Veraltete Anlagen, unzureichende Instandhaltung oder Leckage-Erkennung: Es gibt viele Gründe, warum in Italien im Schnitt 40% des Trinkwassers in Verteilernetzen verloren gehen. Eine enorme Verschwendung, die sich das Land angesichts der zunehmenden Knappheit der Ressource Wasser und des generellen Wasserstress infolge des Klimawandels nicht leisten kann.

Ariele Zanfei und Andrea Menapace, Forscher des Labors zur Untersuchung von dynamischen Fluiden der Freien Universität Bozen am NOI Techpark haben vor kurzem ein Paper (Novel approach for burst detection in water distribution systems based on graph neural networks) im Journal Sustainable Cities and Societies veröffentlicht, in dem sie aufzeigen, welches Potenzial im Einsatz neuester Technologien der Künstlichen Intelligenz zur Eindämmung von Wasserverlusten und -verschwendung im Sinne einer nachhaltigeren Bewirtschaftung von Wassersystemen liegt. „Das Zeitalter von Big Data und KI erlaubt es uns, alternative, präzisere und effizientere Wege des Wassermanagements einzuschlagen”, unterstreicht Prof. Maurizio Righetti, Direktor des Labors und Co-Autor der Studie. „In den vergangenen Jahren hat die Forschung in diesem Bereich gewaltige Sprünge vorwärts gemacht. Unser Algorithmus ermöglicht es, in Echtzeit Leckagen und Probleme in Wasserleitungen zu erkennen, was die Instandhaltungskosten erheblich senkt und ein schnelleres Eingreifen ermöglicht.“ 

In den vergangenen Jahren wurden unterschiedliche Ansätze des Wassermanagements auf Basis von Datenanalysen mit Hilfe von Künstlicher Intelligenz entwickelt. „Möglich wurde dies durch die Verfügbarkeit von immer mehr Daten (Big Data) zu den Wasserleitungen”, erklärt Zanfei. „Unser Ansatz setzt auf aktuelle Entwicklungen im Bereich des maschinellen Lernens.“ Die Neuheit dieser Lösung beruht auf der Entwicklung eines Modells, das auf Graph Neural Networks beruht, einer neuen Unterform von künstlichen neuronalen Netzen auf Basis von Graphen. Diese ermöglichen eine räumliche Darstellung der Wasserleitungen, die das Erkennen von Störungen erleichtern. Zunutze macht man sich dabei auch Daten zu Wasserdruck- und mengen in den Leitungen, die ebenfalls dazu beitragen, schneller und präziser Rückschlüsse auf Leckagen und Störungen ziehen zu können.

Prognosen zum künftigen Wasserverbrauch

Der Algorithmus, der im Labor zur Untersuchung von dynamischen Fluiden entwickelt wurde, hat aber auch noch andere Einsatzmöglichkeiten. Neben dem Aufzeigen von Leckagen kann er auch für Schätzungen des Wasserverbrauchs und -bedarfs trainiert werden. Eine Funktion, die es Netzbetreibern erlaubt, die Menge an Wasser, die in die Trinkwasserleitungen gepumpt wird. Der gleiche Algorithmus kann aber auch für andere Zwecke verwandt werden, beispielswiese in der Produktion von Wasserkraft. „Wir können die neuronalen Netze, die wir entwickelt haben, durch die Einspeisung von Daten – im Wesentlichen Zeitreihen zu den generellen Nutzungsgewohnheiten, meteorologischen Bedingungen und Aktivitäten der Konsument*innen – so trainieren, dass sie uns die voraussichtliche Wassernachfrage in Form eines Graphen darstellen“, erklärt der Forscher. „Das erlaubt den Betreibern wiederum eine gezielte Steuerung der Wassermengen und damit eine wirtschaftliche Optimierung.” 

Anwendung steht vor Markteinführung

Zanfei und Menapace sind Teil des Gründungsteams des unibz-Spinoffs Aiaqua, das sich auf innovative Lösungen im Management und der Planung von Wassersystemen spezialisiert hat. Das Start-up, das im NOI Techpark Bozen seinen Sitz hat, wird auch die Vermarkung der neuen Technologie übernehmen, die in Kürze in Form einer Anwendung auf den Markt gebracht werden soll.

(su)