Dem Wasser keine Chance

Mehr Übersicht im Einsatz

„Leider, leider ist das so, dass sich nur nach großen Katastrophen das Bewusstsein einstellt“, meint auch Thomas Schlunck. Er ist Ausbilder und technischer Berater beim Technischen Hilfswerk – und hat oft selbst in Überflutungsgebieten geholfen: „Ich habe die ganz großen Hochwasser seit 1996 alle mitgemacht.“ An seine Einsätze könne er sich alle erinnern, sagt er. Am meisten ist aber auch ihm das Ahrtal-Hochwasser im Gedächtnis geblieben: „Das war einer der schwierigsten Einsätze, die wir im Inland gefahren haben.“

Es habe damals einige Zeit gebraucht, bis Ordnung geherrscht habe: „Es ist ja immer toll, wenn ganz viele Leute mithelfen wollen, aber es muss geordnet und muss geführt sein. Und die ‚chaotische Phase‘, so sagen wir bei der Feuerwehr oder beim THW dazu, die hat sehr lange gedauert.“ Entscheidend sei, dass die Einsatzkräfte schnell einen Überblick über die Lage bekommen. Das könnte tatsächlich einer der wichtigsten Hebel für einen effektiveren Hochwasserschutz in Deutschland sein. Die Forschung arbeitet genau daran: Wie können die Einsatzkräfte bei einer Hochwasserlage aus Pegelständen, Wetterdaten, Fotos und Berichten von Augenzeugen zügig einen Überblick gewinnen?

Das THW selbst hat dazu jüngst einen Versuch gestartet. „Wir hatten zu Weihnachten 2023 ja noch das Hochwasser in Niedersachsen“, erzählt Frank Altenbrunn, Leiter des THW-Referats „Forschungsprojekte“. „Da sind wir die Deiche abgeflogen mit Drohnen, haben versucht, die Daten möglichst zügig zusammenzuführen. Nur der Aufwand, den wir dafür betreiben, der ist im Moment noch relativ groß.“

Ein Rettungskamerad

Das soll sich ändern durch das Projekt „Rescue-Mate“ – ins Leben gerufen zusammen mit der Hamburger Senatsverwaltung und der Hafenverwaltung. Das Szenario: Eine Sturmflut bedroht das Hamburger Stadtgebiet. Es sollen jetzt so schnell wie möglich Informationen über die Schadenslagen und die Pegel an unterschiedlichen Stellen in einer App zusammengetragen werden. Dazu nutzt Rescue-Mate auch Daten, die bis jetzt unbeachtet blieben – etwa aus den sozialen Medien.

„Im Gefahrenabwehrbereich gibt es immer diesen Punkt des Katastrophentourismus“, erzählt Altenbrunn, „der hat in diesem Punkt natürlich seinen Vorteil, weil die Leute schon mal posten und sagen, hier steht das Wasser, hier ist eine Überflutung.“ Rescue-Mate soll Bilder, die Menschen aus Hamburg online stellen, finden und analysieren. Die Software könnte den Einsatzkräften so eine Menge Arbeit abnehmen: „Zum Beispiel müssen wir auch verifizieren, ob die Bilder, die gerade gepostet werden, aus Hamburg stammen – oder die Person normalerweise in Hamburg wohnt, aber jetzt gerade in Spanien im Urlaub ist.“

Auch schon vorhandene Kameras im Hamburger Stadtgebiet sollen eingebunden werden – etwa Überwachungskameras an Verkehrsknotenpunkten. Dies könnten bei Hochwasser automatisch Bilder an Rescue-Mate schicken, wo eine KI dann den Wasserstand ablesen kann. Sowohl Bürgerinnen und Bürger als auch die Rettungskräfte sollen später die App nutzen können – etwa, um Evakuierungen besser vorzubereiten.

Satellitengesteuerte Pegel

Bei der Flut im Ahrtal war genau das noch eine große Herausforderung: den Wasserstand verlässlich zu überwachen. „Dort sind die drei Pegel, die vorhanden waren, während des steigenden Hochwassers alle zerstört worden“, erzählt Katastrophenforscher Lothar Schrott. „Das war tatsächlich ein Riesenproblem.“ Und selbst wenn die Pegel intakt geblieben wären – die erfassten Daten werden bislang über Funk übertragen oder über eine Leitung . Doch bei der Flutkatastrophe war der Funk zeitweise ausgefallen und auch die Leitungsinfrastruktur wurde zerstört.

