Das Projekt RainDrop entwickelt ein hydrodynamisches Planungstool, mit dem blau-grüne Infrastrukturen über reale klimatische Langzeitreihen dimensioniert werden. Um eine kostenoptimierte Auslegung eines Mulden-Rigolen-Elements je zulässiger Überlaufhäufigkeit mit dem Planungstool bestimmen zu können wurde wird ein deterministischer Bisektions-Optimierer vorgestellt (R-Paket kwb.raindrop). Für die Standorte Wien und Bad Aussee (15-jährige Klimareihen 2011-2025) findet der Optimierer mit rund einem Fünftel der Simulationsläufe durchweg günstigere Designs (im Median -6,5 %, bis -16 %) als die beste Rasterzelle in einem Lösungsraum mit äquidistaner Parametervariation, da Muldenfläche, Muldentiefe und Rigolen-Speicherhöhe stufenlos gesucht werden. Ein Suchpfad-Monte-Carlo bestätigt die Robustheit der gefundenen Optima.

Für das Wassermanagement urbaner Gewässersysteme werden schnelle und zugleich ausreichend belastbare Modellansätze benötigt, um beispielsweise Stoffeinträge, Abwasseranteile oder Auswirkungen zukünftiger Randbedingungen bewerten zu können. Am Beispiel Berlins wurde hierfür das Berlin Water Model als vereinfachtes dynamisches Mischungsmodell entwickelt, das für 35 Gewässerabschnitte Durchflüsse, Stoffkonzentrationen sowie Anteile von gereinigtem Abwasser, Regenabfluss und Mischwasserüberläufen in stündlicher oder täglicher Auflösung berechnet. Die Validierung mit Ergebnissen hydrodynamischer Modelle und Messdaten zeigt eine gute Übereinstimmung, auch bei Sonderfällen wie Fließumkehr. Mit dem Modell können Hotspots und Überschreitungshäufigkeiten identifiziert und die Ergebnisse als Karte dargestellt werden. Das Modell eignet sich somit für Substanzmapping und Szenarien-rechnungen zur Unterstützung des Berliner Wassermanagements.

Urban water-quality management often depends on sparse and irregular monitoring data. This is particularly challenging in the context of microbiological hazards, where grab samples may fail to capture short-lived contamination peaks. The AQUAMON project develops an integrated monitoring and decision-support framework combining advanced sensors, automated monitoring, data-driven models and digital tools. Its objective is to transform heterogeneous monitoring data into actionable information for timely, risk-informed water management.

Within AQUAMON, KWB contributes two Bayesian approaches for supporting decisions under limited and uncertain data.

First, a quantitative microbial and chemical risk assessment (QMRA/QCRA) will combine literature-derived knowledge with site-specific observations using Bayesian networks and inferential methods. In the Turin use case, human-health and environmental risks will be assessed along the water-reuse chain, from raw wastewater through treatment and irrigation to exposure via crop consumption and direct contact, including contaminant fate in soil and potential transfer to groundwater. As monitoring data accumulates, the assessment will be updated sequentially, showing how risk estimates and uncertainties evolve and where additional data provide the greatest value. Applications are also planned in Lviv and London.

Second, an enhanced version of KWB’s early-warning model SWIM:AI will support adaptive bathing-water monitoring in Paris. Using rainfall, river-flow and E. coli data, the model predicts bathing-water quality and quantifies predictive uncertainty. Bayesian novelty detection will identify situations where existing information is insufficient and trigger on-demand E. coli measurements using the Fluidion ALERT in-situ sensor. New observations will then be incorporated into subsequent predictions.

Together, these approaches aim to move from fixed monitoring towards uncertainty-aware, adaptive monitoring that collects additional data where they provide the greatest value for risk-informed decisions. As AQUAMON runs until the end of 2028, the poster presents the methodological framework and planned applications rather than project results.