Intelligente Wassernetzwerke dank KI

Wassernetzwerke effizient zu betreiben, erfordert aufgrund der eingesetzten Pumpen einen erheblichen Energieaufwand. Das Software Competence Center Hagenberg (SCCH) bringt in dem Projekt ARIKI sein Know-how entlang des Data Science Lifecycle ein. [...]

Auch wenn Österreich bisher noch nicht von Wasserknappheit betroffen war, so wird das rechtzeitige Erkennen und die rasche Behebung von Leckagen in Trinkwassernetzwerken immer relevanter. Die Prävention solcher Schäden sowie die daraus resultierenden Energieeinsparungen bei Wasserpumpen sind sowohl aus ökonomischer als auch aus umwelttechnischer Perspektive von großer Relevanz. Im Projekt ARIKI (Automatisierte Remote Inspektion von kritischer Infrastruktur durch intelligente Kamerasysteme) wird maschinelles Lernen in „intelligenten Trinkwassernetzwerken“eingesetzt. Das Software Competence Center Hagenberg (SCCH) bringt im Projekt sein Know-how entlang des Data Science Lifecycle ein. Die Innovationskraft des Projekts liegt in der Kombination zweier gesellschaftspolitisch relevanter Themen – KI und Nachhaltigkeit.

Leckagen rasch auffinden und Pumpleistung verbessern

Im ARIKI-Projekt forscht das SCCH an Lösungen, wie man den Wasserverlust in einem Wasserverteilungsnetz reduzieren kann. Das gelingt durch das rasche Auffinden von Leckagen, was wiederum den Energiebedarf von Trinkwassernetzen reduziert. „In Österreich sind uns bis zu 8% (Statistik der E-Control) der Wasserverluste aufgrund von Leckagen in veralteten Rohren bekannt. Die Herausforderung, das Wasserversorgungssystem effizient zu verwalten und optimal zu betreiben, ist anspruchsvoll. Es erfordert die Sicherstellung des gewünschten Wasserdrucks für die Verbraucher und gleichzeitig die Minimierung der Energiekosten. Die erforderliche elektrische Energie für das Pumpen von Wasser trägt erheblich zu den Gesamtbetriebskosten des Wasserversorgungssystems bei“, sagt Dr. Alexander Valentinitsch, der das Projekt leitet.

Smarte Wassernetzwerke

Algorithmen prüfen den Wasserfluss, Wasserdruck und die Pumpleistungen und können anhand virtueller Sensoren sogar Leckagen detektieren. Die Lokalisierung von Leckagen ist aufgrund der Häufigkeit beziehungsweise fehlender Sensorik an einigen Stellen im Trinkwassersystem sehr schwer möglich. Außerdem gibt es aktuell noch offene rechtliche Fragen und ethische Bedenken bezüglich des Einsatzes von KI. Dazu gehören der Schutz persönlicher Daten, die Erklärbarkeit der KI-Modelle sowie deren Übertragbarkeit und Robustheit gegenüber Änderungen im Wassernetzwerk.

„Obwohl die Relevanz ethischer KI und das große Interesse an intelligenten Wassernetzwerken besteht, gibt es derzeit leider keine praktikable, sichere und interpretierbare KI-Lösung für intelligente Wassernetzwerke, die auch noch den Datenschutz berücksichtigt. Mit unseren Erfahrungen im Bereich ethischer KI sind wir bestrebt ein intelligentes und vertrauliches Wasserdaten System in diesem Projekt in Österreich zu etablieren. Dazu konnten wir im Projekt „Smart Water Systems“ bereits eine umfangreiche Expertise aufbauen. In diesem Projekt haben wir eine erklärbare KI für ein intelligentes Wasserversorgungssystem für chinesische Megacities entwickelt“, erklärt Valentinitsch und ergänzt: Bei ARIKI haben sich die Deutschen Projektpartner auf die intelligente Sensorik (Hardware – vorwiegend Kamerasysteme) spezialisiert, um gemeinsam die KI in Versorgungsnetzwerken weiterzuentwickeln und übertragbar zu machen. Mit dieser bilateralen Kooperation er-hoffen wir, dass die nachhaltige und energieeffiziente Wasserversorgung in Europe gestärkt wird”.

Für die Versorger wird ein Framework entwickelt, das ethisch verantwortliches und energieeffizientes Handeln in intelligenten Wassernetzwerken ermöglicht. Dabei kommt das Konzept des föderalen Lernens (engl.: Federated Learning) zum Einsatz. Hierbei übernehmen die Wasserversorger selbst das Training der für das Lernen des Algorithmus entscheidenden Daten. Lediglich die Ergebnisse der Berechnungen, also die Lernergebnisse des Algorithmus, werden übertragen und zu einem gemeinsamen zentralen Modell zusammengeführt. Der wesentliche Vorteil dieser Methode liegt darin, dass die Daten in erster Linie beim Urheber verbleiben, was die Entwicklung präziser KI-Modelle durch das Training anhand zahlreicher dezentraler Datenquellen ermöglicht.

Insbesondere kleinere Gemeinden in der Wasserversorgung profitieren von diesem föderalen Ansatz, da sie nur über begrenzte Datenmengen verfügen. Dieser Ansatz zur Entwicklung von praktikablen, sicheren, privatsphäre-erhaltenden, interpretierbaren und übertragbaren Machine-Learning-Methoden trägt unmittelbar zur Einhaltung ethischer KI-Richtlinien und -Prinzipien bei. Im Rahmen des Projekts werden innovative Methoden entwickelt, die sichere und vertrauliche Wasserdatensysteme und -versorgungssysteme ermöglichen und die den rechtlichen und ethischen Datenschutzgrundsätzen entsprechen. Zudem fördert das Projekt die Entwicklung neuer Echtzeitdatenanalyseverfahren im Bereich intelligenter Wassernetzwerke und nachhaltiger Wasserversorgung.