Ki-Pilot Projekt mit dem HPI

Projektüberblick

Im Rahmen des OpenRiverSense (ORS) Projekts entwickeln wir ein offenes System zur Überwachung und Analyse von Fließgewässern. Der nächste entscheidende Schritt ist die Integration von Künstlicher Intelligenz (KI), um präzise Wasserstands- und Abflussprognosen zu ermöglichen.

Kern des Vorhabens ist das Open-Source-Framework NeuralHydrology, das auf sogenannten LSTM-Netzwerken (Long Short-Term Memory) basiert. Dieser Ansatz ist besonders effektiv für Regionen mit geringer Datenverfügbarkeit, da Modelle über mehrere Einzugsgebiete hinweg trainiert und anschließend lokal feinjustiert werden können.

Als Datenbasis nutzen wir globale Referenzdatensätze wie Caravan, die meteorologische Daten und Einzugsgebietsmerkmale für hunderte Standorte weltweit liefern, sowie den für Deutschland vorhandenen CAMELS-DE Datensatz.

Unsere Ziele

• Modell-Validierung (Zentrales Ziel): Training und Validierung eines regionalen LSTM-Modells. Wir vergleichen unsere KI-Prognosen mit offiziellen Daten und historischen Messwerten, um eine verlässliche wissenschaftliche Basis zu schaffen.
• Transfer auf neue Gebiete: Test der Übertragbarkeit auf neue Einzugsgebiete, die bisher noch nicht in den Trainingsdatensätzen enthalten waren.
• Pilotanwendung für datenarme Regionen: Vorhersage des Abflusses in Gebieten ohne historische Messdaten. Die Prognose erfolgt hier rein auf Basis von Wetterdaten und Gebietsmerkmalen, validiert durch unsere eigenen Open-Hardware-Sensoren.