Abhilfe könnten neue Pegel mit Satellitenanbindung schaffen. Ein Test läuft derzeit im Ahrtal. Die Idee: Die Signale werden direkt zu Meteosat gesandt – den Erdbeobachtungs-Satelliten, die auch der Deutsche Wetterdienst nutzt. Diese können die Daten auslesen und allen zur Verfügung stellen. Schrott setzt Hoffnung in das Projekt: „Hier kann es gelingen, über ein wesentlich robusteres System zu gewährleisten, dass auch bei steigendem Hochwasser die Pegel funktionieren.“

Prognosen: effizienter und genauer?

Neben der akuten Lageüberwachung ist auch die Prognose ein wichtiger Baustein im Hochwasserschutz. Je früher die Verwaltungen vor Ort von einer möglichen Gefahr wissen, desto mehr Sandsäcke können verteilt und Anwohnerinnen und Anwohner informiert werden, bevor das Wasser steigt. Doch Wettermodelle sind dafür bisher nicht genau genug. Sie können zwar recht gut auf einer größeren Skala vorhersagen, ob es regnen wird – doch wo genau und wie lange, da gibt es noch Luft nach oben. Dabei kann es oft einen riesigen Unterschied machen, wo genau die Gewitterzelle steht. „Schauen Sie ein Gebirge wie den Harz an“, sagt Andreas Rausch, Professor für Software Systems Engineering an der TU Clausthal. Er hat mit seinem Team die Region rund um die Universität untersucht und ein Prognosemodell entwickelt. „Wenn das Extremregenereignis einen Kilometer weiter südlich runtergeht, dann läuft es halt woanders den Berg runter und landet nicht in der Stadt am Fuße des Berges, sondern daneben in einem Feld, wo der Schaden nicht so schlimm ist.“

Das Wetter wird aktuell mit extrem komplexen physikalischen Berechnungen vorhergesagt. Es braucht leistungsstarke Computer, um sie überhaupt durchzuführen – und trotzdem können die Modelle den genauen Wasserpegel an einzelnen Punkten bis jetzt nicht genau vorhersagen. Schließlich gibt es in jeder Region Hunderte kleine Eigenheiten, die ein so allgemeines Modell nicht berücksichtigen kann. „Und wir haben gesagt: okay, challenge accepted“, schmunzelt Rausch. „Wir wissen, dass wir in der Harzregion relativ viele Daten haben. Könnte man nicht versuchen, statt ein physikalisches Modell ein maschinell gelerntes Modell zu trainieren, das dann in der Lage ist, Hochwasser vorherzusagen?“

Die Idee: Statt jedes Naturgesetz selbst in den Computer einzugeben und ausrechnen zu lassen, könnte ein Algorithmus selbst die Zusammenhänge zwischen den einzelnen Wetterdaten und dem Wasserstand erkennen. Damit ließe sich theoretisch ein Vorhersagemodell für jeden einzelnen Punkt in Deutschland maßschneidern. Rausch und sein Team nahmen sich die nahe gelegene Stadt Goslar vor, die 2017 selbst ein Extremhochwasser erlebt hatte.

Versuchsstadt Goslar

Die Informatiker besorgten sich in der Umgebung Messdaten der vergangenen zehn Jahre: den Niederschlag im außerhalb gelegenen Ortsteil Hahnenklee und an der Granetalsperre sowie den Wasserdurchfluss an Messpunkten der Flüsse Grane und Gose. Dazu kamen noch allgemeine Wetterinformationen – und fertig war der Datencocktail für die künstliche Intelligenz. Der Computer lernte, wie sich diese Parameter über einen langen Zeitraum entwickelt hatten – und wie zu jedem Zeitpunkt der entsprechende Wasserstand am letzten Pegel vor Goslar war.

