Künstliche Intelligenz in der Wasserforschung – Chancen, Potenziale & Herausforderungen

Bericht zum KI-Workshop von BfG und WSA

Die zweitägige Veranstaltung „Künstliche Intelligenz in der Wasserforschung – Chancen, Potenziale und Herausforderungen“, organisiert von Bundesanstalt für Gewässerkunde und Water Science Alliance, verdeutlichte in konzentrierter Form, wie stark Methoden der Künstlichen Intelligenz (KI) und des Maschinellen Lernens (ML) mittlerweile in verschiedenen Bereichen der Wasserwissenschaften verankert sind. Am ersten Tag wurden in vier Sessions: „Gewässerkunde“, „Wasserhaushalt“, „Bild- und Videoverarbeitung“ und „Generative KI“ aktuelle Forschungsarbeiten vorgestellt. Die Vorträge zeigten Potenziale in Datenvalidierung, hydrologischer Vorhersage, automatisierter Auswertung von Fernerkundungs- und Videodaten sowie im Wissensmanagement. Gleichzeitig wurden Anforderungen an Datenqualität, Validierung und Prozessverständnis sowie die Bedeutung hybrider Modellansätze betont. Der zweite Tag im World-Café-Format ermöglichte den Austausch zu fünf Themenfeldern: „Qualitätskontrolle“, „Hydrologie“, „Ökologie“, „Gewässergüte“ und „generative KI“. Diskutiert wurden sowohl Chancen wie Schadstoffdetektion, verbesserte Vorhersage von Abflussprozessen in kleinen Einzugsgebieten und die automatisierte Überwachung invasiver Arten mittels Fernerkundung als auch Herausforderungen wie Datenqualität, Erklärbare KI, Datenschutz und Haftung. Der Workshop verdeutlichte, dass KI in der Wasserforschung große Potenziale bietet, gleichzeitig aber methodische, technische und ethische Aspekte sorgfältig berücksichtigt werden müssen.

Künstliche Intelligenz (KI) und Maschinelles Lernen (ML) sind aus dem Alltag nicht mehr wegzudenken und prägen zahlreiche gesellschaftliche und wirtschaftliche Bereiche. Anwendungen wie personalisierte Empfehlungssysteme, Suchmaschinen, automatisierte Übersetzungen oder digitale Navigationsdienste verdeutlichen deren Bedeutung. Mit dem Aufkommen großer Sprachmodelle und generativer KI vollzieht sich zudem ein Übergang von einer weitgehend unbewussten hin zu einer zunehmend reflektierten Nutzung KI-basierter Technologien. Dieser Entwicklungsschritt bringt sowohl erhebliche Potenziale als auch neue technische, ethische und regulatorische Herausforderungen mit sich.

In der Wasserforschung eröffnen KI- und ML-Methoden die Möglichkeit, etablierte Verfahren qualitativ zu verbessern, daten- und arbeitsintensive Analysen effizienter durchzuführen und neue Forschungs- und Anwendungsfelder zu erschließen. Gleichzeitig stellen sich grundlegende Fragen zur Qualität und Verfügbarkeit der Datengrundlagen sowie zum Verhältnis datengetriebener Modelle zu den traditionell verwendeten deterministischen Ansätzen. Auch generative KI-Werkzeuge gewinnen an Bedeutung, da sie vielfältige Unterstützungsfunktionen im wissenschaftlichen und administrativen Arbeitsalltag bieten, beispielsweise durch automatisierte Textverarbeitung, Dokumentenanalyse oder programmiertechnische Assistenz. Trotz konkreter Effizienzgewinne bestehen weiterhin Herausforderungen, insbesondere im Hinblick auf technische Unsicherheiten, Sicherheitsaspekte und mögliche Verzerrungen automatisierter Entscheidungsprozesse. Vor dem Hintergrund der nationalen KI-Strategie der Bundesregierung, die den gesellschaftlichen Nutzen KI-basierter Technologien betont, bot der KI/ML-Workshop, organisiert von der Bundesanstalt für Gewässerkunde und der Water Science Alliance, eine Plattform für den interdisziplinären Austausch zu technischen und gesellschaftlichen Fragestellungen eines verantwortungsvollen KI-Einsatzes in der Wasserforschung. Diese Zusammenfassung gibt die wesentlichen Inhalte der Fachbeiträge aus Wissenschaft und Forschung und die daraus entstandenen Diskussionen wieder und liefert zentrale Impulse für den weiteren Diskurs.

