Abteilung Siedlungswasserwirtschaft

Urbane Abwassersysteme in der Schweiz stehen aufgrund des Klimawandels und der zunehmenden Urbanisierung unter wachsendem Druck. Häufigere extreme Niederschläge, geringere Flussläufe und steigende Verschmutzungsgrade stellen die Leistungsfähigkeit der bestehenden Abwasserinfrastruktur auf die Probe und gefährden sowohl die Umwelt als auch die öffentliche Gesundheit. Gleichzeitig sind kostspielige Modernisierungen zentraler Kläranlagen möglicherweise nicht mehr nachhaltig oder effektiv.

Das Projekt EMPOWER-DD zielt darauf ab, dieser Herausforderung durch die Entwicklung datengestützter Instrumente und Strategien für ein intelligenteres und widerstandsfähigeres Abwassermanagement zu begegnen. Durch die Integration von Echtzeitdaten aus Mobiltelefon-Standortdaten, historischen Datenarchiven von Abwasserreinigungsanlagen (ARAs) in der ganzen Schweiz und weiteren Datenquellen wird das Projekt unsere Fähigkeit verbessern, die Verschmutzungsdynamik in gesamten Kanalisationsnetzen vorherzusagen und zu steuern. Durch die Kombination von Fachwissen in den Bereichen Umwelttechnik, urbane Hydrologie und Data Science wird EMPOWER-DD neuartige Ansätze entwickeln und testen – wie beispielsweise Verschmutzungsbasierte Echtzeitsteuerung oder “Waste-Design” Strategien –, die eine adaptive Infrastrukturplanung unterstützen und Städten helfen, sich an die Auswirkungen des Klimawandels anzupassen.

• Verbesserung der Vorhersage der Abwassererzeugung und -verschmutzung mithilfe von Echtzeit-Mobilfunkdaten.
• Analyse der Regenwasserverschmutzung in ARA-Einzugsgebeieten mithilfe von Data Mining und maschinellem Lernen.
• Entwicklung integrierter Modelle und Monitoringsysteme für die systemweite Bewertung der Verschmutzung.
• Erforschung intelligenter Echtzeit-Steuerungs- und "Waste-Design" Strategien zur Optimierung des ARA Betriebs.

Die Verschmutzungsdynamik in einem Kanalnetz hängt davon ab, wann und wo sich Menschen in einer Stadt bewegen – aktuelle Methoden gehen jedoch von einer statischen Bevölkerung aus. Dieses PhD-Projekt untersucht die Verwendung von Mobilfunkbasierten Standortdaten als neue Art von Sensor für städtische Abwassersysteme. Durch die Analyse anonymisierter, hochauflösender Mobilitätsdaten aus Mobilfunknetzen wird das Projekt untersuchen, wie die Bevölkerungsdynamik mit Abwasserströmen und Schadstoffbelastungen zusammenhängt. Das Ziel ist die Entwicklung datengestützter (und/oder hybrider) Modelle, die vorhersagen können, wann und wo Verschmutzungsspitzen auftreten werden – wodurch sowohl die Überwachung als auch die Kontrolle verbessert werden. Diese Tools werden letztendlich ein reaktionsschnelleres und effizienteres Abwassermanagement ermöglichen, insbesondere unter den sich schnell ändernden Bedingungen, die durch Urbanisierung und Klimawandel verursacht werden.

Urbaner Regenwasserabfluss ist eine bedeutende und wachsende Quelle der Wasserverschmutzung – dennoch bleibt die Vorhersage seiner Zusammensetzung und Dynamik eine Herausforderung. Dieses PhD-Projekt konzentriert sich auf die Nutzung der umfangreichen Überwachungsarchive der Schweiz, um die Regenwasserverschmutzung auf nationaler Ebene zu verstehen und zu modellieren. Die Arbeit umfasst die Zusammenstellung und Harmonisierung von über 20 Jahren Zulaufdaten aus Hunderten von Kläranlagen und die Kombination dieser Daten mit hochauflösenden meteorologischen, Landnutzungs- und Einzugsgebietsdaten. Mithilfe von Modellen des maschinellen Lernens sollen wichtige Muster der Regenwasserbelastung identifiziert und bewertet werden. Durch den Vergleich der Schweizer Daten mit internationalen Datensätzen wird dieses Projekt auch bewerten, inwieweit diese Erkenntnisse auf andere Regionen und Klimazonen übertragbar sind, um Städten dabei zu helfen, sich an immer intensiver werdende Niederschlagsereignisse anzupassen.