Benjamin Mewes und Henning Oppel vom Lehrstuhl für Ingenieurhydrologie und Wasserwirtschaft erforschen in ihrem gemeinsamen Projekt „Okeanos“ den Einsatz von künstlicher Intelligenz, teilte die Hochschule mit. Während sich Benjamin Mewes auf die bewässerte Landwirtschaft konzentriere, beschäftige sich Henning Oppel damit, wie man Hochwasserereignisse besser vorhersagen kann.
Die Landwirtschaft ist weltweit gesehen der größte Frischwasserverbraucher, stellt die RUB fest. „Die Entscheidung, wann und wie viel sie ihre Böden wässern, fällen die meisten Landwirte aufgrund ihrer Erfahrung und ihres Fachwissens“, so Mewes. Doch auf diese Weise würden viele Hunderttausende Liter der wertvollen Ressource verschwendet. Abhilfe schaffen könnte eine Computeranwendung, die alle für die Bewässerung wichtigen Faktoren betrachtet und daraus eine Handlungsempfehlung ableitet oder gleich selbst die Bewässerungsanlagen steuert.
Mewes’ Lösung basiert auf einem von ihm entwickelten Agenten-basiertem Bodenwassermodell, führte die Hochschule weiter aus. Agenten seien autonom handelnde Software-Einheiten, die auf Basis eines Regelwerks Entscheidungen treffen und durch ihre Interaktion untereinander komplexe Systeme und Verkettungen darstellen können. „Das Modell ist dynamisch, kann sich an individuelle Gegebenheiten anpassen und bietet somit jedem Landwirt eine auf ihn zugeschnittene Bewässerungsstrategie“, fasst Mewes die Vorzüge seiner Lösung zusammen.
Maschinelles Lernen für präzisere Hochwasserwarnungen
Für präzisere Hochwasserwarnungen könne maschinelles Lernen eingesetzt werden, berichtete die RUB über das Forschungsinteresse von Henning Oppel. Denn wenn man wissen will, wie sich der Wasserstand eines Flusses ändern wird, reiche es nicht, sich nur die lokalen Prozesse am Ort, für den eine Hochwasservorhersage benötigt wird, anzuschauen. Stattdessen müssten viele Tausend Quadratkilometer betrachtet werden, die das Einzugsgebiet des Flusses definieren und ganz unterschiedliche Oberflächen wie Asphalt, Waldboden oder Kiesflächen enthalten können.
„Diese Vielzahl von aktiven Prozessen macht die Anwendung einer einzelnen Prozessgleichung schwer. Maschinelles Lernen eröffnet uns aber die Möglichkeit, neue Prozessbeschreibungen zu erarbeiten und bestehende Konzepte zu ergänzen“, erklärte Oppel. Von einem verbesserten Angebot in Form einer App könnten etwa Hochwassermeldedienste, Versicherungen, die Feuerwehr oder der Technische Hilfsdienst als Zielgruppen profitieren.