Der erste Veranstaltungstag fand hybrid statt und umfasste vier thematische Sessions zu den Schwerpunkten „Gewässerkunde“, „Wasserhaushalt“, „Bild- und Videoverarbeitung“ sowie „Generative KI“. Über 70 Teilnehmende waren vor Ort, etwa ebenso viele nahmen online teil. Die Fachvorträge und Diskussionen zeigten, dass datengetriebene Verfahren nicht nur neue Analyse- und Bewertungsmöglichkeiten eröffnen, sondern auch etablierte gewässerkundliche Methoden substantiell erweitern können. Gleichzeitig wurde betont, dass hohe Anforderungen an Datenqualität, Prozessverständnis und Validierung den Einsatz moderner KI-Verfahren begrenzen und daher einen zentralen Entwicklungsschwerpunkt darstellen. Ergebnisse einer internationalen Online-Umfrage im Rahmen der UNESCO-FRIEND-Water-Initiative sowie Literatur-Meta-Analysen belegen, dass ML-Methoden zunehmend in der Gewässerkunde eingesetzt werden, bislang jedoch vor allem in der Wissenschaft und weniger in der operativen Praxis. Hemmnisse sind teilweise ein mangelndes Vertrauen innerhalb der Fachgemeinschaft sowie praktische Herausforderungen wie eingeschränkte Datenverfügbarkeit, fehlende Methodenkompetenz und unzureichende Leitlinien. Die vorgestellten Anwendungen in der Zeitreihenanalyse und -vorhersage verdeutlichten das Potenzial dieser Methoden für die Datenvalidierung, etwa im Betrieb wasserwirtschaftlicher Anlagen sowie für die hydrologische Vorhersage, in der insbesondere Deep-Learning-Modelle leistungsfähige Ergänzungen zu bestehenden Prognosesystemen darstellen können. Ihr Einsatz verbessert insbesondere mittelfristige Vorhersagen und ermöglicht die Integration umfangreicher und heterogener Datenquellen in operationelle Prognosen. Die Diskussion zur Rolle datengetriebener Modelle im Vergleich zu etablierten deterministischen Ansätzen machte deutlich, dass zukünftige Entwicklungen auf hybride Modellierungsansätze abzielen sollten, welche die Stärken maschinellen Lernens mit physikalischem Prozessverständnis verbinden und dadurch das Vertrauen der Fachgemeinschaft stärken.

Ein weiteres thematisches Feld war die Bild- und Videoverarbeitung, in dem KI-Methoden zunehmend praktische Relevanz erlangen. Anwendungsbeispiele wie die automatisierte optische Bestimmung von Wasserständen, die Klassifikation von Vegetationstypen, Makroplastik und Öl anhand von Fernerkundungsdaten sowie der „Smart Fish Counter“ zur automatisierten Auswertung biologischer Video-Monitoringdaten zeigten, dass computer-vision-basierte Ansätze den manuellen Aufwand erheblich reduzieren und zugleich neue Möglichkeiten für Analysen eröffnen. Der Themenkomplex Generative KI rückte zum Abschluss des ersten Tages Fragen des Wissensmanagements, der Dokumentenerstellung und der Qualitätssicherung in den Fokus. Die Vorstellung der Entwicklung des KI-Assistenten der Bundesanstalt für Straßen- und Verkehrswesen (BASt) veranschaulichte zum einen das Potenzial großer Sprachmodelle zur Strukturierung umfangreicher Textbestände und zum anderen die damit verbundenen Herausforderungen im Hinblick auf Datensouveränität, Datenschutz, Vertraulichkeit und die Qualitätssicherung zur Minimierung von KI-Halluzinationen. Darüber hinaus wurde der Einsatz großer Sprachmodelle in der Qualitätsanalyse gewässerkundlicher Daten diskutiert. Durch neuro-symbolische KI, die neuronale Netze mit symbolischen Verfahren kombiniert, können Vorhersagen, etwa zur Anomalieerkennung in Messdaten, nachvollziehbar erklärt und mit konkreten Handlungsoptionen verknüpft werden.

