Die Macht der Intelligenz

Künstliche Intelligenz war lange nicht viel mehr als ein Modewort. Dank aktueller Fortschritte in Technologie und Netzwerkfähigkeiten schickt sie sich nun aber an, die (Energie-)Wirtschaft fundamental zu verändern.

Wie künstliche Intelligenz die Energiebranche verändern wird.

Beitrag aus «Pathway» 09 / Landys+Gyr

Einige bekannte Beispiele aus unterschiedlichen Industrien verdeutlichen das disruptive Potenzial Künstlicher Intelligenz (KI). Caterpillar, US-amerikanischer Hersteller von Industrie- und Bergbaufahrzeugen, arbeitet seit über 30 Jahren am autonomen Fahren. Kürzlich konnte das Unternehmen einen Vertrag über die Einführung dieser Technologie in rund 100 Muldenkippern in Australien abschliessen. Amazons Empfehlungsfunktion basiert schon seit Jahren auf 
Maschinellem Lernen (ML). Die Technologie rückte vor Kurzem in das Licht der Öffentlichkeit, als Amazon beschloss, seinen Kunden ML-Dienste auf seine Cloud-Computing-Plattform Amazon Web Services (AWS) anzubieten. 

ML ist die Basis für Spracherkennungsprogramme, von denen bereits einige von unterschiedlichen Herstellern auf dem Markt sind. 2017 kündigte Google die Gründung eines neuen Unternehmenszweiges an, der sich ausschliesslich mit der KI-Technologie und ihrer Implementierung in neuen Anwendungsfeldern beschäftigt. Mit selbstfahrenden Autos kommt KI auf unsere Strassen und auch im Aktienmarkt macht sie den Handel effizienter. Aber was bedeutet KI für die Energiewirtschaft? Was ändert sich durch diese disruptive Technologie für Energieversorger und Verbraucher? Welche Chancen, welche Risiken bringt es mit sich, wenn KI immer mehr Bereiche unseres Alltags erobert?

Das Disruptionspotenzial in der Energiewirtschaft ist gross. Alle Unternehmen müssen sich mit der Frage auseinandersetzen, was KI für sie in den nächsten Jahren bedeutet. KI kann viele Bereiche ihres Geschäfts verändern, von internen Prozessen über die Unternehmensstruktur bis zur Kommunikation. Der erste Schritt aber ist es, die Technologie und ihre Möglichkeiten überhaupt zu verstehen. 

Ein intelligentes, effizientes System

Die zurzeit am weitesten verbreitete KI-Technologie ist Maschinelles Lernen. Mit grossen Datenmengen kann ein ML-System so trainiert werden, dass es eigenständig Objekte, Muster und Zusammenhänge erkennt und Aufgaben zur Problemlösung übernimmt.

Alle am Markt verfügbaren Systeme, darunter auch die schlagzeilenträchtigen neuronalen Netze und das Deep Learning, gehören in die Kategorie der «schwachen KI». Das bedeutet, dass sie in der Lage sind, spezifische Probleme zu lösen oder definierte Aufgaben zu übernehmen. Damit sind sie der «starken
KI» unterlegen, Systemen nämlich, die sich auch neue Themen aneignen und Aufgaben in unterschiedlichen Bereichen übernehmen können – etwas, was bislang nur Menschen und Tiere können.

Aber auch die «schwache KI» kann mit ihren beschränkten Mitteln die menschliche Problemlösungskompetenz übertreffen. Ihre Stärke liegt darin, aus riesigen Datenmengen für das menschliche Auge unsichtbare Muster zu erkennen und daraus Prognosen oder Handlungsempfehlungen abzuleiten, um Mehrwerte zu generieren – auch in der Energiebranche. 

LandysGyr_Künstliche_Intelligenz

 

Predictive Analytics im Smart Grid

Predictive Maintenance und Predictive Analytics rücken stärker in den Fokus der EVU. So lässt sich zum Beispiel der mögliche Schaden im Vorfeld einer Störung erheblich besser begrenzen – vorausgesetzt natürlich, dass diese vorhergesehen werden kann. Hier kann KI einen grossen Beitrag leisten. Ob Windpark, Stromnetz oder Unterstation: Die Infrastruktur generiert jede Menge Daten. ML-Algorithmen können damit schnell lernen, welche Betriebsparameter und Vorgänge für die jeweiligen Subsysteme normal sind. Durch den Abgleich mit Echtzeitdaten können von der Norm abweichende Systemteile unmittelbar erkannt werden. Genau das macht am Ende den Unterschied zwischen einer kleineren Wartung und einer aufwändigen Reparatur aus. Je mehr Daten zur Verfügung stehen, desto präziser werden die Prognosen. Statt also lediglich auf eine fehlerhafte Unterstation hinzuweisen, kann der Abgleich bis auf die Komponentenebene heruntergebrochen werden. 

