TY - THES A1 - Janes, Valentin T1 - Potenziale des Einsatzes von Künstlicher Intelligenz zur Rezeptentwicklung und Prognose der Eigenschaften von ZFSV N2 - “Methoden der Künstlichen Intelligenz (KI) werden im Bauwesen bereits vielfältig eingesetzt. In den meisten Fällen sind sie jedoch auf Spezial- oder Forschungsprojekte beschränkt. Die Analyse von geotechnischen Labordaten stellt dabei noch eine Ausnahme dar. Die Hauptgründe für den geringen Einsatz von KI-Anwendungen in der Geotechnik liegen nach Ansicht der Autoren neben dem eingeschränkten Zugang zu geeigneten Daten vor allem an Unsicherheiten im Umgang mit KI-Methoden, insbesondere der Nachvollziehbarkeit.”(René Sonnenberg und M Sc David Döring, 2023, S. 1) Aus diesem Grund wird in vorliegender Arbeit das Potenzial des Einsatzes von Künstlicher Intelligenz zur Rezeptentwicklung und Prognose der Eigenschaften von zeitweise fließfähigen, selbstverdichtenden Verfüllbaustoffen (ZFSV) untersucht. ZFSV werden hauptsächlich im Erd- und Tiefbau eingesetzt. Sie sind eine Mischung, welche in der Lage ist, ohne äußere Verdichtung unter dem Einfluss von Schwerkraft Hohlräume vollständig zu füllen. Dabei bietet der ZFSV logistische, ökonomische und ökologische Vorteile gegenüber konventionellen Verfüllmaterialien wie Sand. Aktuelle Forschungsprojekte an der HafenCity Universität (HCU) in Hamburg zeigen, dass ZFSV mit dem Einsatz von Recycling-Materialien noch nachhaltiger hergestellt werden kann (Weidlich, Banushi, Büschken u. a., 2022, S. 17). Das Ziel der Arbeit ist es, durch Verwendung digitaler Methoden, geotechnische Labordaten zu strukturieren und mittels KI auszuwerten. Die Auswertung mithilfe von Künstlicher Intelligenz erfolgt durch Programmierung einer Anwendung in Python. Mit der Auswertung will man Vorhersagen über die Rezeptur und Eigenschaften von ZFSV treffen. Dadurch ist es möglich, den ZFSV ressourcenschonender herzustellen, was gerade angesichts der aktuellen Thematik Nachhaltigkeit im Bausektor und dessen CO2-Bilanz positiv beitragen kann. KW - KI KW - Geotechnik KW - Datenbanken KW - Digitalisierung Y1 - 2024 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-77347 ER -