AI-Forecast

Das Problem

Die Wassernachfrage in städtischen Gebieten wächst stetig, angetrieben durch sozioökonomische Faktoren und den Klimawandel, was die Wasserverteilungssysteme zunehmend unter Druck setzt. In diesem Szenario ist die Verfügbarkeit zuverlässiger kurzfristiger Nachfrageprognosen zu einer grundlegenden Voraussetzung für ein wirklich effizientes Netzmanagement geworden.

Das Problem besteht jedoch nicht nur im Vorhersagen selbst, sondern darin, dies mit Werkzeugen zu tun, die im Arbeitsalltag der Betreiber tatsächlich einsetzbar sind. Die wissenschaftliche Forschung hat im Laufe der Jahre zahlreiche fortschrittliche Vorhersagemodelle hervorgebracht, doch es gibt noch wenige vollständige Lösungen — also solche, die von oft unvollständigen oder verrauschten Rohdaten bis hin zu einer zuverlässigen, einsatzbereiten Vorhersage reichen.

Funktionsweise

AI-Forecast wurde entwickelt, um diese Lücke mit einer vollständigen datengetriebenen Kette zu schließen: Es importiert historische Verbrauchsdaten, verarbeitet sie automatisch, um anomale Werte zu erkennen und zu korrigieren sowie fehlende Daten zu rekonstruieren, und wendet anschließend fortschrittliche Vorhersagemodelle an, um die zukünftige Wassernachfrage zu schätzen.

Das System liefert aktualisierte Vorhersagen über einen Zeithorizont von 24 Stunden mit stündlicher Auflösung und stellt den Betreibern damit ein dynamisches Vorhersagewerkzeug statt einer statischen Schätzung zur Verfügung. Die gesamte Kette — vom Rohdatum bis zur endgültigen Vorhersage — ist modular aufgebaut: Neue Modelle und Techniken können im Laufe der Zeit integriert werden, ohne das gesamte System neu zu konzipieren.

Die Vorhersagen sind über eine Weboberfläche zugänglich, die so gestaltet ist, dass sie nicht nur den vorhergesagten Wert klar darstellt, sondern auch nützliche Informationen zur Bewertung seiner Zuverlässigkeit liefert.

Die Wirkung

Die vorausschauende Kenntnis der erwarteten Wassernachfrage ermöglicht es den Betreibern, die Pumpvorgänge effizienter zu planen, etwa durch die Nutzung der energetisch und tariflich günstigsten Zeitfenster, mit direkten Auswirkungen auf die Betriebskosten.

Eine zuverlässige Vorhersage ermöglicht zudem die Optimierung der Speicherbeckenvolumen, reduziert Verschwendung und verbessert die Zuverlässigkeit des den Bürgern bereitgestellten Dienstes.

AI-Forecast entstand aus der wissenschaftlichen Forschungstätigkeit des AIAQUA-Teams, einem Spin-off der Freien Universität Bozen, mit dem Ziel zu zeigen, wie akademische Forschungsergebnisse zu einem konkreten Werkzeug zur Unterstützung der täglichen Arbeit von Wasserversorgern werden können.