1. Startseite
  2. Stadt Gießen

Mehr Resilienz gegen Extremwetter

Erstellt: Aktualisiert:

giloka_2601_jcs_Hochschu_4c_1
Im Projekt DAKI-FWS werden exemplarisch zwei Krisensituationen betrachtet: Eine infektiöse Krise, wie zum Beispiel Covid-19, und eine durch Klimaextreme hervorgebrachte Krise wie Hochwasser, Stürme oder Hitzewellen. Insgesamt erhofft man sich von dem Projekt, an dem auch ein Forschungsteam der Justus-Liebig-Universität beteiligt ist, umfangreichere und genauere Prognosen angesichts zunehmender Extremwetter-Ereignisse. Symbolfoto: dpa © Red

Gießen (red). Ein Forschungsteam der Justus-Liebig-Universität Gießen (JLU) arbeitet gemeinsam mit anderen Partnern an einem Frühwarnsystem, um die deutsche Wirtschaft mit Hilfe von künstlicher Intelligenz (KI) gegen verschiedene Krisenszenarien zu wappnen.

Das Gießener Teilprojekt, das von der Klimaforscherin Dr. Elena Xoplaki geleitet wird und am Zentrum für internationale Entwicklungs- und Umweltforschung (ZEU) angesiedelt ist, soll die Widerstandsfähigkeit der Wirtschaftssektoren gegen den Klimawandel fördern. Das Ziel der Forschung sind jahreszeitliche Vorhersagen und örtlich zielgenaue Extremwetter-Warnungen, die für die deutsche Wirtschaft und darüber hinaus für die verschiedenen Ebenen und Einheiten des Katastrophenmanagements und des Zivilschutzes relevant sind.

Das Konsortium »Daten- und KI-gestütztes Frühwarnsystem zur Stabilisierung der deutschen Wirtschaft (DAKI-FWS)« unter der Leitung des Fraunhofer Heinrich-Hertz-Instituts (HHI) wird vom Bundesministeriums für Wirtschaft und Klimaschutz (BMWK) in den nächsten drei Jahren mit rund zwölf Millionen Euro gefördert. In dem Projekt, an dem noch weitere Partner wie die Charité oder das RKI beteiligt sind, geht es neben den Extremwetter-Ereignissen noch um weitere Krisenszenarien. Das System soll es Unternehmen ermöglichen, Prognosen über die Entwicklung von Krisen wie Pandemien, Wetterextremen oder auch Naturkatastrophen zu berechnen, deren Auswirkungen auf essenzielle Wirtschaftsaspekte wie zum Beispiel die Logistik abzuschätzen und die Ergebnisse über eine digitale Plattform einsehbar zu machen.

Modulares Warnsystem

Im Projekt DAKI-FWS kooperieren Wirtschaft und Wissenschaft, um ein modulares Frühwarnsystem zu entwickeln, das Warnungen für unternehmerisches Handeln ableitet und aufbereitet. Dazu wird ein generisches Modell mit Daten- und Analyseplattformen für verschiedene Krisen von Epidemien/Pandemien bis hin zu Hochwasser, Stürmen und Hitzewellen entwickelt.

Verlässlichere Früherkennung

Das im mit 1,5 Millionen Euro geförderten JLU-Teilprojekt zu entwickelnde Frühwarnsystem soll in der Lage sein, Bedrohungslagen durch mögliche Unwetter viel frühzeitiger zu erkennen, als dies momentan der Fall ist. So soll die Vorbereitung auf Extremereignisse deutlich verbessert werden, damit Katastrophen wie beispielsweise das Hochwasser im Ahrtal in ihren Ausmaßen deutlich geringer ausfallen. Letztendlich sollen Hitzewellen, Stürme, Dürren und Überschwemmungen in KI-gestützte saisonale Risikokarten aufgenommen werden.

Das Gesamtkonzept des Frühwarnsystems von DAKI-FWS besteht in einer einzigartigen Verknüpfung und Auswertung von einer Vielzahl heterogener Daten mithilfe von KI-Technologien, die es Unternehmen ermöglicht, Prognosen über die Entwicklung von Krisen wie Pandemien oder auch Naturkatastrophen zu berechnen, deren Auswirkungen auf essenzielle Wirtschaftsaspekte wie zum Beispiel die Logistik abzuschätzen und die Ergebnisse über eine digitale Plattform einsehbar zu machen.

Alle Datenquellen, die von DAKI-FWS genutzt werden, sind etablierte Systeme und umfassen sowohl historische als auch Nahe-Echtzeit-Daten zu Kontakten, zur Mobilität und Konnektivität der Bevölkerung (inklusive Reisewege aus dem Ausland), epidemiologische und medizinische Daten (Fallzahlen, Krankenhausbelegungen, Echtzeitsymptomerfassung, Genomsequenzen) und Klimadaten (historische Daten und tagesaktuelle Messungen, saisonale Prognosen). Eine Erweiterbarkeit des Systems wird angestrebt, etwa um potenzielle weitere Datenquellen wie Social Media oder branchenspezifische Datenquellen integrieren zu können. Im Rahmen des Projekts werden zudem Datastorekonzepte entwickelt, die Rohdaten (Fallzahlen, Krankenhausbelegung, et cetera) durch die Verknüpfung mit Metadaten (Klimadaten, Reisedaten, etc.) korrekt kontextualisieren, während gleichzeitig Datenschutz- und IT-Grundschutzanforderungen gewahrt werden.

Konsolidierte Daten und KI-Verfahren

Die in diesem Projekt entwickelte Analyseplattform nutzt konsolidierte Daten und optimierte KI-Verfahren, um Prognosen für den Verlauf von Krisensituation zu berechnen. Basierend auf den so generierten Prognosen ist die Erstellung verschiedener »Use Cases« möglich. Gleichzeitig werden interaktive graphische Systeme entwickelt, die in sehr detaillierter Form Spezialanwendern zur Verfügung stehen (beispielsweise Firmen, die ihre eigenen Logistikabläufe mit Gefahrenstellen abgleichen wollen) oder in vereinfachter Form als Dashboard auch der Öffentlichkeit zugänglich gemacht werden.

Auch interessant