ARIKI setzt eine automatisierte remote Inspektion von kritischer Infrastruktur durch intelligente Kamerasysteme um. So wird eine kontinuierliche Überwachung von sicherheitsrelevanten Bereichen in der Abwasserwirtschaft gewährleistet.
Ariki
Vier zentrale Problemfelder der derzeitigen Abwasserwirtschaft werden im Projekt ARIKI adressiert: Versorgungssicherheit, Wirtschaftlichkeit, Nachhaltigkeit und digitale Betriebskonzepte. Die automatisierte, digitale Überwachung ermöglicht eine qualitative Verbesserung der Versorgungssicherheit und stellt gleichzeitig eine vereinfachte Einhaltung der Eigenkontrollverordnung für die Betreiber sicher. Durch die frühzeitige Erkennung von Schäden an den Anlagen wird eine erhöhte Betriebssicherheit gewährleistet und aufwendige Reparaturen verhindert.
Weiterhin wird durch die Verringerung der notwendigen Vor-Ort-Inspektionen eine Senkung der Betriebskosten und eine Erhöhung der Wirtschaftlichkeit erreicht. Die verbesserte Wirtschaftlichkeit führt zu positiven Nachhaltigkeitseffekten, einschließlich der Verringerung von CO2-Emissionen, der Verbesserung der Klimabilanz, der Reduzierung von Gesundheitsrisiken und der frühzeitigen Erkennung und Beseitigung von Umweltschäden wie Abwasserversickerung.
Ein weiteres Ziel des Projekts ist die Schaffung eines neuen digitalen Betriebskonzepts als Referenzarchitektur für europäische Betreiber von Wasserinfrastruktur, welches KI-gestützte Auswertungen von Echtzeitdaten und das Erkennen von Unregelmäßigkeiten im Betriebsablauf beinhaltet. Das Projekt ARIKI trägt somit dazu bei, den Weg hin zu einer digitalisierten und nachhaltigen Abwasserwirtschaft in Deutschland und der EU zu ebnen.
Leistungen des August-Wilhelm Scheer Instituts
Die Beteiligung des August-Wilhelm Scheer Institut gGmbH am Projekt ARIKI fokussiert sich insbesondere auf die Konzeption, Kamerasystem & Edge Computing, KI-System zur automatisierten Anlagenüberwachung und der Beteiligung am Management & Analytics Portal. Hiermit werden vor allem die technischen Grundlagen für das Projekt geschaffen, die zur Erreichung der übergeordneten Ziele notwendig sind.
Ziel: Es wird eine detaillierte Anforderungsanalyse und ein Konzept des Gesamtsystems sowie aller Einzelkomponenten erstellt. Außerdem sollen die Anwendungsfälle zur Überwachung festgelegt werden. Systemkomponenten und deren Schnittstellen werden in einer Gesamtarchitektur abgebildet.
Ergebnis: Gesamtkonzept, technisches Anforderungskonzept, Pflichten- und Lastenkatalog, Mock-Up, Definition der Systemarchitektur und Schnittstellen
Ziel: Existierende Hardwareplattform nCam wird genutzt zu:
- Datenerhebung und Annotation sowohl unkritischer als auch kritischer Anlagenparametern
- remote Konnektivität für verschlüsselte Übertragung von Videomaterial und für Systemupdates
- Aufspielen projektspezifischer Softwarekomponenten (KI-Modelle)
- Erweiterung für 5G Konnektivität
- remote Backup-Funktion zur Verbesserung der Ausfallsicherheit
- IOT-Konnektivität für Versenden und Empfangen von Pushnachrichten mit Systemstatus und Prozessdaten
- Schnittstelle in grafische Prozessvisualisierungslösungen (Dashboard)
- Adaption der Industrieschnittstellen an branchenüblichen Prozessleitsystemen (SPS)
Ergebnis: Erweiterte Hardwareplattform, Installation nötiger Funktionalität an das verwendete Kamerasystem, Generierung von Trainingsdaten, Annotation der Trainingsdaten, Edge-Computing-Modul
Ziel: Entwicklung bildbasierter KI-Modelle zur Überwachung der Versuchsanlage.
