Quelle: Adobe Stock, mikhail
Starkregen kann mit seinen hohen Niederschlagssummen innerhalb kürzester Zeit lokale Überschwemmungen und enorme Schäden verursachen. Von Starkregen spricht man laut DWD ab Regenmengen von 15 bis 25 l/m² in 1 Stunde oder 20 bis 35 l/m² in 6 Stunden. Bislang lassen sich diese zumeist lokal begrenzten Starkregenereignisse weder räumlich noch zeitlich exakt vorhersagen. Im Rahmen der Innovationsinitiative mFUND werden daher Projekte gefördert, die datenbasierte Frühwarnsysteme ausbauen, um Vorhersagen zu präzisieren.
Laut des jüngsten Berichts des Weltklimarats IPCC könnten sich die heftigen Niederschlagsereignisse bei fortschreitender globaler Erwärmung weiter intensivieren. Auch für Deutschland ist davon auszugehen, dass Starkregenereignisse in Zukunft häufiger und intensiver auftreten werden. Zwar gelten urbane Gebiete mit stark versiegelten und dicht besiedelten Gebieten sowie topographischen Senken als besonders gefährdet. Die Verteilung der vergangenen 20 Jahre in Deutschland zeigt jedoch, dass Starkregen jeden Ort – also unabhängig von seiner geographischen Lage – treffen kann.
Unmittelbare Auswirkungen auf die Infrastruktur
Für die (Verkehrs-)Infrastruktur können Starkregenereignisse enorme, unmittelbare Auswirkungen haben: Schnell ansteigende Wasserstände führen zu überschwemmten Straßen und Schienen, überfluteten Unterführungen, Bodenerosion und Brückenschäden. Schon heute ist beispielsweise ein Drittel der Bundesfernstraßen wegen Starkregen bis zu 24 Stunden jährlich nicht befahrbar.
Quelle: Deutscher Wetterdienst (DWD)
Die Folgen der Überflutungen durch Starkregenereignisse können stark variieren, da sie von Faktoren wie Topografie und urbaner Beschaffenheit abhängig sind. Für eine effektive, zeitnahe Warnung sind daher nicht nur detaillierte Vorhersagen zum Ort und Zeitpunkt der Überflutungen erforderlich, sondern auch zu deren unmittelbaren Auswirkungen. Warnungen vor Starkregen basieren jedoch bislang vor allem auf Niederschlagsvorhersagen oder gewässerbasierten Monitoring-Systemen. Sie berücksichtigen weder die hydrologische Gefährdung durch urbane Überflutungen noch das Schadenspotenzial für kritische (Verkehrs-)Infrastrukturen.
Intelligente Starkregen-Risikowarnung im Verkehrssektor
Daher entwickeln die Forschenden des mFUND-Projekts ISRV ein Frühwarnsystem, das vor den unmittelbaren Auswirkungen eines Starkregenereignisses warnt – und gleichzeitig verkehrsbedingte Maßnahmen ableitet. Dazu erweitern sie bisherige Niederschlagsvorhersagen durch punktuelle Überflutungswarnungen und übertragen die hieraus abgeleiteten Warnungen in Echtzeit auf Navigationsgeräte. Dadurch ermöglichen Frühwarnungen im Ereignisfall nicht nur den Verkehrsteilnehmenden, alternative Routen zu wählen, sondern auch Verkehrsleitsystemen, verkehrsregelnde Maßnahmen zu ergreifen. Das erhöht sowohl die Sicherheit als auch die Handlungsfähigkeit im Verkehrssektor.
Das Forschungsteam analysiert dafür zunächst große Wetterdatenbanken, modelliert Überflutungsprozesse hydrodynamisch und wertet diese risikoanalytisch aus. Mit den dabei erzeugten Datensätzen trainiert das Team ein sogenanntes Deep-Learning-Modell, das die Rechenzeitproblematik hochaufgelöster Überflutungssimulationen überwinden kann. Kombiniert mit einem Radar-Vorhersagesystem generiert eine Künstliche Intelligenz synthetische Starkregenszenarien und ermöglicht präzise und stadtgebietsweite Überflutungsvorhersagen.
„Unser intelligentes Frühwarnsystem sagt die unmittelbaren Auswirkungen eines Starkregenereignisses – also Wasserstände, Strömungsgeschwindigkeiten und betroffene Verkehrsinfrastruktur – in Echtzeit voraus. So ermöglichen wir eine rechtzeitige Umlenkung der Verkehrsströme.“
Dr.-Ing. Julian Hofmann
Rheinisch-Westfälische Technische Hochschule Aachen, mFUND-Projekt „ISRV“
Die Präzision der Frühwarnungen vor Starkregenereignissen hängt unmittelbar von der flächendeckenden und zeitnahen Verfügbarkeit valider Niederschlagsdaten ab. Dafür ist wiederum eine lückenlose und kleinräumige Erfassung hochvalider meteorologischer Messdaten erforderlich. Das Forschungsteam des mFUND-Projekts NIQKI entwickelt daher ein automatisiertes Prüfsystem zur Qualitätskontrolle von Niederschlagsdaten. Es soll auf verschiedenste Niederschlagsmesssysteme übertragbar und in Datenplattformen implementierbar sein.
Qualitätskontrolle von Niederschlagsdaten mit Künstlicher Intelligenz
Das Forschungsteam trainiert eine Künstliche Intelligenz (KI) mit historischen Daten und entsprechenden manuellen oder halbautomatischen Qualitätsbeurteilungen. In der Folge ermöglicht die entwickelte Technologie eine Qualitätsbewertung von Messdaten quasi in Echtzeit, sobald sie in eine Cloud hochgeladen wurden. Das ermöglicht die optimale Nutzung der Daten für eine Vielzahl an Anwendungen – wie zum Beispiel zur Frühwarnung vor Starkregenereignissen.
Der KI wird ein großes Potenzial zur Verbesserung von Frühwarnsystemen zugesprochen. Auch im mFUND-Projekt STORMRaiL entwickeln Forschende ein KI-basiertes Vorhersagemodell. Dabei konzentrieren sie sich auf die Wahrscheinlichkeit für Sturmwurf – also umgestürzte Bäume – an Schienenwegen. Mit ihrem effizienten und genauen System wollen sie den Betrieb und die Sicherheit der Schieneninfrastruktur bei Sturmwetterlagen optimieren, damit gefährdete Streckenabschnitte bei Bedarf präventiv geschlossen werden können.
Mehr Informationen zum Thema Starkregen
