Die Reaktionsdynamik von Grundwasserständen unterscheidet sich deutlich in Abhängigkeit von Standort- und Systemeigenschaften: Während flachgründige Systeme häufig kurzfristig auf meteorologische Antriebe reagieren, zeigen tiefer liegende Aquifere eine gedämpfte Dynamik. Insbesondere Messstellen mit großem Flurabstand und verzögerten Reaktionen auf externe Steuerungsgrößen sind bislang nur schwer zuverlässig modellierbar. Gerade diese Systeme sind jedoch hydrogeologisch besonders relevant, da sie aufgrund ihrer hohen Speicherfähigkeit und Persistenz gegenüber Dürre- und Feuchtephasen maßgeblich zur langfristigen Wasserverfügbarkeit und zur Pufferung klimatischer Extreme beitragen.

Zur Untersuchung des Verbesserungspotenzials datengetriebener Modelle, insbesondere im Hinblick auf unterschiedlich ausgeprägte Dynamiken, wurden Ganglinien von rund 400 Messstellen aus Brandenburg ausgewählt. Die Messstellen verfügen über kontinuierliche Zeitreihen seit 1980, liegen in allen drei Grundwasserleiterkomplexen und repräsentieren somit eine breite Spanne unterschiedlicher Reaktionsmuster. Zur Modellierung wurden rekurrente neuronale Netze (Gated Recurrent Units, GRU) trainiert, welche den Grundwasserstand basierend auf meteorologischen Parametern (Niederschlag und Lufttemperatur) vorhersagen. Untersucht wurden zwei zentrale Aspekte: (1) die Länge der Eingangssequenz und (2) die optionale Integration aggregierter meteorologischer Parameter. Damit sollte überprüft werden, ob erweiterte Rückblickzeiträume oder standortspezifisch geglättete Klimasignale die Abbildung träger Systemreaktionen verbessern können.

Die Ergebnisse zeigen, dass Sequenzlängen von zwei bis drei Jahren insbesondere bei trägen Grundwassersystemen zu einer erhöhten Modellgüte führen, während kürzere Zeithorizonte für dynamischere Systeme ausreichend sind. Die Verwendung standortspezifisch aggregierter meteorologischer Eingangsgrößen verbesserte die Abbildung der jeweiligen Reaktionszeiten und führte zu einer signifikanten Steigerung der Vorhersagegüte in trägen Grundwassersystemen. Obwohl einige Messstellen aufgrund ihrer starken Dämpfung selbst mit optimierten Modellen nur schwer vorhersagbar blieben, zeigen die Ergebnisse insgesamt ein deutliches Potenzial, träges Systemverhalten besser abzubilden und damit die Vorhersagequalität zu erhöhen.