Ein Forschungsteam der BOKU University (Universität für Bodenkultur Wien) zeigt in der aktuellen Ausgabe der Fachzeitschrift Springer Nature, wie künstliche Intelligenz dabei helfen kann, Hochwasser- und Wasserhaushaltsvorhersagen präziser zu gestalten - auch dort, wo kaum Messstationen vorhanden sind. Dabei gelten hydrologische Modelle unverzichtbar für die Vorhersage von Hochwasser und die Bewirtschaftung von Wasserressourcen, berichtet die Universität. Doch ihre Genauigkeit hänge stark davon ab, wie gut die Modellparameter an die jeweiligen Gebiete angepasst sind. Das sei eine besondere Herausforderung in Regionen, in denen kaum Messdaten verfügbar sind.
Das Forschungsteam rund um Karsten Schulz vom Institut für Hydrologie und Wasserwirtschaft der BOKU und das Start-up baseflow AI solutions des BOKU-Promovenden Moritz Feigls haben nun einen neuartigen Ansatz entwickelt, der KI nutzt, um diese Parameter automatisch und transparent zu bestimmen. Dabei lernt die KI aus vorhandenen Daten und entwickelt eigenständig nachvollziehbare Formeln, die beschreiben, wie sich Eigenschaften eines Einzugsgebiets – wie Bodenbeschaffenheit, Vegetation oder Topografie – auf das Abflussverhalten auswirken. „Wir nutzen KI nicht als Black Box, sondern als Werkzeug, um verständliche mathematische Beziehungen zu entdecken“, erklärt Schulz: „Das ermöglicht uns, physikalisch interpretierbare Modelle zu entwickeln, die zugleich leistungsfähiger sind.“
Die Praxistauglichkeit der Methode wurde anhand von 162 deutschen Flusseinzugsgebieten mit verschiedenen hydrologischen und physio-geographischen Bedingungen getestet. Das Untersuchungsgebiet umfasste etwa alpine Quellgebiete, von Löss dominierter Tiefländer, Gletschermoränenlandschaften und Regionen mit vielfältigen Böden und Vegetation. Im Ergebnis führten die von der KI abgeleiteten Zusammenhänge zu genaueren Vorhersagen des Abflusses als etablierte Verfahren. Zudem erwiesen sich die neu entwickelten Funktionen als übertragbar auf unterschiedliche Regionen, und skalierbar auf große Gebiete.
„Anders als bisherige Ansätze, bei denen Modellgleichungen mühsam von Hand formuliert werden mussten, findet unsere Methode diese Beziehungen automatisch und optimiert sie", so Schulz. Das sei ein entscheidender Vorteil gegenüber rein datengetriebenen KI-Modellen. Die Methode funktioniere auch in so genannten unbeobachteten Einzugsgebieten, also dort, wo kaum oder keine Messdaten verfügbar sind: „Damit eröffnen sich neue Möglichkeiten für ein nachhaltiges Wasserressourcen-Management im Zeichen des Klimawandels.“
