Die KI-gestützte Kanalzustandserfassung bietet eine effektive Lösung für die aufwändige und monotone Kanalinspektion. So werden Zustands- und Schadensmerkmale im Kanalnetzt durch eine automatisierte Bilderkennung erfasst. Dies trägt zu einem effizienten Kanalinspektionsprozess bei und unterstützt das Fachpersonal.
Kanalinspektion zeichnet sich durch einen monotonen und wiederkehrenden Prozess aus, der Zeit und Ressourcen bindet. Gleichzeitig ist die Branche mit einem Fachkräftemangel konfrontiert, was nicht nur zu einem Fehlen von qualifiziertem Nachwuchs führt, sondern auch zu einer übermäßigen Auslastung der bestehenden Belegschaft. Diese Überbelastung beeinträchtigt die Qualität der Kanalinspektion, da Ermüdung und nachlassende Konzentration zu fehlerhaften und subjektiven Bewertungen führen können.
Die KI-basierten Kanalzustandserfassung bietet eine effektive Lösung, um den Kanalinspektionsprozess effizienter, entlastender und objektiver zu gestalten. Die Lösung wurde auf die firmeneigene Cloud implementiert. Ein Nutzer kann über einen Webservice das Kanalinspektionsvideo hochladen, welches dann durch die im Backend liegenden KI-Modelle analysiert wird. Dabei wurden 25 KI-Modelle auf Basis von Bilddaten für die jeweilige Zustands- und Schadensklassen trainiert, wobei zunächst die prioritären und häufig auftretenden Merkmale abgedeckt sind. Nach der Verarbeitung wird eine Liste mit den erfassten Zustands- und Schadensmerkmalen angezeigt, die im Video nachverfolgt werden können. Durch einen einfachen Klick auf ein Zustands- oder Schadensmerkmal springt das Video zum entsprechenden Zeitpunkt, um sich selbst zu vergewissern, ob die KI eine korrekte Erfassung gemacht hat. Im Ergebnis liegt eine dokumentierte Zustands- und Schadenserfassung vor, die im weiteren Prozess für die Bewertung durch Ingenieure relevant ist. Dies ermöglicht es, notwendige Maßnahmen wie Reparaturen und Sanierungen einzuleiten.
Im Projekt "KIKI" wurde die Lösung in der Cloud implementiert, was bedeutet, dass für die Analyse ein Kanalinspektionsvideo vorliegen muss. Dies führt zu einem zweistufigen und nachgelagerten Prozess, bei dem der Kanal zunächst befahren und aufgezeichnet wird, bevor die Analyse erfolgt. Die ursprüngliche Vision ist jedoch, die automatisierte Zustandserfassung unmittelbar während der Befahrung einzusetzen, um einen zweistufigen, nachgelagerten Prozess über die Cloud zu vermeiden.
