Beton ist eines der weltweit am häufigsten verwendeten Baumaterialien. Betonausrisse, ein häufig auftretendes Phänomen, können durch zahlreiche Faktoren in den verschiedenen Lebenszyklusphasen des Betons verursacht werden. Im Laufe der Zeit können unbehandelte, schmale Risse größer und tiefer werden, was die Struktur gefährdet. Die manuelle Erkennung und Reparatur von Rissen an großen Betonbauwerken ist jedoch sowohl zeitaufwendig als auch arbeitsintensiv. Besonders bei schmalen Rissen, die leicht übersehen werden und deren Reparatur mit herkömmlichen Methoden mühsam ist. Zudem sind die in traditionellen Techniken verwendeten Reparaturmittel nicht umweltfreundlich. Eine relativ neue Methode zur Reparatur schmaler Risse ist die Verwendung des umweltfreundlichen Biobetonmittels Basilisk ER7, das einfach anzuwenden ist und Betonausrisse bis zu 0,6 mm verschließen kann. Basilisk ER7 wird jedoch normalerweise durch Sprühen des Mittels auf die gesamte Betonoberfläche, um die Abdeckung schmaler Risse sicherzustellen, was zu einem hohen Verbrauch des Reparaturmittels führen kann. Wenn Arbeiter Risse manuell inspizieren und dann Basilisk ER7 auf jeden einzelnen Riss spritzen, könnte dies tatsächlich den Verbrauch des Reparaturmittels sparen. Dieser Prozess erfordert jedoch erheblichen manuellen Aufwand und Aufmerksamkeit, um jeden Riss genau zu identifizieren und zu behandeln. Diese Doktorarbeit zeigt die Entwicklung eines kompakten und kostengünstigen Roboters namens „CrackRepairBot“, der speziell dafür entwickelt wurde, schmale Risse, Trocknungs- und Schrumpfrisse sowie Verschleiß auf flachen Betonoberflächen mit dem Reparaturmittel Basilisk ER7 zu reparieren. Unterstützt durch Computer-Vision-Techniken wie Bildsegmentierung und Bildverarbeitung mittels des OpenCV-Tools kann der Roboter Risse schnell erkennen, zwischen schmalen und breiten Rissen unterscheiden und das Reparaturmittel gezielt nur auf die schmalen Risse spritzen. Im Vergleich zur üblichen Anwendungsmethode des Sprühens auf die gesamte Fläche hilft diese Funktion, das Reparaturmittel zu sparen. Da schmale und breite Risse oft zusammen auftreten und das Reparaturmittel Basilisk ER7 nur für schmale Risse geeignet ist, wurde in dieser Arbeit auch ein automatisches Aufzeichnungs- und Visualisierungssystem für breite Risse entwickelt, um Ingenieuren zu ermöglichen, in Zukunft andere Methoden zur Reparatur dieser breiten Risse zu ergreifen. Das wichtigste Merkmal des in dieser Arbeit entwickelten robotischen Systems ist die Verteilung verschiedener Funktionsmodule auf verschiedene Edge-Computing Module, die über kabelgebundene Verbindungen kommunizieren. Der leistungsstarke Einplatinencomputer, der als „Gehirn“ des gesamten Systems fungiert, wird hauptsächlich zur Bereitstellung des maschinellen Lernmodells und zur Echtzeit-Inferenz dieses Modells verwendet. Die Inferenz-Ergebnisse des maschinellen Lernmodells werden an den vorhandenen Einplatinencomputer und Mikrocontroller des Roboters gesendet, die dann die Bewegungen des Roboters, die Rissaufzeichnung und das Sprühsystem steuern. Die in diesem Robotersystem verwendeten Algorithmen basieren auf Open-Source-Frameworks. Ein solches Systemdesign stellt sicher, dass das gesamte System nicht übermäßig von Hardware einer bestimmten Marke abhängig ist, was den Austausch der Hardware in Zukunft je nach Bedarf neuer Anwendungsszenarien