Mit KI die Vorhersagen für Wärmenetze verbessern

Ein neuer Leitfaden der Deutschen Energie-Agentur zeigt, wie Unternehmen durch künstliche Intelligenz ihre Fernwärmenetze effizienter gestalten können. Der Leitfaden soll praxisnahe Anleitungen und konkrete Handlungsempfehlungen für Versorger bieten, die mit Datenanalyse ihre Prognosefähigkeiten verbessern wollen.

In Zusammenarbeit mit den Stadtwerken Norderstedt (Schleswig-Holstein) und dem Start-up RAUSCH Technology GmbH entwickelte die Deutsche Energie-Agentur (dena) einen Implementierungsleitfaden sowie Handlungsempfehlungen zum Einsatz von Künstlicher Intelligenz (KI) in der Fernwärme. Mit Unterstützung von Expertinnen und Experten aus dem Wärmesektor wurden zehn konkrete Anwendungsfälle identifiziert und bewertet. Einer der Anwendungsfälle wurde bei den Stadtwerken Norderstedt implementiert. Laut dem Projekt konnte der Wärmebedarf für die nächsten 24 Stunden mit 25 Prozent weniger Abweichung vorhergesagt werden, als es mit üblichen Prognoseverfahren möglich ist. Weitere Anwendungsfälle sind z.B. Predictive Maintenance (Kunden- und Netzbetreiberseite), frühzeitige (kurzfristige) Störungserkennung an Kundenanlagen oder eine langfristige betriebswirtschaftliche und technische Asset-Optimierung.

Philipp Richard, Bereichsleiter Digitale Technologien und Start-up Ökosystem bei der dena, erklärt: «KI bietet enorme Chancen, die Transformation des Wärmesektors zu beschleunigen. Der neue Leitfaden soll Unternehmen zeigen, wie sie mithilfe von KI ihre Planungen und Steuerungen optimieren können, um die Wärmeerzeugung präziser und kosteneffizienter zu gestalten. Eine fehlerfreie Erfassung und einheitliche Struktur der Daten sowie eine gut durchdachte Datenstrategie sind dabei entscheidend.»

Frühzeitig in Daten investieren: Das Fundament für erfolgreiche KI-Projekte

Damit KI-Projekte erfolgreich sind, so der Leitfaden, empfehle es sich frühzeitig in eine gute Dateninfrastruktur zu investieren. Digitale Messtechnik könne wertvolle Daten liefern, die als Grundlage für präzisere KI-Modelle und datenbasierte Mehrwertdienste dienen. Mit einer besseren Datengrundlage liefern KI-Modelle präzisere Ergebnisse, was zu einer schnelleren Amortisierung von Investitionen in die Dateninfrastruktur führen kann.

Gemäss Projektangaben richtet sich der Leitfaden an Unternehmen, die KI in ihre Fernwärmesysteme integrieren möchten und bietet eine Projektanleitung: In sieben Schritten werde erläutert, wie aus einer Idee ein funktionierendes KI-Modell werden könne, das im laufenden Betrieb effizient arbeitet. Neben Best Practices gäbe der Leitfaden Fernwärmeversorgern auch ein Rahmenwerk für die Umsetzung eigener Datenanalyseprojekte an die Hand.