© Adam Lipinski/Fraunhofer IPM

Umwelt-Risiken mit KI analysieren

Mittels Simulationen werden die Daten für die Umweltvorhersage generiert. Zunächst werden abstrakte Simulationsdaten zu Hitze, Wasser und Wind für ausgewählte Trainingsgebiete als Zeitreihen auf verschiedenen räumlichen Skalen erzeugt. Die Ergebnisse dienen in der Folge als Trainingsdaten für die Entwicklung eines effizienten, feinmaschigen KI-Vorhersagemodells: In einem tiefen Künstlichen Neuronalen Netz (KNN) wird anhand von Messdaten und den Ergebnissen der Simulationen mit existierenden, numerisch-physikalischen Modellen gelernt, um approximative Simulationsergebnisse über das tiefe KNN im Anschluss wesentlich schneller berechnen zu können als mit physikalischen Modellen (erste Ergebnisse siehe Abbildung 1). 

Abbildung 1: Ergebnisse der Simulationen der Hitzebelastung. Die Abbildung zeigt den UTCI (Universal Thermal Climate Index) als ein gängiges Maß für Hitzebelastung im Außenbereich über einen Tag im Juni im Stadtteil Rieselfeld der Stadt Freiburg. Die schwarze Linie zeigt die Vorhersage eines im Projekt neu entwickelten KI-Modells (AP4.1), die graue Linie das physikalische Modell „SOLWEIG“ (AP4.2) und die rote Linie zeigt unabhängige direkte Messungen.

Ausgehend von den Simulationsergebnissen der Trainingsgebiete kann durch die KI ein feinmaschiges Vorhersagemodell für das gesamte Stadtgebiet Freiburg in kurzer Zeit erstellt werden. Um dieselben feinmaschigen Ergebnisse mit physikalischen Modellsimulationen für die ganze Stadt Freiburg zu berechnen bräuchte es viele Hochleistungsrechnerstunden. Die dabei für die gesamte Stadt Freiburg erstellten Vorhersagemodelle könnten in Folgeprojekten auch der Allgemeinheit z.B. durch eine App zur Verfügung gestellt werden.

Feinmaschige Simulationsdaten als Grundlage für die Identifikation von…

…Hitzehotspots in Städten

Auf Basis der Vorhersage durch die KI und einem 3D-Stadtmodell werden räumlich hochaufgelöste Daten der Häufigkeit zur Bestimmung der Hitzebelastung in der Stadt erstellt. Die KI wird umgekehrt genutzt, um die wichtigen kontextspezifischen Einflussgrößen, wie z. B. die urbane Morphologie zu identifizieren, welche die Belastungssituation in einem Bereich herabsetzen könnten. Um lokalisierte und personalisierte Hitzewarnungen erstellen zu können, sind rasche Vorhersagen in komplexer städtischer Geometrie notwendig. Hierfür sollen die KI-Vorhersagemodelle zum Einsatz kommen. Damit können Städte offizielle Hitzewarnungen „on demand“ auf die Ebene von Stadtteilen, Blöcken und sogar einzelnen Gebäuden kontextbezogen herunterskalieren und demonstrationshaft in ein visualisiertes 3D-Stadtmodell projizieren.

…Überschwemmungsgebieten und kritischer Bauwerke

Im Bereich Wasser werden mögliche Folgen (maximale lokale Überflutungstiefen sowie die maximale lokale Fließgeschwindigkeit) von Starkregenereignissen für unterschiedliche Intensitäten, Vorfeuchten  und bestimmte Jährlichkeiten aufgezeigt. Um kritische Stellen besser zu erkennen bzw. Abwehrmaßnahmen sinnvoll zu platzieren, werden zeitliche Verläufe erstellt. Diese bestimmen, wo im Umfeld Überflutungen zuerst auftreten, welche dann z.B. als Warnzeichen in der Kommune oder auch für umliegende Kommunen genutzt werden können. Damit können kritische Bauwerke und Gebiete für die Gefahrenabwehr identifiziert und z.B. in einem Stadtmodell visualisiert werden. 

Abb. 2: Ergebnisse Wasser

…kritischer Infrastruktur gegenüber Starkwindereignissen

Für den Bereich Wind werden Strömungssimulationen in gebäude- und vegetationsauflösenden physikalischen Modellen für ausgewählte, typische Stadtstrukturen bei unterschiedlichen Anströmungssituationen durchgeführt. Ziel ist die Analyse und Systematisierung von Interaktionen zwischen Strömung und Rauigkeitselementen (Häuser, Bäume) in den ausgewählten, typischen Stadtstrukturen. Die Quantifizierung der komplexen Auswirkungen dieser Elemente auf die bodennahe Strömung kann durch hochauflösende Simulationen erfolgen. Mit den entwickelten KI-Prädiktionsalgorithmen können approximative Ergebnisse in Echtzeit realisiert und Simulationsdaten auf verschiedenen Genauigkeitsskalen integriert werden. Das dynamische Windmodell liefert die Grundlage für eine Gefahrenanalyse hinsichtlich starker Winde für das gesamte Gebiet der Stadt Freiburg, welche in einem 3D-Stadtmodell dargestellt werden kann.

Abb. 3: Ergebnisse Wind