Adaptive digitale Zwillinge: Bayesianisches Lernen für präzise Entscheidungen

In einer neuen Studie von arXiv wird gezeigt, wie adaptive digitale Zwillinge die Wertschöpfung im Bauwesen steigern können. Durch die kontinuierliche Anpassung der Zustandsübergangmodelle lassen sich Entscheidungen präziser und effizienter treffen.

Die Interaktion zwischen dem physischen Bauwerk und seinem virtuellen Modell wird mit dynamischen Bayesschen Netzwerken abgebildet. Dabei werden die Übergangswahrscheinlichkeiten als Zufallsvariablen mit konjugierten Prioren behandelt, was eine hierarchische Online‑Lernphase ermöglicht. Das vorgestellte mathematische Rahmenwerk erweitert die bisherige Literatur um eine größere Vielfalt an Verteilungen.

Zur Veranschaulichung wurde das Konzept auf die Überwachung und Instandhaltungsplanung einer Eisenbahnbrücke angewendet. Die adaptive Plattform liefert personalisierte, robuste und kosteneffiziente Entscheidungsunterstützung, was die Wartungsplanung deutlich optimiert.