Die meisten Anlagen öffentlicher Behörden umfassen Fahrbahnen und müssen daher auf Risse untersucht und gewartet werden. Da traditionelle Verfahren und Technologien zur Bewertung von Fahrbahnbelägen zeitaufwendig und ungenau sind, untersuchte Benesch die Integration von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) in die Arbeitsabläufe der Datenerfassung vor Ort, um Risse in Straßenbelägen zu ermitteln. Es war jedoch schwierig, den Spagat zwischen der digitalen Erkennung von Rissen und der Klassifizierung der Risse auf der Grundlage einer Zustandsanalyse zu schaffen. Deshalb wollte das Unternehmen eine eigene Lösung für die Risserkennung in Fahrbahndecken entwickeln.

Das Unternehmen entschied sich für iTwin Capture Modeler, AssetWise und iTwin von Bentley, um seine digitale Innovation an drei aktiven Projektstandorten in den Vereinigten Staaten zu testen und digitale Zwillinge dieser Standorte zu erstellen. Die Technologie von Bentley bediente sich der Leistung von KI und ML, optimierte den Prozess der Risserkennung und speiste die Daten zur Analyse in den digitalen Zwilling ein. Die Lösung automatisiert die Digitalisierung der Rissdaten und spart 75 % der Arbeitszeit vor Ort. Außerdem werden voraussichtlich 144.000 USD bei 100 Flughafeninspektionen eingespart, ohne den Verkehr und/oder den Flughafenbetrieb zu beeinträchtigen.