Problemstellung

Starkregenereignisse haben in der Vergangenheit große Schäden in Deutschland angerichtet und deren Häufigkeit und Intensität soll in der Zukunft aufgrund des Klimawandels und dessen Folgen weiter zunehmen. Eine geografisch fein aufgelöste quantitative Messung des Niederschlags kann helfen, Wettermodelle zu konkretisieren und kommunale Aufgaben besser zu steuern, allerdings sind in ganz Deutschland lediglich 150 hauptamtliche Wetterstationen mit quantitativer Niederschlagsmessung registriert.

Projektziel

Zolitron betreibt an mehr als 4.000 Abfallcontainern im öffentlichen Raum selbstentwickelte, autarke Sensoren, die den Füllstand der Container mittels Vibration messen, um die Leerung der Container zu optimieren. Im Projekt „Waste.Weather.AI“ sollen diese Sensoren nun durch eine KI-Software erweitert werden um ebenfalls Niederschlag, Temperatur und Licht zu messen, so dass praktisch auf Knopfdruck ein weitreichendes, dichtes Netzwerk aus Wetterstationen aufgespannt wird. Die Wetterdaten werden mittels einer API an Nutzer wie Wetterdienste und kommunale Betriebe weitergeleitet.

Durchführung

Referenzdaten des DWD von existierenden Wetterstationen werden genutzt, um mithilfe der Methoden des maschinellen Lernens die Vibrationen von benachbarten, ausgerüsteten Containern zu bezeichnen und so einen künstlich intelligenten Algorithmus zu trainieren, der das „Regenprasseln“ auf den Containern quantitativ misst. Die neue Software wird über das Mobilfunknetz in die Sensoren übertragen.