Bei unseren Blogbeiträgen fühlt er sich ein bisschen an „Die Sendung mit der Maus“ erinnert, schwelgt Jan Onne Backhaus im Gespräch mit eguana in Kindheitserinnerungen. Um den Ansprüchen an einfach aufbereitete wissenschaftliche Information gerecht zu werden, haben wir uns für unseren aktuellen Beitrag mit dem Diplombauingenieur über evolutionäre Algorithmen unterhalten – und zwar so, dass es von der Genetikerin über den Informatiker bis hin zum Volksschulkind alle verstehen.
*****
Als die Herzkönigin zur kleinen Alice sagte „Hierzulande musst du so schnell rennen, wie du kannst, wenn du am gleichen Fleck bleiben willst“, dachte sie bestimmt nicht an Evolution, Autor Lewis Caroll aber schon. Biologe Leigh Van Valen hat letztlich aus der Aussage 1973 eine evolutionsbiologische Theorie geschaffen, nach der sich Organismen in einem ständigen „Wettrüsten“ miteinander befinden. Auch für die Baubranche ist es an der Zeit, mit der Zeit zu gehen, dachte sich Onne und entwickelte kurzerhand einen Algorithmus, der effizientere Abläufe und genauere Prognosen für den Baubereich erstellt.
Evolution ist ja eigentlich ganz einfach erklärt eine Weiterentwicklung, also wenn sich Merkmale einer Population im Laufe von Generationen verändern und diese durch Selektion, Rekombination und Mutation im Optimalfall immer besser werden. Das Prinzip wird dabei meistens im biologischen Sinne verstanden, lässt sich aber auch auf andere Bereiche anwenden, beispielsweise eben die Baustelle. „Bei evolutionären Algorithmen geht es darum, ein Problem auf die Art und Weise zu lösen, wie es auch die Evolution tut“, erklärt Onne anhand eines leicht verständlichen Beispiels: „Angenommen, man würde als Hundezüchter Hunde mit ganz besonders langen Beinen züchten wollen. Dann würde man sich aus den Hunden, die man hat, jene aussuchen, die bereits sehr lange Beine haben und diese miteinander kreuzen. Aus den Welpen dieser Elterngeneration würde man im nächsten Schritt dann wieder jene Individuen auswählen, die die längsten Beine haben und diese wieder miteinander Kreuzen.“
„Das Verfahren nähert sich der optimalen Lösung mit zunehmender Anzahl an Iterationen an. Hierbei ist es wichtig zu verstehen, dass wir am Ende in der Regel zwar sehr gute Lösungen erhalten, optimale Lösungen im mathematischen Sinn sind es oft jedoch nicht. Das müssen sie im Bauingenieurwesen aber häufig auch nicht sein. Es reicht meist, wenn sie nahezu optimal sind“, betont Onne.
Spiel, Satz, Sieg
Eine Technik, die im Baubetrieb immer wieder zum Einsatz kommt, ist die sogenannte Monte-Carlo-Simulation, benannt nach den berüchtigten Casinos von Monaco. Die Methode wurde in den 40er Jahren von Wissenschafter Stanislaw Ulam entwickelt, dem der Gedanke dazu kam, als er eine Runde Solitaires spielte und sich fragte, wie hoch die Chancen eines erfolgreichen Canfield-Solitaire (ein Casino-Spiel mit sehr geringen Gewinnchancen) mit 52 Karten waren. „Nachdem ich viel Zeit damit verbracht hatte, sie durch reine kombinatorische Berechnungen abzuschätzen, fragte ich mich, ob eine praktischere Methode als „abstraktes Denken“ nicht darin bestehen könnte, sie hundertmal darzustellen und einfach die Anzahl der erfolgreichen Spiele zu beobachten und zu zählen. Dies war bereits mit Beginn der neuen Ära der schnellen Computer vorstellbar“, wird Ulam in „Stan Ulam, John von Neumann, and the Monte Carlo method“ zitiert (Eckhardt, Roger (1987)).
