FloReST - Intelligente Werkzeuge zur städtischen Hochwasserresilienz

Starkregen und daraus entstehende Sturzfluten haben in den letzten Jahren vermehrt zu weitreichenden Schäden an technischen und sozialen Infrastrukturen geführt. Notabflusswege können dazu beitragen, solche Wassermengen möglichst schadlos durch Wohngebiete abzuleiten. Damit befasst sich das auf eine Laufzeit von drei Jahren angelegte Projekt „Urban Flood Resilience – Smart Tools“ (FloReST), welches nun unter der Förderinitiative „Wasser-Extremereignisse“ des Bundesministeriums für Bildung und Forschung (BMBF) gestartet ist.

In FloReST werden Verfahren des Maschinellen Lernens eingesetzt, um die bisher sehr aufwändige Modellierung der Notfallabflusswege des Wassers mit hydraulisch-numerischen Methoden zu ergänzen und zu verbessern. In diesem Zusammenhang kann der Einsatz Künstlicher Intelligenz die Verfahren skalieren, sodass sie schnell für größere Einzugsgebiete eingesetzt werden können. Außerdem werden in dem interdisziplinären Projekt Smart Tools entwickelt, um die Resilienz kritischer Infrastrukturen gegenüber Wasser-Extremereignissen zu steigern. Unter Berücksichtigung von funktionalen, kommunalen und wirtschaftlichen Faktoren der Anwendenden wird das Programm nutzerspezifisch zugeschnitten. Dabei stellt die kontinuierliche Einbindung von fünf bereits von Sturzfluten betroffenen Kommunen sicher, dass sich die entwickelten Smart Tools sicher in die Praxis übertragen lassen. Informationen über Gefahren und Risiken, resultierend aus regelmäßig auftretenden Wasserüberflutungen, werden digital bereitgestellt und zugänglich gemacht. Die nachhaltige Sensibilisierung für die Folgen solcher Sturzfluten sowie das Aufzeigen möglicher Lösungsansätze und eigener Handlungspotenziale spielen dabei eine wichtige Rolle. Die daraus resultierenden Daten erleichtern den Umgang mit zukünftigen Wasserextrem-Ereignissen.

Während der dreijährigen Projektlaufzeit verfolgen die sechs Verbundpartner eine Reihe von Schwerpunktthemen wie etwa die Neuentwicklung eines robotergestützten Systems mit integrierter Positionierungs- und Mess-Sensorik zur hochaufgelösten 3D-Datenerfassung der innerörtlichen Infrastruktur. Technologien mit Künstlicher Intelligenz sollen ermöglichen, Notabflusswege durch Machine-Learning-Verfahren für große Einzugsgebiete vor Ort nachzuweisen. Zudem kann der Einsatz von UAV-Drohnentechnik und Dotierversuchen dazu dienen, belastungsabhängige Notabflusswege experimentell auszuweisen, um die Hochwasservorsorgemaßnahmen zielgenau umsetzen zu können. Geplant ist zudem, die Infrastruktur zur digitalen Daten- und Methodenbereitstellung in Form eines Geo-Data-Warehouse sowie einer mobilen App zu entwickeln.

In enger Abstimmung mit Pilot-Kommunen, Fachverbänden und betroffenen Bürgerinnen und Bürgern eröffnet FloReST einen intelligenten, dialogorientierten Weg zur nachhaltigen Umsetzung von Hochwasservorsorgemaßnahmen in urbanen Räumen. Die vernetzte Risikokommunikation mit Pilotkommunen gewährleistet eine hohe Interaktivität und die grundlegende Einbeziehung der Betroffenenperspektive.

Neben der Zusammenarbeit mit den fünf Pilot-Kommunen wird das Projekt FloReST durch Mitglieder eines Projektbeirats aus der Praxis (Ingenieurkammer Rheinland-Pfalz), aus der Landesverwaltung (Kompetenzzentrum Hochwasservorsorge und Hochwasserrisikomanagement, Landesamt für Umwelt in Rheinland-Pfalz) sowie dem Gemeinde- und Städtebund (Informations- und Beratungszentrum Hochwasservorsorge Rheinland-Pfalz) unterstützt.

Fakten zur Anwendung


Technologiefeld
Datenmanagement und -analyse
Bilderkennung und -verstehen
Sensorik und Kommunikation
Robotik und autonome Systeme
Branche
Bau und Infrastruktur
Sonstiges
Einsatzfeld
  • Sonstiges
Wertschöpfungsaktivität
Forschung und Entwicklung [FuE]
Sonstiges
Förderung
Bundesministerium für Bildung und Forschung (BMBF)
KI-Anwender
Hochschule Koblenz
Universität/Forschungsinstitution
Entwicklungspartner
DFKI Standort Kaiserslautern
Disy Informationssysteme GmbH
Universität Trier
Umwelt-Campus Birkenfeld der Hochschule Trier
Ingenieurgesellschaft Dr. Siekmann ≈ Partner