Intelligente Wege - Condition Monitoring und Predictive Maintenance für Forstwege; Akronym: INTELLIWAY

Abstract

Das Verbundvorhaben Intelliway wurde in acht Teilvorhaben (TV) und sieben Arbeitspakete (AP) unterteilt. Im Rahmen von AP1 wurden methodische Richtlinien für die Klassifizierung des Waldwegezustands entwickelt. Dies erfolgte durch die enge Zusammenarbeit zwischen dem FFK und dem KWF (siehe TV5), um eine Schnittstelle sowie Standards für die Datenhaltung zu definieren. Die Wegeklassifikation sowie ein umfassender Anspracheschlüssel wurden durch das KWF in den NavLog-Workshops (13. April und 25. Oktober 2022) intensiv diskutiert. In diesem Zusammenhang erarbeitete das Fraunhofer IFF die Grundlagen für leitfadengestützte Interviews, wobei die Zielsetzungen aus AP4 berücksichtigt wurden. In diesem Arbeitspaket führte das Fraunhofer IFF Befragungen zur Erhebung von forstbetriebsinternen Datenquellen durch, um Einflüsse auf die Wegezustände abzuleiten. Zu den befragten Experten gehörten Wegebauexperten aus zwei Landesforstbetrieben (Landesforstbetrieb Sachsen-Anhalt und ThüringenForst) sowie Fachleute aus den Bereichen IT, Standardisierung und Technik im erweiterten Umfeld des forstlichen Wegebaus. Im Hinblick auf die digitale Dokumentation von Daten und Informationen zur Planung und Durchführung wegebaulicher Maßnahmen wurde festgestellt, dass in beiden Forstbetrieben keine zentral zugreifbare Erfassung und Dokumentation existiert, die für eine umfassende digitale Auswertung geeignet wäre (siehe TV3). Entsprechend des Meilensteins 1 (M1) wurde der einheitliche Ansprechschlüssel zur Abbildung des Wegezustands in Zusammenarbeit mit den Projektpartnern vorbereitet. In Kooperation mit dem KWF wurde ein einheitliches Leistungsverzeichnis erstellt. Als Nächstes wurde der Standard zur Waldwegezustandsklassifizierung durch das KWF „Fachressort Holzlogistik und Datenmanagement“ in Zusammenarbeit mit dem KWF-Arbeitsausschuss „Walderschließung“ abgestimmt. Die KWF-Wegezustandsklassifizierung (https://kwf2020.kwf-online.de/medien/) wurde vom FFK und dem Intelliway-Konsortium in verschiedenen Gremien und Ausschüssen begutachtet und abgeschlossen (siehe TV 1&5). Programmgemäß wurden die Testgebiete in den Forstbetrieben ThüringenForst, NRW, Landesforsten Rheinland-Pfalz, Forst BW und SachsenForst ausgewählt (M2.1). Insgesamt wurden rund 2.800 km Waldwege mit unterschiedlichen Wegezuständen befahren (siehe TV1, 8). Die erhobenen Messdaten wurden den Projektpartnern in der Projektcloud zur Verfügung gestellt. Die Rohdaten in Form von MQTT-Dateien wurden anschließend durch die iFOS GmbH in das iFOS-GeoJSON-Format umgewandelt und dem Fraunhofer IFF zur Auswertung bereitgestellt (siehe TV5). Die Erstellung von Vorhersagemodellen sowie Tests mit den Messdaten (M2.2) umfassen die Analyse der wiederholten, sensorbasierten Datenerhebung mit verfügbaren Erfassungstechnologien und die Entwicklung robuster Algorithmen. Um die Bedeutung eines intakten Waldwegenetzes als wertschöpfungsrelevanten Faktor für die Produktion und Logistik aller Akteure im Cluster Forst-Holz zu verdeutlichen, wurde durch das Fraunhofer IFF die Projektseite „Vorausschauende Instandhaltung forstlicher Wegenetze (Intelliway)“ erstellt (M6) (https://www.holzlogistik.iff.fraunhofer.de/de/forschungsprojekte/intelliway.html). Die wesentlichen Ergebnisse wurden im IFF-Fachvortrag „Predictive Forest Road Maintenance for Sustainable Supply Chains“ auf der Ligna 2021 (WOOD INDUSTRY SUMMIT) präsentiert. Dort wurden neue digitale Lösungen zur Instandsetzung und Instandhaltung