Welche Rolle spielt die Künstliche Intelligenz in der Energiewirtschaft?

Zunächst: Wenn Sie aus der Energiewirtschaft kommen, hängt es auch von Ihren konkreten Ideen und Investitionen ab. Hierbei sollte man jedoch zunächst die Begrifflichkeiten eindeutig klären. Aus meiner Sicht kann durch ein Datenmanagement mit hoher Güte, in Kombination mit Algorithmen, ein höherer Automatisierungsgrad von Geschäftsprozessen durchaus erreicht werden, sofern gewünscht (Wer baut schon gerne Stellen ab?). Ich halte jedoch zum aktuellen Zeitpunkt das Thema "Künstliche Ingelligenz" für noch nicht reif genug um hoch-komplexe und dynamische Fallbearbeitung (z.B. mit vielen Unbekannten oder vielen Schnittstellen) zu substituieren. Neue Geschäftsmodelle müssen unabhängig davon, aus einem kreativen Prozess heraus, entstehen. Das ist vorallem eine Frage der Unternehmenskultur und kein Dogma welches sich Top-Down einführen lässt. Big Data und AI sind kein Selbstzweck. Probieren Sie doch z.B. mal das Sprachportal der Telekom aus und teilen Sie Ihre Erfahrungen mit mir. Versteht Kollege Roboter Ihr Anliegen direkt bei der ersten Iteration? Was wenn es für Ihr Anliegen keinen Algorithmus gibt und der nächste Mensch 45 Minuten Warteschleife entfernt ist? Was wenn Ihr Anliegen erst aus einem fehlerhaften Algorithmus entstanden ist? Menschen machen Fehler. Maschinen sind aber auch nur so gut, wie die Menschen die sie programmieren. Gerne stehe ich Ihnen für ein unverbindliches persönliches Gespräch zur Verfügung. Kontaktieren Sie mich jederzeit über meine Internetpräsenz: www.infogenesis.org

Künstliche Intelligenz würde der Energiewirtschaft einen Innovationsschub geben bzw. einen signifikanten Beitrag zur Kostensenkung leisten können. Dies gilt für alle Prozesse von der Bedarfserkennung über die Messung, Energieverteilung, -erzeugung als auch Instandhaltung und Wartung. Nachstehend zwei Beispiele:

Änderung von Lastprofilen: Ein integriertes Smart Home mit künstlicher Intelligenz könnte den Einfluss neuer Techniken sowie eines veränderten Verbrauchsverhaltens gegenüber Standardlastprofilen früher erkennen lassen. Dies gilt in umso mehr für zu erwartende Änderungen gegenüber bekannten Lastprofilen der Gewerbe- und Industriekunden. Fazit: Zeit ist Geld, eine Win-Win-Situation für alle Beteiligten.

Wirkungsgrad/Kosten je KWh: Ein intelligentes Smart Grid könnte den Wirkungsgrad vorhandener Anlagen unter Berücksichtigung zeitlichen Aspekten positiv beeinflussen und damit zu einer Senkung der Betriebs- und Wartungskosten je KWh beitragen.

Thesen für das Jahr 2040:

• Ab 2030 werden Aktiva in Form von großen Kohle- und Gaskraftwerken wertlos, bereits heute werden Kapazitäten im GW-Bereich stillgelegt, ¼ der SW sind pleite
• Rückbau / Entsorgung von Atomkraftwerken wird Sache des Steuerzahlers
• Sinkende Nachfrage nach fossilen Energien führt zur Destabilisierung von Erzeugerländern (Russland, Nahost)
• Fossile Kraftwerke werden dezentral und kleiner (max. 100 MW), ein großer Teil der Energieversorgung wandert vom Investitions- in den Konsumgüterbereich
• IOT wird die Koordination von Herstellung und Konsum sicherstellen: Elektrogeräte berichten unabhängig und online den Energiebedarf und reagieren auf Liefer- und Preisschwankungen
• Nur noch wenige technische Aufgaben, wie der Betrieb der Netze, verbleiben bei den traditionellen Energieerzeugern. Die Stromerzeugung wird durch viele kleine Erzeuger dezentral und das Netzmanagement wird das Spielfeld der internationalen IT-Firmen (Apple, Alphabet, Microsoft, Adobe, Intel). Diese investieren bereits in große EE-Anlagen, um den eigenen Verbrauch zu sichern. Und genau dort wird das Thema Künstliche Intelligenz ein Thema.
• Die großen Internet- und IT-Firmen werden durch ihre Fähigkeit große Datenvolumina zu verarbeiten und dadurch Nachfrage und Angebot zu koordinieren die großen Spieler im Energiemarkt. Supercomputer entwickeln neue Technologien.

