KI in Geotechnik und Baugrundanalyse
Der Deep Dive erklärt, wie KI Erkundungsdaten für die Baugrundanalyse nutzbar macht. Die Studie zeigt dazu eine konkrete Bemessungsaufgabe für Offshore-Ankerpfähle.
Deep Dive öffnenInnovation Scout · Quellenprofil
Ankerpfähle im Meeresboden: Was KI aus benachbarten Sondierungen ableiten kann
Ein Forschungsteam nutzt umliegende Bodenmessungen, um den Untergrund an einer geplanten Ankerposition zu schätzen. Für die Wahl der Pfahllänge berücksichtigt es auch, wie unsicher diese Prognose ist.
Auf dieser Seite
Den Untergrund an einer neuen Ankerposition einschätzen
Ankerpfähle halten beispielsweise schwimmende Offshore-Anlagen am Meeresboden fest. Wie tief ein Pfahl reichen muss, hängt von den aufzunehmenden Zugkräften und dem Widerstand des Bodens ab. Wird seine geplante Position verschoben, fehlen dort möglicherweise eigene Messungen. Qianbiao Liu und sein Forschungsteam untersuchen, wie sich dann benachbarte Drucksondierungen nutzen lassen. Dabei wird eine Messspitze in den Boden gedrückt und ihr Widerstand über die Tiefe aufgezeichnet.
Für den Versuch standen 60 Sondierungen aus einem Meeresgebiet vor Nordwestaustralien zur Verfügung. Das Team ließ die Messung am gewählten Pfahlstandort beim Lernen weg und schätzte dessen Bodenprofil mit zwei KI-Verfahren aus den übrigen 59 Sondierungen. Der nächste Messort lag mehr als 1,9 Kilometer entfernt. Beide Verfahren beschreiben neben dem erwarteten Bodenwiderstand auch eine Bandbreite möglicher Bodenprofile. Sie zeigt, wie unsicher die Schätzung des Widerstandsverlaufs über die Tiefe ist. Die zuvor weggelassene Messung erlaubte es anschließend, die Prognosen mit dem tatsächlich erfassten Bodenprofil zu vergleichen.
Wie aus dem Bodenprofil eine Pfahllänge wird
Für einen ersten Vergleich blieben die Annahmen zu Belastung und Sicherheitsbeiwerten gleich. Solche Beiwerte berücksichtigen Unsicherheiten, indem sie beispielsweise angesetzte Lasten erhöhen oder den rechnerisch nutzbaren Bodenwiderstand verringern. Beide KI-Verfahren ergaben für den beispielhaften Pfahl eine Länge von 22,5 Metern; das herkömmliche Verfahren auf Grundlage der umliegenden Sondierungen führte zu 23,5 Metern. In einer weiteren Berechnung nutzte das Team die vorhergesagte Streuung der Bodenprofile für eine wahrscheinlichkeitsbasierte Bemessung. Dabei wird festgelegt, wie klein die rechnerische Wahrscheinlichkeit sein soll, dass der Bodenwiderstand für die Belastung nicht ausreicht. Strengere Anforderungen führten im untersuchten Fall zu längeren Pfählen. So wird die Unsicherheit des geschätzten Untergrunds unmittelbar für die Bemessung nutzbar.
In frühen Phasen der Offshore-Planung könnte das helfen, verschiedene Ankerpositionen zu vergleichen. Vorhandene Erkundungsdaten ließen sich nutzen, um die Folgen einer Verschiebung vorläufig einzuschätzen und weitere Bodenuntersuchungen zu planen. Für einen anderen Standort bleibt entscheidend, ob die verfügbaren Sondierungen dessen geologische Verhältnisse ausreichend beschreiben.
Bibliografie
- Originaltitel
- Exploring the use of machine learning to support anchor pile design at unseen seabed locations
- Autoren
- Q. Liu, M. Bertolacci, M. F. Bransby, T. French und P. Watson
- Verantwortliche Einrichtung
- The University of Western Australia
- Quellenart
- Wissenschaftlicher Konferenzbeitrag
- Veröffentlicht in/auf
- Proceedings of the 5th International Symposium on Frontiers in Offshore Geotechnics (ISFOG 2025)
- Herausgeber/Verlag
- Christelle Abadie, Zheng Li, Matthieu Blanc und Luc Thorel (Herausgeber des Tagungsbands)
- Veröffentlichungsdatum
- Juni 2025
- Originalzugang
- PDF (öffnet in neuem Tab)
- Zugang
- frei lesbar
Weiterführendes in der Wissenswelt KI im Bau
Hier wird die Quelle verwendet
Deep Dives
Organisationen
Verantwortliche Organisationen
- University of Western Australia: Untergrundwissen für Offshore-Gründungen erforschen
Verantwortliche Einrichtung
Das Forschungsteam der University of Western Australia untersucht, wie benachbarte Sondierungen die Planung von Offshore-Gründungen unterstützen können.
Verknüpfte Fachbegriffe und Detailthemen
- Drucksondierung (CPT)
- Drucksondierungen erfassen den Bodenwiderstand über die Tiefe und liefern die Messdaten für Training und Vergleich der Prognosen.
- Maschinelles Lernen in der Geotechnik
- Zwei Lernverfahren schätzen aus benachbarten Sondierungen den Bodenwiderstand am gewählten Pfahlstandort; dessen eigene Messdaten werden erst zum Vergleich herangezogen.
- Bayessche Modellierung
- Eines der untersuchten Verfahren verwendet ein bayessches neuronales Netz, das Bodenprognosen mit einer Unsicherheitsbeschreibung verbindet.
- Unsicherheitsquantifizierung
- Die vorhergesagte Streuung der Bodenprofile geht in eine Bemessung mit vorgegebener rechnerischer Versagenswahrscheinlichkeit ein.