Beton ist einer der meistverwendeten Baustoffe in der Bauwirtschaft; allein in Deutschland lag die Produktionsmenge von Transportbeton im Jahr 2020 bei über 50 Millionen m³. Um natürliche Ressourcen zu schonen, kann Abbruchmaterial (Beton, Mauerwerk, Gestein) aus dem Rückbau von Gebäuden in Form von rezyklierten Gesteinskörnungen in der Betonproduktion wiederverwendet werden. In der heutigen Bauwirtschaft werden mineralische Rohstoffe jedoch eher downgecycelt als recycelt, obwohl der Bausektor nach Angaben des Statistischen Bundesamtes für mehr als 55 % des gesamten deutschen Abfallaufkommens im Jahr 2019 verantwortlich war. Einer der Gründe ist die Tatsache, dass die Eigenschaften der zu recycelnden Abbruchmaterialien sehr unterschiedlich sind und den neuen Beton in unbekanntem Maße negativ beeinflussen können - hier insbesondere die Frischbetoneigenschaften (Verarbeitbarkeit, Entmischungsneigung). Um dieses Problem zu lösen, kann bei der Verarbeitung von rezyklierten Gesteinskörnungen mehr Zement in der Betonmischung verwendet werden, um diese Schwankungen auszugleichen. Diese Lösung ist jedoch weder ökologisch noch ökonomisch vertretbar, da bei der Herstellung von Zement große Mengen an CO₂ freigesetzt werden. Könnte man die Eigenschaften des frisch gemischten Betons bereits während des Mischvorgangs bestimmen, wäre es möglich, die unbekannten negativen Auswirkungen, die sich vor allem aus der Verwendung von rezyklierten Materialien und aus Schwankungen im Mischvorgang ergeben, zu kompensieren z. B. durch geeignete Zusatzstoffe.

Das Ziel ist es, den Betonmischvorgang mit optischen Sensoren zu beobachten und aus den Bilddaten direkt die Eigenschaften des Betons zu bestimmen. Da die Arbeit mit frischem Beton immer mit viel Aufwand verbunden ist und die Zeit, in der mit dem frischen Beton gearbeitet werden kann, bevor er aushärtet, begrenzt ist, wurden zunächst Versuche mit gefärbtem Ultraschallgel, einem Ersatzstoff, der eine häufig verwendete Referenzsubstanz für Zementleim ist, durchgeführt. Das Ultraschallgel wurde in unterschiedlichem Maße mit Wasser gemischt um unterschiedliche Konsistenzen zu erlangen. Zusätzlich wurde Tongranulat beigefügt, um die Gesteinskörnung im Beton zu simulieren. Durch die Verwendung von Ultraschallgel konnten weitere Tests durchgeführt werden, bei denen verschiedene Kamera- und Beleuchtungspositionen getestet werden.

Die unterschiedlichen Ultraschallgele wurden nacheinander in ein Linearmischsystem gegeben und mit einem Mischpaddel in Bewegung versetzt. Ein Stereokamerasystem nimmt diesen Vorgang auf und ermöglicht eine 3D-Rekonstruktion der Oberfläche der Ultraschallgele. Es wurde ein Lernverfahren entwickelt, das ein digitales Höhenmodell (DEM) und ein Orthophoto (generiert durch klassische photogrammetrische Methoden) zur Vorhersage der rheologischer Eigenschaften verwendet. Eine Regression wird von einem Convolutional Neural Network (CNN) durchgeführt, das bestimmte Werte ausgibt, die die rheologischen Eigenschaften beschreiben. Es konnte gezeigt werden, dass die Möglichkeit besteht Eigenschaften aus Bildern von einem Ersatzstoff für Beton zu extrahieren. Die nächsten Schritte umfasst u.a. die Testung der Methodik an echtem Beton.