Angesichts zunehmender Starkregenereignisse und immer schärferer Umweltauflagen ist eine effizientere Nutzung und Steuerung von Kanalnetzen notwendig. Besonders problematisch ist dabei nicht nur die Gefahr von Hochwasser, sondern auch die Gewässerverschmutzung, die durch Überläufe in Starkregenphasen entsteht.

Die bislang verwendeten hydrodynamischen Simulationsmodelle, die den Abfluss in Kanalnetzen physikalisch detailliert berechnen, sind äußerst zeitaufwendig. „Gerade bei plötzlich auftretenden Starkregenereignissen ist jedoch eine schnelle Vorhersage entscheidend“, erklärt der Bauingenieur. „Mich hat besonders gereizt, herauszufinden, was man in diesem Bereich mit künstlicher Intelligenz alles erreichen kann“, beschreibt der Absolvent seine Motivation. Sein Ansatz basierte auf maschinellem Lernen, insbesondere der Nutzung neuronaler Netze. Ziel war es, mithilfe von KI Niederschlagsdaten so zu analysieren, dass Abflussmengen und -zeiten an bestimmten Punkten im Kanalsystem präzise und binnen Sekunden vorhergesagt werden können. Für die Entwicklung seiner Prognosemodelle griff Albers auf umfangreiche Datensätze zurück, die reale Niederschlags- und Abflussmessungen sowie Ergebnisse aus hydrodynamischen Simulationen umfassten.

Die größte Herausforderung bestand in der datenbasierten Modellierung: Zeitreihen von Wetter- und Abflussdaten weisen saisonale Schwankungen auf, die die Vorhersagen ungenauer machen können. Um dies zu umgehen, implementierte der Bauingenieur Prüfmechanismen und testete das neuronale Netz mit Datensätzen, die es vorher nicht „gesehen“ hatte. Damit stellte er sicher, dass das Modell auch in unbekannten Situationen robuste und belastbare Vorhersagen liefert.

Die Ergebnisse seiner Masterarbeit zeigen, dass mit minimalem rechnerischem Aufwand maschinelle Lernmodelle Vorhersagen liefern, die den tatsächlichen Abflüssen sehr nahe kommen. Albers demonstriert damit, dass der Einsatz von KI auch im Bereich der Wasserwirtschaft handfeste Vorteile bringen kann.

Besonders bemerkenswert an seiner Arbeit ist der interdisziplinäre Charakter: Als Bauingenieur wagte er den Sprung in den Bereich der Datenwissenschaften. Durch Eigeninitiative eignete er sich Wissen in Programmierung und data-science-spezifischen Methoden an, obwohl er zu Beginn der Masterarbeit wenig Erfahrung auf diesem Gebiet hatte. „Dank zahlreicher Machine-Learning-Bibliotheken und umfangreicher Online-Ressourcen konnte ich mir das Thema selbstständig erschließen“, berichtet der Absolvent über seinen Einstieg in das komplexe Fachgebiet.

Die Masterarbeit verdeutlicht das große Potenzial von KI-gestützten Ansätzen für die Siedlungsentwässerung und die Wasserwirtschaft. Albers bleibt dem Thema auch nach seinem Abschluss treu und vertieft sein Wissen im Rahmen einer Promotion am Fachbereich Bauingenieurwesen. „Mein Ziel ist es, die Vorhersagemodelle mit Steuerungselementen zu kombinieren. Dabei untersuche ich, wie KI automatisierte Entscheidungen ermöglichen kann – etwa das Aktivieren oder Deaktivieren von Pumpen sowie das gezielte Ab- oder Umlenken von Abwasserströmen, um Überflutungen effektiv zu vermeiden“, erklärt der Nachwuchsforscher und gibt einen Einblick in seine derzeitigen Forschungsarbeiten.