Wasserverluste in Versorgungsnetzen minimieren: Pilotprojekt von RPTU und SWK

Kaiserslautern. Verluste durch undichte Rohrnetze sind weltweit eine große Herausforderung für die Wasserwirtschaft. Schätzungen zufolge gehen 30 bis 40 Prozent des aufbereiteten Trinkwassers verloren. Ein Forschungsteam der RPTU will nun KI-gestützte Methoden für das schnelle, automatisierte und zuverlässige Erkennen und Lokalisieren von Leckagen in Verteilungsnetzen entwickeln. Das Projekt „SmartWine“ wird von der Deutschen Forschungsgemeinschaft mit rund 500.000 Euro gefördert. Als Praxispartner eingebunden sind die Stadtwerke Kaiserslautern (SWK), die die entwickelten Ansätze in ihrem Wasserversorgungsnetz
erproben.

Ziel von SmartWine ist es, langjährige Infrastrukturprobleme im Wassersektor zu lösen. Gerade kleine Lecks in unterirdischen  Wasserleitungen bleiben oft unentdeckt und führen dauerhaft zu erheblichen Verlusten. Dadurch verschärft sich in vielen Regionen der Welt das Problem der Wasserknappheit zusätzlich. „Neben der Verschwendung wertvoller Ressourcen müssen Versorgungsunternehmen zudem einen höheren Druck aufrechterhalten, was zu steigenden Energiekosten führt, wenn die Pumpen im Dauereinsatz bleiben“, sagt Dr. Amin E. Bakhshipour, der an der RPTU im Fachgebiet Siedlungswasserwirtschaft forscht und das Projekt leitet. Zwar können traditionelle Messungen bei Nacht auf ein mögliches Leck hinweisen, doch anschließend müssen Fachleute das Leitungssystem akribisch mit akustischen Methoden untersuchen. Das funktioniert bei klassischen,  gusseisernen Leitungen noch verhältnismäßig gut. Moderne Kunststoffrohre aus Polyethylen jedoch erschweren durch ihre Schallabsorption das Auffinden von Lecks erheblich. Unterdessen geht ständig Wasser verloren – mit erheblichen Kosten
für Wirtschaft und Umwelt. 

Datengetriebene Spürnase für Leckagen

„Unsere Forschungsarbeit wird diesen Ablauf revolutionieren, indem wir Expertise aus der modernen Datenanalytik mit Wissen aus den Ingenieurwissenschaften zusammenführen, um Lecks in Echtzeit zu erkennen und zu lokalisieren“, erklärt der Bauingenieur und Datenwissenschaftler. „Statt erst auf sichtbare Schäden zu warten, nutzen wir das Potenzial datengetriebener Anomalie-Erkennung, physikbasierter Modelle sowie Graph Neural Networks – einer KI-gestützten Technik –, um selbst kleinste Druck- und  Durchflussabweichungen präventiv aufzuspüren, bevor Verlust entsteht.“

Rohdaten von Sensoren an Schlüsselstellen des Netzes bieten unmittelbare Warnsignale für das Wartungsteam, sodass das Einsatzpersonal zielgenau und rasch handeln kann. Das spart große Wassermengen und senkt gleichzeitig die Betriebskosten erheblich, weil weniger Personalstunden für das mühselige Suchen nach verdeckten Lecks anfallen. Zudem lassen sich durch  rechtzeitige Maßnahmen teure Rohrbrüche verhindern, Gesundheitsrisiken durch mögliche Verunreinigungen minimieren und unnötige Energiekosten für den Betrieb unter überhöhtem Druck reduzieren.

Kommunen sollen von SmartWine profitieren 

Durch die Kooperation mit den SWK kann das Forschungsteam die entwickelten Methoden in einem realen Versorgungsnetz erproben, sodass Forschungsergebnisse rasch den Weg in die Praxis finden. „Wir sind mit Wasserverlusten unter sieben Prozent zwar gut aufgestellt“, erklärt Jürgen Storck von den SWK Kaiserslautern, der als Bereichsleiter Asset Management auch für die Strategie von Netzen und Anlagen verantwortlich ist. „Die Tendenz ist jedoch in den letzten Jahren steigend. Um aufgrund alternder Netze künftige Herausforderungen zu meistern und zugleich die Verluste zu minimieren, sind wir gerne bereit, diese innovativen präventiven Lösungen zu erproben. Das Forschungsprojekt SmartWine hat unsere volle Unterstützung.“

Seitens der RPTU arbeiten im interdisziplinären Projekt Wissenschaftler aus den Fachbereichen Bauingenieurwesen und Mathematik eng zusammen. Neben Dr. Amin E. Bakhshipour sind auch Professor Ali Haghighi und Professor Ulrich Dittmer aus dem Fachgebiet Siedlungswasserwirtschaft sowie Professor Sven Krumke von der Arbeitsgruppe Optimierung eingebunden. red