Wie im AP 5 soll auch hier das Vorhersagemodell auf Künstlicher Intelligenz (KI) in Form von Maschinellen Lernverfahren basieren. Das Modell wird darauf trainiert, aus einer Niederschlagsvorhersage die resultierende Überflutungssituation abzuleiten. Gegenüber dem Niederschlag besteht hier allerdings die Problematik, dass in der Regel für den Abfluss im Kanal und zum Überflutungsverhalten an der Oberfläche kaum oder keine Messungen vorliegen. Daher wird hier ein hybrider Ansatz gewählt, bei dem zunächst mit Hilfe hydrodynamischer Berechnungsmodelle ein künstlicher Datensatz für den Trainingsprozess generiert wird. Das so auf Basis von vorhandenen Prozesswissen entwickelte ML-basierte Vorhersagemodell zeichnet sich gegenüber bestehenden hydrodynamischen Modellen zur Überstau- und Überflutungssimulation durch kurze Rechenzeiten aus (wenige Sekunden gegenüber mehreren Stunden). In der zweiten Projekthälfte wird das entwickelte Vorhersagemodell dann durch die Einbindung realer Messdaten aus dem AP 2 optimiert, um so das tatsächliche Verhalten des Entwässerungssystems und in der Folge die Überflutungssituation genauer vorherzusagen.