Millionenzuschuss vom Bund: KI soll Schutz vor Hochwasser an Flüssen verbessern

Mit dem Projekt KI-HopE-De wollen Forscher, Wetterdienste und Hochwasserzentralen die Vorhersage von Überschwemmungen in Deutschland mithilfe von Methoden des maschinellen Lernens maßgeblich verbessern. Das Bundesforschungsministerium fördert die kürzlich gestartete Initiative, die vom Karlsruher Institut für Technologie (KIT) koordiniert wird, mit rund 1,8 Millionen Euro. Starkregen sowie davon ausgelöste Hochwasser und Flutwellen zählen zu den größten Naturgefahren mit gravierenden Auswirkungen auf Mensch, Natur und Infrastruktur. Vor allem kleine und mittlere Flusseinzugsgebiete, die in Mitteleuropa häufig zu finden sind, reagieren schnell auf extreme Wetterbedingungen. Das führte nicht zuletzt die Flutkatastrophe im Ahrtal im Sommer 2021 vor Augen, bei der über 180 Menschen starben und fast 9000 Gebäude zerstört wurden.

Starkregen und schnell ansteigende Flusspegel verkürzen die Vorwarnzeiten und erhöhen die Unsicherheiten der meteorologischen und hydrologischen Vorhersagen. Die Bundesländer veröffentlichen deshalb für kleinere Flüsse meist nur regionale Warnstufen, die auf Einzugsgebiete oder Landkreis bezogen sind. Detaillierte Prognosen für solche Ereignisse sind derzeit noch schwer zu bekommen. "Aktuelle hydrologische Modelle stoßen hier an ihre Grenzen, da sie die Komplexität und Genauigkeit in der Wettervorhersage und Abflussbildung nicht ausreichend erfassen können", es im Förderantrag für das Vorhaben "KI-gestützte Hochwasserprognose für kleine Einzugsgebiete in Deutschland".

"Unser Hauptziel ist es daher, das erste nationale, probabilistische Hochwasservorhersagemodell zu entwickeln, das eine konsistente und zuverlässige Vorhersage für das gesamte Bundesgebiet ermöglicht", erklärt Projektleiter Ralf Loritz vom Institut für Wasser und Umwelt des KIT. "Wir wollen einen umfassenden hydro-meteorologischen Datensatz erstellen, der weltweit öffentlich zugänglich ist und sowohl Mess- als auch Vorhersagedaten enthält." Diese Informationen beziehe das Team aus eigenen Quellen sowie vom Deutschen Wetterdienst (DWD) und über verschiedene Landesumweltämter aus der ganzen Republik.

Warnvorlaufzeiten unter 48 Stunden drücken

Der Datensatz soll dem KIT zufolge die Basis bilden, um hydrologische Vorhersagemodelle zu trainieren und zu vergleichen. Loritz schätzt dafür das Potenzial moderner Methoden des maschinellen Lernens als groß ein. Solche Ansätze mit Künstlicher Intelligenz seien in der Lage, komplexe Zusammenhänge in einschlägigen Datenbergen zu erlernen und so robuste und recheneffiziente Simulationen auf Basis hydro-meteorologischer Messdaten und numerischer Wettervorhersagen zu generieren. Die bisherige Forschung habe schon gezeigt, dass solche Verfahren physikalisch basierten Modellen, wie sie aktuell in der Hochwasservorhersage eingesetzt werden, mindestens ebenbürtig und teils bereits überlegen seien.

Zu den Projektpartnern gehören der DWD, das Landesamt für Umwelt Rheinland-Pfalz und sein Pendant für Nordrhein-Westfalen sowie die mit diesen verbundenen Hochwasserzentralen. Kreieren wollen die Beteiligten eine "prototypische Plattform", die potenziell von allen Hochwasservorhersagezentren bundesweit übernommen werden könnte. So würde auch die momentane Abhängigkeit und der Vorsprung von globalen Tech-Unternehmen effektiv reduziert. Die Macher sind zuversichtlich: Die neuartige Einbettung von KI in große, naturwissenschaftliche Simulationsmodellen schaffe neue Anwendungsfälle wie Kurzfristvorhersagen unter 48 Stunden, Datenintegrationstechniken und adaptive Lernmethoden. Auch Einsatzkräfte bauen verstärkt auf KI vor allem zur genauen Lagerkennung, um Fehler bei der Katastrophenprävention zu vermeiden.

(nen)