Innovative Algorithmen

Klimawandel, Hilfe durch künstliche Intelligenz um die Flüsse
unter Kontrolle zu halten

Das Labor von Cesare Alippi, wissenschaftlicher Leiter des IDSIA, verwendet fortschrittliche mathematische Instrumente wie "Graphen" zur Planung von Wasserressourcen, insbesondere im Falle langanhaltender Dürreperioden oder Instabilität

von Elisa Buson

Nicht weniger als fünf unabhängige Motionen, unterzeichnet von rund 40 Mitgliedern verschiedener politischer Parteien, wurden kürzlich im Schweizer Parlament mit demselben Ziel eingereicht: den Bundesrat aufzufordern, sich mittels einer nationalen Verbrauchsstrategie für einen umsichtigeren Umgang mit Wasser einzusetzen. Eine dieser Motionen stammt auch aus dem Kanton Tessin, der zwar schon immer als Wasserland galt, aber seit einigen Jahren mit den Auswirkungen der Klimakrise konfrontiert wird. Mit Hilfe von mathematischen Instrumenten, den Graphen, die das Team von Cesare Alippi, Professor an der Fakultät für Informatik der Universität der italienischen Schweiz (USI), und wissenschaftlicher Direktor des Dalle Molle Instituts für Studien zur Künstlichen Intelligenz (IDSIA), mit grossem Erfolg einsetzt, können die Auswirkungen der Klimakrise endlich leichter aufgefangen werden.

«Wir wurden bereits von Betreibern der Wasserversorgung kontaktiert, die sich für die möglichen Anwendungen von Graphen und künstlicher Intelligenz in diesem Sektor interessieren», sagt Alippi. Um zu verstehen, warum das Interesse so gross ist, muss man sich nur die vom Departement des Territoriums anlässlich des letzten Weltwassertags veröffentlichten Daten ansehen. Obwohl das Tessin zu den niederschlagsreichsten Kantonen gehört, werden längere Dürreperioden immer häufiger: Der Höhepunkt wurde 2022 erreicht, mit einem Rückgang der Niederschläge um 50 % im Mendrisiotto und um 30 % im übrigen Kanton. Gleichzeitig steigt das Risiko von Überschwemmungen und hydrogeologischer Instabilität in Verbindung mit starken Unwettern, und im Winter gibt es weniger Schneefall. Der Klimawandel spiegelt sich auch in den Temperaturen der Fliessgewässer, der Seen und des Grundwassers wider, die in den letzten Jahrzehnten bereits deutlich angestiegen sind: Das Phänomen untergräbt die Artenvielfalt und begünstigt die Vermehrung von Cyanobakterien, Organismen, die in der Lage sind, Giftstoffe zu produzieren, die den Tieren in Ufernähe Probleme bereiten können, wie es 2020 und 2023 der Fall war.

Das Foto vergrössern Cesare Alippi Das Foto vergrössern

Um das Problem umfassend anzugehen, können Graphenmathematik und künstliche Intelligenz (KI) neue Instrumente bereitstellen, «sowohl für die Planung der Bewirtschaftung von Wasserressourcen im Falle von Dürren als auch für die Analyse der Wasserqualität, die Überwachung von Schadstoffen und der Algenvermehrung», erklärt Alippi, der auf diesem Gebiet bereits Erfahrungen gesammelt hat. Im Rahmen des europäischen Projekts I-Sense hat er bereits das Wasserverteilungsnetz der Stadt Barcelona (Spanien) überwacht und dabei Anomalien festgestellt, die auf Brüche und Lecks im Netz oder auf Fehler in den Mess- und Warnsystemen hinweisen können. Darüber hinaus nimmt er seit 2021 mit seinem Team an der USI an einem weiteren grossen internationalen Projekt namens SWAIN (Sustainable Watershed Management Through IoT-Driven Artificial Intelligence) teil, an dem auch die Universität und die Fachhochschule Wien, die Fachhochschule Istanbul, die Bosphorus-Universität und das finnische Umweltinstitut (SYKE) beteiligt sind. «Wir von der USI haben insbesondere KI-Methoden für die Vorhersage des Wasserdurchflusses und andere Methoden entwickelt, die zur Erkennung von Schadstoffen in Flusseinzugsgebieten eingesetzt werden sollen und an drei Fallstudien getestet werden: der Donau (mit über 800 Sensoren für die Erfassung physikalischer Parameter) und zwei anderen Flusseinzugsgebieten in der Türkei bzw. in Finnland».