von Waldwegen diskutiert. Im Rahmen der Jahressitzung des KWF-Arbeitsausschusses Walderschließung (11. / 12.11.2021) wurde eine Arbeitsgruppe aus interessierten Wegebauexperten gegründet. Des Weiteren wurden die Arbeiten zur Auswahl, Dimensionierung und dem Training geeigneter Verfahren zur Ermittlung des Wegezustands auf Basis von Sensordaten begonnen (siehe TV5). Im Experten-Workshop beim KWF (12. / 13.01.2022) wurden Mitwirkende sowohl aus dem Schwesterprojekt Contura als auch aus den beteiligten Partnern von Intelliway zusammengebracht. Wegebauexperten, Fachleute aus der Messtechnik und der Datenverarbeitung diskutierten und integrierten beide Projektperspektiven (M6). Anschließend wurden mehrere bilaterale Online-Meetings (12.-13.04., 11.05. und 24.08.2022) zum fachlichen Austausch mit den Projektpartnern durchgeführt (siehe TV1, 3 & 5). Im nächsten Schritt wurden intern bei der iFOS GmbH sowie in Zusammenarbeit mit den Projektpartnern FFK Gotha, Fraunhofer IFF und der Firma eEntwicklung technische Spezifikationen, mögliche Schnittstellen und Normen zum Eingang der Sensordaten diskutiert und erarbeitet (siehe TV6). Zudem wurden die Wegezustandsdaten auf Abschnitte gegliedert, um sie mit KI- und regelbasierten Methoden sinnvoll auszuwerten. Als Ergebnis wurden die Schnittstellen festgelegt, um die Sensordaten an die Test- und Entwicklungsumgebung anzubinden. Für das GeoJSON-Format, welches die Lanze ausgibt, wurde von iFOS ein eigenes Datenschema entwickelt. Aufgrund seiner Flexibilität und Leistungsfähigkeit wurde das offene Datenformat GeoJSON für die nachgelagerte Datenverarbeitung, insbesondere für die Wegezustandsklassifizierung, in beiden Pipelines (KI-basiert und regelbasiert) als Standard für die Auswertung des Wegezustandes festgelegt (M2.3). Diese Entscheidung wurde im Projektmeeting am 14.12.2022 zwischen den Projektpartnern FFK Gotha, Fraunhofer IFF, eEntwicklung und iFOS getroffen, da jeder Partner problemlos mit diesem Format und seinen Spezifikationen arbeiten kann. INTEND gab im vorherigen Austausch an, dass sie mit allen gängigen Geodatenformaten arbeiten kann. In Abstimmung mit den Konsortialpartnern, insbesondere dem KWF, sowie NavLog wurde das Rückgabeformat der Klassifikationsergebnisse durch FFK, iFOS und IFF festgelegt (siehe TV 1, 3 & 6). Mögliche Meta-Informationen wie Beschreibungen der Modelle oder Angaben zu Unsicherheiten der Klassifikation können für die Dokumentation in den innerbetrieblichen Systemen der Forstbetriebe, wie z.B. einem Waldinfromationssystem (WIS), übergeben werden. Für die Integration in den NavLog-Datensatz sollen jedoch lediglich das Klassifikationsergebnis sowie die Quelle der Klassifikation übermittelt werden. Des Weiteren wurden Absprachen mit den Projektpartnern FFK, IFF und FZB zur Übergabe der Wegezustandsklassifikationen, Metadaten und Trainingsdaten getroffen. Die im Zeitraum von Q2/2023 bis Q3/2024 erfassten Daten wurden an das IFF als Linien- und Punkt-Geometrien in verschiedenen Geodatenformaten übermittelt (M3). In 2023 wurde die Ermittlung und Bereitstellung ergänzender Daten zu wegebaulichen Maßnahmen (Instandhaltungsdaten) im Testgebiet Thüringen sowie die Ermittlung täglich aufgelöster historischer Wetterdaten abgeschlossen, die in Absprache zwischen FFK und IFF ausgewählt und vom Deutschen Wetterdienst DWD bezogen wurden (siehe TV 2 & 3). Zudem wurde durch INTEND ein Geoprocessing-Modell zur Ermittlung der erwartbaren Wegebelastung durch den Abtransport von Holzmengen sowie den daraus entstehenden Wegeschäden konzipiert und entwickelt (M4.1). Die eingesetzten