Die Überwachung der Trinkwasserqualität ist von zentraler Bedeutung für Wasserwerksbetreiber und die Bevölkerung. Durch den Einbau einer Vielzahl an Sensoren im Netzwerk des Betreibers ist es möglich geworden, Events (z. B. Störungen im Betrieb, mögliche Kontaminationen des Wassers) durch die Sensorik schnell zu erfassen und mögliche Gegenmaßnahmen zu ergreifen.

Zur Vermeidung einer aufwändigen analytischen Modellierung des Wassernetzes beschäftigt sich ein aktuelles Forschungsprojekt des BMBF (SMaRT-Online^WDN, www.smart-onlinewdn.eu) mit dem Einsatz datengetriebener Modelle (z.B. Neuronale Netze, Support Vector Machines)  zur Online-Überwachung der Trinkwasserqualität. Diese Modelle lernen anhand historischer Daten den Normalzustand der Wasserqualitätsparameter und gleichen diesen Zustand mit neu anfallenden Daten ab. Wird eine Diskrepanz festgestellt, generiert das Modell einen Event (siehe Bild).

In diesem Praktikum soll eine Software mit GUI erstellt werden, welche die entwickelten Modelle zur Analyse der Trinkwasserqualität graphisch unterstützt. Eine große Anzahl an realen Messdaten, Algorithmen zur Event-Detektion sowie eine erste Implementierung der Software unter Python liegt vor. Für den Benutzer soll es möglich sein, die Messdaten mehrerer Wasserwerke zu überwachen, Analysen von Events durchzuführen sowie historische Verläufe auszuwerten. Die Daten sollen sowohl über ein Webinterface als auch in Form einer App auf einem Android-Tablett zugänglich gemacht werden. Ein wesentliches Merkmal der resultierende Software sollte sein, dass sie weder auf bestimmten datengetriebenen Modelle noch auf feste Szenarien zugeschnitten ist, sondern möglichst modular aufgebaut und universell für unterschiedliche Wassernetze angewandt werden kann.