Um neue Möglichkeiten zur präzisen, flächendeckenden Erfassung von Starkregenereignissen ging es bei der November-Ausgabe des KI-Stammtisches des Mittelstand-Digital Zentrums Ilmenau. Kevin Hock vom Fraunhofer-Institut für Digitale Medientechnologie (IDMT) stellte den 10 Teilnehmenden in einer Online-Veranstaltung Erkenntnisse aus dem Forschungsprojekt „lokalRAIN“ vor, welches sich mit der Erfassung und Klassifizierung von regenbedingtem Körperschall bei Photovoltaik-Modulen befasst. Im Ergebnis soll ein intelligenter akustischer Niederschlagssensor entstehen, der durch eine KI-basierte Auswertung der Schallsensordaten Niederschlag in Echtzeit erfassen und übermitteln kann.
Dies könnte zum Beispiel den Katastrophenschutzbehörden ein präziseres Echtzeit-Lagebild ermöglichen. In seinem Vortrag ging Kevin Hock zunächst auf die Motivation und den konkreten Einsatzfall ein, bevor er das Vorgehen beim Gesamtsystementwurf und bei der Entwicklung des KI-Modells erläuterte. Im Rahmen von Laborversuchen konnten an einem PV-Modul verschiedene Datensätze zu unterschiedlichen Niederschlagsszenarien experimentell ermittelt und damit mehrere KI-Modelle trainiert werden, wobei ein CNN-basiertes Modell die besten Ergebnisse lieferte. Abschließende Fragen der Teilnehmenden drehten sich u.a. um die Bedeutung von Echtzeit bei Wettervorhersagen und Implementierungsmöglichkeiten derartiger KI-Modelle auf ressourcenbeschränkten Sensorsystemen.
CNN steht für Convolutional Neural Network. Es handelt sich um ein spezielles neuronales Netzwerk, das vor allem für die Verarbeitung von Bild- und Audiodaten eingesetzt wird.
Durch die Faltungsschichten (Convolutions) erkennt das Modell Muster und Strukturen in großen Datenmengen – ideal für Anwendungen wie Objekterkennung, Sprachverarbeitung oder, wie im Projekt „lokalRAIN“, die Analyse von akustischen Signalen.
Bildquellen
- KI-Stammtisch lokalRAIN: © Mittelstand-Digital Zentrum Ilmenau
