In Sachen Technik reden heute alle von KI, von künstlicher Intelligenz, und wie diese alle Bereiche unseres Lebens verändert. Doch inwieweit trifft dies auf den Energiemarkt zu? Wie viel KI wird hier bereits verwendet, und was sind eventuelle Zukunftsprognosen?
Verbesserung des Kundenerlebnisses
Ein erster Einsatz der künstlichen Intelligenz in der Branche Strom ist im Rahmen der Kundenerfahrung zu finden. Besonders häufig werden in diesem Kontext Chatbots verwendet und optimiert. Dies soll Kosten für Unternehmen reduzieren, da weniger Kunden-Hotlines zum Einsatz kommen müssen, und so schlussendlich auch die Kosten, also auch die Strompreise, für die Kunden selbst senken.
GenAI, also generative Künstliche Intelligenz, soll weiter dabei helfen, die Energieversorgung auch nachhaltig zu optimieren. Beispielsweise können individuell Daten verglichen werden, wie Kundenverträge, Rechnungsbeträge, vergleichbare Haushalten, kostengünstigere Alternativen und mögliche neue digitale Services.
In Anwendung bedeutet dies für Kunden, dass sie so Geräte mit hohem Stromverbrauch einfach identifizieren können, erneuerbare Energiequellen einfacher nutzen können, und Zeiten von hohem Energieverbrauch (bspw. Laden eines E-Autos) planen können.
Auch der Energieversorger kann Kunden ein verbessertes Erlebnis bieten. Mit GenAI können Abrechnungen genauer erfolgen und automatisierte Überprüfungen stattfinden. Das bedeutet weniger manuelle Arbeit und weniger Fehler.
GenAI und erneuerbare Energien
Im Kontext des Wachstums von erneuerbaren Energien wird KI besonders im Bereich des Datenmanagements genutzt. In Anbetracht der zunehmenden Zahl an dezentralen Energie-Produktionsstätten, kann das Management dieser vereinfacht werden. Dies betrifft zum Beispiel die Situation, wenn Verbraucher überschüssigen Strom ihrer Photovoltaikanlage zurückverkaufen. Mithilfe von KI sollen also Verbrauch und Erzeugung der PV Anlage in Einklang gebracht werden.
Es ist prognostiziert, dass bis 2026 50% der Industrieländer in Advanced Distribution Management Systems investieren werden, also in Systeme, die die Energieversorgung managen. So soll der Zustrom von Daten aus erneuerbaren Energien optimiert werden.
Besonders für komplexe Probleme ist GenAI eine Mittel um Szenarien zu simulieren. So können zum Beispiel Verbrauchsmuster bei Störungen durch extreme Wetterereignisse, Probleme in der Lieferkette, oder aber bei steigenden Preisen mit KI simuliert werden und maßgeschneiderte Lösungsansätze können geschaffen werden.
KI und Energietransport
Ein weiterer Einsatz der künstlichen Intelligenz ist das Vorhersagen von Stromausfällen. Bei Smart Grids können Technologien wie das Tool CartoLine BT zum Einsatz kommen um Vorfälle zu prognostizieren und Eingriffe in das Niederspannungsnetz vorzuschlagen, sodass es für Kunden zu keinem Stromausfall kommt.
Energieerzeugung
Auch in der Branche der Energieerzeugung ist KI von Bedeutung. Hier werden bereits Supercomputer eingesetzt, um Wetterdaten, Verbrauch und Nachfrage und Energiepreise zu analysieren. Doch mithilfe von KI können diese Informationen noch einmal besser verarbeitet werden. Besonders mit der Möglichkeit von Echtzeit-Analyse und der Prognosefähigkeit von AI können fundierte Entscheidungen getroffen werden, wie viel wann produziert werden muss.
So kann beispielsweise verminderte Stromerzeugung von PV-Anlagen basierend auf Wettervorhersagen vorhergesagt werden. Wenn die Sonne weniger scheint, wird logischerweise weniger Energie mit Photovoltaik produziert. KI kann helfen, Alternativen einfach zu kalkulieren. Sind die Erträge durch Wind bei Windkraftwerken in dieser Zeit vielleicht ausreichend?
Enormer Stromverbrauch der KI selbst
Was allerdings ein kontroverser Aspekt an KI ist, ist der hohe Strom- und Wasserverbrauch der Technologie selbst. Allein um ChatGPT-3 zu trainieren, wurden 700.000 Liter Wasser zur Kühlung der Rechenzentren verwendet. Für die Nutzung eines Chatbots werden pro 10-50 Fragen ca. ein halber Liter Wasser benötigt. Machine Learning ist also ganz schön wasserintensiv!
Wenn mit Wasser gekühlt wird, dann gibt es zwei verschiedene Methoden. Entweder wird eine Verdunstungskühlung verwendet, hier ist der Wasserverbrauch am höchsten, denn das Wasser geht bei der Kühlung verloren. Es gibt auch eine direkte Wasserkühlung, hier handelt es sich um einen geschlossenen Wasserkreislauf. Das Wasser wird entweder technisch oder aber mit Außenluft gekühlt. Hier geht weniger Wasser verloren, und wenn mit Außenluft gekühlt wird, wird außerdem weniger Strom verwendet.
Durch steigende Digitalisierung insgesamt, eben auch KI, benötigen Rechenzentren immer mehr Rechenleistung. In Deutschland ist der Stromverbrauch der Rechenzentren von 2010 bis 2022 um 70% gestiegen. Doch der Energiebedarf steigt langsamer als der Bedarf an Rechenzentren. Dies liegt daran, dass Server immer effizienter werden und daher einen niedrigeren Stromverbrauch haben. Auch wird daran gearbeitet, dass die Geräte nicht mehr so heiß werden und dadurch weniger Energie und Wasser zur Kühlung verwendet werden muss.
Fazit
KI wird auch im Bereich des Energiemarktes eine wichtige Rolle spielen. Doch inwieweit sich die Einsparungen für Unternehmen mit dem Stromverbrauch der Technologie ausgleichen, bleibt abzuwarten.
Pauline Prochnow