Die Technik löst Probleme, die analytisch gar nicht oder nur mit sehr großem Zeitaufwand zu lösen wären, mit einer großen Anzahl an Zufallsexperimenten. „Angenommen wir haben eine Baustelle“, bringt Onne erneut ein Beispiel. „Dann werden auf dieser Baustelle sehr viele unterschiedliche Tätigkeiten ausgeführt. Diese Tätigkeiten oder Prozesse dauern aber nicht immer gleich lang. Manchmal regnet es und es dauert länger, ein andermal ist das Team sehr motiviert und der Bauprozess verkürzt sich. Die Prozesse weisen häufig eine große Abhängigkeit untereinander auf. So kann das Dach einer Halle beispielsweise erst dann gebaut werden, wenn die Wände bereits stehen. Das macht es sehr schwierig, die mittlere zu erwartende Gesamtbaudauer abzuschätzen, auch wenn einem die stochastische Verteilung der Einzelprozesse bekannt ist. Hier kommt die Monte-Carlo Simulation ins Spiel. Im Rahmen der Simulation berechnen wir sehr viele Gesamtbauzeiten, wobei wir in jedem Durchlauf die zufällige Dauer jedes Einzelprozesses neu aus einer Menge möglicher Prozesszeiten ziehen. Das Ergebnis sind dann sehr viele, theoretisch mögliche Gesamtbauzeiten. Bei der Monte-Carlo Simulation gehen wir davon aus, dass sich solche Gesamtbauzeiten, die wir sehr häufig berechnet haben, auch mit erhöhter Wahrscheinlichkeit realisieren. Um die voraussichtliche, mittlere Gesamtbauzeit zu berechnen, müssen wir also nur noch den Mittelwert der berechneten Lösungen errechnen.“
Von der Theorie in die Praxis
Die theoretische Überlegung in der Praxis zu erproben, sei aber gar nicht so leicht, so Onne. Für die Simulation müssen Eingangsdaten erhoben und digitalisiert werden. „Es ist also notwendig, diese entweder selbst zu erheben oder jemanden zu finden, der dies bereits tut – und auch bereit ist, seine Daten zu teilen. In meinem ganz konkreten Fall hatte ich das Glück, auf einer Konferenz einem Projektleiter der Renesco GmbH, Sewerin Sabew, über den Weg zu laufen. Dieser hat mir von seinem Injektionsprojekt im Tunnel Feuerbach und der Zusammenarbeit mit eguana erzählt.“
Im Rahmen des Bauprojektes Stuttgart 21 führt ein zweiröhriger Tunnel von Stuttgarts Hauptbahnhof zum Bahnhof Feuerbach. Der Tunnel liegt bereichsweise im anhydritführenden Gebirge, was mehrere tausende Abdichtungsinjektionen notwendig machte, um Wasserzutritte zu verhindern (wer mehr über die Abdichtungsmaßnahmen und den Tunnel Feuerbach wissen will liest am besten unseren Blogbeitrag Abdichtung im Tunnelbau: Wasser (ab-)marsch!. Von jeder dieser Injektionen sammelte eguana die Prozessparameter wie Durchfluss und Druck über SCALES und leitete automatisch entsprechende Herstell- und Nebenprozesse ab. Gemeinsam mit diversen Metadaten wurden diese Onne tagesaktuell in einem entsprechenden Format in einer eigenen Cloud zur Verfügung gestellt. „Insgesamt wurde sekundengenau dokumentiert, was jede Pumpe zu jeder Sekunde des Projektes gemacht hat.“ Onne war sofort klar, dass hier ein wahrer Datenschatz geborgen wurde, und machte sich daran, das Potenzial der digitalisierten Daten zu nutzen.
