„Mit KI zum bundesweiten Hochwasservorhersagemodell“- Das KI-HopE-DE-Forschungsprojekt am KIT. - Campus-Report am 22.07.2025

Wenn Bäche oder kleine Flüsse in Minuten zu alles mit sich reißenden Gewässern werden, wenn sich Sturzfluten durch kleine Ortschaften wälzen, bedeutet das in der Regel Lebensgefahr. Aber wie die Ahrtalkatastrophe 2021 dramatisch vor Augen geführt hat und man das im Juli 2025 am Guadalupe River in Texas wieder verfolgen konnte, ist eine frühzeitige und ortsgenaue Vor-hersage schwierig. Oft werden die verursachenden Starkregen-Ereignisse durch sehr kleinräumige Gewitter verursacht, deren Zugbahnen nur schwer vorhergesagt werden können. Das vom Bundesforschungsministerium geförderte KI-HopE-De-Forschungsprojekt hat sich deshalb gerade die Hochwasser-Risiken in kleineren Flussgebieten vorgenommen. ... mehrZiel ist ein Hochwasservorhersagemodell für das gesamte Bundesgebiet, das 48 Stunden vor dem Ereignis warnen kann. Die Basis bildet eine Vielzahl von Parametern aus über zweitausend Flussgebieten von der Topologie über die Landnutzung bis hin zu den lokalen meteorologischen Bedingungen. Diese Daten fließen nicht in ein traditionelles physikalisch-hydrologisches Modell, sondern bilden die Basis für Lernprozesse der Künstlichen Intelligenz.
https://www.iwu.kit.edu/hyd/forschung_1390.php

When streams or small rivers become all-consuming waters in a matter of minutes, when flash floods roll through small towns, it usually means danger to life. However, as the Ahr Valley disaster in 2021 dramatically demonstrated and as we saw again in July 2025 on the Guadalupe River in Texas, it is difficult to predict the exact location in advance. The heavy rainfall events that cause them are often caused by very small-scale thunderstorms whose paths are difficult to predict. The KI-HopE-De research project, funded by the Federal Ministry of Education and Research, has therefore focused on flood risks in smaller river basins. ... mehrThe aim is to develop a flood forecasting model for the whole of Germany that can issue warnings 48 hours before the event. It is based on a large number of parameters from over two thousand river basins, ranging from topology and land use to local meteorological conditions. This data is not fed into a traditional physical-hydrological model, but forms the basis for artificial intelligence learning processes.