Forscherinnen und Forscher des Karlsruher Instituts für Technologie (KIT) und der Universität Augsburg gelang die erste deutschlandweite Regenmessung mit dem Mobilfunknetz. Jetzt ist der Einsatz der Technologie in Westafrika geplant.
Regen kann die Leistungsfähigkeit eines Mobilfunknetzes erheblich beeinträchtigen. Doch was Telekommunikationsunternehmen Kopfzerbrechen bereiten kann, ist für die meteorologische Forschung ein Glücksfall. Gemeinsam mit Wissenschaftlerinnen und Wissenschaftlern der Universität Augsburg gelang seinem Team am KIT nun die erste flächendeckende Regenmessung mit der neuen Methode in Deutschland: Aus der niederschlagsbedingten Abschwächung der Funkverbindung zwischen mehreren tausend Mobilfunkmasten konnten sie zeitlich hoch aufgelöste Regenkarten generieren.
Künstliche Intelligenz verbessert Genauigkeit
Möglich wurde die Niederschlagsbestimmung aufgrund der Richtfunkantennen, die in Mobilfunkmasten zur Übertragung über weite Strecken eingesetzt werden. „Genutzt wird hier eine Frequenz von 15 bis 40 Gigahertz, deren Wellenlänge der typischen Größe von Regentropfen entspricht“, erklärt Dr. Christian Chwala, Koordinator der Forschungsarbeiten an der Universität Augsburg. „Je mehr Niederschlag fällt, desto schwächer wird das Signal, mit dem die Sendemasten Informationen austauschen. Wir haben ein Jahr lang jede Minute die aktuelle Abschwächung von 4 000 Richtfunkstrecken gemessen. Der daraus entstandene Datensatz ist aufgrund seiner Auflösung und Größe weltweit einzigartig.”
Neben den klassischen Methoden der Datenanalyse nutzten die Forscherinnen und Forscher Künstliche Intelligenz (KI), um das Regensignal aus den verrauschten Messwerten herauszufiltern. „Auch andere Faktoren wie Wind oder die Sonne können zu leichten Abschwächungen des Signals führen. Mit Hilfe unserer KI konnten wir erkennen, wann eine Abschwächung auf Regen zurückzuführen ist“, sagt Julius Polz, ein weiterer Wissenschaftler der Forschungsgruppe. „Wir haben sie inzwischen so trainiert, dass wir ohne Kalibrierung mit traditionellen Methoden zur Regenmessung auskommen.“ Damit eigne sich eine Anwendung auch in Regionen ohne nennenswerte Niederschlagsmessungen, die für das Training der KI in Frage kommen könnten, beispielsweise in Westafrika.
