Durchbruch bei der Wasseraufbereitung durch künstliche Intelligenz verspricht besseren Zugang zu sicherem Trinkwasser

Nach Angaben der Weltgesundheitsorganisation (WHO) haben 2,2 Milliarden Menschen - mehr als ein Viertel der Weltbevölkerung - keinen Zugang zu sauberem Trinkwasser. Außerdem leidet fast die Hälfte von ihnen irgendwann im Jahr unter schwerem Wassermangel, und das Problem wird immer schlimmer.

Um diesen Mangel zu beheben, investieren viele Länder massiv in Lösungen wie kontrollierte Bewässerung, Wiederverwendung von Regenwasser und Meerwasserentsalzung. Es ist jedoch bekannt, dass diese Systeme nur schwer auf plötzliche Bedarfsschwankungen reagieren können, was zu einem wachsenden Interesse an dezentraler Wasserproduktionstechnologie geführt hat.

Diese neuen Methoden, wie die kapazitive Entionisierung und die Batterie-Elektroden-Entionisierung, sind vielversprechend, haben aber ein Problem: Die derzeit in diesen Systemen verwendeten Sensoren liefern nur ungefähre Messungen der Wasserqualität durch die elektrische Leitfähigkeit. Das bedeutet, dass sie einzelne Ionen im Wasser nicht genau messen und verfolgen können, was ihre Wirksamkeit einschränkt.

Um dieses Problem zu lösen, haben Forscher des Korea Institute of Science and Technology (KIST) und der Yeongnam-Universität eine Lösung entwickelt , bei der künstliche Intelligenz (KI) durch maschinelles Lernen eingesetzt wird , um die Ionenkonzentrationen im Wasser während der elektrochemischen Behandlung vorherzusagen.

Der Durchbruch könnte zu genaueren und reaktionsschnelleren Systemen zur Messung der Wasserqualität führen, was wiederum den Zugang zu sauberem Wasser weltweit verbessern könnte.

Billiger und effizienter

Das Forschungsteam unter der Leitung von Dr. Son Moon entwickelte ein Random-Forest-Modell, das im Grunde eine maschinelle Lerntechnik ist, die sich für Regressionsprobleme eignet. Das Modell wurde zur Vorhersage von Ionenkonzentrationen in elektrochemischen Wasseraufbereitungstechnologien eingesetzt. Das KI-System war in der Lage, sowohl die elektrische Leitfähigkeit des behandelten Wassers als auch die Konzentration bestimmter Ionen wie Natrium, Kalium, Kalzium und Chlorid mit "beeindruckender Genauigkeit" vorherzusagen.

Einer der Hauptvorteile dieses KI-Modells ist seine Effizienz, so die Forscher. Im Gegensatz zu komplexeren Deep-Learning-Modellen benötigt das verwendete Random-Forest-Modell deutlich weniger Rechenressourcen - und zwar bis zu 100 Mal weniger. Das macht es zu einer kostengünstigeren Lösung für Wasseraufbereitungsanlagen.

Das Modell muss jedoch regelmäßig aktualisiert werden, um seine Genauigkeit aufrechtzuerhalten, und Untersuchungen legen nahe, dass alle 20 bis 80 Sekunden Messungen vorgenommen werden sollten, um eine zuverlässige Überwachung der Ionenkonzentrationen zu gewährleisten.

"Die Bedeutung dieser Forschung liegt nicht nur in der Entwicklung eines neuen KI-Modells, sondern auch in seiner potenziellen Anwendung im nationalen Wasserqualitätsmanagementsystem", so Dr. Son Moon.

Es wird angenommen, dass die Auswirkungen der Forschung weitreichend sein könnten. Durch die Integration dieser KI-Technologie in nationale Wasserqualitätsnetze könnten die Wassersysteme beispielsweise viel besser auf Veränderungen der Wasserqualität und der Nachfrage reagieren, was dazu beitragen würde, die mit Wasserknappheit verbundenen Kosten zu senken und den Zugang zu Wasser für Millionen von Menschen zu verbessern.

Quellenhinweis:

- Water Research, KIST and Yeongnam University. 2024.

- 1 in 3 people globally do not have access to safe drinking water, WHO.