Dragan Savic
Dieser Artikel stammt aus dem Artikel “KI & Wassermanagement – Was Versorgungsunternehmen jetzt wissen müssen”. Das vollständige Paper finden Sie hier.
Die Zukunft der Chatbots: Eine intelligentere Kundenservice-Schnittstelle für Wasserkunden
Sie können sehen, wie ChatGPT, abgesehen von den Einschränkungen , hilfreiche Anwendungen haben könnte, wenn es um intelligentere Kundenservice-Chatbots im Wassersektor geht. Die meisten Chatbots für den Kundenservice beginnen heute mit computergenerierten Antworten auf Kundenfragen. Wenn der Computer die Frage des Kunden nicht beantworten kann, indem er sich auf seine verfügbare Datenbank mit voreingestellten Fragen und Antworten stützt, gibt er den Kunden an einen Menschen weiter. Aber diese Art von Chatbots fühlen sich oft so an, als würden Sie mit einem Computer sprechen, und sind oft nicht sehr hilfreich.
Wenn so etwas wie ChatGPT jedoch Zugang zu Informationen von einer bestimmten Organisation wie einem Wasserversorger hätte, könnte es viel relevantere Antworten auf Kundenfragen geben, indem es auf Abrechnungsdaten, Kundendaten und sogar die Daten des Wassersystems zurückgreift.
Die KI kann möglicherweise viel weiter gehen und Bedenken und Fragen wie “Wasser tropft aus meinem Wasserhahn”, “Mein Wasser ist braun” oder “Warum ist meine Rechnung so hoch?” beantworten, bevor sie den Kunden an einen Menschen weiterleitet.
Stellen Sie sich zum Beispiel vor, ein Kunde beschwert sich bei einem KI-gestützten Chat mit leistungsstarken Funktionen wie ChatGPT, dass sein Wasser langsam aus dem Wasserhahn kommt (aufgrund des niedrigen Drucks). Wenn es Zugriff auf die richtigen Daten hätte, könnte es eine Stimmungsanalyse durchführen, um zu sehen, ob es andere Berichte über Probleme im selben Bereich gibt. Dann könnte es die Besatzungen alarmieren und eine hilfreiche Antwort formulieren, wie zum Beispiel: “Ja, wir scheinen ein Problem in diesem Bereich zu haben, und wir haben eine Besatzung, die dorthin fährt. Sie sollten in zwei Stunden erledigt sein und Ihr Dienst wird wiederhergestellt sein.”
Das ist die Art von Auswirkungen, die eine KI wie ChatGPT auf die Verbesserung von Kundenservice-Chatbots im Wassersektor haben könnte, wenn sie Zugriff auf die Daten des Unternehmens hätte und ihre anderen Einschränkungen, die wir im ersten Abschnitt dieses Artikels aufgeführt haben, beseitigt wären.
Beispielgespräch eines Kunden eines Versorgungsunternehmens mit einem fortschrittlichen Chatbot
Evolutionäre Berechnungen zur Lösung komplexer Probleme bei der Auslegung von Wasserverteilungssystemen (in der Hälfte der Zeit)
Ein vielversprechender Bereich der KI im Wassersektor ist die evolutionäre Berechnung zur Entdeckung optimaler Designs für Wasserverteilungssysteme. Dies wäre besonders relevant für Planungsinitiativen in mittelgroßen Wasserverteilungssystemen, wie z. B. Städten mit 50.000 bis 100.000 Einwohnern. Es könnte beispielsweise für langfristige Masterplanungsinitiativen verwendet werden, um zukünftige Erweiterungs-, Wartungs- und Reparaturkosten zu optimieren.
Evolutionäres Rechnen ist ein Teilgebiet der künstlichen Intelligenz, das hochkomplexe Probleme mit zu vielen Variablen für herkömmliche Algorithmen löst. Wie der Name schon sagt, ist das Feld von den Grundlagen der natürlichen Evolution inspiriert. Evolutionäre Berechnungen verwenden genetische Algorithmen, die sich auf Prinzipien wie Vererbung und natürliche Selektion stützen – der Standard, dass Organismen, die besser an ihre Umwelt angepasst sind, ihr genetisches Material vermehren und sich vermehren, um in ihrer Umgebung zahlreicher zu werden.
