Schleswig-Holstein, Land zwischen Nord- und Ostsee. Kaum ein anderer Teil von Deutschland hat so viel Wasser direkt vor der Haustür, deshalb ist der echte Norden auch besonders hochwassergefährdet. Wo das Wasser besonders stark steigen wird, lässt sich mit den bisherigen Modellen nur schwer voraussagen – wenn überhaupt. Dieses Problem wollen Wissenschaftlerinnen und Wissenschaftler der Christian-Albrechts-Universität zu Kiel (CAU) nun gemeinsam mit dem Landesamt für Umwelt und Ländliche Räume (LLUR) lösen: Sie entwickeln gemeinsam ein Online-System, dass Wasserstände an den Pegeln im Inland mithilfe von Künstlicher Intelligenz (KI) vorhersagen und automatisch vor Hochwasser warnen kann. Das Land fördert das Vorhaben in den kommenden drei Jahren mit mehr als 255.000 Euro.

Künstliche Intelligenz bietet großes Potenzial

In Kiel überreichte Digitalisierungsminister Dirk Schrödter nun einen entsprechenden Förderbescheid. "Künstliche Intelligenz ist ein wichtiges Instrument im Kampf gegen den Klimawandel und bietet enorme Chancen für den Natur- und Umweltschutz", sagte der Minister. Durch die steigenden Meeresspiegel nähmen auch die Überschwemmungen im Landesinneren zu. Das Forschungsvorhaben könne dazu beitragen, die Schäden durch Hochwasser zu verringern. "Dieses Projekt der CAU und des LLUR zeigt eindrucksvoll das große ökonomische, ökologische und gesellschaftliche Potenzial von KI, das wir in Schleswig-Holstein weiter ausschöpfen werden." 

Selbstlernender Algorithmus

Noch ist das Frühwarnsystem in der Probephase, nach seiner Fertigstellung soll es dann in der Lage sein, die Wasserstände der nächsten 24 bis 48 Stunden an allen Pegeln in hochwassergefährdeten Gebieten vorherzusagen. Das System könne auf die lokalen Bedingungen jedes einzelnen Pegels eingehen, erklärte Sven Tomforde, Professor für Intelligente Systeme am Institut für Informatik der CAU. Der Algorithmus beziehe Ebbe und Flut ein, erkenne aber auch langfristige Phänomene wie Schneeschmelzen oder Änderungen in der Landschaft und berechne diese in seine Vorhersage mit ein. Dafür müsse das System anfangs mit vielen Daten gefüttert werden, bevor es dann später abweichende Parameter von alleine erkennen kann. Jede Messstelle habe ihre eigenen Charakteristika, deshalb ließen sich die Vorhersagen eines Pegels nicht auf andere Messstellen übertragen, sagte Tomforde. Ziel sei es auch, herauszufinden, inwieweit sich die Vorhersagen mit möglichst geringem Dateneinsatz auf alle Pegel anwenden lassen und ob sich die bislang genutzten Vorhersagemodelle automatisiert einbeziehen lassen.

Bisherige Ergebnisse sind vielversprechend

Wie gut das System funktionieren kann, hatten die Forschenden in einer Pilotstudie nachgewiesen. In mehreren Projektphasen hatten sie dabei die tatsächlichen Pegelstände in Willenscharen im Kreis Steinburg, in Tarp, Treia und Hollingstedt im Kreis Schleswig-Flensburg sowie in Föhrden-Barl im Kreis Segeberg mit den vorhergesagten verglichen. Dabei hatte sich das KI-gestützte Modell für kurz- und mittelfristige Prognosen bewährt: Je länger der Beobachtungszeitraum wurde, desto besser und genauer wurden die Vorhersagen.