| Versionsnummer | 1 |
| Berichtsreferenz | vor Projektstart |
| Projekttitel | SmartStreet |
| Projektstart | 01/10/2025 |
| FFG Förderprogramm | Mobilitätswende 2024/2 - Mobilitätssystem |
| Projektbeschreibung: | Ausgangssituation, Problematik bzw. Motivation Im Sinne einer nachhaltigen Entwicklung und vor dem Hintergrund der sich ständig verschärfenden Klimakrise wird im gegenständlichen Forschungsprojekt eine Methodik mit dem Ziel einer vermehrten Nutzung von recyclierten Baumaterialien im Infrastrukturbau vorgestellt. Geschlossene Werkstoffkreisläufe (Recycling) weisen im Vergleich zur linearen Werkstoff-Vita (Rohstoff-Werkstoff-Entsorgung) eine signifikant bessere Energie- und Treibhausgasbilanz auf. Im geschlossenen Werkstoffkreislauf wird zwischen Upcycling und Downcycling unterschieden. Bei letzterem hat das Material im aktuellen Zyklus qualitativ schlechtere Eigenschaften (oder minderqualitative Anwendung) als in der vorhergehenden Applikation. Das ist der vorherrschende Fall bei Recyclingmaterialien im Straßenbau (z.B. aufgefrästes Asphaltgranulat oder aufgebrochener Altbeton, welcher als ungebundene Tragschicht zum Einsatz kommt). Ziele und Innovationsgehalt Im Rahmen des gegenständlichen Forschungsprojekts soll das Potential KI-basierter Methoden aufgezeigt werden. Hierbei soll die in der Regel begrenzte Anzahl an experimentellen Daten durch ein gestaffeltes Training des zu Grunde liegenden artificial neural network (ANN) begegnet werden. Neben experiment-basierten Methoden sollen zur Erweiterung der Datensätze auch modell-basierte Methoden eingesetzt werden. Letztere zeichnen sich durch eine vereinfachte Abbildung der Materialmorphologe aus, obgleich verhältnismäßig mehr Datensätze generiert werden können. Der Fokus des gegenständlichen Projekts liegt auf Betonen und Asphalten unter Verwendung recyclierter Baumaterialien, wobei im ersten Schritt die KI-basierte Beschreibung die mechanischen Eigenschaften (Steifigkeit, Kriechen, Festigkeit) zement- und bitumengebundenen Baustoffe umfassen soll. Nichtsdestotrotz sollen neben der experimentellen Charakterisierung der mechanischen Eigenschaften für eine zukünftige Erweiterung des ANN auch recycling-spezifische Aspekte untersucht werden. Hierzu zählen Kalorimetermessungen von Zementen mit Feinanteilen zur Erfassung der veränderten Reaktionskinetik durch die vorhandenen CSH Keimbildner. Bei den bitumen-gebundenen Baustoffen sollen Infrarot-Spektroskopiemessungen durchgeführt werden, welche die Quantifizierung des Alterungszustands bzw. der Beigabe von Verjüngungsmittel erlaubt. Angestrebte Ergebnisse bzw. Erkenntnisse Durch den gewählten gestaffelten Ansatz beim Training des ANN soll zu Projektende ein trainiertes ANN für die Verwendung von recyclierten Baumaterialien zur Verfügung stehen. Schlussendlich soll das Potential der KI-basierten Vorgehensweise und sohin der vermehrten Verwendung von recyclierten Baumaterialien anhand von zwei ausgewählten Straßenbaustellen aufgezeigt werden. |
| Projekt Webseite: | - |
| Weitere projektbezogene Links (z.B. Services) | - |
| Projekt Standardkeywords | Verkehrsinfrastruktur |
| Projekt individual Keywords: | künstliche Intelligenz, gestaffeltes ANN Training, modell-basierte Methoden, experiment-basierte Methoden, Recyclingbaustoffe |
| Mobilitätsart: | Straßenverkehr |
| Organisation | Ansprechperson | Telefonnummer | |
|---|---|---|---|
| Universität Innsbruck | Roman Lackner | roman.lackner@uibk.ac.at | 0512 507-63500 |
| Organisation | Ansprechperson | Telefonnummer | |
|---|---|---|---|
| Porr Bau GmbH | Christian Rauch | christian.rauch@porr.at | 0664 626- 5977 |
| Porr Umwelttechnik GmbH | Sabrina Seebacher | sabrina.seebacher@porr.at | 0664 626-1716 |
| Subprojekte | Projektname | Projektbeschreibung | Telefonnummer |
|---|---|---|---|
| S1 | - | - | - |
| Relevante Vorprojekte | |
|---|---|
