Daten sind die neuen Sandsäcke - Ein Plädoyer für einen "Datenraum Katastrophenschutz"

Das jüngste Hochwasser an der Donau und ihren Zuflüssen in Süddeutschland war das dritte dieses Jahres – und das noch vor Ende des Frühjahrs. Vorerst können wir solche Extremwetterereignisse mitten in der Klimakrise nicht mehr verhindern. Trotzdem können wir uns besser gegen ihre Folgen schützen. Bei der Flut Anfang Juni hätten wir nicht nur mehr Sandsäcke und höhere Schutzwände benötigt. Die Vernetzung bestehender Daten für genauere Vorhersagen und frühere Warnungen hätte ebenso einen entscheidenden Beitrag leisten können. Ein Baustein dafür wäre ein offener „Datenraum Katastrophenschutz“.

Hochwasser-Prognosen sind oft ungenau

Flusspegel bei erwartetem Stark- und Dauerregen präzise vorherzusagen, erfordert Daten aus einer Vielzahl unterschiedlicher Quellen: Wo ist wann mit welcher Niederschlagsmenge zu rechnen? Wie aufnahmefähig sind die Böden noch? Welchen Einfluss haben Jahreszeit, Schneefallgrenze, Temperatur und Luftfeuchtigkeit? Wo stehen die Pegel zuvor? Wie voll sind Speicher, Rückhaltebecken und Polder bereits?

Zwar werden solche Daten erhoben, doch oft bleiben sie in Silos eingeschlossen. Das erschwert den Datenaustausch. Prognosemodelle können die nötigen Werte daher nur teilweise verarbeiten. Die Konsequenz: Es gibt hohe Unsicherheiten bezüglich der zu erwartenden Pegel. So auch beim vergangenen Donauhochwasser, bei dem insbesondere am Unterlauf die Pegelhöchststände bis zuletzt unterschätzt wurden.

Wo wären welche Warnungen hilfreich?

Je näher man den Niederschlägen ist, desto schwieriger wird die Prognose: Bei Sturzfluten nach Starkregen bleibt kaum Zeit zu reagieren, oft können die Menschen nur ihr Leben retten. Hier helfen vor allem bessere Frühwarnsysteme, die aus Vorhersagen und aktuellen Radardaten Warnungen ableiten und die lokale Bevölkerung alarmieren. Bei der Ahrtalflut 2021 hätte das viel Unglück verhindern können, bei den Überflutungen im Saarland dieses Jahr hat das schon deutlich besser funktioniert.

Weiter flussabwärts, wo sich das Wasser in größeren Flüssen sammelt, bleiben oft viele Stunden bis Tage für eine gründliche Vorbereitung. Hier ließen sich mit höherer Datenverfügbarkeit weitaus präzisere und frühere Vorhersagen treffen als heute. Das gäbe Behörden und den Betroffenen mehr Zeit, um sich auf steigende Pegel vorzubereiten und Schäden zu verringern. Um solche Prognosen technisch und organisatorisch zu ermöglichen, ist der Aufbau eines „Datenraums Katastrophenschutz“ Voraussetzung.

Hätte man das Ausmaß des Hochwassers früher abschätzen können?

Ja! Um zu verstehen, wie datengetriebene Risiko-Indikatoren die Brisanz der Lage frühzeitig hätten anschaulich machen können, muss man die Chronologie der Ereignisse in der Woche vor dem Hochwasser betrachten:

Bereits ab dem 24. Mai sagten Meteorologen hohe Niederschlagsmengen im süddeutschen Raum voraus. Sie erwarteten Spitzenwerte von über 200 Litern Regen pro Quadratmeter innerhalb von zehn Tagen am nördlichen Alpenrand. Das ist selbst für diese niederschlagsreiche Region außergewöhnlich viel. Die Böden waren durch ein nasses Frühjahr bereits gesättigt, Flüsse und Bäche gut gefüllt. In den folgenden Tagen regnete es dort zudem immer wieder kräftig und anhaltend. Währenddessen präzisierten sich die Vorhersagen für das Dauerregenereignis vom 30. Mai bis zum 2. Juni weiter und deuteten eine Verschärfung der Regenfälle an. Spätestens ab dem 27. Mai (siehe Grafik) war eine größere Hochwasserlage absehbar.

Wie hätten Daten und digitale Dienste hier helfen können?

