KI-Lösungen · Use Case

Mobilfunkmasten per Drohne und KI auf Schäden inspizieren

NTT DOCOMO setzt Drohnen und Cloud-basierte Bilderkennung auf AWS ein, um Mobilfunk-Stahlmasten automatisiert auf Rost und Materialverschleiß zu untersuchen. Drohnen erfassen hochauflösende Fotos der Bauwerke, die anschließend von KI-Modellen ausgewertet werden. Dadurch entfallen gefährliche Klettereinsätze für das Wartungspersonal vollständig.

NTT DOCOMO prüft rund 50.000 Mobilfunk-Stahlmasten mit Drohnen und KI-Bilderkennung auf AWS. Die automatisierte Erkennung von Rost senkt Betriebskosten nachhaltig und schützt das Personal vor riskanten Kletterpartien.

Worum es geht

Für die Instandhaltung von rund 50.000 Mobilfunk-Stahlmasten müssen Telekommunikationsunternehmen Bauwerke regelmäßig auf Rost und Materialermüdung überprüfen. Herkömmliche visuelle Begutachtungen durch Kletterteams sind gefährlich, zeitaufwendig und verursachen erhebliche Betriebskosten. Die automatisierte Inspektion verlagert die Datenerfassung auf Drohnen, die tausende Fotos aus allen Winkeln der Masten aufnehmen. In der Cloud verarbeiten Machine-Learning-Modelle unter Nutzung von Services wie AWS Batch dieses Bildmaterial automatisiert zur Rosterkennung. Auffällige Stellen und Korrosionsschäden werden präzise lokalisiert und im System klassifiziert. Wartungsteams erhalten eine strukturierte Entscheidungsgrundlage, um Instandsetzungsmaßnahmen gezielt und priorisiert zu planen. Dies führt zu einer spürbaren Kostensenkung und eliminiert riskante Höhenarbeiten bei der Erstprüfung.

Einordnung

  • Reifegrad: Mature
  • Komplexität: Mittel
  • Technologie: Computer Vision, Deep Learning, Drohnen, Cloud-Computing (AWS Batch)

Typische Einsatzmuster

  • Ein Drohnenteam fliegt einen Mobilfunk-Stahlmast automatisiert ab und lädt die erfassten Detailaufnahmen direkt zur Rosterkennung in die Cloud hoch.
  • Das Bilderkennungssystem verarbeitet tausende Aufnahmen via AWS Batch und markiert korrodierte Bauteile selbstständig im Prüfbericht.
  • Ein Wartungskoordinator sichtet die automatisiert erkannten Schadstellen am Bildschirm und disponiert gezielte Reparaturarbeiten vor Ort.

Voraussetzungen

  • Für die verlässliche Bilderkennung müssen Drohnen standardisierte, scharfe Detailaufnahmen der Bauteile aus definierten Perspektiven liefern.
  • Es wird eine skalierbare Cloud-Architektur wie AWS Batch benötigt, um große Mengen an Fotodaten parallel und kosteneffizient zu verarbeiten.
  • Die KI-Modelle müssen auf unterschiedliche Rosttypen und Beleuchtungssituationen an Stahlkonstruktionen trainiert und validiert sein.

Nutzen

Für Unternehmen

  • Senkung der Inspektions- und Betriebskosten gegenüber manuellen Klettereinsätzen
  • Beschleunigung der regelmäßigen Zustandsprüfung über zehntausende Infrastrukturobjekte
  • Vermeidung von Ausfällen und Gewährleistung eines stabilen Netzzugangs für Mobilfunkkunden
  • Skalierbare Bildverarbeitung großer Fotomengen über standardisierte Cloud-Dienste

Für Beschäftigte

  • Vollständiger Wegfall riskanter Kletterpartien auf dutzende Meter hohe Stahlmasten
  • Verlagerung der Tätigkeit von gefährlicher Höhenarbeit auf sichere Bild- und Datenanalyse
  • Objektive, vorab gefilterte Schadensdokumentation statt mühsamer Vor-Ort-Erstbegutachtung
  • Fokussierung auf gezielte Reparaturmaßnahmen anstelle rein visueller Routineprüfungen

Für Privatpersonen

  • Zuverlässigere Mobilfunkverbindung durch präventive Vermeidung baulicher Anlagenausfälle
  • Keine Lärm- oder Sichtbeeinträchtigungen durch langwierige Kletterarbeiten vor Ort
  • Höhere Netzstabilität in Wohngebieten durch rechtzeitige Erkennung von Infrastrukturschäden

Herausforderungen

Für Unternehmen

  • Bereitstellung und Koordination professioneller Drohnenbefliegungen an rund 50.000 Standorten
  • Verarbeitung und Speicherung enormer Bilddatenmengen in einer performanten Cloud-Architektur
  • Gewährleistung einer hohen Erkennungsgenauigkeit der KI bei wechselnden Licht- und Wetterbedingungen

