Künstliche Intelligenz als Tunnelfeuerwehr: Wie smarte Sensoren Brandkatastrophen verhindern helfen
Im Schweizer Gotthard-Tunnel gerieten 2001 zwei LKW in Brand, elf Personen kamen ums Leben. Neuartige Sensor- und KI-gestützte Warnsysteme sollen Tunnelbrände durch Defekte an Reifen, Achsen oder Strom- und Kühlaggregaten von LKW künftig verhindern.
Foto: dpaDas Höllenfeuer unter dem Mont Blanc wütete fast 24 Stunden. Den verheerenden, bis zu 1200 Grad heißen Flammen im Straßentunnel zwischen dem französischen Chamonix und dem italienischen Courmayeur fielen am Ende fast 40 Menschen zum Opfer. Im März 1999 war das. Damals geriet in dem viel befahrenen Tunnel ein mit Mehl und Margarine beladener LKW in Brand. Das Inferno bei Chamonix war nur einer von gleich mehreren schweren Tunnelbränden, die in kurzer Folge europaweit zahlreiche Todesopfer forderten.
Wenig später, im Mai 1999, verloren zwölf Menschen bei einem Großbrand im österreichischen Tauerntunnel ihr Leben. Ein LKW-Brand im Gotthardtunnel forderte 2001 elf Menschenleben. 2005 starben zwei Menschen beim Brand von drei LKW im französischen Fréjus-Tunnel. Im Fréjus war der Brand am Motor ausgebrochen, im Mont Blanc entzündete sich Ladung, im Gotthard und im Tauerntunnel gerieten die LKW nach Unfällen in Brand.
Weit häufiger aber sind es vermeintliche Banalitäten, etwa defekte Reifen, heißgelaufene Bremsen und Achslager oder auch Schäden an den Kühlkompressoren für die Transportanhänger, die Brände an LKW auslösen. Was auf freier Strecke „nur“ einen spektakulären Fahrzeugbrand verursacht, droht auf Tunnelstrecken schnell zur nächsten Katastrophe zu eskalieren.
Nach den Brandserien der frühen 2000er haben viele Tunnelbetreiber in Europa die Sicherheitsvorkehrungen verschärft. Unter anderem sollen seither Thermosensoren vor den Einfahrten nun vielerorts frühzeitig Alarm schlagen, wenn sich beispielsweise Fahrzeuge mit erhöhter Bremstemperatur den Tunnelportalen nähern. Doch der Aufwand ist immens, und die Technik war lange fehleranfällig. Um Risiken zu minimieren, stoppten die Betreiber nach Warnmeldungen den Verkehr oftmals präventiv, um dann festzustellen, dass es sich um Fehlalarme handelte. Das Plus an Brandschutz erkauften sie sich vielfach mit einem Mehr an Stau.
Diesen Zielkonflikt entschärft der deutsche Sensorikspezialist Sick aus Waldkirch im baden-württembergischen Breisgau nun mithilfe der künstlichen Intelligenz eines neuartigen Sensorsystems, der sogenannten Vehicle Hotspot Detection, kurz VHD. Eine dieser Anlagen hat das Schweizer Bundesamt für Straßen als Betreiber des rund 6,6 Kilometer langen San-Bernardino-Tunnels seit vergangenem Jahr vor beiden Portalen dieser wichtigen Nord-Süd-Verbindung Richtung Italien in Betrieb. Gut zwölf Monate nach dem Start des Regelbetriebs zieht der Entwickler der Technik ein Resümee. Mit bemerkenswerten Ergebnissen.
Demnach ist insbesondere die Zahl von falsch positiven Alarmen drastisch gesunken. Um die Brandrisiken zu minimieren, hatten die Verantwortlichen des Astra bei älteren Messanlagen mit in der Auswertungssoftware fest voreingestellten Warnschwellen eine Fehlerquote von mehr als 50 Prozent akzeptiert; bezogen auf Fälle, bei denen die Technik zwar Alarm schlägt, Kontrollen am Fahrzeug dann aber keine Heißläufer am Rad oder andere Hitze-Hotspots ergaben.
Vehicle Hotspot Detection: Dieses System soll mit KI-Unterstützung Brandkatastrophen verhindern.
Foto: PR„Dank des KI-Einsatzes liegt die Quote solcher Fehlalarme nun bei deutlich unter zehn Prozent“, sagt der zuständige Produktmanager bei Sick, Lukas Wallimann. Das sorgt nicht bloß für einen besseren Verkehrsfluss, sondern reduziert Aufwand und Kosten, weil damit auch vermeidbare Einsätze für die für den Tunnel zuständigen Feuerwehreinheiten wegfallen.