Schon mit den heute verfügbaren Daten und Technologien hätte man durch bessere Vernetzung und Verfügbarkeit, wesentlich bessere Hochwasservorhersagen treffen können, besonders in dem Zeitraum von vier bis sieben Tagen vor dem Ereignis. Diese Ressource wird bisher nicht ausreichend genutzt.

Ein interoperabler Datenraum, basierend auf Gaia-X Association for Data and Cloud (AISBL) und International Data Spaces Association (IDSA) , könnte beispielsweise folgende Funktionen bieten:

1. Automatisierte Frühwarnsysteme alarmieren Behörden, Katastrophenschutz und betroffene Kommunen spezifisch und individuell, sobald Risikoindikatoren bestimmte Grenzwerte überschreiten. So bleibt ausreichend Zeit für die Vorbereitung. KI-Modelle, die mit realen Daten trainiert wurden und aktuelle Messwerte und Prognosen berücksichtigen, zeigen mögliche Szenarien und deren Eintrittswahrscheinlichkeit auf. Sie schätzen mögliche Pegelhöchststände bis hin zum Worst Case und ordnen sie ein (z. B. „20-prozentige Wahrscheinlichkeit für ein 100-jährliches Hochwasser in den nächsten sieben Tagen am Pegel Passau / Donau").
2. Die Gefahrenlage lässt sich individuell in Dashboards anschaulich machen und in Echtzeit verfolgen. Kombiniert mit dem Standort, Hochwassergefahrenkarten der Region sowie historischen Daten können Kommunen, Einsatzkräfte und Bürger:innen angemessen entscheiden und sich frühzeitig vorbereiten.
3. Mit Hilfe eines solchen Datenraums können im technischen Hochwasserschutz frühzeitig und zielgenau Gegenmaßnahmen eingeleitet werden. Regionale Konsequenzen lokaler Maßnahmen, wie das Öffnen oder Schließen von Staustufen oder das Fluten von Poldern, werden zunächst anhand einer Simulation durchgerechnet. Auf Basis der Ergebnisse können zuständige Behörden dann beispielweise einer KI-Empfehlung für die optimale Nutzung solcher Infrastrukturen folgen oder diese bewusst anpassen. Eine integrierte Verknüpfung mit Reglern und Sensoren würde zudem eine vollautomatisierte smarte Steuerung technischer Hochwasserschutzelemente erlauben.

Warum sind heute verfügbare Systeme nicht ausreichend?

Die heutigen Warnsysteme und Prognosen sind in vieler Hinsicht noch sehr begrenzt. Meist berücksichtigen sie nur einzelne Werte. Ein Gesamtbild der Lage und aller Konsequenzen bleibt so unerreichbar. Prognosen werden unregelmäßig aktualisiert und manuell nachbearbeitet. Dies mindert die Leistungsfähigkeit der Systeme in Krisensituationen erheblich. Bei Hochwasser etwa sind für die meisten Bürger:innen und Behörden Pegel-Vorhersagen der Hochwasserzentralen (siehe Grafik) die beste verfügbare Informationsquelle.

Eine solche Darstellung wird dem dynamischen Geschehen eines Extremwetterereignisses selten gerecht. Konkret heißt das: Die Bedienbarkeit der Website ist wenig intuitiv, die Konsequenzen bevorstehender Pegelanstiege bleiben unklar. Durchaus realistische Szenarien (Worst Cases) erkennt man nicht oder nur verzögert. Selbst an großen, leichter berechenbaren Flüssen weichen die tatsächlich erreichten Pegelstände oft stark von den Prognosen ab. Das legt nahe, dass relevante Daten unzureichend berücksichtigt werden.

Langfristige Trends zeigen sich nur bei wenigen Pegeln und werden selten aktualisiert. Eine Verknüpfung etwa mit Hochwassergefahrenkarten oder behördlichen Empfehlungen fehlt völlig. Die Daten stammen aus verschiedenen Quellen und liegen isoliert vor. Schnittstellen, die ein Gesamtbild ermöglichen, sind kaum vorhanden.

Konsequenzen mangelhafter Vorhersagesysteme

Die komplexe Informationsverarbeitung und verzögerte Prognosen für die höchsten zu erwartenden Pegelstände führten beim Donauhochwasser Anfang Juni dazu, dass sich die meisten Kommunen erst spät, meist erst nach Einsetzen des Dauerregens am Freitag, den 31. Mai, auf das Hochwasser vorbereiteten. Die meisten Pegelvorhersagen deckten nur die nächsten 48 Stunden ab. Mit langfristigeren Berechnungen über vier bis fünf Tage hätten sich die Betroffenen erheblich besser vorbereiten können.

