Das Projekt verbindet Wasseranalytik mit Data Science und schafft durch die Weiterentwicklung des „K2I-Spurenstoff-Trackers“ ein innovatives Hilfsmittel für Wasserversorgungsunternehmen. Diese laborübergreifende Cloudlösung ermöglicht eine automatisierte Auswertung von Non-Target-Daten und hilft dadurch bei der Detektion bisher nicht bekannter oder beachteter Spurenstoffe.
In den vergangenen Jahren haben zahlreiche Entwicklungen zum Non-Target-Screening (NTS) für die Analytik von organischen Spurenstoffen stattgefunden, welche es erlauben bisher nicht bekannte oder beachtete Substanzen zu detektieren. Auf diese Weise können bereits kleine Veränderungen an einer Wasserprobe festgestellt und unentdeckte Schadstoffe identifiziert werden. Bei der Non-Target-Analytik handelt es sich um ein spezielles analytisches Verfahren, bei dem eine chromatographische Trennmethode gekoppelt mit hochauflösender Massenspektrometrie (LC-HRMS) zum Einsatz kommt. In der Praxis stehen der breiten Anwendung der Methode die anfallenden Datenmengen von 1 – 2 GB pro Probe und deren komplexe und aufwändige Auswertung entgegen.
In dem abgeschlossenen BMBF-Projekt „Künstliche und kollektive Intelligenz zum Spurenstoff-Tracking in Oberflächenwasser für eine nachhaltige Trinkwassergewinnung“ (K2I) wurde ein Demonstrator für eine Cloudlösung entwickelt, in welcher WVU-Labore NTS-Daten hochladen und automatisiert laborübergreifend auswerten können. Diese Vernetzung von bestehenden und neu gesammelten Analysedaten und Metainformationen aus unterschiedlichen Laboren, also einer kollektiven Intelligenz aus der Wasserversorgung und der künstlichen Intelligenz beim Prozessieren der Daten, liefert einen erheblichen Mehrwert.
Die Ergebnisse des BMBF-Projektes sollen nun weiterentwickelt und im Routineeinsatz validiert und optimiert werden. Dafür ist einerseits die die Entwicklung eines standardisierten Vorgehens zur Akquisition von noch besser vergleichbaren NTS-Daten notwendig. Andererseits muss ein Ausbau der Cloud-Umgebung und Optimierung des Datenprocessings sowie weiterer IT-Komponenten zur Erhöhung von Datenqualität und Benutzerfreundlichkeit stattfinden. Durch exploratives Arbeiten mit Roh- und Trinkwasserdaten der teilnehmenden WVU wird darüber hinaus ein größerer Datenpool geschaffen, der KI-basierte Anwendungen wie z. B. ortsaufgelöste Anomalie-Erkennung zur Erkennung von Kontaminations-Hot-Spots und die Priorisierung neuer trinkwasserrelevanter Stoffe ermöglicht.
Schließlich soll der Demonstrator im Rahmen von „K2I-Xplore“ in ein Analytik-Tool überführt werden, mit dem den WVU ein innovatives Hilfsmittel für die NT-Analytik zur Verfügung steht, welches auch Baustein für das von der Trinkwasserverordnung (TrinkwV) geforderte Risikomanagement sein kann.
