Städte im Klimasturm: Wie KI den Blindflug beendet

Die Wasserwirtschaft hat in den vergangenen Jahren große Fortschritte bei Digitalisierung und Automatisierung gemacht. Sensoren erfassen Pegelstände, Modelle prognostizieren Abflüsse – alles funktioniert einwandfrei, solange Normalbetrieb herrscht. Doch historische Daten spiegeln Extremereignisse wie Starkregen nur selten wider. Messkampagnen sind kostspielig, die Ergebnisse oft nicht öffentlich zugänglich. So manövrieren Kommunen im Blindflug durch wachsende Klimarisiken – und tragen die Konsequenzen.

Generative KI-Modelle lösen dieses Datenrätsel. Sie lernen reale Verteilungen und generieren synthetische Zeitreihen, die auch seltene Extreme plausibel abbilden. Forschungsergebnisse zeigen: Solche Daten steigern die Präzision von Vorhersagemodellen deutlich. Manche erreichen mit ausschließlich KI-generierten Daten gar die Qualität realer Messreihen. Für Städte bedeutet das: Zuverlässigere Vorsorge.

Am DFKI in Kaiserslautern treibt Prof. Andreas Dengel als Geschäftsführender Direktor und Leiter des Bereichs „Smarte Daten & Wissensdienste“ diese Ansätze voran, gemeinsam mit den anderen ansässigen Forschungsbereichen. So testen Forschende KI-Systeme direkt am Abwassersystem der Stadt und knüpfen Kooperationen mit bundesweiten Institutionen.

Das Projekt ist ein hervorragendes Beispiel für die erfolgreiche interdisziplinäre Zusammenarbeit am Wissenschaftsstandort Kaiserslautern. In einer Kooperation mit Dr. Amin E. Bakhshipour aus dem Fachgebiet Siedlungswasserwirtschaft von Prof. Ulrich Dittmer (Fachbereich Bauingenieurwesen RPTU) gelang es, theoretische KI-Modelle des DFKI mit hydrologischem Systemverständnis zu verknüpfen. Durch diesen direkten Austausch zwischen Informatik-Expertise und fundiertem Wissen aus der Siedlungswasserwirtschaft konnte das KI-Modell optimal auf die spezifischen Herausforderungen von Kanalnetz-Dynamiken trainiert werden.

Dies stärkt nicht nur Hydrologie und Gewässergüte, sondern liefert auch Politik und Verwaltung handfeste Handlungsoptionen.

Der am DFKI entwickelte Ansatz transformiert die Art und Weise, wie Kanalhydraulik betrachtet wird: Weg von der rein statischen Planung, hin zur dynamischen, datengetriebenen Prognose. Das Modell nutzt Zeitreihen von Niederschlag und gemessenen Wasserständen, um zu lernen, wie sich Wasser in urbanen Systemen unter wechselnden Wetterbedingungen ansammelt und ausbreitet.

Im Gegensatz zu klassischen hydrodynamischen Modellen, die auf der aufwendigen Lösung komplexer physikalischer Gleichungen basieren, lernt diese KI die Systemdynamik direkt aus historischen Beobachtungen. Ein entscheidender Hebel ist dabei der Einsatz generativer Modelle: Sie erzeugen synthetische Trainingsdaten, die insbesondere seltene Extremereignisse wie Starkregen – die in realen Messdaten oft unterrepräsentiert sind – plausibel abbilden. Diese Datenaugmentation schließt die gefährliche Lücke zwischen Durchschnittswerten und realen Wetterrisiken.

Das System ist konzeptionell als ergänzende Schicht in bestehende Analyse- und Planungsworkflows konzipiert. Es dient als Prognosekomponente, die bestehende Simulationsmodelle nicht ersetzt, sondern entscheidend präzisiert. Der aktuelle, auf realen Messdaten aus Kaiserslautern validierte Forschungsprototyp demonstriert bereits eindrucksvoll das Potenzial: Eine Vorhersage von Wasserständen im Kanalnetz für die kommende Stunde ermöglicht Kommunen, schneller auf sich zuspitzende Lagen zu reagieren. Die Technologie liefert damit eine belastbare Grundlage für Frühwarnsysteme, die strategische Infrastrukturplanung und den Katastrophenschutz.

KI ersetzt keine Ingenieure, wohl aber fehlende Daten. Sie macht digitale Zwillinge resilienter gegen Klimastress. Die eigentliche Frage ist politischer Natur: Sollen Städte reaktiv aus Schaden lernen – oder vorausschauend aus simulierten Szenarien planen? Synthetische Daten rüsten Kommunen auch bei knappen Budgets besser aus. Im Klimawandel ist das keine Option, sondern Pflicht.