IoT-Gewässergüte-Monitoring mittels KI-basierter Hauptionenzerlegung aus Leitfähigkeitsdaten im Erfteinzugsgebiet

Der Beitrag beschäftigt sich mit der Anwendung von KI-basierter Hauptionenzerlegung aus Leitfähigkeitsdaten für das IoT-Gewässergüte-Monitoring im Erfteinzugsgebiet. Die elektrische Leitfähigkeit wird als Proxy für den Abfluss und zur Ermittlung von Hauptionenkonzentrationen genutzt. Ein neuronales Netz wird zwischen Sensor und Nutzer generiert, um von Rohwerten auf Zielwerte zu schließen. Die Entwicklung einer IoT-Multiparametersonde ermöglicht die zeitnahe Übertragung von Messwerten in die Cloud, wobei sowohl terrestrische als auch satellitengestützte Kommunikationswege genutzt werden. Eine modulare Datenpipeline transformiert die Rohdaten in ein Analysis-ready-Format und stellt sie für die KI-Entwicklung bereit. Die trainierten Modelle zeigen hohe Genauigkeit bei der Bestimmung von Hauptionen wie Ca2+ und Mg, während komplexere Modelle wie LSTM für die Abflussschätzung eingesetzt werden. Das Gesamtsystem bietet das Potenzial, ein flächendeckendes Gewässermonitoring zu ermöglichen und die Ziele der WRRL in NRW zu erreichen.