Das Ziel der Thesis ist die Eignungsfeststellung von Flusssimulationen zum Trainieren eines Deep Learning Algorithmus, für die Vorhersage von Geschwindigkeiten von Fließgewässern. Mit Hilfe der Software Blender, wurde ein Konzept zur Erstellung von Flusssimulationen mit Ground Truth Geschwindigkeitsdaten erarbeitet und umgesetzt. Trainiert wurde der Algorithmus RAFT-PIV. Testergebnisse des Modells zeigen eine Steigerung der Vorhersagewerte, im Vergleich zu PIV Datensätzen. Zudem wurde ein Wert für die Geschwindigkeitsschätzung einer natürlichen Flusssequenz, mit einer Abweichung von 0,2 m/Sek der Referenz erzielt.