), waren als Gutachter Prof. Dr. Steffen Marx (TU Dresden),
Prof. Dr. Thomas Braml (Universität der Bundeswehr München) und Prof. Dr. Danièle Waldmann-Diederich (Technische Universität Darmstadt)  anwesend. Als weiteres Mitglied der Promotionskommission  war Prof. Dr. Jens Otto (TU Dresden) vor Ort anwesend.

Abstract:

Die Bedeutung von Brücken für Mobilität und Warentransport, das hohe Bauwerksalter und die gestiegenen Verkehrseinwirkungen bewirken, dass der Bauwerkserhalt zunehmend an Gewicht gewinnt. Sowohl für Eisenbahn- als auch für Straßenbrücken wird national eine reaktive Instandhaltungsstrategie angewendet, wodurch erst nach Schadenseintritt Instandhaltungsmaßnahmen geplant werden können. Die angewendete Instandhaltungsstrategie führt unter anderem zu nicht planbaren und langwierigen Verfügbarkeitseinschränkungen der Bauwerke. Um den beschriebenen Problemen zu begegnen, braucht es einen Wandel der derzeitigen Instandhaltungsstrategie. Die prädiktive Instandhaltungsstrategie verfolgt das Ziel, Zustandsänderungen mithilfe von Zustandsprognosemodellen vorherzusagen und somit frühzeitig Probleme zu identifizieren und zu lösen. Unter anderem können Zustandsprognosemodelle auf Infrastrukturdaten basieren, welche in Brücken-Management-Systemen der Infrastrukturbetreiber gespeichert sind.

Die vorliegende wissenschaftliche Arbeit beschäftigt sich mit Zustandsprognosemodellen für Eisenbahnbrücken in Deutschland und deren möglicher Anwendung in einem Instandhaltungsmanagement. Mit der Kombination unterschiedlicher Arten von Infrastrukturdaten aus dem Brücken-Management-System der DB Netz AG wurde eine Datengrundlage für die Erstellung von Zustandsprognosemodellen geschaffen. Als wesentliche, bisher noch nicht verwendete Eingangsmerkmale wurden Schäden integriert und untersucht, ob diese die Leistung von Prognosemodellen verbessern können. Entscheidungsbäume als erklärbares maschinelles Lernverfahren sowie Multi-Layer Perceptrons als sogenannte Black-Box Modelle wurden für das Training von Zustandsprognosemodellen verwendet. Für die Hauptbauarten (Stahlbeton, Spannbeton, Stahl, Walzträger in Beton und Gewölbe) von Eisenbahnbrücken wurden für die Bauwerksteile Überbauten, Widerlager und Pfeiler jeweils Modelle zur Zustandsprognose erstellt. Durch das Einbeziehen von Schäden als Merkmale konnten ähnlich gute Prognoseleistungen mit beiden maschinellen Lernverfahren erzielt werden. Weiterhin konnte anhand der wichtigsten Merkmale der Modelle gezeigt werden, dass Schäden einen erheblichen Einfluss auf die Zustandsprognose besitzen. Mit den ähnlichen Prognoseleistungen zwischen Entscheidungsbäumen und Multi-Layer Perceptrons wurde ersichtlich, dass mit Schäden als Merkmale auch simple erklärbare Lernverfahren für die Zustandsprognose auf Grundlage von Infrastrukturdaten eingesetzt werden können. Die trainierten Modelle wurden bezüglich ihrer praktischen Anwendbarkeit bewertet. Für Brücken aus Spannbeton und Stahl sowie für Walzträger in Beton Brücken konnten ausgeglichene Modelle trainiert werden, welche eine gute Vorhersage aller Zustände ermöglichen und einen geringen kritischen Fehlklassifikationsanteil besitzen.

Zum Ende der Arbeit wurden die Anwendung der Zustandsprognosemodelle sowie die damit einhergehenden Grenzen aufgezeigt. Die auf Schäden basierten Zustandsprognosemodelle sind von den in Inspektionen aufgenommenen Schäden und der Entwicklung der Schadensausprägungen abhängig. Für einen Vergleich der prognostizierten Zustände wurden bauartenbezogene Alterungskurven aus Inspektionsdaten mit einem Erfassungszeitraum von ungefähr 21 Jahren abgeleitet. Die aus den Zustandsprognosemodellen abgeleiteten Alterungskurven liefern einen prädiktiven Ansatz für das Instandhaltungsmanagement und damit eine mögliche Grundlage für den Wandel der Instandhaltungsstrategie.

Wir gratulieren Hubert Naraniecki herzlich zum abgeschlossenen Promotionsverfahren und wünschen ihm alles erdenklich Gute und viel Erfolg für seinen weiteren Weg.