Künstliche Intelligenz soll Hochwasserschutz verbessern: KIT-Forscher entwickeln nationales Vorhersagemodell

Das Karlsruher Institut für Technologie (KIT) will mithilfe künstlicher Intelligenz ein Hochwasser-Vorhersagemodell entwickeln, das deutschlandweit einheitliche Prognosen in kleinen Einzugsgebieten von unter 500 Quadratkilometern Größe erlaubt. Gleichzeitig soll die Vorhersagegenauigkeit in diesen Gebieten gesteigert werden.

Um die Vorhersage von Hochwasser für kleine Flüsse bundesweit zu verbessern, wollen Forschende des KIT mithilfe von KI ein Hochwasservorhersagemodell erstellen. Bild: Gabriele Zachmann/KIT

Starkregen und Hochwasser stellen eine der größten Naturgefahren dar. Besonders in kleinen Flusseinzugsgebieten kann es bei extremen Wetterbedingungen zu schnellen und lokalen Überflutungen kommen. Dabei werden die Vorwarnzeiten erheblich verkürzt, was die Genauigkeit der Prognosen erschwert. Ein neues Forschungsprojekt des Karlsruher Instituts für Technologie (KIT) will hier Abhilfe schaffen.

Unter dem Namen KI-HopE-De arbeiten Wissenschaftlerinnen und Wissenschaftler daran, die Hochwasservorhersage durch Methoden des Maschinellen Lernens zu verbessern. Das Bundesministerium für Bildung und Forschung unterstützt das Vorhaben mit 1,8 Millionen Euro.

Dr. Ralf Loritz, Projektleiter am Institut für Wasser und Umwelt des KIT, erklärt die Motivation der Initiative: „Unser Hauptziel ist es, das erste nationale, probabilistische Hochwasservorhersagemodell zu entwickeln, das eine konsistente und zuverlässige Vorhersage für das gesamte Bundesgebiet ermöglicht.“ Bisher gibt es für kleine Flüsse nur regionale Warnstufen, jedoch keine detaillierten Prognosen.

Um eine kurzfristige Hochwasservorhersage von bis zu 48 Stunden zu ermöglichen, wird ein umfassender hydro-meteorologischer Datensatz erstellt. „Wir wollen einen umfassenden hydro-meteorologischen Datensatz erstellen, der weltweit öffentlich zugänglich ist und sowohl Mess- als auch Vorhersagedaten enthält. Diese beziehen wir aus eigenen Quellen sowie vom Deutschen Wetterdienst und über verschiedene Landesumweltämter aus ganz Deutschland“, so Loritz. Dieser Datensatz soll die Grundlage für künftige hydrologische Vorhersagemodelle bilden.

Maschinelles Lernen als Schlüsseltechnologie

Das Potenzial des Maschinellen Lernens in der Hochwasservorhersage schätzt Loritz als enorm ein. „Die Forschung zeigt, dass diese Modelle physikalisch basierten Modellen, wie sie aktuell in der Hochwasservorhersage eingesetzt werden, mindestens ebenbürtig und teilweise bereits überlegen sind.“ Durch das Erlernen komplexer Zusammenhänge in hydrologischen Datensätzen können diese Modelle robuste und recheneffiziente Simulationen erstellen.

Die Anwendungsorientierung spielt bei KI-HopE-De eine zentrale Rolle. Das Projekt vereint Experten aus Hydrologie, Meteorologie und Künstliche Intelligenz und bringt Universitäten, Forschungseinrichtungen sowie Landes- und Bundesbehörden zusammen. Beteiligt sind neben dem KIT unter anderem der Deutsche Wetterdienst (DWD), das Landesamt für Umwelt Rheinland-Pfalz (LfU RP) und das Landesamt für Natur, Umwelt und Verbraucherschutz Nordrhein-Westfalen (LANUV NRW).

Enge Zusammenarbeit mit den Anwendern

Von Beginn an arbeiten die Forschenden mit den späteren Nutzern zusammen. „Wir erforschen und entwickeln die Modelle von Anfang an gemeinsam mit den späteren Anwendern – in diesem Fall den Landesbehörden“, erklärt Loritz. „Damit stellen wir eine anwendungsorientierte Prototypenentwicklung sowie den Kompetenzaufbau bei den späteren Nutzern sicher und erleichtern so den Praxistransfer.“

„Wir schaffen eine innovative, prototypische Plattform, die potenziell von allen Hochwasservorhersagezentren in Deutschland übernommen werden könnte.“
Professor Peter Knippertz, Institut für Meteorologie und Klimaforschung, Department Troposphärenforschung des KIT

Das Projekt KI-HopE-De könnte somit entscheidend zur Erhöhung der Hochwassersicherheit in Deutschland beitragen und gleichzeitig die Nutzung Künstlicher Intelligenz in der Umweltforschung vorantreiben.

Quellenhinweis:

https://ki-hope.de/
https://www.iwu.kit.edu/hyd/forschung_1390.php
https://www.klima-umwelt.kit.edu/