KI, Physik und IoT vereint: Neues Framework für den Erhalt von Kulturerbe

Die Bewahrung von Kulturgütern steht zunehmend im Fokus wissenschaftlicher und technischer Entwicklungen. Ein neues Forschungsprojekt präsentiert ein umfassendes Framework, das Internet‑of‑Things‑Sensoren, künstliche Intelligenz und physikalisches Fachwissen kombiniert, um die Überwachung und vorausschauende Instandhaltung von historischen Objekten zu optimieren.

Das System besteht aus vier funktionalen Schichten, die es ermöglichen, 3‑D‑Modelle von Kulturgütern zu analysieren und Simulationen zu erstellen, die sowohl aus Daten als auch aus physikalischem Wissen gespeist werden. Im Kern steht die Anwendung von Physics‑Informed Neural Networks (PINNs), die physikalische Gesetze in tiefen Lernmodellen verankern. Zur Steigerung der Rechenleistung werden zudem Reduced‑Order‑Methoden – insbesondere Proper Orthogonal Decomposition (POD) – eingesetzt, die mit klassischen Finite‑Element‑Methoden kompatibel sind.

Ein weiteres Merkmal des Ansatzes ist die automatische Verwaltung und Verarbeitung von digitalen 3‑D‑Replikaten, die direkt in die Simulationen einfließen. Dadurch wird ein nahtloser Übergang von der Datenerfassung zur Analyse ermöglicht, ohne dass manuelle Eingriffe erforderlich sind.

Die vorgestellte Methode liefert drei zentrale Beiträge: Erstens eine robuste Vorgehensweise zur Aufbereitung von 3‑D‑Modellen für zuverlässige Simulationen. Zweitens die Integration von PINNs, die datengetriebene und physikbasierte Ansätze vereinen, um die Erhaltung von Kulturgütern zu unterstützen. Drittens die Kombination von PINNs mit ROMs, die eine effiziente Modellierung von Verschlechterungsprozessen unter Einbeziehung von Umwelt- und Materialparametern erlaubt. Der Ansatz ist reproduzierbar und offen zugänglich, was die Weiterentwicklung und Anwendung in der Praxis erleichtert.