Ein Fluss, der sich selbst retten will – klingt nach Science-Fiction, oder? Beim Projekt Nala-KI wird genau das Realität: Mithilfe von Daten, Sensoren und künstlicher Intelligenz soll die Wasserqualität deutscher Flüsse verbessert werden. Unser Kollege Julian Troegel, Softwareentwickler und Data Scientist bei BREDEX, war Teil des Projekts und spricht darüber, wie man aus Strömung, Chemie und KI eine spannende Mischung macht – und warum Geduld dabei manchmal der wichtigste Datensatz ist.
Julian, du bist Softwareentwickler und Data Scientist bei BREDEX – welche Rolle hattest du konkret im Projekt?
In diesem Projekt war ich dafür zuständig, Daten zu bündeln, auszuwerten und die Grundlage für künftige KI-Anwendungen zu legen.
Wie würdest du das Projekt in einem Satz beschreiben – so, dass auch jemand außerhalb unserer Branche sofort versteht, was daran spannend war?
Kurz gesagt: Flüsse retten mit Daten. Nala-KI nutzt Sensordaten, um die Wasserqualität zu messen, zu analysieren und daraus Maßnahmen abzuleiten, die unsere Flüsse wieder ins Gleichgewicht bringen.
Wann hast du gemerkt, dass dieses Projekt „besonders“ wird?
Schon bei der ersten Projektvorstellung war klar: Das ist kein Standard-IT-Projekt. Die Vision, mithilfe von Daten Fischsterben zu verhindern und Wasserqualität aktiv zu verbessern, hat mich sofort gepackt. Es war faszinierend zu sehen, wie viele Datenpunkte wir nutzen können und was alles daraus entstehen kann.
Wenn du an den Start zurückdenkst: Welche Erwartungen hattest du und welche haben sich ganz anders entwickelt?
Ich dachte ehrlich gesagt, wir könnten direkt mit bestehenden Datensätzen loslegen. In Wirklichkeit begann alles mit dem ersten Sensorknoten, den wir selbst im Fluss installiert haben – und damit bei null. Aber das machte es auch spannend: Wir haben den Datenfluss buchstäblich fließen sehen. Gerade bei Flüssen braucht man Zeit, um Muster zu erkennen – Regen, Sonne, Jahreszeiten oder die Düngung umliegender Felder. Alles spielt zusammen.
Welches Ziel hatte der Kunde und was war der Knackpunkt, an dem wir helfen konnten?
Das Ziel war, die Flussqualität zu verbessern. Der Kunde konnte über ein Förderprogramm einen Fluss in der Nähe von Cuxhaven zu Testzwecken nutzen. Der Knackpunkt war, verschiedene Datenquellen – von Wetterdaten bis zu Gezeitenkalendern – sinnvoll zu kombinieren. Wir haben beraten, welche Daten relevant sein könnten, welche Fallstricke es gibt und wie man langfristig darauf aufbauen kann, um eine KI zu entwickeln, die echte Umweltprobleme adressiert.
Was war das zentrale Problem oder die größte Herausforderung, die wir für den Kunden lösen sollten?
Die größte Herausforderung war, die verschiedenen Datenquellen zu bündeln und zu analysieren. Da kein Echtzeitzugriff möglich war, wurde mit CSV-Dateien gearbeitet. Zudem stand die Datensammlung erst am Anfang.
Welche Stolpersteine gab es unterwegs – und wie bist du (bzw. das Team) damit umgegangen?
Da der Sensorknoten ein Prototyp war, kam es regelmäßig zu Ausfällen, weil parallel an seiner Entwicklung gearbeitet wurde. Die Sensoren mussten kalibriert werden, und wir mussten zunächst herausfinden, welche zusätzlichen Datenquellen für das Projekt relevant sind. Kurz gesagt: Wir haben experimentiert, justiert, getestet – und dabei viel gelernt.
Gab es einen Moment, an dem du dachtest: „Das schaffen wir nicht“? Was hast du daraus gelernt?
Nein, diesen Gedanken hatte ich nicht. Das Projekt stand noch am Anfang, und die wichtigste Aufgabe war, ausreichend Daten zu sammeln und zu verstehen, welche davon relevant sind. Der größere Gedanke war: „Wir brauchen mehr Zeit“ – denn gute Daten wachsen nicht über Nacht.
Wenn du das Projekt als Filmgenre beschreiben müsstest – wäre es eher ein Krimi, ein Abenteuer oder eine Komödie? Warum?
Ganz klar ein Abenteuer. Die Flussqualität ist das große Unbekannte, das wir erforschen wollten. Es ging darum, Daten zu suchen, zu verstehen und zu nutzen, um die Umwelt ein Stück besser zu machen. Ein Abenteuer mit Laptop, Sensor und jeder Menge Geduld.
Wenn du das Projekt als Filmgenre beschreiben müsstest – wäre es eher ein Krimi, ein Abenteuer oder eine Komödie? Warum?
