Bestandteile Digitaler Zwillinge im Erhaltungsmanagement von Verkehrsbrücken

Digitale Zwillinge werden zukünftig ein integraler Bestandteil des Erhaltungsmanagements von Verkehrsbrücken sein. In diesem Beitrag wird argumentiert, dass sie nicht nur als digitale Abbilder physikalischer Bauwerke verstanden werden sollten, sondern als eine umfassende digitale Methode, die durch die Integration von Datenerfassung, Erhaltungsmaßnahmen, Datenmanagement, Bauwerksbewertung und Entscheidungsunterstützung die Bauwerksüberwachung und ‐erhaltung verbessert. In diesem Zusammenhang wird betont, dass der Übergang von der reaktiven zur prädiktiven Erhaltung durch den Einsatz von Digitalen Zwillingen nur dann realisierbar ist, wenn neben den erforderlichen diagnostischen und prognostischen Zustandsanalysen auch Methoden zur Optimierung von Entscheidungen über Datenerfassung und Erhaltungsmaßnahmen implementiert werden. Zur Veranschaulichung der Diskussion werden in diesem Beitrag exemplarisch zwei Bestandteile eines Digitalen Zwillings für das Erhaltungsmanagement von Verkehrsbrücken am Beispiel einer Eisenbahnbrücke demonstriert. Dabei wird zum einen gezeigt, wie Monitoringdaten mittels eines Datenmanagementsystems strukturiert verwaltet und für angeknüpfte Analysen bereitgestellt werden. Zum anderen erfolgt im Rahmen einer bauwerksspezifischen Einwirkungsermittlung eine Zugidentifikation anhand von gemessenen Schwellenschwingungen.

Digital twins will become an integral part of the operation and maintenance management of traffic bridges in the future. This paper argues that they should not only be understood as digital representations of physical structures but as a digital methodology that enhances the operation and maintenance of bridges through the integration of data collection, maintenance actions, data management, structural assessment, and decision support. In this context, it is emphasized that the transition from reactive to predictive maintenance using digital twins can only be achieved if, in addition to the necessary diagnostic and prognostic condition analyses, methods for optimizing decisions on data collection and maintenance actions are also implemented. To illustrate this discussion, two key components of a digital twin for the operation and maintenance management of traffic bridges are demonstrated using a railway bridge as an example. First, it is shown how monitoring data can be systematically managed and made available for subsequent analyses through a data management system. Second, train identification based on measured sleeper vibrations is conducted as part of an object‐specific load assessment.