"In vielen Gebäuden findet überhaupt keine Pflege statt. Das sind einfach die Leitungen, einfach alt und mit den Sedimenten und Bakterien, die dort transportiert werden. Über die Leitungen bildet sich Biofilm und bilden sich Ablagerungen. Je mehr Ablagerungen, desto mehr Biofilme. Deswegen tragen auch Sedimente - die eigentlich ungefährlich sind im Wasser - dazu bei, die Bakterienlast im Haus zu vergrößern", erläutert Ingenieur Rainer Kaifel die Situation, die immer wieder dazu führt, dass Menschen an bakteriellen Infektionen erkranken und sogar daran sterben.

Um solche Ausbrüche wie die gegenwärtige Legionellen-Infektion in Baden-Württemberg vermeiden zu können, muss das Wasser in Deutschland besser überwacht werden. Am besten an jedem Hausanschluss. Dafür hat er mit seinem Team ein Probenentnahmesystem entwickelt, mit dem das Trinkwasser kontinuierlich analysiert wird.

"Wir entnehmen an einem kleinen Anschluss an der Leitung, die wir untersuchen wollen, Wasser. Die führen wir über entsprechende Regulier-Ventile unserem System zu und entsprechende Technik in der Anlage ganz kontrolliert in ganz bestimmten Rhythmen einem Mikroskop zu."

Genauer: Einem Mikroskop mit einem Bildprozessor und weiteren angeschlossenen optischen Sensoren, mit denen beispielsweise Sedimentanteile im Wasser ermittelt werden. "Es sind optische Sensoren, hochpräzise optische Sensoren, die das Wasser in der Sekunde zweimal ähnlich einer Objekt-Erkennungssoftware scannen."

Und dabei wertet ein neuronales Netz die gescannten Bilder aus, um Bakterien, wie etwa Legionellen, Sediment-Verunreinigungen oder auch Mikroplastik zu erkennen. "Eine Mustererkennung ist es letztlich, und die lernt. Wir haben sicherlich zurzeit schon weit über 100.000 Bilder. Die zugeordnet werden von Mikrobiologen und die dann wiedererkannt werden."

Mikrobiologen haben das System mit mehr als 100.000 Bildern trainiert. Das war aufwändig, denn für jedes Bild musste dem neuronalen Netz mitgeteilt werden, dass es sich um Legionellen, Sedimentablagerungen oder ein anderes Bakterium handelt. Und mit dem Training ist es nicht getan. Die Wissenschaftler überprüfen die Mustererkennung des neuronalen Netzes regelmäßig, aber nicht ständig.

"Der menschliche Experte wird natürlich nur stichprobenartig reinschauen, nicht permanent, das geht nicht, sondern es muss alles automatisiert im neuronalen Netzwerk laufen."

Neben den Bildern aus der Licht-Mikroskopie werden auch andere Parameter ausgewertet. "Einmal können wir natürlich Außentemperatur, Wassertemperatur erkennen und nebenbei gemessene Leitfähigkeit, pH-Werte und so weiter werden ja mit erfasst. Das sind Standard-Parameter."

Und zusammen mit der optischen Erfassung ermöglichen die nicht nur rechtzeitige Warnungen vor Verunreinigungen, sondern erlauben eine Prognose der Wasserqualität und anderer Ereignisse.

"Wenn wir Partikel zuordnen können, dann können wir ganz frühzeitig erkennen, wo geht eine Rohrleitung kaputt? Ist es ein Partikel aus dem Rohrleitungsmaterial des Versorgers? Wenn wir das bejahen können, dann kann der Leitungsnetzbetreiber hingehen und gucken, wo werden meine Rohrleitungen undicht. Und zwar bevor der Wasserschaden groß auftritt."

Ein Teil der Analysearbeit findet dabei vor Ort am Hausanschluss statt, der größere Teil der Analysen und die Berechnung der Prognosen erfolgen in der Cloud. "Letztendlich läuft es so: Die Anlage vor Ort macht eine Vorberechnung. Dann werden die Daten ins Internet auf eine Cloud geschossen und dort werden sie weiter berechnet. Das ist letztlich eine Darstellung auf einen Computer, der den Zugang dazu hat, ein Laptop, wer auch immer, weltweit das gleiche kann, dann die Daten auslesen und auswerten."

Das System ist inzwischen marktreif. Die Stadtverwaltung von Moskau hat sogar schon Interesse gezeigt, weil die Trinkwasserqualität im Moskowiter Stadtnetz dringend besser überwacht werden muss. In Deutschland sind bisher vor allen Dingen Kliniken und große Konzerne auf das Probensystem mit KI-Unterstützung aufmerksam geworden.