Diese Fallstudie zeigt, wie KI und Machine Learning auf faseroptische DAS/DTS-Daten angewendet wurden, um Öl-, Gas- und Wasserflussraten in Perforationszonen präzise zu bestimmen. Mithilfe von überwachten und unüberwachten Modellen, Wavelet-Denoising und domänenspezifischem Feature Engineering erreichte die Lösung ~95% Genauigkeit bei nur 1,78% MAPE. Innerhalb von acht Wochen implementiert, ermöglicht das System heute Echtzeitüberwachung von Bohrungen, frühzeitige Anomalieerkennung sowie schnellere und sicherere Betriebsentscheidungen.