Kanalalterungsmodelle, mit denen sich der Zustand von Abwasserkanälen simulieren lässt, können wertvolle Werkzeuge für die Sanierungsplanung sein. Dennoch werden sie in Deutschland bisher nur von wenigen Kanalnetzbetreibern eingesetzt. Im Rahmen des Forschungsvorhabens SEMA-Berlin wurden verschiedene Modellansätze getestet und hinsichtlich ihrer Prognosequalität bewertet. Für den Modellaufbau wurden die Ergebnisse von mehr als 100 000 TV-Inspektionen sowie Daten zu den individuellen Kanaleigenschaften und Umgebungsfaktoren der Stadt Berlin verwendet. Die Untersuchungen zeigen, dass das statistische Modell GompitZ die Zustandsverteilung des Kanalnetzes mit einer Genauigkeit von 99 % wiedergeben kann. Mit Random Forest, einem Modell des maschinellen Lernens, kann mit einer Trefferquote von 67 % vorhergesagt werden, welcher Kanal sich im schlechten Zustand befindet. Die Ergebnisse können dafür genutzt werden, prioritäre Haltungen für Kanalinspektionen zu identifizieren und Investitionen so zu steuern, dass der Zustand der Kanalisation langfristig erhalten oder sogar verbessert wird.