Der technische Aufwand, der in der neuen Lösung steckt, ist allerdings hoch. Denn faktisch erzeugt Wallimanns Messsystem, während der Durchfahrt eines LKW durch eine mit Sensoren bestückte Messbrücke in Sekundenbruchteilen ein dreidimensionales Abbild des Lasters. Zugleich erfassen Infrarotsensoren zentimetergenau die Temperatur an den Oberflächen der Fahrzeuge.
„Das Verfahren erinnert an die Untersuchung von Patienten im MRT oder CT, bei denen der Computer aus den Schichtbildern dann auch ein 3-D-Modell der untersuchten Personen erzeugt“, sagt Sick-Manager Wallimann. Allerdings arbeite Sick mit Laser- sowie Thermosensoren und nicht mit Röntgen- oder Magnetfeldmessungen. Und: „Bei uns saust das Untersuchungsobjekt mit Tempo 80 durch die Sensorik.“
Während der reale LKW weiter Richtung Tunnel rollt, analysieren Algorithmen die erfassten Oberflächen des digitalen Doppelgängers und identifizieren jene Stellen am Fahrzeug, die außergewöhnlich heiß erscheinen. Während also etwa der Bereich eines LKW, an dem die KI den Auspufftrakt identifiziert, trotz erhöhter Temperatur als unverdächtig gilt, schlägt die Software sofort Alarm, wenn etwa eine Achse, eine Felge oder ein Reifen im Thermobild rot aufleuchten, also zumindest brandgefährdet sind.
„So etwas kann passieren, wenn sich eine Bremse festsetzt oder wenn ein Achslager heiß läuft“, sagt Sick-Experte Wallimann. „Das muss bei einer Tunneldurchfahrt nicht zum Feuer führen, aber das Risiko ist dann deutlich erhöht.“ In einem solchen Fall aktiviert die Technik spezielle Infoanzeigen, die die betroffenen Laster kurz nach der Messstelle und noch vor Einfahrt in den Tunnel auf spezielle Halteplätze lotsen. Dort können Serviceteams des Astra oder Kräfte der örtlichen Feuerwehren die LKW dann auf Brandrisiken kontrollieren.
Waren die Entwickler in der Vergangenheit bei der Erkennung sogenannter Hotspots an den Fahrzeugen an ein starres, fest in die Software einprogrammiertes Regelwerk gebunden, schärfen sich die KI-Algorithmen mittlerweile kontinuierlich und quasi von selbst.
„Inzwischen ist die Software beispielsweise auch in der Lage zu erkennen, ob etwa die oftmals an Containern oder auf Fahrzeugdächern installierten Kühlaggregate atypisch heiß erscheinen. Zudem trainieren die Entwickler die Software unter anderem auch für die Erkennung drohender Motorbrände. Das sei schwierig, weil die Motoren ja in der Regel gut verkapselt im Fahrzeuginneren verborgen sind“, erläutert Wallimann. „Dort zuverlässig verräterische Hitzesignale zu identifizieren, ist eine besondere Herausforderung.“
Auch dabei helfe aber der Einsatz von KI weiter, weil nicht mehr menschliche Entwickler vorab definieren müssten, was ein verlässlicher Indikator sei, sondern die Software beim Training selbst markante Muster identifizieren könne, selbst wenn diese für einen menschlichen Betrachter nicht immer erkennbar seien, so der Sensorik-Experte. „Für uns sind am Ende Geschwindigkeit und Zuverlässigkeit von Hotspot-Erkennung und Warnung wichtiger, als dass wir die Arbeitsweise der Algorithmen in jedem Detail durchdringen.“
Und das gilt offenbar nicht bloß für die Sick-Entwickler, deren Technik inzwischen nicht bloß an mehreren Schweizer Straßentunnels installiert ist, sondern auch an Tunnels in Frankreich, Österreich, Norwegen und beispielsweise auch an einem Tunnel bei Stuttgart. Daneben hat Sick im Rahmen eines EU-Forschungsprojektes auch eine Messstelle an einem Fährterminal in der schwedischen Hafenstadt Göteborg installiert. Dort überwacht die smarte Sensorik nun ebenfalls LKW, die auf eine der Schnellfähren Richtung Dänemark fahren, auf entzündungsgefährdete Hotspots.
Der Test in Göteborg läuft noch bis in den Spätsommer, doch im Grunde hat sich die Technik auch dort bereits bewährt, denn auch bei Fähren ist der Kampf gegen einen Großbrand – wie der aktuelle Fall des brennenden PKW-Transporters vor der niederländischen Küste zeigt – fast so aussichtslos wie der Versuch der Feuerwehren, in Vollbrand befindliche LKW in Tunnels tief unter den Alpengipfeln rasch zu löschen.
Umso wichtiger daher, dass die smarten Sensoren mögliche Brandrisiken schon entdecken, bevor daraus das nächste Höllenfeuer entsteht. Egal ob unter der Erde oder auf hoher See.
Lesen Sie auch: Löschmaschinen – Waldbrände legen die Probleme der Brandbekämpfer offen