Die Zukunft kann eine noch stärkere Automation der Datensammlung und Entscheidungsfindung bringen. Predictive-Analytics-Tools könnten Drohnen autonom zur Schadensbegutachtung am Windrad dirigieren, Ersatzteile ordern oder Mitarbeiter mit der Wartung beauftragen. Auf diese Weise ermöglichen intelligente Systeme Kosteneinsparungen auf verschiedenen Ebenen: geringerer Aufwand in Wartung und Betrieb, höhere Effizienz im Kraftwerk und im Netz, seltenere und kürzere Ausfälle sowie längere Lebenszeiten von Anlagen und Systemkomponenten. Laut dem Bericht «Digitalisierung und Energie 2017»1)  der Internationalen Energieagentur können sich die Einsparungen auf bis zu 5 % der jährlichen Erzeugungskosten summieren, wovon Versorger und Verbraucher gleichermassen profitieren würden. 

Ertragsoptimierung ist ein zweiter Anwendungsfall. Durch technische Echtzeit-Anpassungen wird die Effizienz der Energieerzeugung verbessert. Eine Studie von General Electric (GE) geht von einer möglichen Ertragssteigerung von 20 % bei allen seinen Windparks aus.2)  

Angebots- und Nachfragesteuerung

Der Einsatz von KI ist nicht nur bei einzelnen Komponenten und Installationen sinnvoll. Wenn sie auf die Datenmengen regionaler oder nationaler Netze zugreifen kann, ergeben sich weitere Optionen. Einige interessante Pilotprojekte dazu sind bereits angelaufen. In Grossbritannien arbeitet der Netzbetreiber National Grid mit Googles Deep Mind an hochpräzisen Lastprognosen3). Die Lösung wird anhand von Verbrauchsdaten Angebots- und Verbrauchsspitzen prognostizieren. Nach aktuellen Schätzungen wird dadurch der Energieverbrauch um bis zu 10 %4) gesenkt. Lässt sich die Last flexibel regulieren, kann ML genutzt werden, um die Nachfragesteuerung zu automatisieren und zu optimieren. Allein in Grossbritannien liessen sich Schätzungen zufolge bis zu sechs Gigawatt4) aus den Spitzenzeiten verschieben – ohne negative Auswirkungen auf den Verbraucher. Das sind ungefähr 10 %4) der erhöhten Nachfrage im Winter.

Potenziale für den Endverbraucher

Die Möglichkeiten der Spracherkennung beschränken sich nicht auf Alexas Fähigkeit, Liederwünsche entgegenzunehmen. Virtuelle Mitarbeiter können den Kontakt im Callcenter ebenso automatisieren wie Chatbots die Beantwortung schriftlicher Anfragen. Angesichts geringer Kosten und kürzerer Warteschleifen liegen die Vorteile für beide Seiten auf der Hand. 

KI kann auch dazu dienen, Kunden besser zu verstehen. Individuelle Verbrauchsdaten liefern Informationen über den Kunden, sein Verhalten und seine Vorlieben oder Abneigungen, zum Beispiel gegenüber erneuerbaren Energien. Mit diesem Wissen können EVU individualisierte Tarife anbieten. An dieser Stelle geht KI über das Smart Metering hinaus. Sie kann die Verbrauchsdaten interpretieren, sodass es nicht nur möglich ist, den Verbrauch zu erfassen, sondern auch die Entwicklung von Verbrauchsprofilen vorherzusagen. Energieversorger können daraus neue Serviceangebote ableiten.

Daten: Treibstoff der Zukunft

Mit ihren Möglichkeiten eröffnet KI ganz neue Perspektiven für die Energiewirtschaft. Viele neue Anwendungen basieren auf Input und Output. Beides liefert eine Smart-Grid-Infrastruktur. Zunächst einmal müssen KI-Systeme mit grossen Datenmengen gefüttert werden. Darum ist ein Netz, das mittels intelligenter Geräte und Sensoren Informationen bereitstellt, die Grundvoraussetzung. 

Zweitens lässt sich das Potenzial der KI nur ausschöpfen, wenn ein Mindestmass an Autonomie möglich ist und ML-Algorithmen datenbasierte Entscheidungen treffen und diese im Netz automatisch ausführen können. Moderne, intelligente Komponenten mit unmittelbarer Konnektivität sind dafür ein Muss. Hierin liegt der langfristige Wert von Smart Grids: Smart Meter speisen über moderne Kommunikationstechnologie Daten in das System und können im Gegenzug aus der Ferne gesteuert werden, um die Effizienz und Produktivität zu erhöhen.

