Künstliche Intelligenz für die Holzforschung

Das Stamminnere und die inneren Holzstrukturen spiegeln die Lebensgeschichte jedes Baumes. Mithilfe der Computertomografie wird diese Geschichte wie in einem gläsernen Stamm sichtbar. Mit ihr ist es möglich, die Einflüsse auf das Baumwachstum zu erkennen, aber auch die Potenziale zu interpretieren, wie das entstandene Holz bestmöglich verwendet werden kann.

Das europäische Verbundprojekt WAI-KnotCT (Wood Artificial Intelligence - Knot modelling by Computed Tomography) setzt nun neue Ansätze der Künstlichen Intelligenz ein, um die Erkennung von innenliegenden Ästen noch präziser zu ermöglichen und die CT-Technologie so weiterzuentwickeln, dass Astgröße und Astzustand in Rundholzabschnitten hochaufgelöst bestimmt werden können.

Eine umfassende Beschreibung von Ästen in ihrer 3D-Form kann in verschiedenen Anwendungsbereichen in der Forst- und Holzbranche als Datenbasis eingesetzt werden: zur Modellierung der Ast- und Kronenentwicklung in der waldwachstumskundlichen Forschung und Bewertung von Waldbehandlungskonzepten, für eine Weiterentwicklung der Charakterisierung und Sortierung von Stammholz, für eine Weiterentwicklung von Produktionsabläufen in der holzverarbeitenden Industrie oder zum vertieften Verständnis des Einflusses von Ästen auf die Festigkeit von Holz mittels Finiter Elemente-Simulationen. Das Projektkonsortium setzt sich aus Forschungsinstitutionen und Industriepartnern der beiden Branchenteile Forst und Holz zusammen, die alle genannten Anwendungsgebiete bearbeiten.