KI-basiertes Monitoring-, Datenmanagement- und Informationssystem zur gekoppelten Vorhersage und Frühwarnung vor Grundwasserniedrigständen und -versalzung (KIMoDIs)
- Ansprechperson:
- Förderung:
BMBF, FKZ: 02WGW1662B
- Projektbeteiligte:
Bundesanstalt für Geowissenschaften und Rohstoffe (BGR), Landesamt für Umwelt Brandenburg (LfU), Orbica, TU München (TUM), Bundesanstalt für Gewässerkunde (BfG), Deutscher Wetterdienst (DWD), Landesamt für Bergbau, Energie und Geologie Niedersachsen (LBEG), Landesamt für Bergbau, Geologie und Rohstoffe Brandenburg (LBGR)
- Starttermin:
Mär. 2023
- Endtermin:
Feb. 2026
Das Ziel des Verbundprojekts ist die Entwicklung eines KI-basierten Monitoring-, Datenmanagement- und Informationssystems zur kurz- (saisonal), mittel- (1-10 Jahre) und langfristigen (bis 2100) Vorhersage von Grundwasserständen und -Versalzung, basierend auf Klimavorhersagen und -projektionen, zur Frühwarnung vor Grundwasserniedrigständen und Versalzung und den damit verbundenen Schäden und zur intelligenten Planung von Gegenmaßnahmen, wie z.B. der Steuerung von Grundwasserentnahmen mittels eines Szenarien-Tools.
Das Ziel des Teilprojekts des KIT ist die Entwicklung der KI-gestützten Algorithmen zur gekoppelten Modellierung und Prognose von Grundwasserständen und -versalzung, auf denen die Frühwarnung vor Grundwasserniedrigständen und Versalzung basiert, sowie zur intelligenten Messnetzoptimierung, die einen optimalen Einsatz vorhandener Mittel sowie einen maximalen Informationsgewinns aus vorhandenen Daten sicherstellt. Die Algorithmen werden anhand von Daten aus drei Pilotgebieten entwickelt und getestet und stellen damit gleichzeitig einen wichtigen Bestandteil für die Demonstration des Ansatzes auf unterschiedlichen Maßstäben dar.