Für Beschäftigte

  • Notwendigkeit des Erwerbs neuer Kompetenzen in Drohnensteuerung und Bilddatenprüfung
  • Umstellung von eingespielten handwerklichen Vor-Ort-Routinen auf digitale Prüfworkflows
  • Kritisches Validieren von Bilderkennungsergebnissen bei Grenz- oder Zweifelsfällen

Für Privatpersonen

  • Mögliche Bedenken hinsichtlich Privatsphäre bei Drohnenflügen in Siedlungsnähe
  • Sorge vor kurzzeitigen Bildaufnahmen privater Grundstücke während der Befliegung
  • Wunsch nach Transparenz bezüglich der Flugrouten gewerblicher Inspektionsdrohnen

Wirkung

Klassische Softwareprogramme mit festen Schwellenwerten können Korrosion und Materialermüdung auf Fotos nicht zuverlässig von Schmutz, Lichtreflexionen oder Lackunregelmäßigkeiten unterscheiden. Machine-Learning-Modelle für Computer Vision erkennen komplexe optische Muster und Farbübergänge von Rost über tausende heterogene Aufnahmen hinweg. Nur trainierte Modelle können die riesigen Bildmengen automatisiert mit hoher Genauigkeit filtern, ohne dass jedes Bild manuell gesichtet werden muss.

Für Unternehmen

Telekommunikationsanbieter mit automatisierten Inspektionsprozessen können Netzinfrastrukturen schneller warten und sichern sich Vorteile bei der Netzzuverlässigkeit. Gegenüber Wettbewerbern, die auf manuelle Inspektionen vertrauen, werden Prüfzyklen über zehntausende Masten termingerecht eingehalten. Dies minimiert Ausfallrisiken und schützt die Versorgungsqualität.

Die Automatisierung von Infrastrukturinspektionen transformiert Kostenmodelle von Betreibern großer Anlagen. Durch den Verzicht auf manuelle Erstprüfungen verringern sich die operativen Aufwände für Kletterteams und Spezialausrüstung beträchtlich. Zudem vermeidet die frühzeitige Erkennung von Korrosion teure Folgeschäden und stabilisiert die langfristige Anlagenrentabilität.

Die Prüfung wird von einem dezentralen, handwerklichen Prozess zu einer zentral gesteuerten Cloud-Pipeline umgebaut. Drohnen übernehmen die strukturierte Datenerfassung vor Ort, während Cloud-Dienste wie AWS Batch die parallele Verarbeitung tausender Bilder pro Mast managen. Instandhaltungsabteilungen steuern Reparaturmaßnahmen auf Basis standardisierter Datenprotokolle anstatt subjektiver Berichte.

Für Beschäftigte

Für Servicetechniker entfällt eine der gefährlichsten Aufgaben im Arbeitsalltag: das Besteigen dutzende Meter hoher Stahlkonstruktionen zur rein visuellen Prüfung. Die Arbeit verlagert sich in bodennahe Drohnenoperationen und die digitale Auswertung. Dies reduziert körperliche Belastungen und das Risiko schwerer Arbeitsunfälle grundlegend.

Das Berufsbild wandelt sich vom reinen Kletter- und Inspektionstechniker hin zum Daten- und Instandhaltungsspezialisten. Mitarbeiter verbringen weniger Zeit mit mühsamen Sucharbeiten vor Ort und konzentrieren sich auf die Validierung von Schadensmeldungen und gezielte Instandsetzungen. Diese Entwicklung bedeutet eine qualitative Aufwertung der täglichen Aufgaben.

Mitarbeitende erweitern ihr Profil um Fachwissen in der Steuerung gewerblicher Drohnen und im Umgang mit KI-gestützten Analyseplattformen. Analytische Fähigkeiten bei der Interpretation von Erkennungsdaten gewinnen an Gewicht. Handwerkliche Fähigkeiten bleiben für zielgerichtete Sanierungsarbeiten unverzichtbar.

Für Privatpersonen

Für Kunden und Anwohner bedeutet der Einsatz leiser Inspektionsdrohnen eine deutliche Entlastung im Alltag. Langwierige Absperrungen rund um Mobilfunkmasten entfallen weitgehend. Gleichzeitig gewährleistet die zügige Instandhaltung einen stabilen und unterbrechungsfreien Zugang zu Mobilfunkdiensten.

Der Einsatz unbemannter Flugsysteme für die Infrastrukturprüfung fördert das Vertrauen in eine moderne und ausfallsichere Grundversorgung. Die Reduktion riskanter Kletterarbeiten findet breite gesellschaftliche Akzeptanz im Hinblick auf den Arbeitsschutz.