Zudem unterschätzte man das Ausmaß des Hochwassers fortlaufend und teils dramatisch: So ging beispielsweise die Stadt Passau am Abend des 31. Mai noch von einem maximalen Donaupegel von 7,80 Metern aus. Diese Vorhersage stimmte zu keinem Zeitpunkt mit den aktuellen Wetterprognosen und den flussaufwärts bereits gefallenen Niederschlagsmengen überein. Man korrigierte die Fehleinschätzung nur zögerlich: Zunächst auf 8,50 Meter (am 1. Juni), dann auf 9,00 Meter (am 2. Juni) und schließlich auf 9,40 (am 3. Juni). Erreicht wurden am 4. Juni schließlich 10,00 Meter.

Zahlreiche Gebäude standen unter Wasser, da man beim Aufbau des Hochwasserschutzes von deutlich niedrigeren Pegeln ausging. Eine genauere Vorhersage hätte viele Schäden verhindern können. Dass starke Regenfälle im Inn-Einzugsgebiet den Pegel ab dem 3. Juni deutlich über das erwartete Niveau von etwa 9,00 Metern hinaussteigen ließen, war mindestens 24 bis 48 Stunden zuvor durch aktualisierte Wettervorhersagen absehbar.

Bessere Prognosen und Warnungen sind möglich und notwendig

Eine präzisere Vorhersage der Pegelstände wäre beim Donauhochwasser Anfang Juni möglich gewesen, wenn relevante Daten rechtzeitig verknüpft worden wären. Viele Wettermodelle deuteten die enormen Niederschläge an. Der Einfluss der gefallenen Regenmengen auf die Flusspegel hätte durch eine höhere Verfügbarkeit von Echtzeitdaten aus Sensoren und Wetterradar kombiniert mit historischen Daten schneller und genauer abgeschätzt werden können.

Eine wärmere Welt ist auch eine nassere Welt: In Zeiten der Klimakrise müssen wir hier dringend nachbessern – schließlich basieren viele folgenschwere Entscheidungen auf solchen Prognosen: Bis zu welcher Höhe wird Hochwasserschutz verbaut? Wann werden Staustufen wie reguliert? Wo sind Deiche gefährdet? Wann werden Rückhaltebecken und Polder geflutet? Wo und bis wann sollten Anwohner Wertsachen aus Kellern und Erdgeschossen holen und Fahrzeuge in Sicherheit bringen? Müssen Betriebe ihre Lager räumen und Schichten umplanen? Wo können Rettungskräfte am effizientesten eingesetzt werden?

Ein Datenraum für besseren Katastrophenschutz

Gegen Extremwetterereignisse wie die diesjährigen Hochwasser in Süddeutschland, im Saarland und in Niedersachsen und nicht zuletzt gegen verheerende Fluten wie im Ahrtal 2021) können wir uns effektiver schützen. Dazu müssen wir die Verfügbarkeit relevanter Daten verbessern, Austausch und Verknüpfung erleichtern und die Entwicklung smarter Warnsysteme vorantreiben. Der Aufbau eines Datenraums für den Katastrophenschutz ist dafür das richtige Werkzeug – neben weiteren wichtigen Maßnahmen wie technischem und natürlichem Hochwasserschutz, der Renaturierung von Flussläufen und Änderungen von Bebauungsplänen.

Eine solche Infrastruktur verknüpft dezentral gespeicherte Daten und Informationen über interoperable Schnittstellen und ermöglicht so smarte Datendienste. Entwickler und Behörden greifen im Datenraum gleichermaßen auf Daten aus unterschiedlichen Quellen zu und verarbeiten sie. Individuell anpassbare Lösungen treffen hochpräzise Vorhersagen für eine Region und stellen sie frühzeitig bereit. Neben dem Hochwasserschutz wird das auch in vielen anderen Bereichen des Katastrophenschutzes hilfreich sein.

Die Technologie für den Aufbau eines solchen Datenraums ist bereits verfügbar und in Initiativen wie Gaia-X und IDSA erprobt. Angesichts der tragischen menschlichen Verluste und extremen Sachschäden durch Extremwetterereignisse ist die Nutzung eines verfügbaren Werkzeugs eine Pflicht, keine Option.

Denn die nächste Flut wird kommen.