KI-basiertes Warnsystem vor Starkregen und urbanen Sturzfluten

Um den Schutz von Gesellschaft und Wirtschaft vor diesen Ereignissen zu erhöhen, soll im Rahmen des Projekts KIWaSuS (KI-basiertes Warnsystem vor Starkregen und urbanen Sturzfluten) ein ganzheitlicher Ansatz für ein Echtzeitwarn- und Echtzeitmanagementsystem entwickelt werden. Hierzu sollen mit Hilfe von Künstlicher Intelligenz Modelle entwickelt werden, die Starkregenereignisse sowie das daraus resultierenden Überflutungsausmaß frühzeitig vorhersagen.

Die Plausibilitätskontrolle von Niederschlagsdaten stellt in der Praxis eine besondere Herausforderung dar. Anhand der Auswertung einzelner hydrometrischer Sensorinformationen (z.B. Regenschreiber) ist die holistische Bewertung der Datenqualität nur begrenzt möglich. Im Gegensatz zu Sensoren mit kontinuierlicher Datenübertragung (z.B. Pegelmessungen, Durchflussmessungen, Messungen chem.-physikalischer Parameter, u.a.), lassen sich Fehlmessungen nur schwer identifizieren.

Gemeinsam mit der neusta sd west GmbH wird im Rahmen des Projekts KIWaSuS das Teilarbeitspakte „KI basiertes Datenqualitätsmanagement“ bearbeitet und das Ziel verfolgt Daten unterschiedlicher wasserwirtschaftlich relevanter Sensoren auf Plausibilität zu prüfen, ihre Zuverlässigkeit zu bewerten und wenn möglich, notwendige Korrekturen der Daten nachvollziehbar durchzuführen. Für die Entwicklung und Optimierung zur automatischen Detektion von Fehlmustern und Anomalien sowie der Entwicklung automatischer Korrekturverfahren von Messdaten werden ML-Modelle genutzt.

Angestrebtes Ergebnis ist eine klassifizierte und indexbasierte Bewertung der Qualität der Daten von eingesetzten Sensoren als Grundlage für das im Gesamtvorhaben des Projekts KIWaSuS angestrebte Frühwarnsystem. Sie basiert auf der Datenqualitätsanalyse und der Imputation von Daten sowie auf KI-Verfahren mit Echtzeitbezug. Die entsprechenden Systeme und Clusteranalysen werden in die vom Projektpartner neusta angestrebte übergeordnete Plattform integriert. Ergänzend zu den Datenqualitätstools sollen Methoden entwickelt und Werkzeuge bereitgestellt werden, mit denen die räumliche Dichte der Sensoren sowie deren zeitliche Auflösung bewertet werden können. Dadurch können Monitoringstrategien optimiert und eine adaptive Anpassung des verwendeten Sensornetzes durchgeführt werden.

Die entwickelten Methodiken, Strategien und Vorgehensweisen zur Plausibilitätsprüfung dieses Vorhabens sollen möglichst breit von Dritten angewendet werden können und über die von neusta aufzustellende Datenplattform allgemein zugänglich sein.

Das Projekt wird im Zuge der Bekanntmachung „Künstliche Intelligenz in der zivilen Sicherheitsforschung“ des BMBF im Rahmen des Programms „Forschung für die zivile Sicherheit“ der Bundesregierung gefördert.​