Problemstellung

Starkregenbedingte Gefahren sind aufgrund ihrer kleinräumigen und kurzlebigen Dynamik oft nur schwer vorhersehbar. Für ein wirksames Krisen- und Risikomanagement werden zeitlich und räumlich hochaufgelöste Warninformationen benötigt.

Ziel des Projekts war die Entwicklung eines KI-basierten Starkregen-Nowcastings mit hoher Vorwarnzeit. Aufbauend auf den Ergebnissen des Vorläuferprojekts 25square zur Detektion und Zugrichtungsprognose von Starkregenzellen wurden Sensor- und Datenfusionsansätze entwickelt, um die Entstehung von Zellen frühzeitig zu erkennen, diese kleinräumig zu verfolgen und den Mehrwert auf kommunaler Ebene systematisch zu erschließen.

Ergebnisse und Wirkungen

In vier Kommunen wurden verdichtete IoT-Messnetze zur Erfassung der Regenintensität installiert. Die Rohdaten der Sensoren wurden analysiert und mittels Prüf- und Korrekturalgorithmen für eine schnelle Bereitstellung aufbereitet. Sie dienen der Quasi-Aneichung von Radardaten in Echtzeit, um Informationsgehalt und Genauigkeit im Starkregengeschehen zu maximieren. Die hierfür entwickelte Dateninfrastruktur ist performant und hochverfügbar ausgelegt, sodass sie im Ereignisfall zuverlässig arbeitet.

Zur Verlängerung der Vorwarnzeit wurden zusätzlich Radar-Volumendaten sowie satellitenbasierte Informationen zu Wolkeneigenschaften und Wasserdampfgehalt integriert. Auf dieser Basis entstand ein KI-gestützter Prototyp für eine Kurzfrist-Niederschlagsvorhersage, der innerhalb weniger Sekunden 5-minütliche Prognosen für die nächsten 60 Minuten generiert. Die Ergebnisse zeigen ein hohes Potenzial für verbesserte kommunale Frühwarnsysteme und bilden die Grundlage für eine Weiterentwicklung über das Projektende hinaus.