Betrachtet man den Grad, den Machine to Machine Kommunikation, Selbstlernen/Selbstoptimierung und Mustervorhersage in manchen intelligenten Verteilnetzen erreicht haben, kann man bereits heute von erfolgreich angewandter KI sprechen - zumindest rudimentär. Das Potenzial, durch solch dezentrales Abfedern von Schwankungen und optimale Auslastung der Infrastruktur ohne teuren Netzausbau deutlich mehr erneuerbare Energien ins Netz zu integrieren, ist enorm. Erweitert man den Blick auf Erzeuger und Verbraucher, steigen die Chancen für eine effizientere, günstigere Energiewende weiter massiv. Feldversuche wie eTelligence haben gezeigt, dass z.B. flexible Preise in Abhängigkeit von Angebot und Netzauslastung selbst bei Privathaushalten bis zu 20 Prozent netzdienlicher Lastverschiebung bewirken können. Weshalb sollten sich solche Prozesse nicht weiter automatisieren und algorhythmisch optimieren lassen? Letztlich unterwerfen sich bereits heute immer mehr (nicht nur regenerative) Erzeugungsanlagen und flexible Großverbraucher der über Bieteragenten und Mustervorhersage-Programmen erzielten Optimierung von Produktion/Einspeisung und Verbrauch - z.B. in virtuellen Kraftwerken -, da sich insbesondere am Regel-/Ausgleichsmarkt damit attraktive Erlöse erzielen lassen. Derzeit sind große Feldprojekte wie enera am Laufen, die dabei noch deutlich stärker als bisher die Chancen von Big Data in Kombination mit (teil)autonomen Systemen nutzen wollen. Nicht zuletzt werden wir, falls tatsächlich "steckdosengebundene" Elektromobilität zur Norm werden sollte, nicht umhinkommen, die Unmengen der Ladevorgänge durch KI zu koordinieren, damit die Infrastruktur nicht überlastet wird.

Künstliche Intelligenz im Sinne einer automatisierten, intelligenten Regelung könnte die Energiewirtschaft stark positiv in Sinne der Menschen beeinflussen.

Die Vernetzung verschiedener Systeme sowie von Verbrauchern spielt hierbei eine Rolle. Durch KI-Anwendungen könnte die Erzeugerseite der erneuerbaren Energien, die meist wetterabhängig ist, viel einfacher und besser geregelt werden. Intelligente Verbraucher könnten z.B. dann eingeschaltet werden, wenn grade eine Erzeugungsspitze abgefedert werden muss. KI könnte als lernendes System Verteilungs- und Entscheidungsstrategien entwickeln um Verbrauch und Erzeugung optimal übereinander zu bringen und so die Kraftwerksleistung konventioneller Erzeuger ebenfalls betriebsoptimieren - genau so kann KI dann für sämtliche Speichertechnologien den Betriebszustand einstellen.

Schlussendlich könnte KI ein konsolidiertes, eurpaweites erneuerbare Energien Netz möglich machen. Wir wissen heute, dass sich Windspitzen in Nordeuropa und gute Produktionszyklen für Strom bzw. Wind in Südeuropa tendenziell ergänzen würden - dafür müssen aber die Netze zusammenarbeiten. Dies könnte mit KI erreicht werden.

Dieselbe, wie in anderen Branchen: Beim Service-Center liefert sie gute Ergebnisse, um die Kunden vor dem Gespräch mit einem realen Menschen zur richtigen Stelle zu leiten. Mehr Einsatzgebiete sehe ich derzeit nicht. Was in 10 oder 20 Jahren möglich sein könnte, hängt stark davon ab, welche Entwicklung Hard- und Software sowie die Datennetze in dieser Zeit durchlaufen. Da wage ich keine Prognose.