Zügig zieht das Wolkenband über die Stadt. Binnen weniger Minuten sackt die Einspeisung von Solarstrom um 40 Prozent ab. Ein engmaschiges Netz aus Sensoren misst die Abweichungen des Stromflusses, von Spannung und Frequenz im Stromnetz sowie vom Wetter sekundenschnell und liefert die Daten in Echtzeit an die Leitzentrale des Netzbetreibers. Die Reaktion folgt in Sekundenschnelle: Ein Gaskraftwerk fährt minimal hoch, der nahe gelegene Batteriespeicher liefert zusätzlichen Strom, und der Betrieb eines Windparks wird angepasst. So lässt sich die Frequenz im Stromnetz in ihrem engen, zulässigen Korridor um 50 Hertz halten.
Zugleich senkt eine große Kühlanlage im nahen Gewerbegebiet ihre Leistung für einige Minuten. Die Lastspitze flacht ab, das fragile Gleichgewicht aus Stromerzeugung und -bedarf ist gesichert. Bemerkt hat diese Vorgänge niemand. Kein Mensch war daran beteiligt. Einzig eine ausgefeilte KI-Anwendung hat ihre Aufgabe erfüllt – schnell, zuverlässig, effizient.
KI in kritischen Infrastrukturen ist eine Hochrisiko-Anwendung
Großes Potenzial für KI im Energiesektor vorhanden
Das bedeutet freilich nicht, dass Unternehmen aus dem Energiesektor auf den Einsatz von KI verzichten sollten. Im Gegenteil. Trotz aller Risiken lockt ein enormes Potenzial für eine lukrative Steigerung der Effizienz – von Betrieb und Wartung einzelner Kraftwerksanlagen über Marktvorteile durch genauere Wetterprognosen bis hin zur optimierten und günstigeren Planung neuer Anlagen und Infrastrukturen. Zahlreiche Marktanalysen prognostizieren eine Vervielfachung der KI-Anwendungen in der Energiebranche binnen weniger Jahre.
Die Berater von Markets and Markets etwa erwarten ein Wachstum der KI-Investitionen im Energiesektor von rund zehn Milliarden US-Dollar im Jahr 2024 auf knapp 60 Milliarden US-Dollar 2030. Doch konkrete Angaben über einen KI-Einsatz für Energieanwendungen sind eher selten. Eine Studie des IT-Konzerns IBM zeigte zwar bereits vor zwei Jahren, dass drei Viertel der Energie- und Versorgungsunternehmen KI einsetzen oder erproben. Das umfasst allerdings auch generative Programme wie Chat GPT, Copilot oder Perplexity, die mit Textvorschlägen für E-Mails oder Gesprächsprotokollen aus Audio-Mitschnitten mittlerweile zum Büroalltag in vielen Branchen gehören.
Prognosen und Modelle: KI als Wetterfrosch
„Aktuell befinden sich KI-Anwendungen in der Phase der Prognosen und der Erkennung von Anomalien“, sagt André Baier vom Fraunhofer-Institut für Energiewirtschaft und Energiesystemtechnik (IEE) in Kassel. Als Beispiel nennt er den bereits weit gereiften KI-Einsatz von kurzfristigen und schnellen Prognosen für Wind- und Solaranlagen. Sie spielen eine zentrale Rolle, um für die nächsten Minuten, Stunden oder den Folgetag die Stromausbeute von Wind- und Solarparks möglichst genau vorherzusagen. So kombiniert das schweizerische Unternehmen Meteomatics in St. Gallen herkömmliche, auf physikalischen Vorgängen basierende Wettermodelle mit der KI-Methode des maschinellen Lernens. Laut eigenen Angaben konnten dadurch die Leistungsprognosen von Solarparks um 13 Prozent und von Windkraftanlagen um 50 Prozent verbessert werden. Einen ähnlichen Ansatz verfolgt das Münchener Unternehmen Alitiq, dessen KI-Anwendung zuverlässige Erzeugungsprognosen für Wind- und Solarparks über ein breites Zeitfenster zwischen fünf Minuten und zehn Tagen möglich machen soll.
