Künstliche Intelligenz für die Energiewende?

Das Thema künstliche Intelligenz (KI) steht weltweit hoch im Kurs. Auf internationaler Ebene ist ein «Wettstreit der Systeme» entbrannt – mit den USA und China als etablierten KI-Nationen. Auch für die Energiewende ist KI von Bedeutung.
11.11.2019

Der «Next Generation Artificial Intelligence Development Plan» Chinas hat es in sich. Schon 2025 soll die chinesische KI-Industrie jährlich 60 Milliarden Dollar umsetzen – und bis 2030 will das Reich der Mitte die Welt im Bereich der KI dominieren. Nur noch die USA können China in dieser Hinsicht das Wasser reichen. US-Senator Chuck Schumer forderte kürzlich eine neue Regierungsbehörde, die über fünf Jahre hinweg 100 Milliarden Dollar in KI-Forschungsprojekte, Stipendien und «gezielte Forschung» investieren würde.

Der Energiesektor dürfte von den massiven Investitionen in künstliche Intelligenz ebenfalls profitieren. Eine repräsentative Umfrage der Deutschen Energie-Agentur (dena) unter 250 Führungskräften der Energiewirtschaft zeigt: Rund drei Viertel der Befragten sind überzeugt, dass sich künstliche Intelligenz (KI) überwiegend positiv auf den Umbau des Energiesystems auswirken wird.

Insgesamt am höchsten werden die Potenziale der KI-Anwendungen im Cluster «Allgemeine Entscheidungsgrundlagen» eingeschätzt. Darunter fallen KI-Anwendungen zur Verbesserung von Prognosen, zum optimierten Betrieb von Assets (z. B. virtuelle Kraftwerke oder Stromnetze) sowie zur Unterstützung bei strategischen Geschäftsentscheidungen (z.B. Neuinvestitionen oder Weiterentwicklung von Geschäftsfeldern).

Vorbeugen statt heilen – und effizienter werden

Predictive Maintenance und Predictive Analytics rücken stärker in den Fokus der Energieversorger. So lässt sich zum Beispiel der mögliche Schaden im Vorfeld einer Störung erheblich besser begrenzen. Ob Windpark, Stromnetz oder Unterstation: Die Infrastruktur generiert jede Menge Daten. KI-Algorithmen können damit schnell lernen, welche Betriebsparameter und Vorgänge für die jeweiligen Subsysteme normal sind. Durch den Abgleich mit Echtzeitdaten werden von der Norm abweichende Systemteile unmittelbar erkannt.

Ertragsoptimierung ist ein zweiter Anwendungsfall für Künstliche Intelligenzen. Durch technische Echtzeit-Anpassungen können diese die Effizienz der Energieerzeugung verbessern. Eine Studie von General Electric (GE) geht bei KI-Einsatz von einer möglichen Ertragssteigerung von 20 % bei all ihren Windparks aus.

Die Resultate der dena-Umfrage zeigen jedoch auch, dass noch erheblicher Handlungsbedarf besteht, um KI in der Energiewirtschaft zu etablieren. Der proaktive Wissensaufbau in Unternehmen, eine Offensive für mehr IT-Fachkräfte oder auch Kooperationen etablierter Akteure mit innovativen Startups können hierbei wesentliche Schritte sein.