Der Nil ist die einzige große Wasserader in Ägypten – einem Land, das zu 95 Prozent aus Wüste besteht. Wasser ist dementsprechend knapp, man behilft sich mit Meerwasserentsalzungsanlagen. Diese Geräte sind aber störungsanfällig: Lecks und Schäden an den mechanischen Teilen der verwendeten Zentrifugalpumpen machen den Betreibern das Leben schwer – und haben einen Ausfall der Wasserversorgung zur Folge.
Eine Lösung dafür bietet die Applied Data Science. Zu Deutsch: angewandte Datenwissenschaft. Sie ermöglicht die Entwicklung von Algorithmen zur automatischen Fehlfunktionsvorhersage von Entsalzungspumpenanlagen. Ein Computerprogramm, das weiß, wo Störungen entstehen können, bevor sie auftreten – daran arbeiten Susanne Meinhard und Arjon Kapaj, zwei Studierende des englischsprachigen Masterstudiengangs Applied Data Science an der FH Kärnten in Kooperation mit einem Studenten des Studiengangs Informatik und Computer Science der Britischen Universität (BUE) in Ägypten.
Geleitet wird das Projekt von Andreas Pester von der Abteilung Künstliche Intelligenz der Fakultät für Informatik und Computer Science der BUE und FH Kärnten gemeinsam mit Amr Abdelkader (Hydrauliklabor der Ingenieurfakultät der BUE). „Unser System soll die Lösungen, die es auf Basis von Machine Learning errechnet, direkt vor Ort durchführen, ohne dass es mit dem Internet in Verbindung stehen muss. Da es auch bei Temperaturen von 50 Grad Celsius funktionieren muss, arbeiten wir unter anderem an der Kühlung“, so Pester.
Hochwasserschutz in Kärnten könnte ebenfalls von seiner Forschung profitieren, denn die Prinziplösungen, die in Ägypten unter Laborbedingungen ausgearbeitet werden, lassen sich auch auf andere Pumpsysteme übertragen: „Pumpen sind überall im Einsatz, die Fehlfunktionen hängen vom Pumpentyp ab“, sagt Pester. Die Lösung von Problemen anderswo helfe somit auch hierzulande.