Live-Analyse von Winddaten
Das entwickelte Dashboard unterstützt effiziente Planung von Aufräumarbeiten nach Starkwindereignissen durch Identifikation der gefährdetsten Stadtgebiete in Heilbronn
Dezember 2020 – Dezember 2021
© Mark König, unsplash
Ansprechpartner
Sebastian Straßburg
E-Mail: sebastian.strassburg [at] iao.fraunhofer.de
Telefon: +49 711 970-5250
Aufgrund des Klimawandels treten immer häufiger Starkwetterereignisse mit starken Winden auf, was zu Windbruch führt. Nach solchen Stürmen müssen Kommunen die Stadt von abgebrochenen Ästen und anderen Gegenständen befreien. Dies kann zu einem erheblichen Planungsaufwand führen. Das Ausmaß der notwendigen Arbeiten ist häufig erst nach dem Ereignis sichtbar, daher muss die Kommune oft kurzfristige Planungsentscheidungen treffen.
Das Projekt trägt zur Problemlösung bei, indem es einen prototypischen Service bereitstellt, der kommunale Mitarbeitende bei der Priorisierung von Aufräumarbeiten nach Starkwindereignissen unterstützt. Hierbei identifiziert ein KI-Algorithmus den Stadtteil, in dem es in ähnlichen Situationen in der Vergangenheit die meisten Einsätze gab, was zu einer effektiveren Planung der Aufräumarbeiten führt.
Die zugrundeliegende Methodik besteht aus der Analyse historischer Wetter- und Einsatzdaten in Heilbronn, um ein Neuronales Netz zu trainieren, das Zusammenhänge zwischen Windbedingungen und Einsatzorten erkennt. Dieses trainierte Modell wird dann verwendet, um tagesaktuelle Winddaten zu analysieren und die Stadtgebiete zu identifizieren, die am stärksten von Windbruch betroffen sein werden. Das Ziel ist es, kommunale Mitarbeitende bei der Priorisierung von Aufräumarbeiten nach Starkwindereignissen zu unterstützen, indem gefährdete Stadtgebiete identifiziert werden.
Die verwendeten Daten sind historische Wetterdaten, die vom Deutschen Wetterdienst bereitgestellt werden, sowie Einsatzdaten der Feuerwehr Heilbronn. Die Technologie, die hier eingesetzt wird, ist ein Neuronales Netz, das auf der Analyse von historischen Daten basiert.
Der Campus könnte diese Lösung nutzen, um bei möglichen Starkwindereignissen effektiver und effizienter die Folgen des Windbruchs zu beseitigen. Durch die Identifizierung der am stärksten gefährdeten Stadtgebiete können Ressourcen und Personal gezielter eingesetzt werden, um schneller und effektiver auf Windbruch zu reagieren. Dies kann dazu beitragen, die Sicherheit der Studierenden und Mitarbeitenden am Campus zu erhöhen und die Kosten für die Aufräumarbeiten zu reduzieren.
Um die Qualität von KI-Modellen für die Vorhersage von Aufräumarbeiten nach Windbrüchen zu verbessern, werden alternative Datenquellen genutzt, da Städte und Kommunen normalerweise keine spezifischen Daten zu diesem Thema sammeln. Eine dieser Alternativen sind Feuerwehreinsatzdaten. Eine Herausforderung ist, dass der Zeitpunkt des Notrufs nicht immer dem Zeitpunkt des Windbruchs entspricht und Notrufe in der Regel nur abgesetzt werden, wenn Personenschaden droht.
Darüber hinaus gibt es Herausforderungen bei der Verfügbarkeit von Daten zur Windsituation in Heilbronn. Obwohl ausreichend Daten vorhanden sind, können nur Daten von einer Wetterstation für das gesamte Stadtgebiet verwendet werden. Es ist jedoch wichtig zu beachten, dass Windstärke und -richtung lokal auch innerhalb einer Stadt variieren können. Durch die Berücksichtigung dieser Faktoren und die Verbesserung der Trainingsdaten können KI-Modelle optimiert werden, um genauere Vorhersagen zu liefern.
Für eine Weiterentwicklung des Service müsste also zunächst die Datenbasis und das Klassifikationsmodell verbessert werden. Zusätzlich wäre eine Prognose interessant, die nicht nur Stadtteile priorisiert, sondern auch die Wahrscheinlichkeit für Windbruch insgesamt vorhersagen kann. Neben dieser technischen Weiterentwicklung sollte ein solcher Service nutzerzentriert zusammen mit den späteren Anwendergruppen entwickelt werden.