Zukunftspläne

Was also sollten Unternehmen der Energiebranche tun, um am KI-Boom teilzuhaben und nicht abgehängt zu werden? Vor allem sollten sie den Wandel begrüssen, Zeit und Ressourcen in den Aufbau ihrer KI-Kompetenz investieren und – inhouse oder mit externen Partnern – eigene KI-Projekte auf den Weg bringen. Schon die Erfahrungen aus einer kleineren inhouse vorgenommenen KI-Optimierung können bei der nächsten strategischen Entscheidung einen Unterschied ausmachen. Die Bedrohung durch die grossen Tech-Giganten, die im KI-Bereich einen Vorsprung haben und diesen auch auf andere Geschäftsfelder übertragen könnten, ist offensichtlich. Dem stehen – derzeit noch begrenzt – grosse Chancen für Energieunternehmen gegenüber. Wer neuen Anwendungen gegenüber offen ist und moderne KI-Lösungen implementiert, profitiert nicht nur von Kosteneinsparungen und Effizienzsteigerungen, sondern versetzt sich selbst in die Lage, die Zukunft der Branche mitzugestalten: über das Smart Grid hinaus in Richtung Smart Energy. 


Quellen: 1 www.iea.org/digital/ 2 www.ge.com/renewableenergy/stories/meet-the-digital-wind-farm 3 www.businessinsider.de/google-deepmind-wants-to-cut-ten-percent-off-entire-uk-energy-bill-using-artificial-intelligence-2017-3?r=UK&IR=T 4 www.digitalistmag.com/digital-economy/2018/05/17/10-ways-utility-companies-can-use-artificial-intelligence-machine-learning-06167501

 


Künstliche Intelligenz verstehen

Stockfish und Deep Blue können den Schachweltmeister schlagen, Alexa verarbeitet Spracheingaben, der Spam-Filter sortiert lästige E-Mails aus und der Kreditkartenanbieter sieht einen Missbrauch sofort. Doch echte Künstliche Intelligenz reicht noch viel weiter. Es geht darum, dass eine Maschine lernt, denkt und Entscheidungen trifft wie ein Mensch.


Künstliche Intelligenz (KI)
KI ist ein weit gefasster Begriff, der sich auf das intelligente Handeln von Maschinen bezieht. Dabei geht es um die Entwicklung von Systemen, die fähig sind, mithilfe von Daten zu lernen, zu entscheiden, Probleme zu lösen, zu planen, ihre Leistung anzupassen und diese kontinuierlich zu verbessern. KI weckt schon seit langem das Interesse und die Vorstellungskraft der Menschen. Berühmte Beispiele aus der Science-Fiction sind HAL 9000, Terminator und Skynet.
 

Schwache Künstliche Intelligenz (schwache KI)
Schwache Künstliche Intelligenz (Narrow oder Weak Artificial Intelligence) bezieht sich auf Maschinen, die einzelne, begrenzte Aufgaben ausführen – in der Regel binäre Fragen, die ein Computerprogramm der Reihe nach durchgeht, bis eine relevante Antwort geliefert werden kann. Schwache KI wird zur Automatisierung sich wiederholender Serviceaufgaben verwendet. Zu den Beispielen gehören Internet-Bots und „Siri“, der virtuelle Assistent von Apple.
 

Künstliche allgemeine Intelligenz (starke KI)
Künstliche Allgemeine Intelligenz (Artificial General Intelligence, AGI) wird auch als „starke KI“ (strong, full oder human-level AI) bezeichnet. Sie ist eine maschinelle Intelligenz, die in der Lage ist, eine Aufgabe genauso gut oder sogar besser als ein Mensch zu erledigen, ohne dass eine Vorprogrammierung erforderlich ist. Mit der Kombination von menschenähnlichem, flexiblem Denken und Schlussfolgern auf Basis von superschneller Datenverarbeitung könnte die Künstliche Allgemeine Intelligenz schon bald im Einsatz sein.
 

Maschinelles lernen
Im KI-Bereich konzentriert sich das Maschinelle Lernen (Machine Learning) auf Algorithmen in Verbindung mit grossen Datenmengen, um die Effizienz und Leistung beim Erledigen von Aufgaben kontinuierlich zu steigern. Es geht darum, Computer dazu zu bringen, durch „Erfahrungen“ zu lernen, zu handeln und sich zu verbessern, ohne explizit programmiert zu sein und ohne dass ein Eingreifen durch den Menschen erforderlich ist.
 

 

Revolutioniert Blockchain den Stromhandel? (Blog)

Die Macht von Daten (Blog)

Future of Work (Blog)

Mit Daten an die Macht? (Blog)

Maschinen mit Gehirn, Predictive Maintenance mit neuronalen Netzwerken (Artikel, bulletin.ch)

Künstliche Intelligenz im Dienste der Energie, Modulares System zur Digitalisierung der Energie-Wertschöpfungskette (Artikel, bulletin.ch)

Cybersecurity, (Web)

 

 

Text-Quelle: Pathway, Landys+Gyr
Foto: Pathway, Landys+Gyr

 

Kommentare zum Beitrag

Noch keine Kommentare zu diesem Beitrag vorhanden.

Einen Kommentar schreiben


Weitere Beiträge