Kann mit Hilfe von KI der Reifenabrieb reduziert werden?

Jahr für Jahr erhöht sich die Anzahl der Autos auf unseren Straßen und damit auch der Bedarf an Neu- und Ersatzreifen. 2022 lag die Anzahl der zugelassenen Fahrzeuge bei 48,5 Mio. (Pkw) bzw. 3,8 Mio. (Lkw und Sattelzüge). Gemäß Bundesumweltamt haben die Bestände seit 2008 in allen Bereichen zugenommen: Pkw um 18 %, Lkw um 51 % und andere Fahrzeuge um über 22 %. Für 2022 gehen die Prognosen allein im Ersatzgeschäft daher von 45 Mio. Pkw-Reifen und 2,8 Mio. Lkw-Reifen aus. Mehr Reifen bringen erhöhten Abrieb mit sich, denn während der Fahrt wird das Gummi der Reifen durch den Kontakt mit der Straße abgerieben. Dabei lösen sich kleinste Gummipartikel ab und gelangen in die Umwelt. Bei Regen werden diese Teilchen von der Straße gespült und finden sich so schließlich auch in Gewässern und Böden wieder. Wie viel Reifenabrieb entsteht, hängt von einer Vielzahl von Faktoren ab, wie zum Beispiel der Art des Straßenbelags, dem Reifendruck, dem Wetter sowie dem Fahrverhalten und der Geschwindigkeit.

Im Rahmen des vom Bundesministerium für Digitales und Verkehr geförderten Projektes "KI-basierte Lösungen zum Reduzieren von Abrieb und verkehrsbedingten Mikroplastikemissionen" (KI-Ram) sollen nun Wege gefunden werden, Reifenabrieb zu reduzieren. Online erfasste Daten zum Abrieb unter realen Bedingungen, Aussagen zu den Faktoren, die den Abrieb entscheidend beeinflussen, und vorhersagende Softwaretools sollen die Ausgangsbasis für neue Methoden zum Reduzieren des Reifenabriebs bilden. Ziel des Projektes ist die Entwicklung eines KI-basierten Softwaretools, das mit Hilfe eines neuartigen Reifenabriebsensors Daten zum Abrieb sammelt und diese mit Straßen- und Wetterbedingungen sowie Informationen zum Fahrverhalten verknüpft. Zusätzlich werden Laborindikatoren zum Abriebverhalten der im Reifen verwendeten Kautschukmischungen erhoben. Die Ergebnisse sollen mehr Aufschluss darüber geben, welche Faktoren den Reifenabrieb beeinflussen sowie Vorhersagen zum Abrieb in unterschiedlichen Situationen und Vergleiche der Abriebperformance verschiedener Reifenarten ermöglichen, um so letztendlich den Abrieb zu minimieren. "Mittels eines KI-basierten Softwaretools werden in Feldversuchen generierte Daten mit Straßen- und Wetterdaten des Bundesministeriums für Digitales und Verkehr verknüpft. Zusammen mit ergänzenden Daten zum Fahrverhalten und zur Reifenmischung sollen KI-basierte Vorhersagen zum Reifenabrieb möglich werden", sagt Paul Rösler, Geschäftsführer Rösler Tyre Innovators und Verbundkoordinator für das Projekt KI-Ram.

Das Fraunhofer IMWS bringt seine Expertise im Bereich der Bewertung und Optimierung von Kautschukmischungen für Reifenlaufflächen und seine Kenntnisse im Bereich Digitalisierung und Künstlicher Intelligenz in das Projekt ein. Im Projekt wird die Aussagekraft verschiedenster Laborindikatoren für den Abrieb von Kautschukmischungen mit den Ergebnissen aus Feldversuchen an Reifen verglichen. Dabei kommt auch der dem Fraunhofer IMWS seit Ende 2022 am Fraunhofer PAZ in Schkopau zur Verfügung stehende Kautschukmischsaal mit Tandemkneterlinie zum Einsatz. "Einen Schwerpunkt der Materialforschungsaktivitäten des Fraunhofer IMWS bilden seit vielen Jahren Projekte zum Verständnis und zur Optimierung von Verstärkung, Dissipation und Abrieb in Kautschukcompounds sowie die Entwicklung bildgebender Verfahren zur Beschreibung der Füllstoffdispersion auf verschiedenen Längenskalen. Das Projekt KI-Ram bietet uns eine sehr gute Möglichkeit unsere Expertise einzubringen und zu erweitern", sagt Mario Beiner, Gruppenleiter Polymerbasiertes Materialdesign am Fraunhofer IMWS.

Zu den Projektpartnern zählen neben dem Fraunhofer IMWS, Rösler Tyre Innovators, IMES Solutions, Denkweit und die Universität Paderborn. Durch Rösler Tyre Innovators wird dem Projektkonsortium ein Inline-Abriebsensor für Lkw zur Verfügung stehen, welcher die Daten zum Reifenabrieb während der Fahrt erfasst und an eine Auswertestation im Fahrzeug überträgt. Dieser Sensor wird im Projekt in Zusammenarbeit mit der Universität Paderborn weiterentwickelt und optimiert. IMES Solutions übernimmt im Projekt die KI-basierte Analyse von online erfassten Daten zum Reifenabrieb, Wetter und Straßenbelag und Fahrverhalten, um den Hauptursachen des Abriebs auf die Spur zu kommen. Denkweit bringt seine Expertise im Bereich der KI-basierten Bildauswertung ein und widmet sich der Entwicklung eines neuen Messverfahrens zur Abriebbewertung von Reifen auf der Basis von Infrarotbildern.

Quelle: Fraunhofer IMWS