Die Instandhaltung von Gebäuden im Infrastrukturbereich ist aus finanziellen und wirtschaftlichen Gründen von großer Bedeutung. Insbesondere bei Brücken ist es wichtig, die Instandhaltungskosten im Auge zu behalten. Die frühzeitige Erkennung von Schäden und deren frühzeitige Behebung ermöglicht es, den Aufwand für Erhaltungsmaßnahmen zu begrenzen. Die Verfolgung des Schadensverlaufs kann nur durch regelmäßige und häufige Begehungen durch Sachverständige erfolgen, die ihre Befunde in der Regel manuell dokumentieren. Ziel dieses Forschungsvorhabens ist es, ein Konzept für ein Brückeninspektionstool vorzustellen, prototypisch umzusetzen und zu evaluieren. Das Brückeninspektionstool wird mehrere Arten von Hardware-Geräten verwenden, um das Brückeninspektionspersonal bei der Beurteilung und Dokumentation von Schäden zu unterstützen, wobei Kombinationen aus Künstlicher Intelligenz und Mixed Reality Technologien eingesetzt werden. Hierfür wurden Interviews mit Bauwerksprüfenden aus verschiedenen Unternehmen und Branchen durchgeführt, um wichtige Anforderungen zu ermitteln. Auf der Grundlage dieser Anforderungen wurde ein Konzept entwickelt, das mit bestehenden Datenbanken für Infrastrukturen kompatibel ist. Weiter wurde das Konzept prototypisch in einen Demonstrator umgesetzt, welcher Informationen über die Künstliche Intelligenz sammelt und mithilfe der Mixed Reality Technologien anzeigt. Hierfür wurde sowohl eine Augmented Reality Anwendung zur Anzeige der gesammelten Informationen, sowie eine Tablet Anwendung zur Datenspeicherung entwickelt. Weiter wurde die entwickelte Künstliche Intelligenz auf einem selbsterstellten Datensatz trainiert, um Schäden erkennen und klassifizieren zu können. Der erstellte Demonstrator wurde unter realen Bedingungen an einem realen Bauwerk von Brückenprüfenden getestet und evaluiert. Die Ergebnisse der Tests zeigen großes Potential für den Einsatz von Künstlicher Intelligenz und Mixed Reality Technologien, wie im vorgestellten Demonstrator, für Bauwerksprüfungen. Besonders hoch wird das Potenzial der Künstlichen Intelligenz zur Detektion von Schäden gewertet.