Methoden und Algorithmen zur Modellierung der Wegebelastung ermöglichten die Erstellung eines Modells, das programmatisch umgesetzt werden konnte (siehe TV 6). Die Anforderungen wurden in einzelne Modelle für eine Prozesskette gruppiert, um den im Intelliway-Projekt realisierbaren Umfang abzugrenzen. Fokussiert wurde sich auf die Automatisierung eines „Holzmengennutzungsmodells“ sowie einer „Netzwerkanalyse“, um als Ergebnis eine „Belastungskarte für die Wege“ zu generieren (M4.2). Im Rahmen des 5. Projekttreffens des Projekts „IntelliWay“ (18./19. Oktober 2023, Kassel) wurde dieses Modell präsentiert, um Neuigkeiten und bevorstehende Aufgaben vorzustellen. Zu den zentralen Themen gehörten die Schadstufenanalyse sowie der Projektstand, insbesondere in Bezug auf externe und assoziierte Partner. Zudem wurde die durch INTEND durchgeführte IntelliWay-Befragung für die Bundesländer Nordrhein-Westfalen (NW), Thüringen (TH), Rheinland-Pfalz (RP) und Baden-Württemberg (BW) diskutiert und zusammengefasst (M5.1 & M6.1). Bei der Festlegung von GeoJSON als universelles Austauschformat unter den Projektteilnehmern wurden Abstimmungen zu folgenden Punkten getroffen: Koordinatensystem [WGS84, Projektion], Wegeabschnitt [Koordinaten, ID, Metadaten], Sensordaten [Original, Kombiniert, Verarbeitet, Metadaten], Schadstufen [Schema], RFC 7946 (siehe TV7). Zur Optimierung von GNSS-Positionsdaten und deren Verknüpfung mit Wegeinformationen wurden robuste Algorithmen für den Umgang mit fehlenden (Messfehler, GNSS-Signal unterbrochen), redundanten (mehrfache Befahrung einer Strecke) und widersprüchlichen Daten (mehrfache Befahrung einer Strecke) entwickelt (M2.3). Ein weiterer Arbeitsschritt war die Entwicklung von robusten Algorithmen für den Umgang mit fehlenden Daten (Messfehler, GNSS-Signal unterbrochen) sowie redundanten und ggf. widersprüchlichen Daten (mehrfache Befahrung einer Strecke). Hierfür wurde eigens eine Software entwickelt (siehe TV6). Die Log-Daten im Rohformat wurden eingelesen, Datenfehler korrigiert und fehlende (GNSS)-Daten ergänzt oder bereinigt (M2.3). Ein spezieller Algorithmus („maple.0-dev“) wurde konzipiert, um Fehler im Datensatz (z.B. durch fehlerhaftes Timing oder Lücken) zu identifizieren und zu ersetzen, bzw. Datenlücken durch Interpolationsalgorithmik zu schließen. Dank des objektorientierten Ansatzes der Software kann dieser Algorithmus künftig jederzeit durch einen leistungsfähigeren Algorithmus ersetzt werden. Der Software-Code wurde nach der Richtlinie PEP 8 geschrieben und dokumentiert. Die Versionsverwaltung erfolgte über die Software Git, und die Repositories lagen auf dem Dienst GitLab. Für die Software wurden umfangreiche Tests durchgeführt, und eine Reihe von Rohdatensätzen wurde in das GeoJSON-Format transferiert. Die Daten wurden zur weiteren Evaluierung durch die Projektpartner in die gemeinsame Projekt-Cloud hochgeladen (siehe TV6). Die minimale Wegsegment-Länge, für die eine Auswertung stattfinden soll, wurde im Konsortium auf 100 m festgelegt. Zur Umsetzung der geplanten Aufgaben von M5.2 wurden systematische Workshops zwischen HNEE und IFF (12.04., 25.10. und 23.03.2022) durchgeführt. In diesen Workshops wurden die methodischen Grundlagen sowie Anwendungsbeispiele zur Entwicklung digitaler Geschäftsmodelle und zum Einsatz des Business Modell Canvas vermittelt (M6.2). Durch diesen Workshop konnten sich die Vertreter*innen der HNEE und des Fraunhofer IFF erfolgreich weiterqualifizieren, um die Zielsetzungen von M5 zu erreichen. Auf dem 55. Internationalen Symposium FORMEC (20.