LiveSewer

Projektlaufzeit: 2023 – 2025

KI-unterstütztes Abwasser-Monitoring direkt im Kanal für neuartige Ansätze zur digitalen Überwachung und Steuerung in Abwassersystemen

Weiterentwickelte Online-Messsysteme erlauben ein kontinuierliches und flächenhaftes Monitoring von Abwasserparametern und Zustandsgrößen direkt im Kanalsystem. Damit können Echtzeitdaten in großem Umfang erfasst werden. Automatisierte Datenauswertung auf Basis von Machine-learning-Algorithmen erlaubt daraus die Erkennung von Mustern für bestimmte stoffliche Zustände im Abwassersystem. Damit lassen sich bisher nicht mögliche Betriebs- und Überwachungsanwendungen entwickeln – beispielsweise zur Minimierung von H₂S- und Geruchsemissionen, zur kontinuierlichen Einleiterüberwachung oder dem Gewässerschutz.

Dies wird im LiveSewer-Projekt anhand von drei Anwendungsfällen untersucht und demonstriert:

Case Study 1: KI-basierte Minimierung von H₂S-Belastungen

Schwefelwasserstoffemissionen (H₂S) führen in Abwassersystemen zu massiven Korrosionsproblemen, Geruchsbelästigungen und Problemen des Arbeitsschutzes. Eine konkrete Voraussage von H₂S-Emissionen im Kanalnetz war bisher jedoch nicht möglich. Mit Hilfe vernetzter Online-Sensoren sollen daher die zugrunde liegenden Abwasserverhältnisse in einem Kanalnetz kontinuierlich erfasst und in Verbindung mit einer KI-basierten Auswertung daraus die H₂S-Entstehung an neuralgischen Punkten prognostiziert werden. Hierzu werden H₂S-Messungen in der Gas- und Flüssigkeitsphase sowie relevante Einflussparameter (wie z. B. pH und Temperatur) miterfasst. Mit der Prognose der H₂S-Belastung würde auch eine effiziente Dosierung von Fällmitteln zur vorbeugenden Verringerung der H₂S-Bildung realisierbar.

Dieser Anwendungsfall wird mit stationären Messtellen an einer Abwasser-Druckleitung in Haltern und in Dülmen untersucht.

Case Study 2: KI-basierte Überwachung von Indirekteinleitern

Viele Einleitungen in die Kanalisation konnten bisher nicht durchgängig überwacht werden, da die Online-Messung der meisten Abwasserbelastungen unmittelbar im Kanalnetz nicht möglich ist. Dank KI-unterstützer Auswertungen einer Kombination von laufend online erfassbaren Standard-Abwasserparametern (wie pH-Wert, Leitfähigkeit und Temperatur) ist es jedoch ersatzweise möglich, Anomalien aufgrund von bestimmten Einleitsituationen zu erkennen, welche vorher nur schwer oder gar nicht detektierbar waren und für die auch kein direkter physikalischer oder chemischer Zusammenhang besteht.

Ferner werden vorab aufgenommene Datenmuster von bestimmten Einleitungen, sogenannten „Fingerprints“, im KI-System hinterlegt. Wird ein solches Muster bei der kontinuierlichen Überwachung erkannt, soll anhand dieser Fingerprints eine Verursachervoraussage getroffen werden.

Über die Anomalie- bzw. Mustererkennung können jeweils automatische Probenahmen direkt im Kanalnetz getriggert werden, die anschließend im Labor gezielt zur Verifizierung untersucht werden. Die eröffnet die Möglichkeit, dass Probenahmen selbst bei nur sporadisch auftretenden Einleitungen gezielt ausgelöst werden, um bspw. die Einhaltung von Einleitbedingungen kontinuierlich zu überwachen.

Ziel ist es dabei, mit so wenig Mess- und Probenahmegeräten wie möglich, ein gesamtes Stadtgebiet oder einen Industriepark kontinuierlich und effektiv zu überwachen. Diese Art der kontinuierlichen Überwachung ermöglicht damit auch neue Perspektiven für den Gewässerschutz.

Dieser Anwendungsfall wird mit mobilen Messtellen im Kanalnetz der Stadt Rheine untersucht.

Case Study 3: Risikomanagement für die Wasserwiederverwendung

Aufbauend auf der vorstehend genannten Einleiterüberwachung wird ein Risikomanagementsystem für die auch in Deutschland zunehmend relevantere Wiederverwendung von aufbereitetem Abwasser konzeptionell dargestellt. Damit können die Einleitbedingungen in der bisher als “Black Box” wirkenden Kanalisation zukünftig transparenter gemacht werden und über die kontinuierliche Überwachung das Risiko von ungewollten Belastungen des aufzubereitenden Abwassers minimiert werden.

Weitere Anwendungsfälle

Bei erfolgreicher Projektrealisation werden weitere innovative Anwendungsfälle im Bereich des Abwassermonitorings möglich, beispielsweise zum Gewässerschutz oder zur Kanalnetzsteuerung.

Mit den vorgenannten Case Studies soll zudem das Up-Scaling in konkreten Abwassersystem vorbereitet werden, bei dem die im Projekt weiter entwickelte Online-Messtechnologie, das Datenmanagement und die KI-gestützten Auswertungsalgorithmen großtechnisch umgesetzt werden.

Förderung

Das ECOPLAS-Projekt wird vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) im Rahmen der Fördermaßnahme „Quantentechnologische und photonische Systemlösungen für Herausforderungen des Umwelt- und Klimaschutzes, der Biodiversität, der nachhaltigen Energiesysteme und der Ressourcenschonung“ gefördert (Förderkennzeichen: 13N17082). Projektträger ist die VDI Technologiezentrum GmbH.

Gefördert durch