Die Plausibilitätskontrolle von Niederschlagsdaten stellt in der Praxis eine besondere Herausforderung dar. Anhand der Auswertung einzelner hydrometrischer Sensorinformationen (z.B. Regenschreiber) ist die holistische Bewertung der Datenqualität nur begrenzt möglich. Im Gegensatz zu Sensoren mit kontinuierlicher Datenübertragung (z.B. Pegelmessungen, Durchflussmessungen, Messungen chem.-physikalischer Parameter, u.a.), lassen sich Fehlmessungen nur schwer identifizieren. Übergeordnetes Ziel dieses APs ist es daher, Daten unterschiedlicher wasserwirtschaftlich relevanter Sensoren auf Plausibilität und Genauigkeit zu prüfen, ihre Zuverlässigkeit zu bewerten und wenn möglich, notwendige Korrekturen der Daten nachvollziehbar durchzuführen. Soweit möglich soll eine automatisierte Datenkorrektur erfolgen. Im AP werden im Wesentlichen zwei Ansätze betrachtet: Der Vergleich mit Daten aus benachbarten Sensornetzwerken und der Vergleich zu benachbarten Sensoren desselben Sensornetzwerkes. Neben den klassischen mathematischen Ansätzen werden hier auch auf künstlicher Intelligenz basierende Verfahren betrachtet. Die resultierenden Ergebnisse werden mit den klassischen Verfahren verglichen. Zusätzlich werden bei der Analyse Messdaten berücksichtigt, die von den Niederschlagsinformationen beeinflusst werden (konkret in diesem Projekt z.B. die Abflussmessungen im Entwässerungssystem). Ein technisches Arbeitsziel ist somit die Entwicklung eines Werkzeugs, welches mit Hilfe von KI-basierten Verfahren aus Daten einer Vielzahl mitunter unterschiedlicher Sensoren Rückschlüsse auf die Datenqualität einzelner Sensoren ziehen kann.