Dr. Ralf Loritz
Nachwuchsgruppenleiter & KIT Associate Fellow, Institut für Wasser und Umwelt – Hydrologie (IWU /HYD), KIT
 
Im Vortrag wird gezeigt, wie maschinelles Lernen (ML) die Hydrologie verändert – und warum diese Technologien zu einem zentralen Werkzeug für die Vorhersage von Hochwasser, Dürre und anderen hydrologischen Extremen geworden sind.
 
Die Hydrologie befasst sich mit dem Wasserkreislauf in all seinen Facetten – vom Niederschlag über die Speicherung im Boden bis hin zum Abfluss in Flüssen und Seen. Um diese Prozesse zu verstehen und zukünftige Ereignisse vorherzusagen, werden seit Jahrzehnten mathematisch-physikalische Modelle eingesetzt. Sie bilden die bekannten Gesetze der Hydrologie, wie Versickerung, Verdunstung und Abflussbildung, durch Gleichungen ab und erlauben damit eine quantitative Beschreibung der Bewegung von Wasser in der Landschaft.
 
Doch sind neue, datengetriebene Ansätze diesen Modellen überlegen? Was sind jeweils die Vor- und Nachteile der Methoden? Diese Fragen stehen im Zentrum des Vortrags.
 
Am Beispiel aktueller Forschungsprojekte, wie dem vom BMBF geförderten Verbundprojekt KI-HopE, wird zudem gezeigt, wie aktuelle Konzepte in der Praxis umgesetzt werden – etwa bei der Entwicklung eines deutschlandweiten, ML-basierten Hochwasservorhersagesystems in Kooperation mit dem Deutschen Wetterdienst und den Hochwasservorhersagezentralen. Der Vortrag lädt dazu ein, die Hydrologie als datenwissenschaftliche Disziplin neu zu denken – wie können physikalisches Verständnis und künstliche Intelligenz dazu beitragen, die Risiken von Hochwasser und Dürre besser zu erkennen und ihnen frühzeitiger begegnen zu können?
 
 
Im Rahmen des Vortrags wird die KIT Graduate School Computational and Data Science vorgestellt.
  Angela Hühnerfuß, M.A.
Koordination KIT Graduate School Computational and Data Science, KIT
 
Die KIT Graduate School Computational and Data Science (KCDS) am KIT-Zentrum MathSEE ist eine englischsprachige Graduiertenschule für alle Promovierenden am KIT, die an interdisziplinären daten- und modellgetriebenen Forschungsprojekten arbeiten. Das Besondere an KCDS ist das Betreuungs-Tandem: Die Promovierenden haben jeweils eine Betreuungsperson aus der Mathematik mit einem methodischen Schwerpunkt und eine aus einem SEE-Fach (Natur-, Wirtschafts- und Ingenieurwissenschaften) mit dem Schwerpunkt Anwendung. Das interdisziplinäre Trainingsprogramm der KCDS bietet Promovierenden die Möglichkeit, sich gezielt fachlich und überfachlich weiterzubilden, ihr Netzwerk zu erweitern und eigene Projekte und Veranstaltungen zu verwirklichen.
 
Eine Einzeltermin-Teilnahme für Gäste ist möglich, sofern ausreichende Kapazität vorhanden ist. Bitte senden Sie in diesem Fall eine Anfrage per Mail an dataliteracy∂forum.kit.edu. Sie können an bis zu zwei Terminen kostenfrei teilnehmen. Wenn darüber hinaus größeres Interesse an einer Teilnahme an der Ringvorlesung besteht, kann ab dem dritten Termin eine Teilnahme als registrierte*r Gasthörende*r stattfinden.