Künstliche Intelligenz ist immer und überall in aller Munde. Aber wie kann man KI eigentlich effizient nutzen? Und wie kann man konkret Nachhaltigkeit durch KI stärken? Im KI-Café der Bundesnetzagentur ging es um Effizienz durch KI, Rebound-Effekte, Möglichkeiten und Chancen und konkrete Anwendungsfälle für KI. Unser Fokus lag auf KI im Energiemanagement.
Anwendungsfälle im Energiemanagement
Einmal im Monat treffen sich Vertreter aus Wirtschaft, Wissenschaft und Behörden zum KI-Café der Bundesnetzagentur, im März zum Thema „Nachhaltigkeit von und durch KI“. Als einer der vier Panelisten und Panelistinnen hat unser Geschäftsführer Dr. Thomas Goette über das Thema „KI im Energiemanagement“ referiert.
Im Wesentlichen haben wir für KI im Energiemanagement zwei Anknüpfungspunkte fokussiert:
- Mustererkennung im Lastprofil
- Consumption Prediction
Das eine ist die automatische Erkennung von regelmäßigen Mustern im Verbrauchsprofil, um Optimierungen und Maßnahmen aufzuzeigen. Das zweite ist Vorhersage von Verbräuchen und Berücksichtigung verschiedener Einflussfaktoren zum verbesserten Controlling und für mehr Einsparungen.
Gerätedisaggregation
Bereits 2015 haben wir bei GreenPocket mit dem Fraunhofer Institut innerhalb des NILM-Forschungsprojekts (Non-Intrusive Load Monitoring) die Verbrauchserkennung und -zuordnung auf einzelne Geräte und Anlagen vorangetrieben, damit Energieeffizienzmaßnahmen abgeleitet werden können.
Automatische Anomaliedetektion
Ebenfalls aus der Zusammenarbeit mit dem Fraunhofer IIS Institut entstanden ist die Automatische Anomaliedetektion. Dabei wird basierend auf historischen Verbräuchen ein Normverbrauch ermittelt und automatisch ein Alarm ausgegeben, wenn der Verbrauch einen gewissen Toleranzrahmen dieses Normalverbrauchs unter- oder überschreitet. So werden Mehrverbraucher schneller identifiziert und hohe Kosten vermieden. Auch können schleichende Veränderungen oder Schäden an Anlagen schneller entdeckt und Maßnahmen ergriffen werden. Das führt zu Einsparungen auf budgetärer und personeller Ebene.
Der KI-Energiemanager
Im Rahmen des vom BMKW geförderten Einsparzählerprogramm wird die Energiemanagement-Software zum KI-Energiemanagement weiterentwickelt. Das umfasst die automatische Ermittlung der Baseline, die KI-gestützte Kennzahlen-Bildung sowie die Empfehlung und Überprüfung von Maßnahmen.
Die Baselinebestimmung erfordert die Bereinigung des Verbrauchs von verschiedenen Einflussfaktoren, wie Außentemperatur, Unternehmensgröße, Öffnungszeiten oder Produktionsmengen, denn nur durch die Betrachtung einer bereinigten Baseline können tatsächliche Einsparungen sichtbar gemacht werden und werden nicht z.B. einer kleineren Produktionsmenge zugeschrieben. Dadurch können auch ergriffene Maßnahmen besser nachgehalten und kontrolliert werden, ob Sie tatsächlich zu einer Einsparung geführt haben. Die Baselinebestimmung kann für jegliche Sparten angewendet werden, z.B. Strom, Gas oder Wasser.
Tatsächliche Einsparungen anhand von Projektbeispielen
Der KI-Energiemanager von GreenPocket wird bereits bei zwei Projektpartnern angewendet. Ein Partner kommt dabei als Cash & Carry Markt aus dem Handelssegment, der zweite aus dem Gesundheitssektors. Bei dem Cash & Carry Markt wurde im letzten Jahr die Umstellung auf LED-Beleuchtung als Effizienzmaßnahme umgesetzt. Durch den Baseline-Vergleich innerhalb der GreenPocket-Software konnte ermittelt werden, dass diese Maßnahme im letzten Jahr zu einer Einsparung von 8,2% gegenüber dem Vorjahr geführt hat, unter Berücksichtigung von Öffnungszeiten, Außentemperatur und weiteren temporalen Einflussgrößen. Bei dem Krankenhaus wurde mithilfe der Software ermittelt, dass die Neuparametrierung der Heizungsanlage sowie die Einführung einer bedarfsangepassten Regelung zu einer Einsparung von 4,3% gegenüber dem Vorjahr geführt haben. Auch hier wurden Einflussgrößen wie die Außentemperatur und der Corona-Lockdown berücksichtigt.
In sieben Schritten zum KI-Energiemanager
Um den KI-Energiemanager in einem Gewerbe nutzen zu können, unternimmt GreenPocket gemeinsam mit dem Projektpartner die folgenden Schritte, um die qualitativ hochwertigsten Ergebnisse zu erzielen:
- Definition eines Messkonzepts, um das zu untersuchende System energetisch abzugrenzen
- Erhebung von externen Einflussfaktoren, die den Energieeinsatz maßgeblich beeinflussen
- Import der Zeitreihendaten für die Verbrauchsdaten und Einflussgrößen
- Definition und Durchführung von Energieeffizienzmaßnahmen
- Automatische oder manuelle Auswahl der signifikanten Einflussgrößen auf den Verbrauch
- Bereinigung des Verbrauchs und Erstellung einer Baseline (energetische Ausgangsbasis)
- Nutzung der Baseline zur Ermittlung der tatsächlichen energetischen Einsparungen durch eine bestimmte Maßnahme
Nachhaltigkeit und KI – wie geht das zusammen?
Das KI-Café der Bundesnetzagentur sollte herausstellen, wie KI mehr Nachhaltigkeit schaffen kann. KI im Energiemanagement einzusetzen ist dabei eines von vielen Dingen. Auch über Rebound-Effekte wurde diskutiert, denn künstliche Intelligenz erfordert hoch performante Rechenzentren, die wiederum einen großen Anteil am Gesamtenergieverbrauch einnehmen. Aber auch hier werden kontinuierlich Energieeffizienzansätze entwickelt. Wie Dr. Michael Papen von Comma Soft richtig anmerkte „KI ist ein Hammer, aber nicht alles ist ein Nagel.“ So gibt es auch ohne künstliche Intelligenz genug Algorithmen, die Prozesse automatisieren und effizienter gestalten können, ohne dass eine ständige Anpassung durch künstliche Intelligenz notwendig wäre.
Insgesamt eine spannende Veranstaltung rund um die Möglichkeiten von KI, Sicherheit, Hürden, Risiken und Perspektiven. Vielen Dank an alle Teilnehmenden.