-22. September 2023, Florenz, Italien) hielt die HNEE den Vortrag „Development of data-driven digital business models for forest road maintenance in Germany“ (siehe TV 2 & 3) (https://rgdoi.net/10.13140/RG.2.2.21438.05445). Zusätzlich wurde durch Wald und Holz NRW ein Poster präsentiert, das ebenfalls in Zusammenarbeit mit dem Fraunhofer IFF erstellt wurde (siehe TV 8). Digitale Geschäftsmodelle zur Nutzung und Monetarisierung von Wegezustandsdaten wurden von HNEE und IFF entwickelt, um datenbasierte Dienstleistungen bereitzustellen, die insbesondere Holzernteunternehmen, Logistikdienstleistern und der Holzindustrie zugutekommen. Es wurde untersucht, wie hoch das Interesse potenzieller Kunden an diesen Dienstleistungen ist und welche Bereitschaft zur Inanspruchnahme besteht. Unter Einbindung aller Projektpartner sowie assoziierter Partner wurden mögliche Geschäftsmodelle analysiert, konzipiert und erarbeitet (M5.2 & M6.1). Während der Tagung „Ressource Holz 2023: Rohstoffversorgung heute und morgen sichern“ (18./19. April 2023 auf Schloss Hundisburg) wurde der Vortrag „Sensorbasierte Erfassung des Zustands und vorausschauende Instandhaltung forstlicher Wegenetze (Intelliway)“ gehalten (M6.2). Die Präsentation widmete sich den Herausforderungen und Lösungsansätzen für das Cluster Forst und Holz, insbesondere der Walderschließung (https://www.holzlogistik.iff.fraunhofer.de/content/dam/iff/holzlogistik/de/dokumente/Intelliway_Harald_Lux.pdf). Im Rahmen der Session „Forsttechnik, Verfahrenstechnik III“ der Tagung (FowiTa, 11.-13. September 2023, Dresden) wurde die Präsentation „Nutzung digitaler Waldwegezustandsdaten für ein effizientes Waldwegemanagement“ gehalten (https://nbn-resolving.org/urn:nbn:de:bsz:14-qucosa2-906067). Ein weiterer wichtiger Programmpunkt war die Vorstellung des Projekts „Holz-21-Regio“, das in Zusammenarbeit mit den IntelliWay- und Contura-Projekten durchgeführt wird. Es wurde von der FFK und der FH Erfurt präsentiert. Ein zentrales Thema war auch die Vorstellung der weiterentwickelten Geschäftsmodelle, die von der HNEE präsentiert wurden. Dabei wurde das Potenzial der Digitalisierung zur Optimierung der Forstwirtschaft und Waldbewirtschaftung hervorgehoben (siehe TV 1 & 2). Darüber hinaus sorgte das FFK für einen engen Austausch mit dem Fördermittelgeber. Zusammen mit den Projektpartnern des Fraunhofer Instituts für Fabrikbetriebe und Automatisierung in Magdeburg (IFF), der Hochschule für Nachhaltige Entwicklung Eberswalde (HNEE), INTEND Geoinformatik GmbH Kassel, dem Konsortium für Waldarbeit und Forsttechnik Groß-Umstadt (KwF), iFOS GmbH, eEntwicklung.net GmbH und dem Landesbetrieb Wald und Holz NRW Münster (FBZ) wurden die Arbeitspakete gemeinsam erarbeitet (M7 siehe AP6 & AP7). Am 14. November 2024 wurde das Abschlusskolloquium IntelliWay mit dem Thema "Intelligente Wege – Condition Monitoring & Predictive Maintenance für Forstwege" durchgeführt. Es umfasste Präsentationen und Diskussionsrunden zu folgenden Kernpunkten (https://www.thueringenforst.de/detailseite/einladung):

Digitale Forstwege in der Walderschließung CONTURA: Optische Systeme zur Zustandserfassung Neue Wegezustandsklassen Erfassung des Waldwegezustands Holzmengenabflussberechnung Wegezustandserfassung mit iFOS-Messlanze KI-basierte Zustandsklassifikation Prognose des zukünftigen Zustands WIS 2.0 Wertschöpfungsketten für Waldwegezustandsdaten.

Durch den Austausch von Wissen und Technologien wurde die Effizienz und Präzision in der Forstwirtschaft, insbesondere im Bereich der Wegesanierung und -instandhaltung, verbessert, wodurch M7 erreicht wurde.