Im Wassersektor löst die evolutionäre Berechnung das Problem, die nahezu unendlichen Möglichkeiten zu testen, die es gibt, um ein optimales Wassersystemdesign zu erreichen. Selbst bei 100.000 Fuß Rohren steht dafür keine Rechenzeit der Welt zur Verfügung, wenn Sie jedes einzelne Rohr der Reihe nach ändern müssten, um das optimalste Design in Bezug auf Effizienz und Kosten zu finden. Es kann sicherlich nicht von einem Menschen getan werden. Die meisten Ingenieure haben nur Zeit, eine Handvoll Designlösungen für ein Projekt in Betracht zu ziehen.
Die Idee ist, dass die KI kontinuierlich kleine Änderungen in großen, komplexen Systemen testen kann, indem sie die starken Lösungen übernimmt und die schwachen ändert, bis das System eine so genannte “nahezu optimale Lösung” erreicht.
Tatsächlich hat sich gezeigt, dass evolutionäres Computing mehr als die Hälfte der Kosten einspart und bessere Lösungen hervorbringt als manuell hergestellte Designs. KI, die auf genetischen Algorithmen basiert, kann uns Lösungen für Probleme bei der Gestaltung von Wasserverteilungssystemen bringen, die unser Sektor in der Vergangenheit ohne KI nicht hätte bewältigen können.
KI für den Alltag: Maschinelles Lernen zur Fehlererkennung und Computer Vision
Fehler- und Anomalieerkennung
Eine der relevantesten Anwendungen von KI in den täglichen Prozessen eines Versorgungsunternehmens ist die Fehlererkennung. Dabei handelt es sich um ein KI-System, das mithilfe von maschinellem Lernen Fehler in einem Wassersystem erkennt, bevor es für den Kunden zu einem Problem kommt. Die Funktionsweise besteht darin, dass die KI auf der Grundlage der historischen Leistung des Systems lernt, was normal ist. Es erkennt normale Muster basierend auf Tageszeit, Temperatur, Jahreszeit und anderen Variablen und macht dann eine Vorhersage für das, was als nächstes passieren wird. Wenn die Vorhersage von gleichem oder ähnlichem Wert ist wie erwartet, gibt es kein Problem. Wenn es jedoch eine große Diskrepanz gibt, kann es die Bediener alarmieren.
Stellen Sie sich zum Beispiel vor, dass mitten in der Nacht irgendwo in Ihrem Verteilungssystem ein Rohr platzt und Ihr KI-System ein Problem erkennt. Es könnte dann eine Crew alarmieren, um es zu reparieren, bevor es dem Kunden Probleme bereitet. Am Morgen schaltet der Kunde die Dusche ein, ohne zu wissen, dass es ein Problem gab.
Kombinieren Sie diese Art von KI-gesteuertem Analyse- und Warnsystem mit einem generativen Modell für natürliche Sprache wie ChatGPT, und Versorgungsunternehmen mit begrenzten Ressourcen, insbesondere kleinere Versorgungsunternehmen, die möglicherweise nicht über die interne Analyseabteilung verfügen, die ein größeres Versorgungsunternehmen oft hat, könnten einen enormen Vorteil erzielen.
Wir sehen, dass diese Art von maschinellem Lernen und der Verarbeitung natürlicher Sprache in der Wasserwirtschaftsbranche auftaucht, z. B. mit Tools wie Qatium, das über einen digitalen Assistenten “Q” verfügt, der Warnungen für Anomalien wie abnormale Druckzonen, Tankfüllstände, Durchflussmengen und andere wichtige tägliche Vorgänge ausgibt.
