Der strukturelle Zustand der Asphalttragschicht hat wesentlichen Einfluss auf die Nutzungsdauer einer Straße. Zur Beurteilung des strukturellen Zustands stehen gegenwärtig jedoch nur zerstörende Messverfahren (Bohrkernentnahme) zur Verfügung, bei denen die Straße zusätzlich geschädigt wird. Eine flächendeckende, kontinuierliche Zustandsbewertung der Substanz von Straßen ist aufgrund des damit verbundenen hohen Aufwandes sowie der induzierten Schädigung nicht realisierbar, gleichzeitig jedoch Voraussetzung für ein nachhaltiges Straßenerhaltungsmanagement.

Ziel des SenAD2-Projektes ist ein datenbasiertes Monitoringsystem zur zerstörungsfreien und flächendeckenden Bestimmung und Prognose des Degradationsgrads von Asphaltstraßen. Die Innovation des Vorhabens liegt insbesondere in der Nutzung von KI-Verfahren zur Analyse von Daten aus der Asphalttragschicht, die mittels eines neu zu entwickelnden Sensorsystems direkt aus der Schicht gewonnen werden. Damit werden zukünftig flächenübergreifende Aussagen zum konstruktiven Straßenzustand und
damit effektive, nachhaltige Erhaltungsmaßnahmen möglich.

Zum Einbau in die Asphalttragschicht wird ein neuartiges Gewebe hergestellt. Die damit erfassten Messsignale bilden die zunehmende Materialdegradation im Laufe der Straßennutzungsdauer ab. Zur Auswertung der erstmalig verfügbaren Daten werden durch Machine Learning Modelle gelernt, die sowohl den aktuellen als auch den prognostizierten Degradationszustand ermitteln.