Fraunhofer-Institut für Digitale Medientechnologie IDMT
Wie viel Regen fällt an einem bestimmten Ort? Im Forschungsprojekt lokalRAIN haben das Fraunhofer IDMT und Pan Acoustics eine Methode entwickelt, um Niederschlag anhand von Schwingungen auf Photovoltaikmodulen zu messen. Körperschallsensoren erfassen die durch Regentropfen ausgelösten Schwingungen. Ein KI-Modell wertet die Signale direkt am Sensorknoten aus und schätzt daraus die Niederschlagsintensität. Ein funktionsfähiger Demonstrator zeigt, wie sich zusätzliche, räumlich verteilte Messpunkte für die lokale Niederschlagsmessung realisieren lassen.
Warum ist eine lokale Niederschlagsmessung wichtig?
Starkregen kann kleinräumig auftreten: Die Regenmenge unterscheidet sich mitunter deutlich zwischen nahe beieinanderliegenden Orten. Um solche lokalen Unterschiede besser zu erfassen, sind zusätzliche Messpunkte hilfreich. Herkömmliche Niederschlagsmessgeräte, etwa an Wetterstationen, sind mit Installations- und Wartungsaufwand verbunden und stehen deshalb häufig nur an ausgewählten Standorten zur Verfügung. Ein Netz aus zusätzlichen, kosteneffizienten Messpunkten kann bestehende Messsysteme ergänzen. Lokal erhobene Niederschlagsdaten bieten das Potenzial, die räumliche Verteilung von Regen genauer abzubilden und die Datengrundlage für die Analyse von Starkregenereignissen zu erweitern.
Wie funktioniert die Niederschlagsmessung mit Körperschallsensoren und KI?
Treffen Regentropfen auf ein Photovoltaikmodul, versetzen sie dessen Oberfläche in Schwingung. Körperschallsensoren erfassen diese Signale. Ein Machine-Learning-Modell analysiert charakteristische Merkmale und erkennt Niederschlagsereignisse. Auf dieser Grundlage schätzt es die Niederschlagsintensität ab.
Zunächst untersuchten die Forschenden im Regensimulator des Fraunhofer IDMT unterschiedliche Niederschlagsintensitäten, Tropfengrößen, Photovoltaikmodule sowie Sensorarten und -positionen. Anschließend wurden drei Messsysteme unter realen Wetterbedingungen installiert: am Fraunhofer IDMT in Ilmenau, bei Pan Acoustics in Wolfenbüttel und im Wettergarten der TU Ilmenau. Die Messdaten wurden mit Referenzdaten verknüpft und zum Trainieren und Bewerten der KI-Modelle genutzt.
Die Signalverarbeitung und KI-Auswertung wurden für eine energieeffiziente Mikrocontrollerplattform optimiert. Dadurch erfolgt die Berechnung direkt am Sensorknoten. Über eine IoT-Funkverbindung werden kompakte Mess- und Statusdaten übertragen. Für die Funkübertragung entwickelte Pan Acoustics eine eigene Hard- und Softwarelösung. Eine zentrale Dateninfrastruktur des Fraunhofer IDMT führt die Informationen aus mehreren Messpunkten zusammen.
Welche Ergebnisse erzielte lokalRAIN?
Das Projekt hat die technische Machbarkeit der akustischen Niederschlagsmessung demonstriert. Die Untersuchungen zeigen, dass sich Niederschlagsereignisse anhand der Schwingungen von Photovoltaikmodulen erkennen und Niederschlagsintensitäten mithilfe eines neuronalen Netzes direkt auf einem Mikrocontroller abschätzen lassen.
Für Niederschlagsintensitäten zwischen 2 und 5 Millimetern pro Stunde lag der mittlere absolute Fehler bei 1,88 Millimetern pro Stunde. Damit wurde bei niedrigen Niederschlagsintensitäten die Genauigkeitsklasse C der Weltorganisation für Meteorologie (WMO) erreicht. Diese lässt eine maximale Abweichung von 2 Millimetern pro Stunde bei der Messung der Niederschlagsintensität zu. Für höhere Niederschlagsintensitäten liegen bislang weniger Trainings- und Testdaten vor, sodass sich die Genauigkeit in diesem Bereich noch nicht abschließend bewerten lässt.
Neben der Messgenauigkeit wurde auch die Funkübertragung untersucht. In Tests erreichten die Messsysteme rund vier Kilometer im städtischen Umfeld und mehr als 35 Kilometer bei ländlicher Sichtverbindung.
Wo lokale Niederschlagsdaten zum Einsatz kommen
Zusätzliche Messdaten können bestehende Wetter- und Umweltdaten ergänzen. Perspektivisch ergeben sich daraus verschiedene Einsatzfelder:
Kommunen und Katastrophenschutz: Lokale Niederschlagsdaten können Feuerwehren, kommunale Leitstellen und Infrastrukturbetreiber dabei unterstützen, Starkregenereignisse räumlich besser einzuschätzen. Sie bieten zudem Potenzial für die Analyse von Entwässerungssystemen und Überschwemmungsrisiken sowie für die Planung von Schutzmaßnahmen.
Wetterdienste und Vorhersagemodelle: Ein dichteres Messnetz kann zusätzliche Informationen über die lokale Verteilung der Regenmenge liefern. Diese Daten könnten die Analyse von Niederschlagsereignissen unterstützen und die Datengrundlage für die Weiterentwicklung von Wettervorhersagemodellen erweitern.
Landwirtschaft und Agri-Photovoltaik: Ortsgenaue Niederschlagsdaten sind auch für Bewässerung und Wassermanagement relevant. Im Folgeprojekt SONICrop werden 20 Sensorknoten für die Erprobung im Bereich Agri-Photovoltaik aufgebaut und vernetzt.
Weiterentwicklung der akustischen Niederschlagsmessung
Um die KI-Modelle auch für höhere Niederschlagsintensitäten zu optimieren, wird die Datenerhebung und -auswertung für stärkere Niederschläge weiter vorangetrieben. Parallel dazu sollen weitere Pilotinstallationen die Praxistauglichkeit des Messsystems unter unterschiedlichen Einsatzbedingungen erproben und Ansatzpunkte für die Weiterentwicklung in konkreten Anwendungen liefern. Für den Schritt vom Demonstrator zum serienreifen System stehen außerdem die Optimierung von Sensorgehäusen und Elektronik, der Ausbau der Qualitätssicherung und die Vorbereitung auf eine spätere CE-Konformität im Fokus weiterer Entwicklungen.
Aufgabebereich Fraunhofer IDMT
Das Fraunhofer IDMT verantwortete die vibroakustische Erfassung und Analyse der Niederschlagssignale. Dazu gehörten die Untersuchung geeigneter Körperschallsensoren und Sensorpositionen, die Erhebung und Aufbereitung von Trainings- und Referenzdaten sowie die Entwicklung von Machine-Learning-Modellen zur Erkennung von Niederschlagsereignissen und Abschätzung der Niederschlagsintensität. Darüber hinaus optimierte das Institut die Signalverarbeitung für den Einsatz direkt am Sensorknoten und entwickelte die Dateninfrastruktur zur Zusammenführung und Auswertung der Messdaten.
