In einer Masterarbeit an der FH Münster wurde ein KI-gestütztes Modell, mit dem sich der Abfluss in Kanalsystemen präzise vorhersagen lässt, entwickelt. Dafür wurde der Absolvent Flemming Albers mit dem Hochschulpreis ausgezeichnet.
Die bislang verwendeten hydrodynamischen Simulationsmodelle, die den Abfluss in Kanalnetzen physikalisch detailliert berechnen, sind äußerst zeitaufwendig. Gerade bei plötzlich auftretenden Starkregenereignissen ist jedoch eine schnelle Vorhersage entscheidend. „Mich hat besonders gereizt, herauszufinden, was man in diesem Bereich mit künstlicher Intelligenz alles erreichen kann“, beschreibt Albers seine Motivation. Sein Ansatz basiert auf maschinellem Lernen, insbesondere der Nutzung neuronaler Netze. Ziel war es, mithilfe von KI Niederschlagsdaten so zu analysieren, dass Abflussmengen und -zeiten an bestimmten Punkten im Kanalsystem präzise und binnen Sekunden vorhergesagt werden können. Für die Entwicklung seiner Prognosemodelle griff Albers auf umfangreiche Datensätze zurück, die reale Niederschlags- und Abflussmessungen sowie Ergebnisse aus hydrodynamischen Simulationen umfassten.
Die größte Herausforderung bestand in der datenbasierten Modellierung: Zeitreihen von Wetter- und Abflussdaten weisen saisonale Schwankungen auf, die die Vorhersagen ungenauer machen können. Um dies zu umgehen, implementierte der Bauingenieur Prüfmechanismen und testete das neuronale Netz mit Datensätzen, die es vorher nicht „gesehen“ hatte. Die Ergebnisse seiner Masterarbeit zeigen, so die FH Münster in einer Mitteilung, dass mit minimalem rechnerischem Aufwand maschinelle Lernmodelle Vorhersagen liefern, die den tatsächlichen Abflüssen sehr nahekommen.
© Korrespondenz Abwasser, Abfall · 2025 (72) · Nr. 11