Modellierung
Umweltprozesse nachbilden, verstehen und prognostizieren
Unsere Kompetenzen im Überblick
Die Nachbildung von natürlichen und technischen Prozessen mit Hilfe von Modellen ermöglicht Ihnen einen tieferen Einblick in die systematischen Zusammenhänge. Modelle bilden die Grundlage für eine Vielzahl von Anwendungen wie Prognose zukünftiger Zustände oder für Optimierungsvorgänge. Wir helfen Ihnen beim Aufbau, der Kalibrierung, Wartung und dem Betrieb von Modellen aus all unseren Handlungsfeldern.
Beratung
Wir entwickeln Modellkonzepte für Ihre Fragestellung und zeigen Ihnen Möglichkeiten, Alternativen und Empfehlungen auf.
Datenaufbereitung
Jedes Modell ist nur so gut wie die Daten mit denen es betrieben wird. Wir bieten automatisierte, statistische und KI-basierte Datenprüfung.
Kalibrierung
Wir entwickeln und setzen Kalibrierstrategien um. Von der einmaligen Kalibrierung bis zum Aufbau von Continous Learning Routinen.
Operationalisieren
Wir entwerfen, bauen und betreiben die Software-Infrastruktur, um Ihre Modelle operationell zu betreiben.
Hybride Modellierung
Die Kombination von Modellansätzen, insbesondere von konzeptionellen und KI-basierten Modellen, kann Simulationsergebnisse signifikant verbessern.
Ensembles
Ensemble Technologie macht die Unsicherheit von Modellen nicht nur greifbarer, sondern sie reduziert diese auch. Wir helfen Ihnen Daten-, Parameter und Modell Ensembles einzusetzen.
Hydrologische Modellierung
Die Ansprüche an unsere Gewässer sind vielfältig. Sie dienen als Trinkwasserquelle, Transportweg, Reinigungselement, Versorger von Wald- und Grünflächen, Freizeitorte und vielen anderen Zwecken. Der Einfluss des Wasserhaushalts der Flüsse auf unseren Lebensraum sind damit mannigfaltig, insbesondere die Extreme stellen eine Gefahr für uns dar. Hydrologische Modellierung kann diese nicht vorbeugen, aber Informationen für eine gute Vorbereitung und Vorbeugung liefern.
Wir setzen ein weites Spektrum von Modellen und Modellkonzepten ein, um Ihre Antworten auf Ihre Fragestellungen zu geben. So setzen wir gleichermaßen klassische physikalisch-basierte konzeptionelle Modelle wie HBV, NASIM, LARSIM u.a. ein, wie wir auch Daten-getriebene Modelle des maschinellen Lernens oder des Deep Learnings einsetzen, um individuelle Probleme zu lösen. Neben den Modellen greifen wir auf ein breites Spektrum von Methoden zurück, um Modelle (automatisiert) zu kalibrieren, kontinuierlich nachzuführen oder die Anwendung in unüberwachten Gebieten zu ermöglichen.
Bodenwasserhaushalt
Böden speichern Niederschlagswasser und können es über die Zeit wieder abgeben. So speisen sie die Gewässer und versorgen Bäume und Grünflächen mit Wasser. Vor allem in niederschlagsarmen Perioden und im urbanen Raum sind sie ein wichtiger Speicher für den Erhalt des Grüns. Doch auch dieser Speicher ist bei strenger Dürre aufgebraucht. Dies ist nicht nur eine Bedrohung für die Botanik, sondern steigert auch die Gefahr von pluvialen Überflutungen, denn ein ausgetrockneter Boden nimmt nur sehr schwer Wasser auf.
Um den aktuellen Zustand Ihres Bodens zu bestimmen und um diesem Kipppunkt präventiv zu begegnen, ab dem ein Boden zu stark ausgetrocknet ist, um Pflanzen zu versorgen und im Falle eines Niederschlags Wasser aufzunehmen, setzen wir physikalisch-basierte Modelle zur Berechnung des Bodenwasserhaushalts ein. Kalibriert werden diese Modelle anhand von kontinuierlichen Messungen der Bodenfeuchte an neuralgischen Punkten in Ihrem Stadtgebiet. Eine KI-basierte Regionalisierungs-Strategie ermöglicht uns aus diesen Punktmessungen eine flächige tagesaktuelle Information zu generieren. So können wir durch den Einsatz von nur wenigen Sensoren eine Information für ein gesamtes Stadtgebiet erzeugen und so können Sie ihre Prozesse, wie die Steuerung von Gießvorgängen oder Bürgerkommunikation, gezielt steuern.
