Regenwassermanagement

KI-basiertes Warnsystem für Starkregen und urbane Sturzfluten

Digitalisierung
Wie Starkregen durch ein Unwetter besser vorhergesagt werden kann, wird im KI-basiertes Warnsystem vor Starkregen und urbanen Sturzfluten Verbund "KI-basiertes Warnsystem vor Starkregen und urbanen Sturzfluten" erforscht. Foto: Erich Westendarp, pixelio.de

Starkregen und Sturzfluten sind kein neues Phänomen. Doch die extremen Wetterereignisse, besonders in den Sommermonaten, nehmen in Folge des Klimawandels zu. Vor allem in urbanen Gebieten, also etwa in Ruhrgebietsstädten wie Gelsenkirchen, kommt es schnell zur Überlastung der Kanalnetze, zu Überflutungen von Straßen und Unterführungen. Damit sind Rettungswege etwa für die Feuerwehr blockiert. Hinsichtlich Vorwarnzeit, geographisch genauer Verortung und zu erwartender Niederschlagsmenge sind Starkregenereignisse kaum adäquat vorherzusagen. Umso wichtiger ist eine technische und inhaltliche Weiterentwicklung der Vorhersagemodelle. Hier setzt das BMBF-Verbundforschungsprojekt "KIWaSuS" an.

KIWaSuS steht für "KI-basiertes Warnsystem vor Starkregen und urbanen Sturzfluten". Ziel des Projektes ist es, die Vorwarnzeiten vor Sturzfluten in den Städten signifikant zu erhöhen, diese besser zu lokalisieren und gleichzeitig wichtige Informationen für das kommunale Krisenmanagement bereitzustellen, um Bürger*innen besser zu schützen. Dazu soll eine intuitive, digitale Karte erstellt werden, die in Abhängigkeit des bevorstehenden Starkregenereignisses bereits Ort und Ausmaß der resultierenden Überflutung frühzeitig und zuverlässig darstellt. Damit können Akteure vor Ort sinnvoll unterstützt werden: Einsatzpläne für Feuerwehr, Katastrophenschutz und Kanalnetzbetreiber können so individuell an das Ereignis angepasst werden. Bürger können rechtzeitig gewarnt werden und eigene Schutzmaßnahmen einleiten.

Der Bedarf für ein effizientes Echtzeitwarnsystem ist nicht auf Gelsenkirchen begrenzt, sondern deutschlandweit gegeben.

Im Projekt KIWaSuS soll 'Künstliche Intelligenz' (KI) als zentrales Element eingesetzt werden. Dabei handelt es sich um eine Technik, die normalerweise eher in Smartphones, Autos oder Sprachassistenten zur Mustererkennung in Bildern und Sprache eingesetzt wird. In KIWaSuS soll KI dazu eingesetzt werden, Zusammenhänge und Muster bei der Entstehung von Starkregenzellen zu erlernen, um künftig die zeitliche und räumliche Entwicklung von Starkregenzellen besser vorhersagen zu können. Andererseits soll KI verwendet werden, um das Verhältnis zwischen Niederschlag und dem daraus resultierenden Abfluss zu erlernen. So sollen Überlastungen des Kanalnetzes und Überschwemmungen besser zu beschreiben sein.

Voraussetzung für den effizienten Einsatz von KI ist ein intensiver Trainingsprozess, der eine große Datenbasis benötigt. Die Daten werden aus verschiedenen Quellen erhoben: Für den Niederschlag werden Messdaten durch die Kommunen und Wasserverbände bereits seit mehreren Jahrzehnten erfasst. Für den niederschlagsbedingten Abfluss hingegen liegen derzeit kaum Daten vor. Hier werden physikalisch basierte Abflussmodelle genutzt, um künstliche Trainingsdaten zu generieren. Darüber hinaus soll ein innovatives Sensorsystem zur Nachverdichtung oder Ergänzung der Datenbasis errichtet werden. Sämtliche Datenströme sollen in einer zentralen Datenplattform zusammengefügt und durch entsprechende Transformationsprozesse in ein ML-geeignetes Format gebracht und für die Vorhersagemodelle zur Verfügung gestellt werden.

Das Projekt startete im April 2021 und läuft bis März 2024. Gefördert wird das Projekt mit ca. 1,5 Millionen Euro vom BMBF.

SUG-Stellenmarkt

Relevante Stellenangebote
Ingenieur Grünplaner / Landschaftsarchitektur..., Sindelfingen  ansehen
Baumpfleger bzw. Baumpflegerin (w/m/d), Schwerin  ansehen
Bauleitung (a) Grünplanung, Freiburg  ansehen
Alle Stellenangebote ansehen

Ausgewählte Unternehmen
LLVZ - Leistungs- und Lieferverzeichnis

Die Anbieterprofile sind ein Angebot von llvz.de

Redaktions-Newsletter

Aktuelle grüne Nachrichten direkt aus der Redaktion.

Jetzt bestellen