Künstliche Intelligenz überwacht Windkraftanlagen
KI-basierte Kamerasysteme von Unternehmen wie Protecbird in Husum oder Birdvision in Niedernhall versprechen hingegen einen effizienteren Vogelschutz. Die Algorithmen identifizieren aus Videoaufnahmen rund um Windkraftanlagen alle fliegenden Objekte in Echtzeit. Nähert sich ein Vogel, lassen sich die Rotoren automatisch abbremsen. Selbst eine Erkennung von geschützten Arten soll möglich sein. An einem ähnlichen Projekt arbeiten Forschende vom Fraunhofer IEE. Deren KI-System Deep Bird Detect nutzt aber nur die Geräusche der Vögel, um aus den Audiodaten eine potenziell gefährliche Annäherung zu ermitteln.
Hinzu kommt: Nicht nur Stromerzeuger, sondern auch Verbraucher können vom KI-Einsatz profitieren. Das Unternehmen Ecoplanet aus München hat eine Anwendung entwickelt, die den Stromverbrauch von Maschinen, Öfen und Kühlanlagen überwacht. Sie nutzt detaillierte Stromverbrauchsdaten in hoher zeitlicher Auflösung und kombiniert sie mit weiteren Parametern wie Außentemperatur, Betriebszeiten und Produktionsplänen. Dabei offenbaren sich Anomalien, Lastspitzen und ineffiziente Anlagen. So entdeckte ein Kunde mit 250 Standorten in Deutschland eine überhitzte Großküche, die 30.000 Euro Mehrkosten verursachte. Auch ein überlastetes Kühlaggregat konnte als Verursacher einer teuren Verbrauchsspitze entlarvt werden. Durch die Früherkennung wurden insgesamt 80.000 Euro eingespart.
Schnelle Marktdatenanalysen für Stromverbraucher
KI-Systeme optimieren gleichwohl nicht nur den technischen Betrieb. Sie eignen sich auch für die schnelle Analyse von Marktdaten. Das Ziel: ein lukrativerer Handel mit Energie. Hier setzt das irische Unternehmen Grid Beyond an. Dessen Software ermöglicht es Industrie- und Gewerbekunden, Betreibern von E-Auto-Flotten, Kraftwerken oder Batteriespeichern den Wechsel von passivem Energieeinkauf zu aktivem Energiemanagement und -handel. Es locken höhere Erträge aus dem Verkauf von Strom oder Regelleistung. In Deutschland arbeiten Startups wie Encentive in Essen sowie Forschende vom Fraunhofer Institut für Solare Energiesysteme (ISE) in Freiburg ebenfalls am intelligenten Flexibilitätsmanagement von Energieanlagen.
Außerhalb Europas sind es vor allem Entwickler aus China, die das Thema Künstliche Intelligenz im Energiesektor voranbringen: Zum Jahreswechsel hat Envision Energy aus Shanghai in der Inneren Mongolei die weltweit größte eigenständige Batteriespeicheranlage mit einer Kapazität von vier Gigawattstunden ans Netz angeschlossen. KI-gesteuert erhöht die Anlage die Fähigkeit des lokalen Netzes, erneuerbare Energie aufzunehmen. Zugleich wird die Netzstabilität verbessert. Zudem soll das System präzisere Handelsprognosen treffen, um die Erträge im Vergleich zu einer von Menschen vorgenommenen Regelung um mehr als 20 Prozent zu steigern.
Dezentrale Systeme bei KI-Ansätzen im Vorteil
Mit Blick auf den aktuellen Hype warnt Fraunhofer-Forscher Baier vor zu hohen Erwartungen: „Nur weil ein KI-Einsatz möglich ist, muss er nicht sinnvoll sein.“ Es sei wichtig, nicht jedem Trend hinterherzulaufen. KI werde allzu oft als Marketingargument genutzt, müsse aber „echten Mehrwert bieten“, betont er. KIT-Forscher Schäfer beurteilt das ähnlich: „Eine Revolution ist derzeit nicht zu sehen, eher viele kleine Fortschritte über einen längeren Zeitraum.“ Daher gelte es, KI-Systeme nicht vorschnell einzusetzen. „Bleiben Sie nüchtern“, rät Schäfer, „dann folgt später auch keine Ernüchterung.“