Starkregen
Wann und wo wird Starkregen auftreten? Auch um diese Frage zu beantworten, setzen wir Modelle ein. Basierend auf aktuellen Messdaten unterschiedlichster Art prognostizieren wir die Bewegung von Starkregen mit einem Modell-Ensemble. Einerseits mit Methoden der Bildverarbeitung, um Bewegungen zu prognostizieren und andererseits durch Deep Learning Modelle. Im Zusammenspiel der Modelle nutzen wir die Vorteile beider Ansätze und können Sie durch eine gezielte Kombination der Modellergebnisse zusammenbringen. In diesem Fall bringt die klassische Bildverarbeitung eine sehr gute Abbildung der Bewegungsrichtungen, während das Deep Learning Alterungsprozesse einer Zelle und nicht lineare Bewegungen besser reproduzieren kann. Die Ergebnisse unseres Algorithmus kombiniert diese beiden Vorteile und ermöglicht so eine verbesserte Prognose von Starkregen.
Mehr erfahren
Abwasserbehandlung
Die mathematische Simulation von Abwasserbehandlungsprozessen ist eine der ökonomischsten und zeitsparendsten Lösungen für die Synthese von Prozesswissen, der ingenieurtechnischen Design- und Prozessoptimierung, der Prognose und der Szenarioanalyse. Bis dato limitiert das Vorhandensein eines automatisierten und kontinuierlichen Datenflusses zwischen digitalem Abbild und realem technischen System, d.h. der Kläranlage, die Modellvorhersagekapazität und Überführung in einen „digitalen Zwilling“. Unser Lösungsansatz schließt diese Lücke durch Kopplung von datengetrieben Modellen mit mechanistischen Modellen in einem Hybridmodell.
Mehr erfahren
Ensemble Strategien
Um Unsicherheiten von Modellen, Daten oder Parametrisierungen abzuschätzen und zu reduzieren werden Ensembles eingesetzt. Wir setzen Ensembletechniken in nahezu allen Bereichen ein, denn eine quantifizierbare Unsicherheit bietet die richtige Grundlage für Entscheidungen. Andererseits bringen Modell- und Parameterensembles einen erheblichen Gütevorteil.
In der Hochwasservorhersage sind Parameterensembles gängige Praxis, um Unsicherheiten aus der Kalibrierung entgegenzuwirken. Aber, sie werden in der operationellen Anwendung i.d.R. statisch gewichtet. Dabei einigen sich einige Ensemble-Mitglieder für besondere Abflusssituationen besser als andere. Bspw. für Abflüsse aus Starkregen, oder Niedrigwassersituationen funktionieren einige Parametersätze besser als andere. Mit unserer KI-basierten, dynamischen Ensemble-Wichtung, haben wir eine Technologie entwickelt, mit der dieses Potential ausgeschöpft werden kann. Die KI schätzt dabei welcher Parametersatz des Ensembles für die aktuelle Prognose am besten geeignet ist und vergibt diesem einen höheren Wichtungswert. Dadurch erhalten die Spezialisten im Ensemble im richtigen Zeitpunkt mehr Gewicht und die Prognose wird besser.
Diese und andere Strategien können auf jedes anderen modellbasierte Aufgabenfeld übertragen werden und so helfen, verlässlichere Informationen für Sie zu gewinnen.
Modellentwicklung
Taucht ihr Thema hier nicht auf? Oder haben Sie ein spezielles Thema für das Sie ein Modell suchen?
Dann sprechen Sie uns an! Wir setzen nicht nur bestehende Modelle ein, sondern wir entwickeln auch Modelle für Ihre Bedürfnisse. Wir sind auch nicht nur auf unsere Fokusthemen und konventionelle Daten beschränkt. So konnten wir unter anderem ein Straßen-genaues Modell zur Steuerung von Schneeräumung anhand von Buchhaltungsdaten und Social Media Postings kalibrieren und in den Einsatz überführen.
Von uns entwickelte Modelle können Sie entweder als Algorithmen zur weiteren Verwendung, eingebettet in eine individuelle Lösung samt Oberfläche und Datenhaltung oder in einem ausführbaren Container zur direkten Integration in Ihre Prozesse erhalten.
Ihr Ansprechpartner