Ziel ist es, durch die statistische Auswertung der Daten ein besseres Verständnis über die technischen und physikalischen Abläufe im Abwassersystem zu ermöglichen.
Lernen von Modellen mit Methoden des unüberwachten Maschinellen Lernens zur automatischen Erkennung von Anomalien im Kanalsystem (z.B. Leckagen, unerlaubte Fremdwassereinleitungen oder verstopfte Straßeneinläufe).
Unter Einsatz verschiedener Techniken des Maschinellen Lernens werden Modelle zur Vorhersage von Ausfällen und nötigen Wartungen trainiert.
Die resultierenden Modelle werden in der Datenanalyseplattform an zentraler Stelle integriert und die Prognosen an das in AP5 entwickelte GIS-System übermittelt.
