Nicht erst seit der Flutkatastrophe im Juli ist klar: Der Klimawandel führt zu einer dramatischen Zunahme der Gefahr durch Starkregen. Eine gute Risikoprognose mithilfe von Geo-AI ist nicht nur für Versicherungsunternehmen ein wichtiges Thema.
Aufgrund der Erderwärmung werden Häufigkeit und Heftigkeit von Starkregen zunehmen. Dahinter steckt das physikalische Prinzip, dass warme Luft mehr Feuchtigkeit aufnehmen kann als kalte – ein Phänomen, das wir alle bei Sommergewittern erleben.
Zugleich führt die zunehmende Urbanisierung zu einer Konzentration von Gebäuden und Infrastruktur. Infolgedessen werden die Schäden durch Starkregen in Ballungsräumen überproportional zunehmen.
Auswirkungen für Staat und Versicherungen
Für die Versicherer ist die richtige Einschätzung des Risikos entscheidend für die Gestaltung der Versicherungsprodukte. Darüber hinaus sind Versicherungen und der Staat aktiv bei der Schadenvorsorge beteiligt, die ebenfalls von genauen Prognosen profitiert. Denn Schutzmaßnahmen wie Deiche und Dämme oder die Renaturierung von Gewässern kosten Millionen. Es ist daher entscheidend, das Geld dort einzusetzen, wo die größten Schäden zu erwarten sind.
Doppelte Gefahr
Starkregen kann uns gleich auf zwei Arten gefährden. Wenn extreme Niederschlagsmengen die Entwässerungskapazitäten überschreiten, sammelt und staut sich das Wasser, was zu lokalen Überflutungen führt. Aber auch wenn das Wasser abfließt, können die Wassermassen dazu führen, dass Bäche und kleine Flüsse über die Ufer treten und so große Zerstörungen anrichten.
Intelligente Gefährdungsanalyse
Wie lässt sich Geo-AI, also die Nutzung von künstlicher Intelligenz zusammen mit Geodaten, für eine Risikoprognose nutzen? Die Grundlage der Gefährdungsanalyse liegt in der zuverlässigen Abschätzung möglicher Niederschlagsmengen auf Basis von Daten des Deutschen Wetterdienstes (DWD).
Auf den Niederschlagsmengen baut die Modellierung des Wasserabflusses auf. Neben der Aufnahmekapazität der städtischen Entwässerung muss dabei berücksichtigt werden, dass nicht-versiegelte Flächen je nach ihrer Beschaffenheit ebenfalls Regenwasser aufnehmen. In vielen Städten kann es zudem zu Sturzfluten kommen, wenn Wasser an der Oberfläche zusammenströmt.
Ausgehend vom Wasserabfluss wird die Abflusskonzentration an der Oberfläche ermittelt. Klassische Verfahren zur Berechnung der komplexen hydrologischen Modelle erfordern dafür immense Rechenkapazitäten. Als Alternative werden daher Deep Neuronal Network Ansätze genutzt, um mithilfe geographischer Informationen, wie dem Geländemodell, der Landnutzung und der Bebauung die Überflutungshöhen vorherzusagen.
Mit Hilfe der Überflutungshöhen kann die Folgenabschätzung durchgeführt werden. Dabei werden Kartendaten über die Verteilung der Gebäudewerte verwendet und mögliche Schäden an der Verkehrsinfrastruktur auf der Grundlage historischer Werte abgeschätzt.
Nutzen von Geo-AI für Versicherungen
Die Prognose von Starkregenrisiken ist nur ein Beispiel für die Nutzung von Geo-AI durch Versicherungsunternehmen. Auch für die Modellierung von Unfallrisiken im Straßenverkehr oder bei der Identifikation von Bevölkerungsgruppen mit hohem Risiko für bestimmte Krankheiten leistet Geo-AI wertvolle Beiträge.
Mehr Informationen zu Anwendungen, Methoden und Trends bietet das kostenlose Orbica E-Book: Geo-AI: Innovative KI für Versicherungen.
Lesen Sie weitere WhereNext-Beiträge zum Thema:
Starkregen: So bereiten sich Kommunen auf Sturzfluten vor
Hochwasser-Management mit digitalen Gefahrenkarten
