PrognoSF – Dynamische KI-Kurzzeitprognosen für Sturzfluten

Kurzbeschreibung des Projekts

Aufgrund des Klimawandels, wachsender städtischer Gebiete und immer mehr undurchlässiger Oberflächen werden Überschwemmungen, die durch starke Regenfälle ausgelöst werden, immer häufiger und schwerer. Obwohl Frühwarnsysteme seit langem Gegenstand der Forschung sind, sind Vorhersagen, insbesondere für lokale Ereignisse, sehr ungenau.

In unserem Eigenforschungsprojekt PrognoSF gehen wir dieses Problem an, um Katastrophenvorsorge und -management effektiver zu gestalten. Wir kombinieren dazu Sensordaten zu Niederschlag, Wasserständen und Landnutzung, die aus der Fernerkundung oder von lokalen Smart-City-Plattformen stammen, mit hochauflösenden Niederschlagsprognosen des Deutschen Wetterdienstes (DWD) zu kombinieren.

Zu diesem Zweck verbinden wir Sensoren und bestehende Datenplattformen mit einem modernen Sensordatenmanagementsystem und KI-Modulen, wobei wir uns stark auf offene Standards stützen. Insbesondere verwenden wir unsere eigene Open-Source-Implementierung der OGC SensorThings API (auch bekannt als FROST®-Server) in Verbindung mit PERMA, das die einfache Integration von KI-Berechnungsmodulen über Docker-Container ermöglicht, sowie unsere WebGenesis®-Plattform zur Entscheidungsunterstützung.

Entwicklungsziele im Detail

Unsere Entwicklungsaktivitäten im Rahmen von PrognoSF umfassen die Konzeption spezifischer Sensorstationen und deren Anbindung an Smart-City-Plattformen über LoRaWAN sowie die Entwicklung verschiedener KI-basierter Module mit dem Ziel, schnellere und genauere Vorhersagen für eine verbesserte Frühwarnung zu ermöglichen. Zu den Modulen, deren erste Versionen bereits implementiert wurden, gehören eine lokale Niederschlagsvorhersage, eine Bildverarbeitung, die die aktuelle Landnutzung aus Satellitenbildern extrahiert, sowie eine Wasserstands- und Abflussvorhersage auf der Grundlage historischer Daten, Echtzeit-Sensormessungen und des Wetters. 

Aktueller Stand

PrognoSF wird derzeit (2024) in Workshops mit Katastrophenschutzbehörden und Endanwendern evaluiert, um die Vor- und Nachteile gegenüber bestehenden Systemen zu untersuchen. Unser Ziel ist, den Behörden ein praxistaugliches Werkzeug zur Verfügung zu stellen, das die Vorwarnzeit verlängert und  Risikogebiete präziser vorhersagt.