Dank neuem Sensor und KI-Auswertung Weniger Mikroplastik aus Reifenabrieb 

Anbieter zum Thema

Fraunhofer-Institut für Mikrostruktur von Werkstoffen und Systemen IMWS

Quarzwerke GmbH | HPF The Mineral Engineers

Durch Reifenabrieb erzeugte Mikroplastikpartikel sind eine erhebliche Belastung unserer Umwelt. Verbesserte Lösungen für die Abriebfestigkeit können zur Reduzierung dieser Emissionen beitragen. Im Rahmen eines Forschungsprojekts wurde eine neue Lösung entwickelt. Diese kombiniert einen neuartigen Sensor im Reifen mit KI-Methoden zur Datenauswertung.

Jährlich entstehen allein in Deutschland durch Reifenabrieb rund 100.000 Tonnen Mikroplastik. Die Reduzierung dieses Reifenabriebs ist – ebenso wie die Vermeidung von CO2-Emissionen – ein Nachhaltigkeitsaspekt, der bei der Optimierung von Reifen in den vergangenen Jahren immer wichtiger geworden ist. Neben den umweltpolitischen Vorgaben liegt das auch an den erhöhten Anforderungen an die Abriebfestigkeit von Reifen bei elektrisch angetriebenen Fahrzeugen.

Präzisere Kenntnis über abriebrelevante Einflussfaktoren

Der Reifenabrieb hängt von einer Vielzahl von Faktoren ab. Neben den Eigenschaften des Reifens (Gummimischung der Reifenlauffläche, Reifenprofil, Reifenaufstandsfläche, Reifendruck) spielen dabei auch andere Aspekte (Fahrverhalten, Straßenbelag, Wetter) eine Rolle. 

Da der Einfluss all dieser Faktoren im Detail unzureichend bekannt ist, sind aufwendige Straßentests unter definierten Bedingungen weiterhin die einzig etablierte Methode zur vergleichenden Bewertung der Abriebeigenschaften von Reifen. Die Ergebnisse solcher Tests spiegeln das Abriebverhalten von Reifen im realen Einsatz aber nur bedingt wider.

„Entscheidend für die Reduzierung von Reifenabrieb ist eine zielgenaue Optimierung von Reifenwahl und -laufzeit für die konkreten Einsatzbedingungen“, erklärt Dr. Mario Beiner, Gruppenleiter am Fraunhofer IMWS. Das erfordere eine möglichst genaue Kenntnis abriebrelevanter Einflussfaktoren, damit diese bereits bei der Reifenherstellung berücksichtigt werden können. Für all diese Aspekte habe man im Projekt (Kasten) wichtige Erkenntnisse gewonnen.

INFO

Ziel von „KI-RAM“ ist die Entwicklung eines KI-basierten Softwaretools, welches Reifenabriebsdaten bei Nutzfahrzeugen, die mit einem neuartigen Sensor erfasst werden, mit Daten zu Straße, Wetter und Laborindikatoren verknüpfen, um:

• die Haupteinflussfaktoren auf den Abrieb zu verstehen

• situationsbezogene Vorhersagen zum Abrieb zu treffen

• Reifen bezüglich der Abriebperformance zu vergleichen 

• den Abrieb durch aktive Beeinflussung zu minimieren

Dazu wurde ein auf Abrieb fokussierter digitaler Zwilling auf Basis von künstlicher Intelligenz (KI) entwickelt. Dieser wurde durch den Einsatz des Sensors (Bild links) für Lkws erweitert, indem die von ihm in Feldversuchen generierten Daten mit den BMDV-Daten zu Straße sowie Wetter verknüpft werden. 

Das Projekt wurde vom Bundesministerium für Verkehr gefördert. Mehr Informationen finden Sie unter www.bmv.de 

Nachrüstbarer Sensor ermittelt Profiltiefe von Lkw-Reifen

Mit den im Projekt entwickelten Methoden lassen sich Reifenabrieb besser vorhersagen, relevante Einflussfaktoren besser verstehen und verkehrsbedingte Mikropartikelemissionen zielgerichtet reduzieren. Als zentrales Ergebnis haben die Projektpartner einen nachrüstbaren Abriebsensor zur Inline-Erfassung der Profiltiefe von Lkw-Reifen entwickelt. Dieser wird mit einer KI-basierten Softwarelösung kombiniert, die sowohl die Restlaufzeiten vorhersagt als auch – in Kombination mit weiteren Daten vom Fahrzeug und zur Umgebung – eine Einschätzung der Bedeutung verschiedener Einflussfaktoren auf den Reifenabrieb ermöglicht.

Die dafür notwendigen Daten wurden im Rahmen von Feldversuchen mit Kommunalfahrzeugen erhoben und einschlägigen Datenbanken zu Wetter- und Straßenverhältnissen entnommen. Die entwickelte Software kann beispielsweise Speditionen bei der Reifenauswahl unterstützen und erlaubt auch eine Optimierung von Serviceintervallen.

Da die KI-Software bei der Nutzung von Reifenabriebsensoren von jeder Spedition individuell trainiert wird, können die Ergebnisse zielgenau an die eigenen Bedarfe angepasst werden, zudem müssen keine Daten mit Mitbewerbern geteilt werden. „Diese nachrüstbaren Abriebsensoren für Lkw-Reifen können in Kombinationen mit innovativen KI-basierten Software-Lösungen einen signifikanten Beitrag zur Reduzierung verkehrsbedingter Mikropartikelemissionen leisten“, sagt Paul Rösler, Geschäftsführer der Rösler Tyre Innovators GmbH & Co. KG und Verbundkoordinator für das Projekt.

Weitere Aktivitäten geplant

Das Fraunhofer IMWS hat in das Projekt insbesondere seine breite materialwissenschaftliche Expertise zu Kautschukmischungen für Reifenlaufflächen sowie Erfahrungen bei der Entwicklung von KI-basierten Methoden zur Material- und Bauteiloptierung eingebracht. Für ausgewählte Laufflächenmischungen wurden verschiedene Laborindikatoren für den Abrieb bestimmt und mit den Ergebnissen der Straßentests verglichen, bei denen runderneuerte Reifen mit identischer Laufflächenmischung eingesetzt wurden. Dieser wurde für die Verifizierung von speziellen Korrelationen zwischen Feldversuch und Laborindikatoren genutzt. 

Forschungsergebnisse

So lässt sich Reifenabrieb analysieren

Darüber hinaus wurde auch die Entwicklung neuartiger Bewertungsmethoden begleitet, die auf einer KI-Analyse von Reifenbildern beruhen, die im Rahmen der Feldversuche mit klassischen und Infrarot-Kameras aufgenommen wurden. „Dies liefert interessante Einsichten, die in weiterführende Aktivitäten zur Verbesserung der Abriebeigenschaften von Kautschukcompounds für Reifenlaufflächen und zur Reduzierung von verkehrsbedingten Mikropartikelemissionen einfließen werden“, so Beiner abschließend.