Potentiale von Data Science in der Wasserwirtschaft

Quelle: neusta analytics & insights GmbH

Hintergrund

Seit mehr als 20 Jahren unterstützt das Expertenteam der neusta analytics & insights GmbH Unternehmen aus der Industrie, Energie- und Wasserwirtschaft dabei, Daten aus verschiedensten Kategorien zusammenzuführen und in bestehende Betriebsabläufe zu integrieren. Die Unterstützung umfasst Beratung, Entwicklung und Umsetzung zu einer plattformbasierten Software, welche die gesammelten Daten zentral nutzbar machen kann. Neusta ist dazu spezialisiert in den Bereichen Data Science, Machine Learning, KI und Big Data. Zudem verfolgt das Unternehmen den Ansatz, den Anwender einer Software in den Mittelpunkt zu stellen und die Technologie als Entscheidungshilfe einzusetzen.

Data Science in der Wasserwirtschaft

Die Assets der Wasserwirtschaft sind geprägt von komplexen Prozessen mit wechselwirkenden Einflüssen zueinander. Der Umgang mit diesen Prozessen erfordert ein hohes Fachwissen und viel Erfahrung. Durch Data Science ergibt sich das Potential neue Zusammenhänge zu erkennen und den anschließenden Wissenstransfer zu vereinfachen. Dazu müssen gesammelte Daten zentralisiert und vergleichbar gemacht werden, um sie anschließend in einer sicheren und skalierbaren Daten- und Analyseplattform verfügbar gestalten zu können.

Automatische Betriebsstörungserkennung

Die in Absprache mit dem EGLV entwickelte ,,Automatische Betriebsstörungserkennung (ABE)”, dient als Predictive Alerting System mit Ursachendiagnose dazu, den Mitarbeitenden bei der frühzeitigen Erkennung von potentiellen Betriebsstörungen zu unterstützen. Das intelligente Assistenzsystem wertet in einem zweistufigen Prozess, bestehend aus Anomalieerkennung und Klassifikation, die Wahrscheinlichkeit für einen Störungsfall aus und empfiehlt gemäß der prognostizierten Ursachendiagnose zu handeln. Die Klassifikation basiert auf dem vorherigen Austausch mit Experten aus der Wasserwirtschaft und dem Vergleich der gemessenen Werten aus Durchfluss, Wasserstand und Drosselklappen mit historischen Daten.

Nutzen

Der Vorteil einer anwenderorientierten Softwareentwicklung besteht in der hohen Akzeptanz der Mitarbeitenden im Bezug auf den Umgang mit der Software. Die KI greift nicht aktiv in das PLS ein und dient lediglich als Hilfe zur Entscheidungsfindung. Durch einen zweistufigen Prozess, in welchem der Mensch mit seinem Wissen und seinen Erfahrungen eingebunden ist, können Betriebsstörungen frühzeitig erkannt und Ursachen schnellstmöglich gefunden werden.


Diskussion

  1. Frage: Wie groß muss die gesammelte Datenmenge sein, um konkrete Aussagen über eine anstehende Betriebsstörung zu tätigen ? Was macht die Vorhersagen sicher ?

    Im besten Fall bekommen wir im Vorhinein einen Jahreslauf der Anlage zur Verfügung gestellt, sodass zeitlich bedingte Effekte ins System integriert werden können. Zudem entwickelt sich das System durch die Rückmeldungen der Mitarbeiter:innen stetig weiter. Zu Beginn lassen sich ebenfalls Werte aus ähnlichen Anlagentypen ins System übertragen.

  2. Frage: Was genau ist mit dem Predictive Alerting gemeint ?

    Streng genommen ist es keine direkte Vorhersage, sondern mehr eine schnelle Einschätzung über die ersten Anzeichen einer Störung. Predictive Maintenance Lösungen, zur Vorhersage der optimalen Wartung und IH, bieten wir jedoch auch an.

  3. Frage: Wie werden die Rückmeldungen der Mitarbeiter in die Ursachendiagnose integriert ?

    Es besteht für jede Art von Rückmeldungen eine neue Kalibrierung des Modells, sodass die Einschätzungen der Mitarbeitenden ,,instant” berücksichtigt werden.

  4. Frage: Wie hoch ist das Potential von Data Science bei kleineren Kommunen/Betreibern ?

    Die Potentialanalyse in unserer Beratung ist größenunabhängig und für jeden möglich. Am Ende des Tages liegt die Abwägung von Kosten und Nutzen beim Betreiber.

  5. Frage: Gibt es Projekte im Bereich der Wasserversorgung ?

    Wir haben bereits Projekte beim diversen Wasserversorgern umgesetzt. Dazu zählt beispielsweise die Erkennung von Leckagen im Netz.

    Am 12.05.2022 wurde das Projekt im Rahmen unserer Early-Birds-Reihe vorgestellt. Eine Zusammenfassung, die Vortragsfolien und eine Aufzeichnung finden Sie Hier.