Die BürgerWOLKE wird schlauer

Fehler passieren nicht nur Menschen, auch die Sensoren der Bürgerwolke sind nicht unfehlbar. Doch anstatt direkt in neue und weitaus kostspieligere Sensoren investieren zu müssen, haben Studierende der FH Südwestfalen einen anderen Weg zur deutlichen Verringerung der Abweichungen von den Referenzwerten gefunden.

Das Studienprojekt „KI4KlimaKorr“ einer Gruppe Studierender im Wintersemester 2022/2023 befasst sich mit der Verbesserung von unplausiblen Daten der kostengünstigen SenseBoxen der Bürgerwolke, einem Digitalprojekt der Stadt Soest zur Erfassung der Klimadaten im gesamten Stadtgebiet.

Von 25 % auf 1 % Abweichung

Um die Künstliche Intelligenz trainieren zu können, analysierten die Studierenden circa 2,6 Millionen Datensätze, die zwischen Januar und Oktober 2022 gesammelt wurden. So stellten sie fest, dass 25 % dieser Daten unplausibel waren und teilweise um circa 4 °C von der tatsächlichen Temperatur abwichen. Doch nicht nur die SenseBoxen enthielten Abweichungen, sondern auch die Daten des Deutschen Wetterdienstes (DWD) enthielten unplausible Messwerte und Ausfälle. Die Vergleichswerte hierbei stammten von höherwertigen und deutlich teureren Sensoren. Am Ende war es der Gruppe jedoch möglich, die Abweichung der Sensordaten der Bürgerwolke auf 1 % zu reduzieren.

Abweichungen auf maximal 2°C minimieren

Um solch ein gutes Ergebnis zu erzielen, entwickelten die Studierenden zwei unterschiedliche Lösungsmodelle für die KI und testeten tausende Modelle. Dadurch war es ihnen möglich, die optimalen Parameter der KI zu bestimmen und so eine Korrektur der Temperatur-Messwerte anzuwenden. So war es am Ende gelungen, den Anteil der unplausiblen Daten auf 1 % zu reduzieren.

Durch diese Künstliche Intelligenz ist die Bürgerwolke nun also noch ein Stück genauer und besser geworden.

Studiengang M. Eng. Digitale Technologien, FH SWF Soest, Projekt „KI4KlimaKorr: KI im Einsatz zur Klima-Messdaten Korrektur – Ein Ansatz mit geographischen Standortfaktoren von Low-Cost Messstationen“
Betreuung durch: Prof. Dr. Katharina Stahl und Prof. Dr. Frank Hellweg
Projektteam: Jan Niklas Ottow, Julia Degen, Hendrik Brinkmann, Florian Maximilian Kuch, Fabian Hattermann