Description: Das Projekt "Teilvorhaben: Machine Learning Components for Automated Sewer systems" wird vom Umweltbundesamt gefördert und von Berliner Hochschule für Technik, Professur für Maschinelles Lernen durchgeführt. Derzeit leidet das Abwassersystem vor allem unter Intransparenz der Wassermengen im Gesamtsystem, ungesteuerten Schadstoffeintragungen in die Umwelt und in die Jahre gekommene Mess- und Steuersystemen, mit denen den Folgen des Klimawandels nicht mehr adäquat begegnet werden kann. Im Vorhaben RIWWER ist geplant, wichtige Stellen im kommunalen Abwassersystem im ersten Schritt zu digitalisieren, um anschließend mit Hilfe einer dezentralen und KI gesteuerten Verteilung die Wassermengen bei Regen/Starkregen im Kanalsystem und Regenbecken zu verteilen und damit Schadstoffeintragen in die Umwelt zu minimieren. Das Ziel des Teilvorhabens ist die Konzeption und Implementierung Künstlicher Intelligenz (KI) Komponenten für Abwassersysteme mit Edge Devices. In enger Zusammenarbeit mit den anderen Konsortialpartnern werden verschiedene KI Komponenten entwickelt, die eine robuste Bewertung der Systemzustände eines Abwassersystems erlauben, wie etwa Füllstände von Mischwasserbehältern oder Verschmutzungsgrad von Abwasser, anhand weniger und heterogener Sensordaten. Außerdem sollen die KI Komponenten belastbare Vorhersagen dieser Variablen in der Zukunft leisten. Ein wichtiger Bestandteil der Qualitätskontrolle der KI Komponenten und deren Vorhersagen ist die kontinuierliche automatisierte Überwachung der Datenqualität der gesamten Sensorik. Die Komponenten und deren Interaktion werden optimiert im Hinblick auf die besonderen Systemanforderungen: viele verteilte Messknoten, die auch unabhängig von der zentralen Steuerung relevante Systemzustände bewerten sowie vorhersagen können. Die KI Komponenten sowie die KI Systemarchitektur wird darauf optimiert sein, dass a) im Normalbetrieb das System alle Daten integrieren kann und aktualisierte Modellparameter globaler Modelle an lokale Edge Knoten senden kann, sowie dass b) im Notbetrieb lokal durch Edge basierte KI Vorhersagen gemacht werden können.
SupportProgram
Origin: /Bund/UBA/UFORDAT
Tags: Ackerrandstreifen ? Regen ? Berlin ? Kanalisation ? Umweltauswirkung ? Qualitätsmanagement ? Abwasseranlage ? Globalmodell ? Künstliche Intelligenz ? Systemtechnik ? Klimafolgen ? Sensorische Bestimmung ? Abwasserminderung ?
Region: Berlin
Bounding boxes: 13.41377° .. 13.41377° x 52.5233° .. 52.5233°
License: cc-by-nc-nd/4.0
Language: Deutsch
Time ranges: 2022-10-01 - 2025-09-30
Accessed 1 times.