Ganz klar ein Abenteuer. Die Flussqualität ist das große Unbekannte, das wir erforschen wollten. Es ging darum, Daten zu suchen, zu verstehen und zu nutzen, um die Umwelt ein Stück besser zu machen. Ein Abenteuer mit Laptop, Sensor und jeder Menge Geduld.
Was hat sich für den Kunden am Ende spürbar verbessert?
Es konnten verschiedene Datenquellen zusammengefasst und so aggregiert werden, dass sie über einen Zeitstrahl hinweg ausgewertet werden können. Außerdem haben wir dem Kunden Ideen und Hinweise mitgegeben, worauf künftig zu achten ist – eine Art Datenkompass für die nächsten Schritte.
Gibt es ein Feedback, das dir besonders in Erinnerung geblieben ist?
Ja, der Kunde hat sich sehr herzlich für die ehrenamtliche Arbeit bedankt und bedauert, dass wir das Projekt (vorerst) verlassen haben. Das zeigt, dass technologische Arbeit nicht nur Code hinterlässt, sondern auch Beziehungen und Vertrauen.
Was war für dich persönlich das schönste oder stolzeste Projektmoment?
Ganz klar: der Gedanke, etwas Positives für das Klima, das Ökosystem und die Flüsse zu tun. Auch wenn es zunächst nur ein kleiner Beitrag war – er floss im wahrsten Sinne in etwas Größeres ein.
Wie würdest du den Erfolg in einem Satz zusammenfassen?
Datenquellen wurden identifiziert, zusammengeführt – und nun kann die Datensammlung für die nächsten Schritte beginnen. Der erste Stein fürs Datenfundament liegt.
Wenn du dem Projekt einen Titel geben müsstest – wie würde er heißen?
„Erste Schritte zur datengetriebenen Flussqualität.“ Oder in moderner Kurzform: Mission Nala – Save the Rivers.
Welche Skills oder Tools waren entscheidend, um die Lösung umzusetzen?
Python und Jupyter Notebook, insbesondere mit den Modulen pandas, requests, matplotlib und sklearn. Außerdem kamen API-Anbindungen zu ecoweather, dem Deutschen Wetterdienst und dem Bundesamt für Seeschifffahrt und Hydrographie zum Einsatz. Technologie, die Natur versteht – sozusagen
Was hat sich für den Kunden am Ende konkret verbessert?
Der Kunde konnte Know-how aufbauen, den Austausch fördern und den von uns entwickelten Programmcode im Jupyter Notebook für die Anbindung der Datenquellen weiterverwenden. Ein echter Startpunkt für zukünftige KI-Projekte.
Welche Erfahrung aus diesem Projekt wirst du in zukünftige Aufgaben mitnehmen?
Wie wichtig es ist, bei neuen Projekten frühzeitig eine stabile Datenpipeline aufzubauen – denn sie ist das Rückgrat jeder Analyse. Ohne sie fließt nichts.
Was würdest du heute vielleicht anders machen?
Schwer zu sagen – das Projekt war noch zu kurz, um grundlegende Änderungen abzuleiten. Außerdem läuft es in anderer Form weiter, nur ohne BREDEX. Aber wer weiß, vielleicht kreuzen sich unsere Datenströme irgendwann wieder.
Wie würdest du das Projekt in drei Worten beschreiben?
Innovativ, Visionär, Klimaschutz
Welche Fähigkeit hast du an dir selbst neu entdeckt?
Ich habe gelernt, mich in ein mir völlig neues Themengebiet – die Flusschemie und Wasserqualität – einzuarbeiten und daraus Ideen für praktische Anwendungen zu entwickeln. Das war wie eine Expedition in ein bisher unbekanntes Daten-Ökosystem.
Wenn du anderen Teams einen Tipp geben könntest, um ähnliche Projekte erfolgreich zu machen – welcher wäre das?
Einarbeiten, verstehen, sammeln. Beschäftigt euch intensiv mit der Thematik, denkt quer und sammelt so viele Daten wie möglich. Erst die Vielfalt zeigt, was wirklich relevant ist.
Womit würdest du das Projekt gerne fortsetzen, wenn du freie Hand hättest?
Sobald mehr Daten gesammelt sind, würde ich sie gern analysieren und erste Algorithmen entwickeln, um eine KI aufzubauen, die Vorhersagen zur Flussqualität treffen kann. Eine KI, die nicht nur rechnet, sondern mitdenkt – für die Umwelt.
Fazit
Daten, Sensoren und künstliche Intelligenz – das klingt nach moderner Technologie, doch bei Nala-KI steckt weit mehr dahinter: ein echtes Umweltprojekt mit Herz. Julian zeigt, wie datengetriebene Innovationen zu konkreten Lösungen für unsere Ökosysteme führen können. Wenn Sie mehr darüber erfahren möchtest, wie BREDEX nachhaltige und intelligente Softwarelösungen entwickelt, kontaktieren Sie uns gerne.
Wollen Sie weitere Informationen? Dann schauen Sie doch einfach auf der Website vorbei: https://nala-ai.org/
Autor:in
Gastautor
Ihr Ansprechpartner
Gerne erzählen wir Ihnen mehr zu diesem Thema.
Jobs
Newsletteranmeldung
