Analyse von Auswirkungen möglicher hydrologischer Extreme auf Großstaudämme

Auf Grundlage KI-basierter Korrelationsanalysen und hydrologischer Modelle ist ein erster prototypischer Demonstrator zur Visualisierung des Zusammenhangs von Dammdeformation und unterschiedlichen Einflussfaktoren realisiert worden.

Der von der Abteilung Resiliente und Smarte Infrastruktursysteme (RESIS) organisierte DAMAST-Transfer-Workshop, der vom 25. bis 27. September an der Staatlichen Universität Tiflis (TSU) stattfand, brachte 18 Teilnehmer aus verschiedenen Bereichen zusammen, darunter Vertreter von Engurhesi, UNDP Armenien und Hochschulen wie GTU, TSU und KIT. Das zentrale Thema des Workshops war Resilienz und Nachhaltigkeit, wobei ein besonderer Schwerpunkt auf KI-basierten Frühwarnsystemen für die Sicherheit von Staudämmen lag.

Einer der wichtigsten Höhepunkte des Workshops war die Präsentation einer ersten Version eines wissenschaftlichen Analysesystems. Dieses System ähnelt zwar strukturell einem Frühwarnsystem, ist aber in erster Linie auf die Untersuchung der Stabilität von Staudämmen und die Erarbeitung geeigneter Maßnahmen im Vorfeld extremer Wetterereignisse zugeschnitten. Extreme Ereignisse, die durch den Klimawandel und (induzierte) seismische Aktivität möglicherweise noch verschärft werden, haben die Dringlichkeit der Entwicklung wirksamer Analyse- und Prognoseinstrumente unterstrichen.

Das auf dem Workshop vorgestellte Analysesystem stützte sich auf eine Verbindung künstlicher Intelligenz (KI) und hydrologischer Modelle. Die Teilnehmer diskutierten lebhaft über die Anwendung von KI bei der Interpretation umfangreicher Messdaten, die Umweltfaktoren, Seismizität und Dammverformung umfassen. Es wurde deutlich, dass die Nutzung von KI einen vielversprechenden Weg darstellt, um sowohl qualitative als auch quantitative Einblicke in die komplexen Wechselwirkungen zwischen diesen Variablen zu gewinnen.

Untersuchungen von RESIS unterstreichen, dass KI zwar leistungsfähig ist, aber auch ihre Grenzen hat, insbesondere wenn es darum geht, die Auswirkungen von Extremereignissen umfassend zu verstehen, die über den Umfang von Messdaten hinausgehen. Um dieser Herausforderung zu begegnen, betonte der Workshop die Bedeutung der Integration von KI-basierten Methoden mit robusten physikalischen Modellen. Diese Verschmelzung von Ansätzen führte zur Entwicklung hybrider Systeme, die zuverlässigere Vorhersagen liefern können – ein entscheidender Aspekt im Zusammenhang mit Frühwarnsystemen.

Auf der Grundlage der durch RESIS gewonnenen Erkenntnisse wurden mehrere Empfehlungen ausgesprochen. An erster Stelle dieser Empfehlungen stand der Vorschlag, neue Staudammprojekte mit der Entwicklung von digitalen Zwillingen zu begleiten. Diese digitalen Nachbildungen würden robuste kurzfristige Risikovorhersagen und Frühwarnungen ermöglichen und so den sicheren und widerstandsfähigen Betrieb von Staudämmen gewährleisten und das Katastrophenrisiko mindern.

Darüber hinaus wurden digitale Zwillinge als wesentlich für die Bewertung zukünftiger "Was-wäre-wenn"-Szenarien angesehen, insbesondere für solche, die mehrere Extremereignisse aufgrund von Faktoren wie Klimawandel und seismischer Aktivität beinhalten, um mitigative Maßnahmen zu ergreifen. Die Fähigkeit, solche Szenarien in einer kontrollierten digitalen Umgebung zu simulieren und zu analysieren, wurde als unverzichtbar für proaktives Resilienzmanagement und strategische Entscheidungsfindung angesehen.

Abb. 1: Unterschiedliche Sichten des Analysesystem: Wasserpegel, Sonnenstrahlung und Deformation.

Zugehöriges Institut am KIT: Institut für Thermische Energietechnik und Sicherheit (ITES) | Abteilung Resiliente und Smarte Infrastruktursysteme (RESIS)
Autor(en): Sadeeb Simon Ottenburger (April 2024)