| Projektname | Innovative Methoden für die Herstellung qualitativ hochwertiger Recyclingbaustoffe - EcoRoad |
| Projektbeschreibung | Im Sinne einer nachhaltigen Entwicklung und vor dem Hintergrund der sich ständig verschärfenden Klimakrise wird im gegenständlichen Forschungsprojekt eine Methodik mit dem Ziel eines nahezu geschlossenen Werkstoffkreislaufs beim Abbruch und der Wiederherstellung / dem Upgrade von Straßendecken (Beton- und Asphaltstraßendecken) vorgestellt. Geschlossene Werkstoffkreisläufe (Recycling) weisen im Vergleich zur linearen Werkstoff-Vita (Rohstoff-Werkstoff-Entsorgung) eine signifikant bessere Energie- und Treibhausgasbilanz auf. Im geschlossenen Werkstoffkreislauf wird zwischen Upcycling und Downcycling unterschieden. Bei letzterem hat das Material im aktuellen Zyklus qualitativ schlechtere Eigenschaften (oder minderqualitative Anwendung) als in der vorhergehenden Applikation. Das ist der vorherrschende Fall bei Recyclingmaterialien im Straßenbau (z.B. aufgefrästes Asphaltgranulat oder aufgebrochener Altbeton, welcher als ungebundene Tragschicht zum Einsatz kommt). Die im Rahmen des gegenständlichen Forschungsprojekts zu entwickelnde Methodik besteht aus einem modellbasierten Ansatz zur Beschreibung - auch der zeitabhängigen – mechanischen Eigenschaften von zement- und bitumengebundenen Werkstoffen. Die hierfür erforderliche experimentelle Charakterisierung sowie Validierung der Modellannahmen und –prognose führt zu einem hybriden Forschungsansatz, der sowohl experimentelle Forschung als auch theoretischer Forschung umfasst: 1. So sollen antiquierte experimentelle Methoden zur Charakterisierung der Werkstoffe (insbesondere der Bindemittelphasen Zement und Bitumen) durch State-of-the-Art Methoden (z.B. Kalorimetrie für Reaktionskinetik, spektroskopische Methoden zur Charakterisierung der Alterung von Bitumen) ersetzt und hinsichtlich der Besonderheiten beim Recyclingprozess (wie Einfluss von Altbeton auf die Reaktionskinetik des eingesetzten Zements, Prognose des Alterungsverhaltens von aufbereitetem Bitumen) erweitert werden. 2. Darauf aufbauend sollen die in den Bindermaterialien experimentell quantifizierten ablaufenden Prozesse modellmäßig erfasst werden. Diese wiederum dienen in weiterer Folge als Eingangsgrößen für ein Mehrskalenmodell zur Bestimmung der effektiven mechanischen Eigenschaften heterogener Massenbaustoffe (Beton und Asphalt). Durch die Verwendung der Bindereigenschaften kann bei der Mehrskalenmodellierung auf feinere Skalen verzichtet werden, was eine praxisnahe Aufbereitung des Modells ermöglicht und zukünftige Anwendungen realistisch macht. Auch bei der Entwicklung des Mehrskalenmodells sollen die Besonderheiten des Recyclingprozesses (wie Eigenschaften des aufbereiteten Zuschlags) berücksichtigt werden, wodurch schlussendlich die Prognose der mechanischen Eigenschaften von gebundenen Recyclingbaustoffen möglich wird. 3. Die Qualität dieser Prognose soll im letzten Schritt durch die Errichtung von Teststrecken bereits im Rahmen des gegenständlichen Projekts überprüft werden. Darüber hinaus soll die Leistungsfähigkeit der vorgestellten Methodik aufgezeigt werden, wobei ausgehend von der heute möglichen Beimengung von Recyclingmaterial die Beimengungen erhöht und die erzielbare Qualität des Recyclingbaustoffs durch den Einsatz der zu entwickelnden Methodik zumindest gehalten, wenn nicht sogar verbessert wird. Durch den gewählten hybriden Forschungsansatz, bestehend aus der Charakterisierung mit State-of-the-Art Experimenten und der Mehrskalenmodellierung heterogener Massenbaustoffe, soll die Zugabe von Recyclingmaterialien im Zuge der Wiederverwendung maximiert werden. Gleichzeitig soll durch die verbesserte modellbasierte Erfassung der Eigenschaften der Bindermaterialien, die Zugabe von Neumaterial beim Recyclingprozess reduziert werden. Beide Stoßrichtungen bereiten den Weg zu einem geschlossenen Werkstoffkreislauf und leisten sohin einen wesentlichen Beitrag zur Verbesserung der Energie- und Treibhausgasbilanz von Massenbaustoffen. |
