Die Stadt Kassel ist in den letzten Jahren insbesondere während der Sommermonate zunehmenden Schwankungen im Wasserbedarf ausgesetzt, was zu einer verstärkten Nutzung von Grundwasser aus Tiefbrunnen führt. Gleichzeitig beeinträchtigen Starkniederschläge und der damit verbundene Eintrag von Humin- und Trübstoffen die Qualität des Quellwassers und führen regelmäßig zu Überschreitungen der Trübungsgrenze von 1 NTU. Im Rahmen des Projekts Flexilienz wird ein datengetriebenes Vorhersagesystem für Trübungsereignisse in einer Quellsammelfassung entwickelt, in der Wasser aus mehreren Quellsträngen zusammengeführt wird. Diese Sammelstruktur führt zu überlagerten Signalen von Trübung, die eine bisherige präzise Vorhersage erschweren.

Auf Basis langjähriger Sensordaten zur Trübung sowie ergänzender Wetter- und Klimadaten wird ein Convolutional Neural Network (CNN) implementiert, das die kurzfristige Prognose von Trübungsereignissen ermöglicht. Geplant ist die Integration einer Echtzeitabfrage von Wetterdaten und Wetterprognosen sowie der Trübungsdaten des Wasserversorgers. Die Kopplung dieser Datenströme soll es dem Wasserversorger ermöglichen, die Vorhersagen direkt in seine tägliche Steuerung der Wassergewinnungsanlagen zu integrieren. Ziel ist eine mehrtägige Prognose, sodass adaptive Filtrationsanlagen flexibel zugeschaltet werden können, um Abschläge von Quellwasser zu vermeiden und die Grundwasserförderung effizient zu steuern.

Erste Ergebnisse zeigen, dass das CNN die Signalüberlagerung zuverlässig auflösen und die zeitliche Verzögerung zwischen Niederschlagsimpuls und Trübungsanstieg präzise abbilden kann. Das Modell soll dazu beitragen, die Flexibilität und Resilienz der Wassergewinnung in Kassel signifikant zu erhöhen. Zudem bietet das entwickelte System eine Grundlage für die Übertragbarkeit auf andere Quellgebiete und Wasserwerke.