Digitalisierung als Instrument zu Verbesserung der Versorgungs- und Entsorgungssicherheit in der Wasserreinigung
Digitalisierung ist mehr als schnelles Internet, Emailkommunikation und Datensammeln für den Jahresbericht. Wenn wir Digitalisierung im Kontext der Nachhaltigkeitsziele der Vereinten Nationen so voranbringen möchten, dass zukunftsfähige Modelle und Lösungen entstehen, dann müssen wir kurzfristiges Denken und Handeln überkommen – zukunftsfähige Handlungsfähigkeit zu kreieren ist ein Prozess und der richtige Zeitpunkt anzufangen ist jetzt.
Datennutzung ist das eine - Interpretation und das Ableiten von Handlungsmaßnahmen das andere
Wir können diese Daten nutzen, um Lösungsstrategien zu ermitteln und Umsetzungsprozesse zu optimieren. Durch diese gezielte und intelligente Datennutzung und – bewertung sowie eine effiziente Steuertechnik wird das Abwasser sauberer und dem Vorsorgeprinzip entsprechend behandelt. Darüber hinaus werdenRessourcen (Energie) geschont und Abwasser als Ressource genutzt.
Das Vorsorgeprinzip gilt als Leitgedanke für die Wasserwirtschaft
Seit Jahren wird die Abwasserwirtschaft mit der kontinuierlichen Veränderung in den Konzentrationen von Mikroschadstoffen in Wässern konfrontiert. Nimmt man die Wasserrahmenrichtlinie, so ist das übergeordnete Ziel des Wasserqualitätsmanagements die Gewährleistung einer guten Wasserqualität der europäischen Oberflächen- und Grundwasserkörper (EU-Richtlinie 2000/60 / EG).
Die Belastung der unterschiedlichen Gewässerkörper ist jedoch an vielen Orten so hoch, dass der geforderte „gute chemische Zustand“ der Oberflächengewässer bei mehr als der Hälfte der Fläche derzeit verfehlt wird. Auch der Einfluss beispielsweise der Meere als Senken ist hier zu berücksichtigen (EU Richtlinie 2008 / 105 / EG und Richtlinie 91 / 676 / EG) und in die Auswertungen einbezogen werden.
Zudem ist das Vorsorgeprinzip in vielen internationalen Übereinkommen wie etwa der UN-Klimarahmenkonvention und dem OSPAR-Übereinkommen zum Schutz der Meeresumwelt des Nordostatlantiks verankert. Auf nationaler (deutschen) Ebene verfolgt die Bundesregierung im Rahmen der „Digitalisierungsstrategie des Bundes“ die Entwicklung im Bereich des Vorsorgeprinzips.
Für den Bereich der Wasserwirtschaft wurden u.a. die in der nachfolgenden Grafik beschriebenen Bereiche und Tätigkeitsfelder sowie Handlungsebenen in Hinblick auf die Erreichung der Nachhaltigkeitsziele beschrieben.
Digitalisierung und der Einsatz von Künstlicher Intelligenz bietet die Möglichkeit das Vorsorgeprinzip in der Wasserwirtschaft umzusetzen.
Unsere Forschung verknüpft wissenschaftlich erhobene Daten mit praktikablen Handlungsempfehlungen , so dass aus Daten, Werte generiert und digitale Methoden (maschinelles Lernen, künstliche Intelligenz (KI) zielführend eingesetzt und genutzt werden.
Die Anforderungen an die Reinigungsleistung von Kläranlagen ergeben sich direkt aus den Anforderungen des Gewässerschutzes. Der hohe Stand der Abwasserreinigung hat durch die Verringerung der Gewässerbelastungen mit Kohlenstoff, Stickstoff und Phosphor wesentlich zur Verbesserung der Wasserqualität der Gewässer beigetragen, doch die Komplexität an Verunreinigungen und die Limitationen der Reinigungsleistungen nehmen stetig zu.
Neben dem Gewässerschutz sind heute Themen wie Energieeffizienz und die Betrachtung des Abwassers als wertvolle Ressourcenquelle (NEW–Ansatz: Nährstoff – Energie – Wasser Recycling aus Abwasser) ebenso wichtig wie die Minimierung des ökologischen Fußabdrucks durch weitergehende Entfernung anthropogener Verunreinigungen mit potentiell adversen Effekten im Gewässer.
Ein Prozessleitsystem einer Kläranlage liefert per sé eine hohe Datenqualität in der Überwachung (Hydrometrie, Betriebsführung, u.a.). Ergänzt durch Big Data mittels Low Cost Sensoren, Echtzeitüberwachung, Vernetzung und Monitoring liefern sie die Spielwiese für KI-Expert*innen und Lösungsforscher*innen, wie wir es sind. Das Problem, dass unstrukturierte Datenansammlungen mit herkömmlicher IT-Infrastruktur nicht mehr zu bändigen sind, kann durch die Nutzung von Big Data (Data Science / Data Analytics) behoben werden. Hierzu werden die großen Datenmengen gesammelt und mithilfe von Methoden der künstlichen Intelligenz, des maschinellen Lernens und dem praxisnahen Expertenwissen geordnet und analysiert. Aus Daten entstehen Werte.
