Structural Health Monitoring (SHM) dient zur Bestimmung und Überwachung des Zustands eines Bauwerks. Dabei kommt es zu kontinuierlicher oder periodischer Erfassung von großen Datenmengen, je nachdem ob auf bauwerksintegrierte Sensorik zurückgegriffen werden kann, oder ob die Er-fassung z. B. als vermessungstechnische Dienstleistung erfolgt. BIM bietet die Möglichkeit der Bereitstellung großer Datenmengen, der Prozessintegration und der Dokumentation vermessungstechnischer Leistungen (Clemen et al. 2019). Dadurch ermöglicht die Verbindung dieser beiden Methoden eine interdisziplinäre Auswertung verschiedenster Informationen über das Bauwerk innerhalb einer Plattform. Die frühzeitige Erkennung möglicher Zustandsänderungen der Bausubstanz hat insbesondere im Hinblick auf die Nachhaltigkeit der Lebens- und Nutzungsdauer des Objekts, von Bauteilen und von Bauteilschichten eine besondere Bedeutung. Eine effiziente Zugänglichkeit von SHM-Daten kann durch Integration dieser in die Bauwerkdatenmodellierung erfolgen (Zschiesche et al. 2020). Beispielhaft wird im vorliegenden Bericht die Integration in ein Bestands-BIM von zuvor erfassten und ausgewerteten Messergebnissen erprobt. Wie in Del Grosso et al. (2017) und Valineja-dshoubi et al. (2017) beschrieben, wird mittels dem Plug-in Keynote Manager sowie des Revit-Plug-ins BIM One und der Software Autodesk Revit das Vorgehen evaluiert.

Unmanned Aerial Vehicles (UAVs) stellen sich als sehr flexible und praxistaugliche Geräte auch für die Vermessung dar. Der Großteil der Systeme wird derzeit mit handelsüblichen Kameras betrieben – daraus abgeleitete Orthophotos oder Punktwolken werden vielfach für die Planung und Dokumentation verschiedener Anwendungen erfolgreich eingesetzt. Der Nachteil, der sich daraus ergibt, liegt zum einen in der sehr aufwendigen Berechnung von 3D-Punktwolken aus hochauflösenden Kamerabildern, zum anderen aber auch in der Unfähigkeit, Vegetation zu durchdringen und damit ein Geländemodell mit hoher Zuverlässigkeit zu erzeugen. Ebenfalls schwierig ist das Durchdringen von halbdurchlässigen Medien (z. B. Wasser). Abhilfe schaffen Multisensorsysteme, welche neben Kameras auch entsprechende Abstandsmodule integriert haben und somit aus mehreren Datenströmen einen Mehrwert generieren können. Die Integration unterschiedlicher Sensoren inkl. der notwendigen Verortung bringt aber auch einige Herausforderungen mit sich, u. a. eine komplexe und aufwendige Kalibration.

Das Fraunhofer-Institut für Physikalische Messtechnik IPM in Freiburg hat ein leichtgewichtiges und kompaktes Multisensorsystem entwickelt, welches aus folgenden Teilen besteht: schnelles laserbasiertes Abstandsmessmodul, zwei Farbkameras, inertiale Messeinheit (Inertial Measurement Unit, IMU) und Positionierungssystem (Global Navigation Satellite System, GNSS). Alle mechanischen Komponenten und das Gehäuse wurden soweit gewichtsoptimiert ausgeführt, dass ein Gesamtgewicht von knapp über 2 kg realisiert werden konnte. Die maximale Messdistanz des auf dem Pulslaufzeitverfahren basierenden Abstandsmessmoduls liegt bei 300 m (bei einer idealen Reflektivität der Oberfläche von 100 %). Die Präzision der Einzelpunktmessung (3 σ) liegt bei 15 mm.

Durch Integration von zwei RGB-Kameras kann nicht nur die erfasste Punktwolke entsprechend texturiert werden, sondern auch hochaufgelöste Orthophotos gerechnet werden. Durch diese zwei Datenströme (Punktwolke und Bilder) gelingt eine vollautomatisierte Auswertung der Daten mit Hilfe des maschinellen Lernens schnell und zuverlässig.

Der wissenschaftliche Beitrag wird zum einen die Entwicklungsschritte des Systems im Detail präsentieren, dann aber auch konkrete Ergebnisse aus der Anwendung vorstellen und eine Charakterisierung (Evaluierung) der Systemkomponenten darlegen.