Motivation                                                       

Der Klimawandel führt in Deutschland zu Wintern mit einerseits wenige Schneetagen, aber gleichzeitig intensiveren Niederschlägen und stärkerer Frostbildung. Gebäude werden dadurch gefährdet, da die bestehenden Normen für die Baustatik hierfür häufig unzureichend sind. Um Risiken zu vermeiden wird mit dem Schneemanagement versucht, die Belastung von Gebäuden zu überwachen und rechtzeitig Maßnahmen einzuleiten.

Ziele und Vorgehen

Für die Maßnahmenplanung bei Wetterereignissen, die die bauliche Stabilität von Gebäuden aufgrund von Schnee- und Eislasten gefährden können, existieren bisher keine ausreichend adäquaten digitalen Unterstützungswerkzeuge. Das Vorhaben erschließt gezielt geeignete Datenquellen, integriert diese in ein Monitoring und ermöglicht über eine informationstechnische Lösung eine ortsbezogene Prognose von Schneelasten. Dabei wird das MLOps-Paradigma in den Phasen Konzeption, Entwicklung und Erprobung angewendet, um unter Nutzung von Maschine Learning geeignete Sensoren und Datenquellen anzubinden, auszuwerten und bereitzustellen.

 Innovationen und Perspektiven

Die in FROST entwickelte informationstechnische Lösung digitalisiert, optimiert, präzisiert und erleichtert das ortsbezogene Schneemanagement. Mit ihrer Hilfe können schneller sichere Entscheidungen zur Auslösung von Maßnahmen zur Risikobeseitigung getroffen werden. Längerfristig entsteht ein lernendes System, welches geeignet ist, die Schneelasten auf allen Dächern in Deutschland nach einheitlichen Kriterien zu prädizieren.  Das Vorhaben wirkt einem bestehenden informationstechnischen Defizit mit hoher gesellschaftlicher und wirtschaftlicher Bedeutung unter Einbeziehung der Datenwissenschaft und digitaler Informationstechnologien entgegen.

Projektpartner:

• Schneelogistik GmbH
• innosaxess GmbH
• Institut für Digitale Technologien