- Das neue System nutzt Schallsensoren und maschinelles Lernen zur Messung von Niederschlägen, ohne bewegliche Teile.
- Das System bietet eine wartungsarme Alternative und erweitert das meteorologische Überwachungsnetz.
- Die Forscher hoffen, mehr Daten zu sammeln, um das System zur Bewältigung starker Niederschlagsereignisse zu optimieren.
- Dichtere Niederschlagssensor-Netzwerke können die Echtzeitüberwachung lokaler Niederschläge verbessern.
Wissenschaftler haben ein System entwickelt, das strukturelle Schallsensoren und maschinelles Lernen nutzt, um Niederschläge ohne bewegliche Teile zu messen. Diese Technologie kann als Ergänzung zu herkömmlichen Regenmessgeräten dienen. Die durchschnittliche Abweichung des Systems beträgt 1,88 Millimeter pro Stunde. Dieses neue KI-Niederschlagsüberwachungssystem, das von Forschern des Fraunhofer IDMT und Pan Acoustics GmbH entwickelt wurde, kann leichte Niederschläge mit einer durchschnittlichen Abweichung von nur 1,88 Millimetern pro Stunde schätzen.
Diese neue Methode bietet eine wartungsarme Alternative zur Erweiterung des meteorologischen Überwachungsnetzes, indem sie die winzigen Vibrationen analysiert, die durch den Aufprall von Regentropfen auf Solarpanels entstehen.
Funktionsweise des neuen Systems
Das System nutzt strukturelle Schallsensoren und maschinelles Lernen zur Messung von Niederschlägen, ohne bewegliche Teile. Diese Technologie ist in der Lage, durch die Schaffung dichter, kostengünstiger Messpunkte hochgradig lokalisierte Niederschläge zu erfassen und somit herkömmliche Regenmessgeräte zu ergänzen. Die Forscher demonstrierten diese Methode im kürzlich abgeschlossenen lokalRAIN-Projekt und testeten das System in Laborversuchen sowie im Freien. Derzeit suchen sie nach Industriepartnern für zusätzliche Pilotinstallationen, um die Leistung der Technologie unter breiteren Betriebsbedingungen zu bewerten.
Jakob Bergner, wissenschaftlicher Direktor des Fraunhofer IDMT-Projekts, sagte: „Wir haben die Machbarkeit unserer Methode für leichte Niederschläge nachgewiesen. Jetzt möchten wir mehr Daten sammeln, um seltener auftretende starke Niederschlagsereignisse zu bewältigen und die Verfahren unter verschiedenen Betriebsbedingungen zu optimieren.“ Das System installiert strukturelle Schallsensoren auf Photovoltaik(PV)-Modulen. Jeder Regentropfen, der das Panel trifft, erzeugt mikroskopisch kleine Vibrationen, die einzigartige akustische Merkmale bilden, die sich mit der Niederschlagsintensität ändern.
Das System sendet die Rohsensordaten nicht an einen Remote-Server, sondern verarbeitet die Informationen direkt am Messort mithilfe eines auf energiesparenden Mikrocontrollern laufenden KI-Modells. Nur die berechneten Niederschlagswerte werden übertragen, was den Energieverbrauch und den Bedarf an drahtloser Bandbreite erheblich reduziert. Pan Acoustics hat Hardware und Software für das drahtlose Kommunikationsnetz entwickelt. In Feldtests betrug die Reichweite des Systems in städtischen Umgebungen etwa 2,5 Meilen (4 Kilometer) und in ungehinderten ländlichen Gebieten bis zu 22 Meilen (35 Kilometer). Die von mehreren Sensorknoten gesammelten Daten werden anschließend in eine zentrale Dateninfrastruktur integriert, um lokale Niederschlagskarten zu erstellen.
Herausforderungen der traditionellen Überwachung
Die traditionelle Niederschlagsüberwachung beruht auf meteorologischen Stationen, die mit speziellen Regenmessgeräten ausgestattet sind, deren Installation und Wartung teuer sind. Daher sind die Überwachungsnetze in vielen Regionen relativ dünn und können lokale Starkregenereignisse nur schwer erfassen, da die Niederschlagsmenge über kurze Distanzen stark variieren kann. Um diese neue Methode zu validieren, führten die Forscher zunächst Experimente in einem Regenwassersimulator durch, um verschiedene Tropfengrößen, Niederschlagsintensitäten, Photovoltaik-Module und Sensorinstallationsstandorte zu testen. Anschließend installierten sie drei Außenmesssysteme in Ilmenau am Fraunhofer IDMT, in Wolfenbüttel bei Pan Acoustics sowie im meteorologischen Garten der Technischen Universität Ilmenau.
Die gesammelten Daten wurden mit Referenzmessungen des Niederschlags verglichen, um die maschinellen Lernmodelle zu trainieren und zu validieren.
Für Niederschlagsraten von 2 bis 5 Millimetern pro Stunde beträgt die durchschnittliche Abweichung des Systems 1,88 Millimeter pro Stunde und erfüllt die C-Genauigkeitsanforderungen der Weltorganisation für Meteorologie (WMO) für Niederschlagsmessungen mit niedriger Intensität. Die Forscher betonen, dass die Technologie als Ergänzung und nicht als Ersatz für hochpräzise Niederschlagsmessgeräte gedacht ist. Dichtere Niederschlagssensor-Netzwerke können die Echtzeitüberwachung lokaler Niederschläge verbessern und wertvolle Daten für digitale Zwillinge von Städten bereitstellen, die es Stadt- und Infrastrukturbetreibern ermöglichen, schneller auf Hochwasserrisiken zu reagieren. Diese Informationen können auch die Planung von Entwässerungssystemen, Risikobewertungen für Versicherungen und meteorologische Vorhersagemodelle unterstützen.
Das Fraunhofer IDMT untersucht auch in einem weiteren Projekt landwirtschaftliche Anwendungen, indem es Sensornetzwerke in Agrar-Photovoltaiksysteme integriert, um Landwirten zu ermöglichen, auf der Grundlage von Niederschlagsdaten an bestimmten Standorten gezieltere Bewässerungsentscheidungen zu treffen. Vor einer kommerziellen Einführung planen die Forscher zusätzliche Pilotinstallationen, um mehr Daten während starker Niederschlagsereignisse zu sammeln und die Qualitätsmanagementprozesse für die Gehäuse, Elektronik und produktionsbereiten Systeme weiter zu verfeinern.
Wie neue Technologien die Niederschlagsüberwachung verbessern
Diese neue Technologie bietet durch Schallsensoren und maschinelles Lernen eine kostengünstige und wartungsarme Methode zur Niederschlagsüberwachung, die in der Lage ist, lokale Niederschlagsveränderungen zu erfassen. Traditionelle Niederschlagsüberwachungssysteme sind aufgrund hoher Installations- und Wartungskosten oft in vielen Regionen spärlich, was eine effektive Reaktion auf lokale Starkregenereignisse erschwert. Das neue System wird dazu beitragen, die Genauigkeit meteorologischer Daten zu verbessern und städtischen Infrastrukturen zeitnahe Niederschlagsinformationen bereitzustellen, wodurch die Fähigkeit zur Hochwasserrisikomanagement weiter gestärkt wird.

