Die Strategie von Bentley Systems bei der Realisierung von Digitalen Zwillingen für Städte und Kommunen basiert auf den Themen Offenheit und Maschinellem Lernen.
Der Digitale Zwilling der Stadt Amsterdam, Niederlande. Foto: Bentley Systems
In den Bereichen Maschinenbau und Fertigung 4.0 ist der Digitale Zwilling bereits zu einem etablierten Begriff geworden. Dahinter steckt die Idee, alle Informationen zu einem Produkt – einschließlich seiner geometrischen Ausprägung – zentral über den gesamten Lebenszyklus bereitzustellen, um auf dieser Basis verschiedenste Anwendungen, Verbesserungen und Kosteneinsparungen zu gewährleisten. Daneben sind sich Experten einig, dass auch das Thema Nachhaltigkeit nicht am technologisch geprägten Konzept des Digitalen Zwillings vorbeikommt.
Folglich greifen inzwischen auch Städte und Kommunen das Konzept auf. Zwar ist dabei noch weitgehend unklar, wie ein digitaler urbaner Zwilling konkret definiert werden kann, dennoch hat das Konzept bereits weitreichende Auswirkungen auf die Technologieentwicklung. Beispielsweise beim Softwareanbieter Bentley Systems, einem weltweit agierenden Akteur für Softwarelösungen, die für die Umsetzung einer Digitalen Stadt herangezogen werden.
„Der Digitale Zwilling einer Stadt trägt zu den drei Dimensionen der Nachhaltigkeit bei: zur ökologischen, ökonomischen und sozialen“, ist Dr. Richard J. Vestner, Senior Director Industry Solutions bei Bentley Systems, überzeugt. Durch Szenario-Analysen und Simulationen von Betriebszuständen könnten Planung, Bau und Betrieb von Gebäuden und Infrastruktur nachhaltig optimiert werden, zum Beispiel in Bezug auf Energiebedarf und CO2-Fußabdruck. Durch Augmented- oder Virtual Reality-Anwendungen könne man aus der Ferne Anlagen betreiben und Inspektionen vornehmen. Aus sozialer Perspektive gesehen erreichen Städte auf diese Weise höhere Transparenzen, mehr Partizipation und politische Teilhabe auch an fachlich geprägten Diskussionen.
KI-Ansatz omnipräsent
Um die Optimierungspotenziale von Digitalen Städten zu heben, hat Bentley Systems das Maschinelle Lernen (ML) als Teilbereich der Künstlichen Intelligenz (KI) in alle Produkte integriert und bereits viele Praxiserfahrungen gesammelt. Beispiel für den Einsatz ist die automatische Erkennung und Zuordnung von Boden- und Flächennutzung. Aus Luftbildern kann so etwa der Anteil der bebauten Fläche oder der Verkehrsflächen sowie der Versiegelungsgrad berechnet werden.
Ein weiteres Anwendungsbeispiel findet sich bei der Instandhaltung im Rahmen des Infrastrukturmanagements. „Die Software hilft bei der automatisierten Erkennung von Mängeln, etwa von Rost oder Rissen beispielsweise an der Fahrbahndecke einer Brücke. Die Mängel werden identifiziert und dann visuell hervorgehoben“, so Vestner.
Darüber hinaus nutzt Bentley ML-Methoden auch bei der automatischen Erkennung von Bau- und Anlagenteilen. Diese werden anschließend mit 2D-Plänen und mit 3D-Modellen verknüpft. „Maschinelles Lernen eignet sich überall da, wo komplexe Muster in Daten erkannt und ausgewertet werden müssen“, so Vestner. Welche Wirkungen das haben kann, zeigen Beispiele aus Frankreich: In einer französischen Stadt unterstützen ML-basierte
Bentley-Lösungen gleich mehrere kommunale Aufgaben. So wurden etwa für das Grünflächenamt städtische Bäume aus Luftbildern automatisch identifiziert und verortet. Gleiches gilt für Solaranlagen auf Dächern. Und zum Dritten wurden aktuelle GIS-Daten zur Flächennutzung aktualisiert. „Die Erfahrungen zeigen, dass immer mehr Anwendungen kommen werden und diese auch schnell immer besser werden“, ist Vestner überzeugt. Dabei steht aber nicht das technisch Machbare, sondern das jeweils Notwendige im Mittelpunkt.
Der Digitale Zwilling der Stadt London, Großbritannien. Foto: Bentley Systems
Offenheit steht im Mittelpunkt der Bentley-Strategie
Bleibt die Frage, ob ein einzelner Softwareanbieter alle Potenziale einer Digitalen Stadt überhaupt abdecken kann? Selbst Bentley als global tätiges Software-Unternehmen mit groß angelegtem Portfolio hat vor einiger Zeit erkannt, dass das Unternehmen die vielen Digitalen Zwillinge, wie sie beispielsweise in der Infrastruktur benötigt werden, nicht allein erschaffen kann. Deswegen pflegt Bentley eine offene Entwicklungsumgebung und offene Plattformen – und lädt Drittanbieter und Entwickler ein, dort eigene Lösungen voranzutreiben. Dafür hat das Unternehmen beispielsweise eine Bibliothek mit Beispielen, Mustern und APIs auf Github veröffentlicht. Unter www.itwinjs.org steht zudem eine OpenSource-
Programmbibliothek mit Einsteigerpaketen und Dokumentationen zur Verfügung.
Ein Augenmerk legt Bentley außerdem auf die Offenheit der Datenformate. „Im urbanen Kontext gibt es viele verschiedene Datenformate, die es unbedingt zu vernetzen gilt“, so Vestner. Nur dann könnten Städte und städtische Unternehmen, die bereits in Digitalisierung und Automatisierung investiert und Mitarbeiter geschult haben, eine vernetzte Datenumgebung nachhaltig aufbauen.
Produktstrategisch ist die iTwin-Cloud-Plattform von Bentley Software dafür ein wichtiger Baustein (https://developer.bentley.com/). Bentley‘s iTwin Plattform ist eine offene, skalierbare Cloud-Plattform, die es Ingenieurbüros und Betreibern ermöglicht, Digitale Zwillinge von Infrastrukturanlagen zu erstellen, zu visualisieren und zu analysieren. Das Unternehmen ist davon überzeugt, dass je mehr Entwickler und Experten auf dieser Plattform versammelt werden, die sich untereinander und mit Bentley austauschen, desto schneller und besser Digitale Zwillinge sowie cyberphysische Systeme von Städten entstehen können, die mit der Zeit immer besser werden. „Jede Form von Offenheit schafft eine große Chance für Innovation und Entwicklungsgeschwindigkeit“, so Vestner.
Diese Offenheit wird dann besonders deutlich, wenn mit den Kunden Projekte entwickelt werden. Man müsse, so Vestner, da anknüpfen, wo die Kunden jeweils mit ihrer Software- und Datenlandschaft stehen und nicht etwa einen kompletten Systemwechsel fordern. Für Bentley steht dabei bei Kundenbeziehungen im Vordergrund, dass man zuerst eine profunde Analyse des aktuellen Zustandes durchführt – insbesondere der verfügbaren Datenbasis, auf der man neue Lösungen und ML-Ansätze realisieren kann. „Man kommt dabei manchmal auch zu der Erkenntnis, dass man die ursprünglich avisierten Ziele anpassen muss“, so Vestner. (sg)