Um die Perspektiven der Teilnehmenden systematisch zusammenzuführen, bot das World-Café am zweiten Veranstaltungstag die Gelegenheit, Chancen, Potenziale und Risiken der KI-Anwendungen in unterschiedlichen Einsatzgebieten zu diskutieren. Die rund 50 Teilnehmenden konnten jeweils drei von fünf Themenfeldern auswählen und sich dazu austauschen. Zur Auswahl standen die Themen „Qualitätskontrolle von Messdaten“, „Hydrologie“, „Ökologie“, „Gewässergüte“ und „generative KI“. Anschließend wurden die Ergebnisse der einzelnen Gruppen im Plenum präsentiert, um einen Überblick über die Diskussionsinhalte aller Themenfelder zu ermöglichen. Die Qualität der Daten bzw. der Trainingsdaten wurde nicht nur am Thementisch „Qualitätskontrolle von Messdaten“, sondern auch an den Tischen „Hydrologie“ und „Gewässergüte“ als zentrale Herausforderung identifiziert. Sie ist ein entscheidender Faktor für die Genauigkeit und Zuverlässigkeit von KI-Modellen. Die Sicherstellung von Datenkonsistenz und -vollständigkeit ist dabei essenziell für den erfolgreichen Einsatz von KI-basierten Anwendungen. Genannt wurden unter anderem die Notwendigkeit genauer und konsistenter Messdaten in der Hydrologie oder für die Überwachung der Wasserqualität im Bereich der Gewässergüte. Unter diesen Gesichtspunkten bieten KI-Anwendungen verschiedene Chancen: Sie können Fehler in von Menschen gelabelten Daten erkennen, Eingangsdaten homogenisieren sowie eine schnellere und umfangreichere Segmentierung und Klassifizierung von Daten ermöglichen. An den Thementischen wurde überwiegend das Potenzial von KI hervorgehoben, Prozesse so zu automatisieren, dass sie effizienter genutzt und beschleunigt werden können. Darüber hinaus ermöglicht der Einsatz von KI die Analyse großer, mehrdimensionaler Datensätze, die mit herkömmlichen Methoden nur schwer auszuwerten wären. Chancen und Potenziale, die an einzelnen Thementischen identifiziert wurden, waren unter anderem die Identifizierung neuer Schadstoffe in der Gewässergütebewertung und die verbesserte Vorhersage von Abflussprozessen in kleinen Einzugsgebieten in der Hydrologie. Als weitere Chance wurde hervorgehoben, dass die Grenzen von KI-Modellen sichtbar gemacht werden können und dadurch neue Schwerpunkte in der Qualitätssicherung entstehen. Darüber hinaus können Veränderungen in Seen, wie sie durch invasive Arten verursacht werden, mithilfe von Fernerkundung automatisiert überwacht werden. Zudem bietet der Einsatz generativer KI Potenziale für eine zielgruppengerechte Kommunikation.

Eine vieldiskutierte Herausforderung aller Themenfelder war die mangelnde Erklärbarkeit von KI-Ergebnissen. Ein wichtiger Aspekt beim Einsatz von KI-Anwendungen ist Explainable AI (XAI). Dadurch wird Transparenz geschaffen und die Ergebnisse für Anwenderinnen und Anwender nachvollziehbarer. Insbesondere für die Nachvollziehbarkeit der KI-Ergebnisse ist es wichtig, die Entscheidungen und Vorhersagen transparent erklären zu können. Andernfalls gleicht die Verwendung von KI einem Black-Box-Vorgang. Gleichzeitig bietet die XAI aber auch die Chance die Akzeptanz und Vertrauenswürdigkeit von KI zu erhöhen, da nachvollziehbar ist, wie die KI-Modelle funktionieren und warum sie bestimmte Entscheidungen anbieten. Die Gestaltung einer XAI sollte hierbei so gewählt werden, dass die anwendende Person unterstützt und nicht durch eine zu große Anzahl an Informationen überlastet wird. Weitere Herausforderungen die an einzelnen Thementischen diskutiert wurden, umfassten unter anderem den Bedarf an Rechenressourcen und geeigneter Infrastruktur in der Qualitätskontrolle der Messdaten. In der Hydrologie wurde festgestellt, dass die Lernmenge oft nicht die Grundgesamtheit repräsentiert. Im Themenfeld der XAI wurde in der Gewässergüte der Trade-Off zwischen Leistung und Erklärbarkeit genannt, der Datenschutz bei der Anwendung passiver, akustischer Verfahren im Monitoring in der Ökologie und Haftungs- und Verantwortungsfragen bei der Nutzung generativer KI.

KI-Anwendungen bieten für die Wasserforschung erhebliche Chancen. Gleichzeitig wurden einige Herausforderungen identifiziert, sowohl individuell in einzelnen Disziplinen, als auch allgemein auf den Einsatz von KI-Anwendungen bezogen. Die Diskussionen machten klar, dass der erfolgreiche Einsatz von KI eine Kombination aus transparenten Methoden, interdisziplinärer Zusammenarbeit und kontinuierlicher Forschung erfordert und diese Aspekte in der Zukunft verstärkt entwickelt werden müssen. Auch im abschließenden Fazit wurde hervorgehoben, dass KI und ML in der Wasserforschung ein wachsendes, interdisziplinär geprägtes Innovationsfeld darstellen. Die Veranstaltung zeigte, dass datengetriebene Methoden in vielen Bereichen bereits produktiv eingesetzt werden, während gleichzeitig grundlegende Fragen zur Integration in bestehende Modellierungs- und Monitoringansätze offenbleiben. Besonders deutlich wurde der Bedarf an gemeinsamen Standards, an offenen und qualitätsgesicherten Datenbeständen sowie an einer engeren Verzahnung zwischen Behörden, wissenschaftlichen Einrichtungen und Technologieentwicklern. Die angekündigte Fortsetzung des Workshops in zwei Jahren verdeutlicht den Anspruch, die dynamische Entwicklung im KI-Bereich kontinuierlich zu begleiten und die Zusammenarbeit im Fachgebiet langfristig zu stärken.