Landesamt für Natur, Umwelt und Klima Nordrhein-Westfalen Landesamt für Natur, Umwelt und Klima Nordrhein-Westfalen
Erweiterte Suche

    Mit KI die Datenplausibilität verbessern

    Daten sind in der Abteilung „Wasserwirtschaft, Gewässerschutz“ die Grundlage für fachliche Entscheidungen. Deswegen müssen die Daten fehlerfrei, plausibel und gerichtsfest sein. Um dies zu prüfen, setzt die Abteilung verstärkt auf den Einsatz von analytischer Künstlicher Intelligenz (KI). Sie soll die Datenbasis für Hochwasserschutz, Klimaanpassung und Planung stärken und damit Eingangsdaten für Vorhersagemodelle und Warnsysteme optimieren.

    „Anspruch ist, große Datenmengen aus dem hydro- meteorologischen Messnetz mit der KI effizient, schneller und objektiver zu prüfen.“

    Das hydrometeorologische Messnetz des LANUK erfasst minütlich die Niederschlagsmengen von rund 370 Messstationen als Basis für den Hochwassermeldedienst und die Bewirtschaftung der Ressource Wasser. „Dieser Datensatz muss belastbar sein, denn die Daten fließen in Modellierungen ein und werden für niederschlagsbasierte Warnungen oder Hochwasserwarnungen eingesetzt“, sagt Vera Schimetzek, Leiterin des Fachgebiets „Hydrometeorologie“. Anomalien in den Datensätzen gebe es immer wieder: Es können unrealistische Niederschlagspeaks angezeigt werden, die Niederschlagsmessung kann ausfallen oder Schnee­haubeneinbrüche verursachen Messfehler. „Bisher haben wir die Daten manuell überprüft und so Fehler, Ausreißer und Unplausibili­täten gefunden und entfernt. Es ist jedoch eine repeti­tive Arbeit, die viel Zeit beansprucht“, sagt sie. 

    KI erkennt unrealistische Messwerte, beispielsweise wenn beim Abnehmen
    des Auffangbehälters für Niederschlag Druck auf die Waage ausgeübt wird und der Sensor dies irrtümlich als Niederschlag wertet.

    Deshalb nimmt das Fachgebiet seit 2025 am Verbundprojekt NIQKI („Niederschlagsdaten Qualitätskontrolle mit Künstlicher Intelligenz“) teil. Dabei werden Methoden zur Fehlererkennung der Daten etwa durch Vergleich mit weiteren Stationsdaten oder Radaraufzeichnungen entwickelt, um die Plausibilität von Messungen zu bewerten. Ziel ist, in Zeitreihen automatisiert Anomalien zu erkennen. „Anspruch ist, große Datenmengen aus dem hydrometeorologischen Messnetz mit der KI effizient, schneller und objektiver zu prüfen und damit Beurteilungsgrundlagen für Starkregen- und Hochwasserinformationen zu verbessern“, sagt Simon Middel aus dem Fachgebiet „Hydrometeorologie“.

    Anomalien bei Wasserstandsmessungen erkennen

    Foto: S. Engels

    Auch im Pegelwesen werden an über 300 Messstel­len Daten an den Fließgewässern erhoben. Jedoch gibt es äußere Einflüsse, die sich auf die Datenqualität auswirken können. Daher lässt Dr. Marcel Gaj KI-Metho­den entwickeln, um in den Wasserstandszeitreihen Anomalien zu erkennen. Diese können beispielsweise auftreten, wenn Sensoren ausfallen oder sich das Gewässerprofil durch Bewuchs, Sedimentverlagerung oder andere Eingriffe wie Gewässerpflege verändert. Letzteres verursacht Wasserstandsschwankungen, die etwa durch ein Mähboot im Gewässer entstehen, das die Vegetation abmäht. „Mit KI kann man sowohl die zunehmende Verkrautung als auch die Veränderungen im Wasserstand erkennen, nachdem das Mähboot die Pflanzen entfernt hat“, erklärt Marcel Gaj. In einem weiteren Projekt, das 2026 starten soll, soll die KI bei der Nachführung von Wasserstand-Abflussbeziehungen helfen. Ein anderes KI-Projekt zur Digitalisierung historischer Schreibstreifen mit den Ganglinien von Wasserständen läuft bereits seit 2025. 

    KI hilft bei der Hochwasservorhersage

    Je schneller auch durch KI geprüfte plausible Daten zur Verfügung stehen, umso besser für Marc Scheibel, Leiter des Fachbereichs „Hochwasserzen­trale, Hochwasserrisikomanagement, Stadtentwässerung und -hydrologie“. „Wir benötigen hydrometeorolo­gi­sche Daten sowie Pegel- und Abflussdaten, um unsere Wasserhaushaltsmodelle zu kalibrieren. Das verbessert die Hochwasservorhersage deutlich“, sagt er. Derzeit arbeitet sein Team an einer Beta-KI-Version eines Dashboards, welches die Datenflüsse von den Messstellen bis zum Hochwasserportal überwacht, Vorschläge zur Behebung von Fehlern bereithält und manuelle Arbeit deutlich reduziert. Zudem beteiligt es sich am Forschungsprojekt KI-HopE-De (KI-gestützte Hochwasserprognose für kleine Einzugsgebiete in Deutschland). Dabei geht es um die KI-gestützte Vor­her­sage von Hochwasser, insbesondere in Folge kurzfristiger, kleinräumiger Starkregenereignisse. 

    Titelbild: S. Unger

    Teilen Sie diese Seite auf