Digitalisierung
30.10.2018

Künstliche Intelligenz: Hoffnungsträger für die Energie­branche

Foto: Senvion
Senvion-Windkraftanlagen in der ­Nordsee: Die Rotorlager werden mithilfe künstlicher Intelligenz gewartet.

Selbstlernende Systeme sollen helfen, Kosten zu verringern und grünen Strom besser im Netz zu ver­teilen. Noch sind sie die Ausnahme – bald könnten sie die Regel sein.

Seite 1Seite 2nächste Seite

Das ist selbst für den erfahrensten Kaufhaus-Hausmeister eine harte Nuss: Wenn im Frühjahr nach einer kühlen Nacht pralle Sonne durch die großen Fenster strahlt und sich das Gebäude rasch erwärmt, stößt ein gewöhnliches Heizsystem rasch an kognitive Grenzen. Es übersteuert, auf den Verkaufsetagen wird es unangenehm warm. „Bei 26 Grad springt dann die Kältemaschine an, um die Temperatur wieder zu senken“, sagt Carsten Kreutze. Der Geschäftsführer des Bonner Start-ups Recogizer kennt solche Energievergeudung zur Genüge - und bietet Abhilfe an. Sein Software-Unternehmen bringt Gebäuden bei, vorausschauend die Heizung zu drosseln und Energie zu sparen. Genauer gesagt: Recogizer bringt ihnen bei, es sich selbst beizubringen.

Anzeige

Anzeige

Systeme mit sogenannter künstlicher Intelligenz (KI) – lernende Maschinen – treten einen Siegeszug in der Gebäude-Energietechnik an. Auch in anderen Sparten der Energiewirtschaft gelten sie als Heilsbringer: Sie sollen vorhersagen, wann und wo Menschen viel oder wenig Energie benötigen. Sie sollen Netze smart machen und Smart Meters noch intelligenter. Sie sollen die Erzeugung, die Speicherung und den Verbrauch von Strom aufeinander abstimmen. Sie sollen rechtzeitig warnen, bevor ein teures Kraftwerksteil so stark verschleißt, dass Ausfall und Reparatur Unsummen verschlingen. Und sie sollen Energieversorgern helfen, effizienter und kostengünstiger mit ihren Kunden zu kommunizieren. Noch dazu hofft die Branche, dass die künstliche Intelligenz ihr ganz neue Dienstleistungsmodelle und Erlösquellen schenkt.

Vorausschauende Wartung mit KI

Der Windkraftanlagenbauer Senvion, das Bremer Institut für Produktion und Logistik (BIBA) und das Oldenburger Software-Unternehmen SWMS fragten sich, wie sie voraussehen können, wann Abnutzung ernsthafte Probleme im Rotorlager einer Offshore-Anlage verursacht. Dadurch, hofften sie, ließen sich die Kosten der aufwendigen Instandhaltung von Windkraftanlagen auf See spürbar senken. Wartungstrupps müssen schließlich jedes Mal per Boot oder Hubschrauber zu den Windparks gebracht werden, um anhand einer Checkliste Anlage für Anlage zu untersuchen, Komponente für Komponente. Da ist jede Tour, die sich vermeiden lässt, bares Geld wert.

Der Windturbinenhersteller bildete mit den Bremer und Oldenburger KI-Spezialisten ein Konsortium, und im Rahmen eines vom Bundeswirtschaftsministerium geförderten Forschungsprojektes machten sie sich ans Werk. Sie sammelten Sensorwerte, Wetterdaten, Statistiken sowie Wartungsdaten aus der gesamten Laufzeit der Anlagen und konsultierten erfahrene Techniker. „Es ging darum, aus vielen unterschiedlichen Quellen die relevanten Daten für die jeweilige Komponente herauszufiltern und einzuspeisen“, sagt der BIBA-Wissenschaftler Stephan Oelker, der die KI mitentwickelt hat. Das Team schuf ein System, das von der Senvion-Leitzentrale im schleswig-holsteinischen Osterrönfeld aus gesteuert wird. Es vergleicht Sensor- und Betriebsinformationen der Anlagen auf See mit errechneten Daten. Diese Prozesse spielen sich in einem künstlichen neuronalen Netz ab, einer abstrakten sensor- und algorithmengestützen Nachbildung eines biologischen Nervennetzes. Senvion lässt außerdem Informationen über die Verfügbarkeit von Personal und Transportmitteln sowie über die Ersatzteilbestände einlaufen. Das Ziel ist laut Projektleiter Oelker: „Bessere Forecasts und damit eine bessere Entscheidungsgrundlage für den Einsatz von Servicetechnikern.“

Höhere Erträge von Windparks

Das System läuft, die ersten Erfahrungen des Hamburger Windkraftanlagenbauers sind positiv. Die KI erfasst kleinste Anomalien im Betrieb, die früher nicht aufgefallen wären, und errechnet daraus, wie sich die Maschine in nächster Zeit verhalten wird. Auf dieser Grundlage entscheiden die Instandhalter, wann sie hinausfahren und der Anlage zu Leibe rücken.

Auch die Konkurrenz ist umtriebig in Sachen KI: Der US-amerikanische Hersteller GE setzt ebenfalls Software zur vorausschauenden Instandhaltung seiner Windturbinen ein (Predictive Maintenance). Außerdem arbeitet er mit selbstlernenden Predictive-Analytics-Systemen, die höhere Energieerträge beim Betrieb von Windparks bringen.

Das Energiewirtschaft scheint für das Maschinenlernen geradezu prädestiniert. Zumal auch die privaten Energieverbraucher in Deutschland, die eigentlich im Ruf stehen, neue Technologien misstrauisch zu beäugen, sich in diesem Fall erstaunlich offen zeigen: Die meisten trauen künstlicher Intelligenz zu, die stockende deutsche Energiewende wieder in Gang zu bringen. In einer Umfrage des Digitalwirtschaftsverbands Bitkom äußern sich 89 Prozent zuversichtlich, dass beispielweise selbstlernende Heizungssysteme den Energieverbrauch senken können. 68 Prozent befürworten eine automatisierte Energieversorgung auf Grundlage datengetriebener Bedarfsanalysen.

Seite 1Seite 2nächste Seite
Keywords:
Digitalisierung
Ressorts:
Technology

Neuen Kommentar schreiben

 

bizz energy – Herbst 2018

Die aktuelle Ausgabe gibt es ab sofort bei unserem Abonnentenservice unter bizzenergy@pressup.de sowie als E-Paper bei iKiosk oder Readly.

 
 

bizz energy Research

Energie, Digitalisierung und Mobilität.
Unsere Factsheets bieten visualisierte Daten, liefern Fakten und stellen Zusammenhänge zu den Top-Themen der Energiewende dar.


Mehr Informationen