Verbundprojekt: KI-basiertes Monitoring-, Datenmanagement- und Informationssystem zur gekoppelten Vorhersage und Frühwarnung vor Grundwasserniedrigständen und -versalzung (KIMoDIs); Teilprojekt: Entwicklung von KI-gestützten Algorithmen zur Modellierung von Grundwasserständen und -versalzung, Messnetzoptimierung

Abstract

Das Ziel von KIMoDIs war die Entwicklung eines KI-basierten Monitoring-, Datenmanagement- und Informationssystem zur kurz-, mittel- und langfristigen Vorhersage von Grundwasserständen und Grundwasserversalzung. Auf Basis von Klimavorhersagen sollte das System frühzeitig vor extremen Grundwasserständen, Wasserknappheit und Versalzungsrisiken warnen und ein anwenderorientiertes Entscheidungsunterstützungssystem bereitstellen, das etwa durch Simulation verschiedener Nutzungs- und Entnahmeszenarien die Planung geeigneter Gegenmaßnahmen ermöglicht. Das Teilprojekt des KIT fokussierte die Entwicklung KI-gestützter Algorithmen zur gekoppelten Modellierung von Grundwasserstand und -versalzung, diese sollten die Grundlage der Frühwarnfunktionen bilden. Ergänzend wurden datengetriebene Ansätze zur Optimierung der Messnetze erarbeitet, um trotz begrenzter Ressourcen einen maximalen Informationsgewinn aus vorhandenen Monitoringdaten zu erzielen. Die methodische Entwicklung und Evaluierung der KI-basierten Werkzeuge sollte in mehreren Testgebieten erfolgen, die unterschiedliche hydrogeologische Rahmenbedingungen und Nutzungsanforderungen abbilden. Als großräumiges Untersuchungsgebiet diente das Land Brandenburg mit dem Landesmessnetz des Landesamts für Umwelt (LfU). Zusätzlich wurden spezifische regionale und lokale Pilotgebiete betrachtet, darunter die Insel Langeoog im Versorgungsgebiet des Oldenburgisch-Ostfriesischen Wasserverbandes (OOWV), das Wasserwerksgebiet Leipziger Straße der Energie und Wasser Potsdam GmbH (EWP) und das Wasserwerksgebiet der Harzwasserwerke GmbH (HWW).