„Ich habe zunächst ein Modell programmiert, das in der Lage ist, die Bauzeiten und Baukosten der über 300.000 Injektionen vorherzusagen. Das Modell arbeitet mit statistischen Verteilungen für die Dauer der Einzelprozesse (Injizieren, Versetzen der Pumpen, etc.) und berücksichtigt auch Wartungszyklen oder Ausfallzeiten, zum Beispiel auf Grund von technischen Problemen.“ Eine erweiterte Version des Modells geht sogar auf die Geometrie des zweiröhrigen Tunnels ein – beispielsweise könnten sich die Injektionseinheiten in der Enge des Tunnels in die Quere kommen.
Genauer als der Bauzeitplan
Onnes Modell wurde anschließend mit den realen Baustellendaten vergleichen, um festzustellen, ob die Vorhersage korrekt war und das Modell die richtigen Ergebnisse geliefert hat. „Für die Bauleiter war das total spannend“, freut sich Onne über den Anklang, den seine Arbeit fand. „Die haben die Daten bis dahin vor allem verwendet, um die vielen tausend Bohrungen zu dokumentieren, deren Qualität sicherzustellen und den Baufortschritt grob in die Zukunft zu extrapolieren.“ Aussagen über die Zukunft zu formulieren („Mit einer Wahrscheinlichkeit von 95 Prozent sind wir am Tag x fertig und das kostet uns dann y Euro“) war bisher noch nicht möglich.
„Nachdem das Model gute Ergebnisse geliefert hat, ging es mit dem Optimieren los. Eine große Frage war, was denn die optimale Anzahl an Maschinen und deren optimaler Einsatzzeitraum mit Blick auf die Gesamtbauzeit und die Baukosten wäre. An dieser Stelle kamen der evolutionäre Algorithmus und die Monte-Carlo Simulation ins Spiel.“ Mit seinem Modell konnte Onne zeigen, dass die Anzahl der Maschinen zwar gut gewählt war, es in den Millionen versteckten Parameterkombinationen aber dennoch einige gab, „die das Projektergebnis noch weiter verbessert hätten. Diese Lösungen ohne Simulation zu finden, wäre so gut wie unmöglich gewesen.“
Für die Baustelle Feuerbach war maschinentechnisch der Zug schon abgefahren. Aber der Erkenntnisgewinn, was aus Datenschätzen alles geborgen werden kann und was flexiblere Modelle in Kalkulation und Bauvertrag ermöglichen, kann für künftige Projekte ein Zugewinn sein.
*****
Unser Dank für den heutigen Blogbeitrag gilt einerseits Jan Onne Backhaus für seine Expertise und seine Fähigkeit, komplizierteste Vorgänge in einfache Worte zu fassen – andererseits geht unser Dank auch an Ella, seine kurzbeinige Hundedame, die uns die Suche nach anschaulichen Beispielen tierisch einfach gemacht hat!
Über Jan Onne Backhaus:
Der gebürtige Hannoveraner liebt den Kulturschock – vielleicht ein Grund, weshalb er 2004 ein Auslandssemester in Wien verbrachte? Seinen Horizont erweitert der Diplombauingenieur, MBA und Doktorand der Technischen Universität Hamburg aber nicht nur in geografischer Hinsicht, sondern auch in kultureller, weshalb er in seiner Freizeit gerne Spanischkurse besucht, meditiert oder Preise bei den International Toastmasters abräumt (was zugegeben nichts mit gerösteten Weißbrotscheiben zu tun hat, sondern der Name einer NPO zur Förderung der Kunst des öffentlichen Redens ist).
Seit kurzem optimiert er als Senior Consultant bei Drees und Sommer Baustellen mit Lean Construction – ein weiteres seiner Herzensthemen.
Über Ella:
Wenn sie es sich nicht gerade auf dem Sofa gemütlich macht, verbringt sie ihre Freizeit am liebsten in der Natur. Bagger zählen zu ihren größten Leidenschaften.
