Ziel des Projekts war die Entwicklung einer lärmtechnisch optimalen Grindingtextur auf Grundlage existierender theoretischer Berechnungsmodelle und dem Einsatz optimierter Oberbetone. Unter Einbeziehung der Erkenntnisse aus den [FE 08.0210/2010/ORB], [FE 08.0211/2011/OGB], [FE 08.0219/2012/IGB], den zusätzlich zu Testzwecken auf der A 92, der A 93 und der A 13 hergestellten Grinding- und Groovingtexturen, den im Labor für das Grinding entwickelten optimierten Betonrezepturen und den Texturen auf der ersten Erprobungsstrecke auf der A 12 wurden in Computersimulationen mit dem Rechenmodell SPERoN® Grindingtexturen mit optimalen lärmmindernden Eigenschaften entwickelt. Nach kritischer Abwägung der theoretischen Berechnungen hinsichtlich der Anforderungen an die Dauerhaftigkeit und die zu erzielende Griffigkeit der Texturen wurden für eine zweite Erprobungsstrecke auf der A 5 drei verschiedene Grindingvarianten ausgewählt und auf drei verschiedenen Oberbetonen hergestellt. In Zusammenarbeit mit der BASt wurden auf allen in die Untersuchungen einbezogenen Grindingabschnitten umfangreiche Untersuchungen zur Bestimmung der - schalltechnischen Eigenschaften, - anforderungsgerechten Griffigkeit, - anforderungsgerechten Ebenheit, - Dauerhaftigkeit der erzeugten Textur, - Dauerhaftigkeit hinsichtlich der mechanischen Eigenschaften des Oberbetons durchgeführt. Aus den Ergebnissen aller untersuchten Streckenabschnitte lassen sich folgende Erkenntnisse ziehen: Eine signifikante Lärmminderung durch das Grinding ist bei Einhaltung der vorab definierten Grindingparameter möglich. Der Einfluss der Oberbetone auf die Lärmentwicklung ist als eher gering einzustufen. Aus akustischer Sicht verhalten sich die Abschnitte der Erprobungsstrecken mit kombinierten Grinding- Grooving-Texturen neutral. Der Grindingvorgang sollte nicht zu früh nach der Betonherstellung erfolgen, damit nicht durch die geringe Anfangsfestigkeit des Oberbetons vermehrt Kornausbrüche verursacht werden. Ein langfristiges Monitoring zur Entwicklung des Lärm- und Griffigkeitsverhaltens und zur Dauerhaftigkeit der erzeugten Texturen ist notwendig.

Im Rahmen der ZEB auf Bundesfernstraßen werden zur Ermittlung der Substanzmerkmale (Oberfläche) die digitalen Oberflächenbilder derzeit an Bildschirmarbeitsplätzen visuell beurteilt und manuell ausgewertet. Den Auswertungen liegen die in den ZTV ZEB-StB enthaltenen Auswerteregeln zugrunde. Technische Prüfvorschriften zur Regelung technischer Spezifikationen bezüglich der Messsysteme und der Auswerteplätze stehen inzwischen ebenfalls zur Verfügung. Ziel des Forschungsprojektes war, durch die Ermittlung von Vergleichs- und Wiederholstreubereichen die Einflüsse auf das Auswerteergebnis zu untersuchen und die vorhandenen Toleranzvorgaben für die vorgeschriebenen Prüfungen zu bestätigen oder bei Bedarf neue Grenzwerte dafür zu vorzuschlagen. Das Projekt bestand in einer umfänglichen Analyse der derzeitigen Vorgehensweise bei der Erfassung und Bewertung der Substanzmerkmale (Oberfläche) im Teilprojekt 3 der ZEB sowie einer tiefgreifenden statistischen Analyse hinsichtlich der Wiederhol- und Vergleichbarkeit unter verschiedenen Rahmenbedingungen. Zunächst wurden Messfahrten auf einem nach bestimmten Kriterien ausgewählten Streckenkollektiv und nach bestimmten (Mess-)Szenarien durchgeführt. Das Bildmaterial wurde nach dem geltenden Regelwerk in verschiedenen (Auswerte-)Szenarien ausgewertet. Zusätzlich zur manuellen Inspektion der Oberflächenbilder wurden die Daten auf Strecken in Asphaltbauweise (BAB) mit Hilfe künstlicher Intelligenz ausgewertet. Abschließend erfolgten die statistischen Auswertungen hinsichtlich Wiederhol- und Vergleichbarkeit und es ergingen Vorschläge für die Neufestlegung der entsprechenden Grenzwerte. Die Literaturrecherche zum Stand der Technik bei der Zustandsdatenerfassung auf nationaler und internationaler Ebene ergab keine grundlegend neuen Erkenntnisse. Hervorzuheben ist, dass eine Zertifizierung der Messsysteme durch eine offizielle Stelle und explizit definierte Anforderungen an die Qualität der Erfassungstechnologie und der Erfassungsergebnisse international nicht erfolgt. Die im Teilprojekt 3 gewonnenen Ergebnisse werden von vielen verschiedenen Faktoren beeinflusst, im Wesentlichen aber durch den Faktor Mensch (Wissenstand, Erfahrung, Tagesleistungskurve u.a.). Auch zwischen Auswertern mit großem Erfahrungshintergrund (Referenzauswerter, Qualitätssicherer) weichen die Ergebnisse in Einzelfällen deutlich voneinander ab, was große Auswirkungen auf die Wiederholbarkeit haben kann. Die weiteren Einflüsse, wie das eingesetzte Messsystem, verschiedene Umgebungsbedingungen (Witterung) und die Qualität der Oberflächenbilder, ordnen sich diesem Haupteinfluss unter. Dies konnte auf Basis eines statistischen Modells mathematisch nachgewiesen werden. Für die statistischen Berechnungen wurden für jede Zustandsgröße Referenzwerte generiert, d.h. möglichst nahe an der Wahrheit liegende Werte für jeden einzelnen Auswerteabschnitt. Die Erwartung aufgrund der langjährigen Erfahrungen war, dass die durchgeführten Auswertungen nur geringe Streuungen aufweisen, was sich nur teilweise bestätigt hat. Zur Ableitung der zu erwartenden Toleranzen bei den Zustandswerten und zur Festlegung von Grenzwerten wurden anhand der ZEB-Auswerteergebnisse Prüfungen auf 2-km-Teilabschnitten simuliert und deren Ergebnisse klassifiziert und bewertet. Daraus wurden für Strecken in Asphalt- und Betonbauweise praxisnahe Toleranzen abgeleitet und modifizierte Grenzwerte vorgeschlagen. Diese liegen höher als die bisher nach ZTV ZEB-StB geltenden Werte. Seitens des Forschungsnehmers wurde die Empfehlung unterbreitet, abhängig von der Prüfungsart (Zulassungsprüfung, Kontrollprüfung) die bisherigen Grenzwerte nach oben anzupassen. Aufgrund der im Forschungsprojekt gewonnenen Erkenntnisse über die Einflussfaktoren im Teilprojekt 3 sollte auch der Einsatz von künstlicher Intelligenz zur Schadenserkennung auf Oberflächen- und Frontbildern auf Basis von Deep-Learning durch weitere intensive Forschung und Entwicklung vorangetrieben und zur Praxisreife gebracht werden.