Künstliche Intelligenz soll Zermatt-Brig-Bahnstrecke überwachen
Oberwallis 25.09.2024 - 22:00
Auf der Bahnstrecke Zermatt–Brig will man auf künstliche Intelligenz zur Überwachung von Rissen setzen. Die Methode wird von einem Forschungsteam getestet.
Das Wichtigste in Kürze
- Die Zermatt-Brig-Bahnstrecke wird künftig mit KI überwacht.
- Es soll eine Methode zur Kontrolle von Rissen auf der Strecke getestet werden.
- Das Forschungsteam der EPFL hat dafür einen KI-Algorithmus trainiert.
Die Zugstrecke zwischen Zermatt und Brig im Kanton Wallis wird künftig mit künstlicher Intelligenz (KI) überwacht. Ein Lausanner Forschungsteam testet auf dieser Strecke eine KI-gestützte Methode zur Überwachung von Rissen.
Dadurch würden die Inspektionen der Zugstrecke effizienter, schrieb die Eidgenössische Technische Hochschule in Lausanne (EPFL) in einer Mitteilung vom Mittwoch.
Bisher werden Bahnstrecken meist manuell von Fachleuten inspiziert. Sie beurteilen den Zustand von Infrastrukturen wie Stützmauern oder Betonschwellen anhand festgelegter Kriterien.
Diese Methode birgt laut der Hochschule jedoch das Risiko subjektiver Einschätzungen. Da verschiedene Inspektoren die Schäden zu verschiedenen Zeitpunkten unterschiedlich beurteilen können.
Künstliche Intelligenz löst Problem subjektiver Beurteilungen
Um dieses Problem zu lösen, hat das Forschungsteam der EPFL einen KI-Algorithmus trainiert. Es soll zwischen Bildern mit Rissen und solchen ohne Risse unterscheiden.
Diese künstliche Intelligenz kann nun mit Bildern gefüttert werden, die über Jahre von einem Eisenbahnabschnitt aufgenommen wurden. Sie kann so die Schwere der Risse in den Wänden und Schwellen im Laufe der Zeit quantifizieren.
In einer Studie im Fachblatt «Automation in Construction» zeigten die Forschenden, dass diese Überwachungsmethode funktioniert. Künftig wird die künstliche Intelligenz auf den Bahnstrecken zwischen Zermatt und Brig sowie zwischen Brig und Disentis geprüft.
Diese Streckenabschnitte enthielten eine Reihe von Stützmauern mit unterschiedlichen Formen und Materialien. Dies mache die Aufgabe für den Algorithmus sehr anspruchsvoll, hiess es von der EPFL.