Es gab jedoch eine Schwierigkeit: Alltägliche Zusammenhänge kann eine KI sehr schnell und gut lernen. Doch würde sie auch in der Lage sein, einen Ausnahmefall wie ein Hochwasser vorauszusagen? In den Trainingsdaten kommt dieser Fall schließlich nur selten vor. Rausch stellte sein Modell auf die Probe: Er nahm selbst das Goslarer Hochwasser 2017 aus dem Training heraus und ließ die KI dann nur anhand der anderen Daten den wahrscheinlichen Wasserstand zwei Stunden in der Zukunft berechnen. Mit erstaunlichem Ergebnis: „Wir haben den Pegel des Flusses vorhergesagt, und das über zwei Jahre alle 15 Minuten – und damit eine Genauigkeit von 99,96 Prozent mit einer erlaubten Abweichung von fünf Zentimetern erreicht.“

Ein voller Erfolg also – und für die Stadt Goslar inzwischen ein wertvoller Teil im Hochwasserschutz. „Über den Jahreswechsel 2023/2024 war ja wettertechnisch wieder eine sehr angespannte Lage“, erzählt Rausch, „ich war zu diesem Zeitpunkt im Ausland auf einer Konferenz und hab von dort immer auf unser online verfügbares Hochwasserprognosesystem geguckt – und hab das natürlich auch ganz gespannt verfolgt. Es hat sich gezeigt, dass das System alles richtig prognostiziert hat.“ Die Stadtverwaltung habe sich nachher beim Team bedankt; das KI-Modell sei ein wesentlicher Indikator bei der Entscheidung über Abwehrmaßnahmen gewesen.

KI-Prognosen für alle?

Im vergangenen September wurde Goslar sogar als „Niedersächsische Klimakommune 2024“ ausgezeichnet – wegen eben dieses KI-Modells. Denn guter Hochwasserschutz, so die Jury, sei ein wichtiger Teil der Anpassung an den Klimawandel. Könnte das Modell von Rausch und seinem Team jetzt Schule machen und in ganz Deutschland eingesetzt werden? Grundsätzlich ja, sagt Rausch, aber: „Dieses System hat jetzt gelernt, wie die Region Harz funktioniert. Was wir jetzt erproben, ist, ob diese Struktur auch für andere Regionen und Topologien funktioniert.“ Diese Tests laufen gerade an der Nordsee sowie in den Regionen rund um Wolfsburg und Braunschweig. Denn die große Stärke des Modells ist gleichzeitig auch eine Schwäche: Es ist eben maßgeschneidert auf einen Fleck in Deutschland. Man müsste also für jeden Pegel ein eigenes Modell trainieren – und nicht überall gibt es so gute Daten dafür wie rund um Goslar.

Doch auch dafür gibt es Lösungen, verspricht Rausch: „Wir sind jetzt daran, dass wir die Radar-Wetterdaten vom Deutschen Wetterdienst noch integrieren, dann brauchen wir deutlich weniger Messstellen.“ Außerdem könnte es verschiedene „Basis-Modelle“ geben, die dann nur leicht an die jeweilige Region angepasst werden müssen: „Ich werde das Modell für den Harz, der ein Gebirge ist, nicht für die Nordsee anwenden können – aber zum Beispiel für das Ahrtal, wo es ja auch Täler und Schluchten gibt.“ Denkbar wäre also eine Art Portfolio mit einem „Gebirgs-Modell“, einem „Ostsee-Modell“, einem „Nordsee-Modell“ und so weiter.

Ersetzen will Rausch die klassischen physikalischen Wettermodelle mit seiner Software nicht. Aber: „Ich bin fest davon überzeugt, dass die Methoden des maschinellen Lernens – oder der künstlichen Intelligenz, wie man landläufig sagt – die Prognosen für gerade solche Katastrophenszenarien erheblich nach vorne bringen werden.“ Ein verlässliches Prognosemodell, zusammen mit einer KI-gestützten Lageüberwachung im Ernstfall – die Wissenschaftler stimmt das positiv, dass wir in Zukunft besser auf Hochwasserlagen vorbereitet sind. Wichtig wäre es allemal, meint auch Katastrophenforscher Schrott. An den großen Schifffahrtsstraßen wie am Rhein oder an der Elbe sei Deutschland im Katastrophenschutz heute einigermaßen gut aufgestellt. Aber nicht überall: „Insbesondere in kleineren Einzugsgebieten – oder auch bei Sturzfluten in urbanen Lagen –, da sind wir im Moment wahrscheinlich bei einer Schulnote, die gerade mal ausreichend wäre.“ //