Ähnliche Instrumente könnten auch im Tessin eingesetzt werden, wo einige Wasserwirtschaftsunternehmen bereits damit begonnen haben, die notwendigen Sensoren in verschiedenen Bereichen des Gebiets zu installieren. «Es würde genügen, die erfassten Daten zu verarbeiten, um die ersten praktischen Anwendungen zu machen, wobei die Leistung in Zukunft durch die Hinzufügung neuer Sensoren verbessert werden könnte, falls die Unternehmensstrategien dies zulassen», betont Alippi. Daten über den Wasserdurchfluss und das mögliche Vorhandensein von Schadstoffen könnten automatisch in Echtzeit erfasst und in Form von Zeitreihen von Zahlen an ein “Gehirn” übermittelt werden. «Diese Daten müssten zunächst durch innovative Algorithmen, die wir entwickelt haben, bereinigt und reguliert werden, um die fehlenden Daten zu rekonstruieren, die aus irgendeinem Grund von den physischen oder übertragenen Sensoren nicht erfasst wurden», so der Experte weiter. «Diese Zahlenreihen können, sobald sie homogen und vollständig sind, in Sequenzen von Graphen übersetzt werden, d. h. in relationale Strukturen mit Knoten und Bögen, die zeigen, wie die erfassten Informationen durch relationale und/oder funktionale Abhängigkeiten miteinander verbunden sind».

Graphen als blosse Darstellungen von Daten und Beziehungen sind ein mathematisches Instrument, das im 18. Jahrhundert von dem Schweizer Mathematiker Euler entwickelt wurde und seit der zweiten Hälfte des 20. Jahrhunderts häufig zur Beschreibung von Problemstellungen verwendet wird. Die wirkliche Innovation der letzten Jahre betrifft die Möglichkeit, sie durch mathematische Operationen zu verarbeiten, um nützliche Informationen zu extrahieren und Klassifizierungs-, Vorhersage- oder Kontrollinstrumente zu entwickeln. Die Forschungsgruppe, die Alippi an der USI koordiniert, betreibt Grundlagenforschung, um die richtigen mathematischen Räume und Operationen zu definieren, die für die Verarbeitung der durch die Graphen dargestellten Informationen erforderlich sind. «Wir gehören weltweit zu den wenigen Gruppen, die zur Grundlagenforschung in Kontexten beitragen, in denen sich Graphen im Laufe der Zeit weiterentwickeln», betont der Experte. «Wir arbeiten auch eng mit den Forschern von Professor Michael Bronstein in Oxford zusammen, die sich auf die räumliche Verarbeitung von Graphen spezialisiert haben, und mit denen von Professor Danilo Mandic am Imperial College London, die Experten für die Verarbeitung komplexer Signale sind».

Da es so viele Daten zu verarbeiten gibt, ist die Unterstützung durch künstliche Intelligenz und insbesondere durch neuronale Netze, die spezielle Deep-Learning-Techniken für Graphen nutzen, nämlich AI graph neural networks und Spatiotemporal graph neural networks. «Diese Netze können in weniger als einem Tag trainiert werden und liefern, sobald sie einsatzbereit sind, je nach Komplexität des Anwendungsproblems sogar in Bruchteilen von Sekunden die gewünschten Ergebnisse», erinnert Alippi. «Dank dieser Technologien würde beispielsweise ein koordiniertes Überwachungssystem zu einem Vorteil von bis zu 10-15 % gegenüber herkömmlichen Vorhersagemethoden führen, die auf physikalischen Modellen und graphloser KI basieren. Dies würde eine verbesserte Ressourcenplanung mit grösserer Genauigkeit und feinerer Kontrolle bedeuten».