Christian Benz verteidigte am 28. November 2025 erfolgreich seine Dissertation mit dem Titel "Bildbasierte Risserkennung für die Bauwerksinspektion" an der Bauhaus-Universität Weimar. In der Arbeit wird überzeugend dargestellt, wie die Bildaufnahme, Trainingsdaten für tiefgehendes Lernen und Algorithmen für neuronale Netze die Erkennungsleistung unter schwierigen Bedingungen beeinflussen. Das mit dem Datensatz OMNICRACK30k konfigurierte und trainierte nnU-CRACKNET liefert vielversprechende Ergebnisse bei der Erkennung von Rissen auf unterschiedlichen Oberflächenmaterialien. Die neue Metrik clIoU ermöglicht beim pixelweisen Vergleich linienhafter Rissstrukturen die Berücksichtigung leichter Positionsunschärfen. Die räumliche Lokalisierung von Rissen am Bauwerk erleichtert die Bewertung ihres Schweregrads. Zu diesem Zweck wurden die halbsynthetischen bzw. realen Datensätze CRACKENSEMBLES und CRACKSTRUCTURES vorgestellt. Die als ENSTRECT bezeichnete Risserkennung in 2,5D wird mithilfe einer rekonstruierten 3D-Punktwolke realisiert. Das vorgeschlagene Fusionsschema erkennt erfolgreich Oberflächenrisse in praxisrelevanten Anwendungsfällen. Die Leistungsfähigkeit der Risssegmentierung hängt jedoch stark von der Bildqualität ab und "In-the-wild"-Bedingungen stellen weiterhin eine Herausforderung dar.