Vorgehen: Dafür wird zunächst eine Vorverarbeitung der Daten basierend auf den Anwendungsfällen und verwendeten Technologien durchgeführt und somit die Datenqualität erhöht. Verschiedene Experimente zur bildbasierten Erkennung und Lokalisierung bestimmter relevanter Ereignisse und Zustände werden genutzt. Transfer-Learning wird hierbei als Trainingsmethode angewandt, um eine Generalisierbarkeit über die festgelegten Anwendungsfälle hinaus zu erreichen und selbst seltene oder komplexe Zustände zu erfassen.
Ergebnis: Softwarekomponente zur automatisierten Anlagenüberwachung basierend auf entwickelten KI-Systemen
Ziel: Entwicklung eines Portals zur Informationsaufbereitung und Darstellung der Analyseergebnisse für das Betriebspersonal, für das Deployment der Edge KI-Module, zur Aggregation von Daten, für die Verwaltung der Edge-Geräte, Anbindung von Drittdatenquellen wie Wetterdaten, visuelle Aufbereitung der KI-Analysen, Einbindung des Kamera-Livestreams, Festlegen von Points of Interest und definieren von dazu passenden KI-Modulen und Aktionen. Aufbau Referenzarchitektur Wasserwirtschaft.
Vorgehen: Konzeption der IT-Architektur basierend auf der Anforderungsanalyse und Gaia-X Standards. Festlegen der Funktion und Features in Anwenderworkshops. Agile Softwareentwicklung mit regelmäßigen Nutzertests.
Ergebnis: Management und Analytics Portal Software
- Konzeption
-
Ziel: Es wird eine detaillierte Anforderungsanalyse und ein Konzept des Gesamtsystems sowie aller Einzelkomponenten erstellt. Außerdem sollen die Anwendungsfälle zur Überwachung festgelegt werden. Systemkomponenten und deren Schnittstellen werden in einer Gesamtarchitektur abgebildet.
Ergebnis: Gesamtkonzept, technisches Anforderungskonzept, Pflichten- und Lastenkatalog, Mock-Up, Definition der Systemarchitektur und Schnittstellen
- Kamera und Edge Computing
-
Ziel: Existierende Hardwareplattform nCam wird genutzt zu:
- Datenerhebung und Annotation sowohl unkritischer als auch kritischer Anlagenparametern
- remote Konnektivität für verschlüsselte Übertragung von Videomaterial und für Systemupdates
- Aufspielen projektspezifischer Softwarekomponenten (KI-Modelle)
- Erweiterung für 5G Konnektivität
- remote Backup-Funktion zur Verbesserung der Ausfallsicherheit
- IOT-Konnektivität für Versenden und Empfangen von Pushnachrichten mit Systemstatus und Prozessdaten
- Schnittstelle in grafische Prozessvisualisierungslösungen (Dashboard)
- Adaption der Industrieschnittstellen an branchenüblichen Prozessleitsystemen (SPS)
Ergebnis: Erweiterte Hardwareplattform, Installation nötiger Funktionalität an das verwendete Kamerasystem, Generierung von Trainingsdaten, Annotation der Trainingsdaten, Edge-Computing-Modul
- KI-Systeme
-
Ziel: Entwicklung bildbasierter KI-Modelle zur Überwachung der Versuchsanlage.
Vorgehen: Dafür wird zunächst eine Vorverarbeitung der Daten basierend auf den Anwendungsfällen und verwendeten Technologien durchgeführt und somit die Datenqualität erhöht. Verschiedene Experimente zur bildbasierten Erkennung und Lokalisierung bestimmter relevanter Ereignisse und Zustände werden genutzt. Transfer-Learning wird hierbei als Trainingsmethode angewandt, um eine Generalisierbarkeit über die festgelegten Anwendungsfälle hinaus zu erreichen und selbst seltene oder komplexe Zustände zu erfassen.
Ergebnis: Softwarekomponente zur automatisierten Anlagenüberwachung basierend auf entwickelten KI-Systemen
- Management und Analytics Portal
-
Ziel: Entwicklung eines Portals zur Informationsaufbereitung und Darstellung der Analyseergebnisse für das Betriebspersonal, für das Deployment der Edge KI-Module, zur Aggregation von Daten, für die Verwaltung der Edge-Geräte, Anbindung von Drittdatenquellen wie Wetterdaten, visuelle Aufbereitung der KI-Analysen, Einbindung des Kamera-Livestreams, Festlegen von Points of Interest und definieren von dazu passenden KI-Modulen und Aktionen. Aufbau Referenzarchitektur Wasserwirtschaft.