Maschinelles Sehen
Wie bereits erwähnt, ist eine Deep-Learning-KI-Anwendung, die wir heute zunehmend im Wassersektor sehen, Computer Vision. Computer Vision nutzt Deep Learning zur Analyse von Videos und Fotos, um Anomalien, Lecks und Fehler viel schneller und genauer zu erkennen als herkömmliche von Menschen bemannte Analysen.
Deep-Learning-KI ist extrem gut und schnell beim Erlernen visueller Eigenschaften von Rohren. Es kann Unvollkommenheiten auf eine methodische Weise charakterisieren, für die Menschen einfach nicht die Bandbreite haben. Bildbasiertes Deep Learning kann auf seinen immensen Datensatz zurückgreifen, um erkennen zu können, ob das Filmmaterial beispielsweise eine Ansammlung von Trümmern zeigt oder ob es sich tatsächlich um einen Bruch oder Schlupf in einer Rohrverbindung handelt. Selbst wenn Menschen keine Fehler gemacht haben, verliert es nach zwei oder drei Stunden beim Betrachten dieser Art von Filmmaterial jede Bedeutung. Aber Deep Machine Learning hat dieses Problem nicht, was es zu einer sehr guten Anwendung für CCTV-Daten (Closed-Circuit Television) macht. Es gibt sogar neuere Anwendungen, bei denen bildbasierte Deep-Learning-Modelle CCTV-Aufnahmen verwenden, um die Dichte von Regentropfen zu analysieren und die Intensität der Niederschläge zu erkennen, was wichtige Auswirkungen auf eine schnelle Reaktion des Hochwassermanagements hat.
Wie geht es weiter mit KI-Anwendungen im Wassersektor?
Die Robotik hat eine klare Zukunft in der Wasserwirtschaft. Unsere Branche befasst sich mit Infrastrukturen, die schwer und manchmal gefährlich zu überwachen, zugänglich, zu inspizieren und zu verstehen sind, da sie unter der Erde vergraben sind. Und während Roboter in anderen Branchen eine Schlüsselrolle spielen, in denen es für Menschen zu schwierig, gefährlich oder störend ist, zur Datenerfassung zu reisen, hat der Wassersektor die Robotik noch nicht vollständig genutzt.
Dennoch haben wir in der Wasserindustrie einige Bewegungen in Richtung Robotik gesehen. Zum Beispiel wurden Geräte entwickelt, die Menschen in Rohre fallen lassen, um Daten für die Lecksuche zu sammeln. Die Geräte bleiben nicht in den Rohren; Sie werden an einem Ort abgelegt und dann an einem anderen Ort abgeholt, damit die Daten gesammelt und analysiert werden können.
Aber in Zukunft sollten wir mehr autonome Roboter sehen, die auf unbestimmte Zeit in einem Wassersystem bleiben, durch ein Rohrnetz kriechen und kontinuierlich Daten sammeln und senden, die mit KI-Analysen analysiert werden, um Informationen über ein Netzwerk zu erhalten.
Wie bereits erwähnt, sind die Fortschritte in der KI im Wassersektor eingeschränkt, weil wir erstens keine gewinnorientierte Branche sind und zweitens risikoscheu sind, weil unsere Wassersysteme für die menschliche Gesundheit unerlässlich sind. Auch wenn Robotik und KI eine logische Zukunft für Wassermanagementlösungen sind, sind unsere Fortschritte in dieser Richtung langsamer als in anderen Branchen. Dennoch sollten wir optimistisch sein, was die spannenden Anwendungsmöglichkeiten zukünftiger KI-Lösungen in unserer Branche angeht.
#QatiumExperts
Qatium wird gemeinsam mit Experten und Vordenkern aus der Wasserbranche entwickelt. Wir erstellen Inhalte, die Versorgungsunternehmen aller Größen dabei helfen, aktuelle und zukünftige Herausforderungen zu meistern.
Dragan Savic, CEO des KWR Water Research Institute, ist Berater von Qatium.
