Wahrscheinlichkeitsbasierte Rechenformel für die Druckfestigkeit von ultrahochfestem Beton mit grobem Gesteinskorn basierend auf Feature-Engineering und genetischer Programmierung

Stärkerer, intelligenterer Beton für die Praxis

Moderne Städte sind auf Beton angewiesen — von Brücken bis zu Hochhäusern. Eine spezielle Klasse, der ultrahochfeste Beton, ist bemerkenswert stark und langlebig, aber auch teuer und schwer zu bemessen. Diese Studie betrachtet eine kostengünstigere Variante mit grobem Kies und Gestein und schlägt eine neue Methode vor, um die Druckfestigkeit vor dem Einbau vorherzusagen. Durch die Kombination von Laborversuchen mit einer art evolutionärem Computerverfahren und probabilistischer Modellierung wollen die Autoren Ingenieuren eine einfache, aber verlässliche Formel liefern, die sowohl die Festigkeit als auch die Unsicherheit abbildet.

Warum selbst robuster Beton bessere Rezepturen braucht

Der Ruf des ultrahochfesten Betons beruht auf sehr hoher Festigkeit, Zähigkeit und Widerstandsfähigkeit gegen rauhe Umweltbedingungen, doch diese Vorteile haben ihren Preis. Vieles von Kosten und Leistung hängt von Stahlfasern und feinen mineralischen Komponenten ab. Um dieses Material für große Projekte praktikabler zu machen, wurden Versionen entwickelt, die auch gröberes Gestein — sogenanntes grobes Gesteinskorn — verwenden. Diese Mischungen sind günstiger und trotzdem deutlich stärker als normaler Beton, doch es fehlt Ingenieuren an einer klaren Anleitung: Es gibt keine allgemein akzeptierte Formel, die erklärt, wie Änderungen im Gesteinsanteil, Gesteinsart und Faseranteil die Druckfestigkeit beeinflussen. Bestehende Studien betrachten meist nur eine Variable zugleich und liefern nur Punktvorhersagen, ohne darzustellen, wie unsicher diese Prognosen sind.

Eine datengetriebene, aber transparente Formel entwickeln

Die Autoren stellten und prüften 35 Gruppen kubischer Prüfkörper aus ultrahochfestem Beton mit unterschiedlichen Mengen und Arten von grobem Gestein und variierenden Volumenanteilen an Stahlfasern. Alle anderen Inhaltsstoffe wurden konstant gehalten, um die Effekte dieser drei Schlüsselfaktoren isoliert zu betrachten. Zunächst verwendeten sie ein neuronales Netzwerk als Screening-Werkzeug, um zu messen, wie stark jeder Bestandteil die Festigkeit beeinflusst; dabei zeigte sich, dass der Stahlfaseranteil den größten Einfluss hat, gefolgt von der Gesamtmenge an grobem Gestein, während Gesteinsfestigkeit und -größe eine geringere Rolle spielen. Anschließend nutzten sie einen Ansatz namens genetische Programmierung, bei dem ein Computer einfache mathematische Ausdrücke ‚evolvieren‘ lässt und diejenigen beibehält und verfeinert, die am besten zu den Versuchsdaten passen. Dieser Prozess ergab eine kompakte Gleichung, die die Druckfestigkeit mit drei Eingangsgrößen verknüpft: Gesteinsanteil, Gesteinsfestigkeit und Faseranteil.

Von einer einzelnen Zahl zu einer Spannweite von Möglichkeiten

Beton ist in der Praxis nie vollkommen homogen: Rohstoffe variieren, Aushärtungsbedingungen unterscheiden sich, und datengetriebene Modelle werden zwangsläufig mit einer begrenzten Versuchsmenge trainiert. Um diese reale Unschärfe zu erfassen, erweiterten die Forschenden ihre Formel zu einem probabilistischen Modell. Statt die Konstanten in der Gleichung als fest zu behandeln, ließen sie diese gemäß Wahrscheinlichkeitsverteilungen variieren und verwendeten bayesianische Aktualisierung sowie Monte‑Carlo-Sampling, um diese Verteilungen aus den Versuchsdaten zu erschließen. Das Ergebnis ist, dass das Modell für jede gewählte Kombination aus Gesteins- und Faseranteilen nicht nur einen einzelnen Festigkeitswert ausgibt, sondern eine vollständige Verteilung und ein Konfidenzintervall liefert — engere Intervalle bei sichereren Vorhersagen und breitere, wenn Daten oder Verhalten weniger eindeutig sind.

Was die Festigkeit steuert und wie Faktoren zusammenwirken

Mit dieser probabilistischen Formel untersuchten die Forscher, wie die Inhaltsstoffe zusammenwirken. Innerhalb des getesteten Bereichs erhöht in der Regel mehr grobes Gestein die Festigkeit, und dieser Trend lässt sich näherungsweise als nahezu linear darstellen, obwohl die zugrundeliegende Mathematik exponentiell ist. Der Austausch von weicherem Kalkstein gegen härteren Basalt erhöht die Festigkeit, aber nur um ein paar Megapascal verglichen mit den deutlich größeren Zuwächsen durch Zugabe von Stahlfasern. Der Faseranteil zeigt ein Muster mit schnellem Nutzen: Die Festigkeit steigt stark, wenn Fasern zunächst hinzugefügt werden, und nimmt dann weiter zu, jedoch langsamer. Die Analyse zeigt außerdem, dass die Erhöhung eines günstigen Faktors (etwa Faseranteil) die positiven Effekte der anderen (wie Gesteinsanteil oder Gesteinsqualität) verstärkt, wobei die Fasern den stärksten verstärkenden Einfluss ausüben.

Warum die Unsicherheit mit zunehmender Festigkeit wächst

Ein interessantes Ergebnis ist, dass höhere prognostizierte Festigkeiten tendenziell mit größerer Unsicherheit einhergehen. Wenn Gesteinsanteil, Gesteinsfestigkeit oder Faseranteil zunehmen, steigt nicht nur der mittlere vorhergesagte Druckfestigkeitswert, sondern auch die Breite des Konfidenzintervalls. Praktisch bedeutet das, dass die ambitioniertesten, höchstfesten Mischungen die größte Vorsicht und größere Sicherheitsaufschläge erfordern. Die Autoren argumentieren, dass die Kopplung einer klaren, kompakten Gleichung mit expliziten Unsicherheitsbändern einen praxisnahen Rahmen für die Bemessung ultrahochfester Betone mit grobem Gesteinskorn bietet. Ingenieure erhalten so nicht nur einen Zielwert, sondern auch einen konservativen ‚Bemessungswert‘, entnommen dem unteren Rand der prognostizierten Spannbreite, was ihnen hilft, Leistung, Kosten und Zuverlässigkeit in realen Projekten auszutarieren.

Zitation: Guo, R., Niu, J., Li, D. et al. Probabilistic calculation formula for the compressive strength of ultra-high-performance concrete with coarse aggregate based on feature engineering and genetic programming. Sci Rep 16, 8458 (2026). https://doi.org/10.1038/s41598-026-38878-w

Schlüsselwörter: ultrahochfester Beton, Druckfestigkeit, grobes Gesteinskorn, Stahlfasern, probabilistische Modellierung