Vorgehen: Konzeption der IT-Architektur basierend auf der Anforderungsanalyse und Gaia-X Standards. Festlegen der Funktion und Features in Anwenderworkshops. Agile Softwareentwicklung mit regelmäßigen Nutzertests.
Ergebnis: Management und Analytics Portal Software
Principal Investigator
Dr. Dirk Werth
Geschäftsführer und wissenschaftlicher Direktor
Ihre Ansprechpartnerin
Marie Niederländer
Mail: marie.niederlaender@aws-institut.de
Telefon: +49 681 93511 129
Ausgangssituation
Die Wasserwirtschaft in Deutschland trägt wesentlich zur Gesundheit und Lebensqualität der Bevölkerung, zum Umweltschutz und zur Wettbewerbsfähigkeit von Industrie und Gewerbe durch die jederzeitige Verfügbarkeit bzw. Nutzbarkeit des Wassers bei. Die deutsche Wasserver-/ und -entsorgung gehört zu der kritischen Infrastruktur und ist durch eine besondere dezentrale Struktur geprägt, die eine konstante Inspektion und Instandhaltung nur mit einem hohen Betriebsaufwand möglich macht. Gleichzeitig werden Betreiber solcher Anlagen durch immer schärfere Auflagen und Regularien wie z.B. der Eigenkontrollverordnung noch stärker gefordert und insbesondere der Inspektionsaufwand erhöht.
Hoher Betriebs- und Personalaufwand bei der Anlagenüberwachung am Beispiel von 100 Anlagen:
- 86.400 km Fahrtweg p.a.
- 1.760 h Fahrtzeit p.a.
- 18.352 kg CO2 Ausstoß p.a.
Lösungsansatz
Was?
Der Betrieb von kritischer Infrastruktur wie Kläranlagen, Pumpwerken oder Wasseraufbereitungsanlagen setzt eine regelmäßige Inspektion vor Ort voraus, um deren Betriebs- und Versorgungssicherheit zu gewährleisten. Wasserversorger und Abwasserverbände mit einem großen Versorgungsgebiet betreiben meist viele dezentrale und abgelegene Anlagen, die in der Regel unbemannt sind. Für Inspektions- und Wartungszwecke müssen diese regelmäßig, teilweise werktäglich, angefahren werden, um gesetzliche Vorgaben einzuhalten und die Betriebssicherheit zu gewährleisten.
Dabei könnte eine Remote Überwachung mittels modernen Kamerasystemen und einer lokalen, KI-gestützten Auswertung die Routineinspektion automatisieren und die Betreiber bezüglich Personalaufwand und CO2-Ausstoß deutlich entlasten. Kritische Punkte werden von einer Kamera selbständig und regelmäßig erfasst und direkt vor Ort mittels Edge-Computing von einer Künstlichen Intelligenz ausgewertet. So werden Schäden oder Zustände sofort erkannt und an die zuständigen Personen gemeldet, die anschließend entsprechende Maßnahmen einleiten können.
Das Vorhaben zielt dabei auf die Anwendungsdomäne der Wasserversorgung sowie der Wasserentsorgung ab und wird durch entsprechende assoziierte Partner begleitet, die ihre Anlagen sowie Daten bereitstellen. Durch die hohe gesellschaftliche Relevanz des Vorhabens soll die Eigenschaft als Leuchtturm in der Wasserwirtschaft dienen und eine Projektionswirkung in andere Branchen mit ähnlichen Herausforderungen entfaltet werden. Die Kombination einer Edge-Datenverarbeitung von großen Video-Datenmengen sowie die Bereitstellung der Ergebnisse auf einem Gaia-X konformen Cloud-Portal bilden dabei die Grundlage für einen modernen Ansatz für souveränen Datenaustausch und -nutzung. Auf Grundlage der Technologie sollen zudem die Potenziale für neue, nachhaltige Geschäftsmodell geschaffen werden, die sowohl einen ökonomischen als auch ökologischen Nutzen und damit einen direkten Einfluss auf den Klima- und Umweltschutz haben.
FÖRDERHINWEIS
Das Projekt ARIKI ist gefördert durch das Bundesministerium für Wirtschaft und Klimaschutz.
Förderkennzeichen: 01MD23002D
Laufzeit: 01.03.2023 – 28.02.2026