erleichtert. Mit anderen Worten, dieses Systemdesign erhöht die Flexibilität und Anpassungsfähigkeit des Systems, sodass neue Edge-Computing Geräte nach Bedarf leichter integriert und aufgerüstet werden können, ohne andere Geräte im Netzwerk wesentlich zu beeinträchtigen. Da der leistungsstarke Einplatinencomputer den Großteil der Rechenanforderungen des Systems übernimmt, können der Roboter und der Mikrocontroller in kostengünstigen, rechenarmen Versionen ausgewählt werden, was die Gesamtkosten für die Roboterentwicklung senkt. Der in dieser Arbeit verwendete Roboter ist gemäß dem Systemdesign der relativ kostengünstige und Open-Source JetAuto Pro. Jetson Orin Nano verwendet die Ergebnisse des Bildsegmentierungsalgorithmus YOLOv8, um Arduino und Jetson Nano zu steuern. Wenn Jetson Orin Nano über eine 10-fach zoombare Kamera einen Betonausriss von bis zu 0,6 mm Breite erkennt, sendet es einen Befehl an Arduino, das normalerweise geschlossene Magnetventil zu öffnen und das Reparaturmittel aus einer druckbeaufschlagbaren Wasserflasche auf den Riss zu sprühen. Überschreitet die Breite des Risses 0,6 mm, erteilt Jetson Orin Nano über ein Ethernet-Kabel Befehle an Jetson Nano, das sofort die Kamera verwendet, um ein Bild des breiten Risses aufzunehmen und über das Robot Operating System (ROS) Koordinaten aus der Karte zu erhalten, um diese Koordinaten und das Bild in MongoDB Atlas zu speichern. Die Positionen dieser Risse und ihre entsprechenden Bilder werden in einer integrierten Webanwendung für Building Information Modeling (BIM) und Geographic Information Systems (GIS) auf der Basis der 3D-Geoplattform Cesium visualisiert. Um eine autonome Navigation zu erreichen, wurden die vom Roboter verwendeten Karten aus dem IFC (Industry Foundation Classes) Modell und mit einer Drohne aufgenommenen Fotos konvertiert. Anschließend nutzt der Roboter das LiDAR und die durch Python-Skripte gesetzten Mehrfachzielpunkte, um den gesamten Boden umfassend zu überprüfen. Die durch Python-Skripte gesetzten Zielpunkte können auch für die Routenplanung während der Aushärtungsphase des Reparaturmittels verwendet werden, sodass der Roboter seinen vorherigen Weg erneut verfolgt, um Wasser zur Feuchtigkeitswartung der Risse zu sprühen. Der Roboter führte zunächst spezifische Funktionstests an rissigen Betonen und auf dem Boden in Innenräumen durch. Anschließend wurde ein umfassender Test auf der Betonoberfläche eines Skateparks durchgeführt, bei dem alle Funktionen des Roboters effektiv arbeiteten. Das am besten trainierte YOLOv8-Modell klassifiziert jedoch gelegentlich bestimmte Objekte fälschlicherweise als Risse, und seine Leistung muss noch weiter verbessert werden. Diese Arbeit zeigt, dass intelligente Roboter Arbeiter bei der Durchführung von zeitaufwendigen und arbeitsintensiven Aufgaben wie der Reparatur schmaler Risse und der Erfassung breiterer Risse unterstützen können, wodurch die Arbeitskosten bei Bauprojekten gesenkt werden. Es zeigt sich, dass die Entwicklung von Robotern im Bereich des Bauingenieurwesens großes Anwendungspotenzial hat. In Zukunft zielt diese Arbeit darauf ab, das entwickelte System auf Drohnen für die Risserkennung und -reparatur in Hochhäusern einzusetzen. Um die Einschränkungen der Verallgemeinerungsfähigkeit des YOLOv8-Modells zu überwinden, ist geplant, fortschrittlichere Algorithmen zu verwenden, um eine genaue Risserkennung zu erreichen.