RIWWER

Reduction of the Impact of untreated WasteWater on the Environment in case of torrential Rain

Ausgangslage

Kommunen stehen bei der Bewältigung von Starkregen vor wachsenden Herausforderungen. Zu den jährlich rund fünf Millionen Kubikmetern Schmutzwasser kommen etwa drei Milliarden Kubikmeter Regenwasser hinzu – eine enorme Belastung für Kanalnetze und Umwelt. Gleichzeitig sorgen neue gesetzliche Vorgaben wie die EU-Kommunalabwasserrichtlinie dafür, dass sich Kommunen um ein intelligentes Abwassermanagement kümmern müssen. Dabei geht es nicht nur darum, die Kanalbewirtschaftung zu verbessern, sondern laut EU-Richtlinie vor allem darum, „die menschliche Gesundheit und die Umwelt besser vor schädlichen Wassereinleitungen zu schützen“.

Ergebnisse

Damit Kommunen ihre Kanalnetze resilienter und vorausschauender betreiben können, hat RIWWER eine digitale Steuerung für Abwassersysteme entworfen und anhand von KI-Modellen die grundsätzliche Machbarkeit getestet. Dafür werden an ausgewählten Stellen in Kanälen und Regenbecken Sensoren installiert, die Wasserstände und weitere Systemdaten in Echtzeit erfassen. Die Informationen dienen zugleich als Trainingsdaten für KI‑Modelle, die, kombiniert mit Wetterdaten, präzise vorhersagen, wie sich der Starkregen auf das Kanalnetz auswirkt.

RIWWER nutzt hier die Synergie aus Edge- und Cloudtechnologie, um ein leistungsfähiges System zu kreieren. Die Daten werden an den Sensoren selbst, also „on the edge“, erfasst und verarbeitet. Dies ermöglicht eine schnelle Reaktion auf lokale Ereignisse, da die Daten direkt vor Ort verarbeitet werden. Denn Starkregen tritt nicht nur kurz und heftig, sondern meist auch lokal begrenzt auf. Deshalb soll lokal entschieden werden, ob eine Pumpe abgestellt oder ein Reservoir entlastet werden muss. Zumal, wenn bei Unwetter die Internetverbindung ausgefallen und die Cloud-Anbindung offline ist. Auf der Cloud-Ebene werden die verarbeiteten Daten analysiert und langfristig ausgewertet. Dadurch können Trends und Muster erkannt werden, die punktuell nicht sichtbar sind.

Die Erfahrung aus der Umsetzung einer digitalen Steuerung zeigt: Die große Herausforderung besteht darin, die sehr detaillierten vorhandenen Kanalnetzpläne von Kommunen in digital-lesbare, vereinfachte und logische Pläne zu überführen. Um diese Hürde zu überwinden, muss die Digitalisierung in den Kommunen weiter voranschreiten.

Verwertungsperspektiven

Im Projekt wurde ein Teststand realisiert, mit dem sich die Prozesse innerhalb eines komplexen hydrodynamischen Kanalnetzes simulieren lassen und welcher für die Entwicklung der einzelnen Subkomponenten einer Abwasserkanalnetzregelung genutzt werden kann. Im Duisburger Labor des Fraunhofer IMS können Hersteller von Sensoren deren Funktionsweise erproben, Hersteller von Aktoren Anforderungen über ihre Stellglieder erarbeiten und Regelungstechniker das gesamte Zusammenspiel und verschiedene Algorithmen testen. Interessenten können sich bei Wolfgang Gröting (wolfgang.groeting@ims.fraunhofer.de) informieren und einen Termin vereinbaren.

Ein Software-Demonstrator zeigt die im Projekt entwickelten Machine-Learning-(ML)-Modelle für die städtische Abwasserbewirtschaftung sowie deren Leistungsfähigkeit zur Prognose von Füllständen und zur Abschätzung des Risikos von Mischwasserüberläufen: https://riwwer.demo.calgo-lab.de/

Ein weiteres Projektergebnis wird die „VDI-EE 4900 Digitalisierung und Steuerung von Abwassersystemen“ sein, die im Sommer 2026 veröffentlicht werden soll. Die Expertenempfehlung richtet sich vor allem an die Abwasserbetriebe in Deutschland und gibt Hinweise zu Voraussetzungen, Anforderungen und Planung einer intelligenten Kanalnetzsteuerung.

Konsortium
Fraunhofer IMS (Konsortialführer), Universität Duisburg-Essen, Verein Deutscher Ingenieure, KROHNE, Okeanos, HST Systemtechnik, RWTH Aachen, Berliner Hochschule für Technik