Neue Spezifikationen legen die Grundlagen für intelligente Kai- und Portalkransysteme fest und unterstützen die nächste Phase der Hafenautomatisierung

SHANGHAI, 16. April 2026 /PRNewswire/ -- Shanghai Zhenhua Heavy Industries Co., Ltd. (ZPMC) hat die Entwicklung von zwei Industriestandards für intelligente Hafenausrüstung vorangetrieben: Technische Spezifikationen für intelligente Technologien bei Kaikranen und Technische Spezifikationen für intelligente Technologien bei Portalkranen. Die Normen wurden vom chinesischen Ministerium für Industrie und Informationstechnologie erlassen und treten am 1. September 2026 in Kraft.

Die Veröffentlichung legt eine technische Grundlage für intelligente Kransysteme fest und trägt dazu bei, die Automatisierung von Hafen- und Portalkranen in Hafenumgebungen zu standardisieren.

Kai- und Portalkrane sind für den Hafenbetrieb unverzichtbar. Die neuen Normen legen technische und sicherheitsrelevante Anforderungen sowie Prüf- und Inspektionsverfahren für intelligente Steuerungssysteme fest, die in verschiedenen Betriebsszenarien zum Einsatz kommen. Sie bilden die Grundlage für eine einheitlichere Entwicklung, Fertigung und Systemintegration in großem Maßstab bei Hafenausrüstung.

Es wird erwartet, dass die Normen die Einführung von Automatisierungstechnologien im Hafenbetrieb beschleunigen, die Zuverlässigkeit der Systeme unter realen Betriebsbedingungen verbessern und klarere Leistungsmaßstäbe für Betreiber und Hafenbehörden festlegen.

Im ersten Quartal dieses Jahres war ZPMC zudem an der Ausarbeitung von sieben weiteren nationalen und branchenweiten Normen beteiligt und festigte damit seine Rolle bei der Festlegung technischer Maßstäbe für Hafenausrüstung der nächsten Generation.

View original content:https://www.prnewswire.com/de/pressemitteilungen/zpmc-entwickelt-zwei-industriestandards-fur-die-technologie-intelligenter-hafenkrane-302744456.html

Im Gotthardmassiv im Tessin ist einem internationalen Forschungsteam erstmals gelungen, die Erde kontrolliert zum Beben zu bringen. Im Untergrundlabor "Bedrettolab", das in einem ehemaligen Baustollen des Furkatunnels eingerichtet wurde, lösten Wissenschaftlerinnen und Wissenschaftler gezielt eine Serie von Mikrobeben aus. Die beteiligte Rheinisch-Westfälische Technische Hochschule Aachen (RWTH Aachen) sprach von einem "sehr erfolgreichen" Versuch.

Über mehrere Tage injizierten Fachleute der ETH Zürich, der RWTH Aachen und des italienischen Nationalen Instituts für Geophysik und Vulkanologie (INGV) Wasser mit hohem Druck in eine natürliche Bruchzone tief im Fels. Ziel des Experiments war es, Spannungsänderungen im Gestein hervorzurufen und damit kleinste Erschütterungen auszulösen. Genau das trat ein: Registriert wurde eine ganze Serie von Mikrobeben, teilweise mit Magnituden knapp unterhalb von 0. An der Erdoberfläche waren diese Ereignisse nicht zu spüren.

Um die künstlich erzeugten Beben detailliert zu erfassen, installierte das Team Hunderte hochsensibler Sensoren in unmittelbarer Nähe der Verwerfung. Die Messinstrumente reagierten so feinfühlig, dass im Bedrettolab sogar das Erdbeben in Japan vom 20. April präzise aufgezeichnet werden konnte. Durch die direkte Platzierung an der Bruchzone konnte die Entstehung der Erschütterungen erstmals am Ursprungsort und nicht wie sonst üblich an der Erdoberfläche verfolgt werden. Die aufgezeichneten Signale seien "unglaublich", sagte Projektleiter Florian Amann von der RWTH Aachen, man erhalte einen einzigartigen Einblick in die Erdbebenphysik.

Das Experiment ist Teil des Projekts "FEAR" – kurz für "Fault Activation and Earthquake Rupture". Langfristig sollen die Daten dazu beitragen, die Vorhersagbarkeit von Erdbeben zu verbessern. Im Fokus steht die Frage, was im Gestein passiert, bevor ein größeres Beben einsetzt. Nach Angaben der Forschenden gehen starken Erdbeben typischerweise tausende kleine Ereignisse voraus. Deren Entwicklung im Labor nachzuzeichnen, soll helfen, die physikalischen Prozesse entlang natürlicher Störungszonen besser zu verstehen und Frühindikatoren für künftige Beben zu identifizieren.