| Projektlink | |
| Projektzeitraum | 2022-2025 |
| Genderdaten im Projekt | |||
|---|---|---|---|
| Werden im Projekt Daten zu Gender erhoben? | Nein | ||
| Werden im Projekt Daten aus Genderperspektive analysiert? | Nein | ||
| Werden genderbezogene Daten in Kombination mit anderen Faktoren (Alter, sozioökonomische Faktoren, etc.) analysiert? | Nein | Wenn ja, mit welchen? | - |
| Werden neben Gender auch Daten zu anderen Diversitätsdimensionen (Alter, ethnische Zugehörigkeit, sexuelle Orientierung, Behinderung, soziale Herkunft) erhoben und analysiert? | Nein | Wenn ja, welche? | - |
| Zu welchen Datenkategorien bzw. thematischen Fragekomplexen (Nutzung, Verhalten, Einstellung, Sicherheit, etc.) werden gendersensible Daten analysiert? | - |
| Q_ID | Subprojekt ID | Titel | Textbeschreibung | Link | Datenart | Verfügbarkeit | Datenformat | Daten gültig ab | Daten gültig bis | Nutzungszeitraum | Personenbezogenen Daten enthalten | Wichtigkeit für das Projekt | Arbeitspaket | Speicher und Backup Methoden | Organisation | Ansprechpartner | Telefonnummer | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Q1 | CMM | Ergebnisse zu mechanischen Eigenschaften ermittelt mittels der CMM (continuum micromechanics) | Rechenergebnisse | Auf Anfrage verfügbar | ASCII | Erzeugung | Nein | Mittel | 2.0 | Server | UIBK | Roland Traxl | Roland.Traxl@uibk.ac.at | None | ||||
| Q2 | RVE | Ergebnisse zu mechanischen Eigenschaften ermittelt mittels eines RVE (representative volume element) | Rechenergebnisse | Auf Anfrage verfügbar | ASCII | Erzeugung | Nein | Mittel | 2.0 | Server | UIBK | Roland Traxl | Roland.Traxl@uibk.ac.at | None | ||||
| Q3 | Experimente | Versuchsergebnisse zu mechanischen Eigenschaften | Versuchsergebnisse | Käuflich erwerbbar | ASCII | Erzeugung | Nein | Mittel | 2.0 | Server | UIBK | Roland Traxl | Roland.Traxl@uibk.ac.at | None | ||||
| Q4 | KI | Trainiertes neuronales Netz zur Beschreibung/Prognose der mechanischen Eigenschaften | Neuronales Netzwerk | Käuflich erwerbbar | Python | Erzeugung | Nein | Hoch | 3.0 | Server | UIBK | Roland Traxl | Roland.Traxl@uibk.ac.at | None |
| M_ID | Subprojekt ID | Quellen ID's | Titel | Textbeschreibung | Methodenart | Methodenreferenz | Öffentlich verfügbar |
|---|---|---|---|---|---|---|---|
| M1 | Q1 | None | None | None | None | ||
| M2 | Q2 | None | None | None | None | ||
| M3 | Q3 | None | None | None | None | ||
| M4 | Q4 | None | None | None | None |
| E_ID | Methoden ID's | Subprojekt ID | Titel | Textbeschreibung | Datenart | Datenformat | Öffentlich verfügbar | Voraussichtliches Erstellungsdatum | Räumliche Auflösung | Zeitliche Auflösung | Link zu Daten | Vorhaltezeitraum | Organisation | Ansprechperson | Telefonnummer | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| E1 | M1 | CMM | Daten erhalten durch die Anwendung CMM-basierter Methoden | Rechenergebnisse | ASCII | None | Projektlaufzeit | UIBK | Roman Lackner | Roman.Lackner@uibk.ac.at | 0512 507-63500 | |||||
| E2 | M2 | RVE | Daten erhalten durch die Anwendung RVE-basierter Methoden | Rechenergebnisse | ASCII | None | Projektlaufzeit | UIBK | Roman Lackner | Roman.Lackner@uibk.ac.at | 0512 507-63500 | |||||
| E3 | M3 | Experimente | Daten erhalten durch die Anwendung experimenteller Methoden | Versuchsergebnisse | ASCII | None | Projektlaufzeit | UIBK | Roman Lackner | Roman.Lackner@uibk.ac.at | 0512 507-63500 | |||||
| E4 | M4 | KI | Trainiertes neuronales Netzwerk auf Basis der Datenquellen Q1, Q2 und Q3 | Neuronales Netzwerk | Python | None | Projektlaufzeit | UIBK | Roman Lackner | Roman.Lackner@uibk.ac.at | 0512 507-63500 |
| Kooperation mit anderen Projekten | Projektname: | Webseite: | |
| Keine | |||
| Operative Ergebnis- und Datenverwendung | Anwendung: | Link: | |
| Keine |