Was gab den Ausschlag für die Entwicklung eines KI basierten Anwendungsfalls?
Für verschiedene Aspekte der Optimierung der Parameter des Fernwärmenetzes waren KI-Methoden unerlässlich. Dabei mussten wir beispielsweise den Energieverbrauch pro Subnetz vorhersagen. Also wie viel Energie alle an ein Verteilnetz angeschlossenen Haushalte in Zukunft (aggregiert) benötigen werden. Sensor-Daten wie beispielsweise Temperatur oder Bewölkung waren gegeben und konnten durch externe Dienstanbieter auch für Vorhersagen genutzt werden. Rein statistische Methoden können für diese Belange nur einen bedingten Nutzen bieten, da diese zwar die Auswirkungen der verschiedenen Komponenten abbilden können, allerdings in unserem Fall nicht genau genug zukünftige Werte für hochdimensionale Eingabedaten beschreiben konnten. Deshalb entschieden wir uns für KI-Methoden. Dafür haben wir ein neuronales Netz verwendet, das Wahrscheinlichkeitsverteilungen basierend auf den hochdimensionalen zeitlichen Sensordaten lernt.

Welche Erwartungen bzw. Anforderungen hatten Sie an die KI-Anwendung?
Die wichtigste Anforderung war, eine geringe Unsicherheit zu haben. Das heißt, dass unser Modell zwar eine hohe Gesamtgenauigkeit haben musste, aber zudem auch keine starken Abweichungen von den Zielwerten erlauben durfte. Im Fall der Verbrauchsvorhersage können wir uns vorstellen, dass das Netz aus 10 Verteilnetzen besteht. Angenommen, dass die Vorhersage einen Gesamtfehler von 10 Megajoule (MJ) liefert, wären verschiedene Szenarien denkbar. So könnte einerseits jedes Verteilnetz einen Fehler von 1 MJ liefern. Andererseits könnten aber auch 9 der 10 Verteilnetze eine perfekte Vorhersage erreichen, während das zehnte Verteilnetz einen Fehler von 10 MJ aufweist. Während die Vorhersage in beiden Fällen dieselbe Genauigkeit liefert, wäre es fatal für unsere Vorhersage, wenn für ein Verteilnetz viel zu wenig oder zu viel Bedarf vorhergesagt wird. So haben wir uns für ein Modell entschieden, das neben der Gesamtgenauigkeit ebenfalls die Unsicherheit als zusätzlichen Wert vorhersagt.

Auf welchen Partner waren Sie mit welcher Technologie bei der Entwicklung angewiesen?
Wir waren auf unseren Kunden angewiesen, da dieser uns die notwendigen Daten bereitstellen musste. Ohne einen aussagekräftigen Datenbestand, der uns vor der Evaluation der Technologie garantiert wurde, hätte das Projekt in dieser Funktion nicht erfolgreich abgeschlossen werden können. Zusätzlich haben wir lokale Wetterdaten sowie Wettervorhersagen verwendet. Während historische und aktuelle Wetterdaten Fakten sind, sind Vorhersagen mit Risiko behaftet.

Mit dem Einsatz von KI-Lösungen muss auch ein Wandel der Kompetenzen einhergehen. Wie sind Sie mit dieser Herausforderung in Bezug auf ihre Mitarbeitenden umgegangen?
Als forschungsgetriebenes Technologie-Unternehmen wissen wir um den Mehrwert von KI-Lösungen. Die Einführung bei unserem Kunden hat problemlos funktioniert, da dieser die Vor- und Nachteile gut abwägen konnte und so auch, basierend auf unserer Technologie-Evaluation, von dem Mehrwert dieser KI-Lösung überzeugt war. Eine Lösung ohne KI kam für ihn nicht weiter in Frage. Aus unserer Erfahrung ist hier eine klare Abwägung der Vor- und Nachteile verschiedener Technologien hilfreich, damit Unternehmen, deren Expertise in anderen Bereichen liegt, die Wahl der Technologie selbst gestalten können. Ebenfalls ist ein Wissenstransfer sehr wichtig, damit die bereitgestellte Technologie auch den Personen hilft, die damit umgehen sollen. Für uns bedeutet dies, dass wir aktiv Workshops und Schulungen zu dieser Thematik gestalten.

In welchem Zeitraum haben sie die KI-Lösung in Ihrem Unternehmen implementiert?
Das Projekt begann im Mai 2019 und wurde im Dezember 2019 ausgerollt. Dies beinhaltet die Konzeption des Projekts, die digitale Transformation des Fernwärmenetzes und dessen Parameter, die Schätzung der nicht gegebenen Parameter, die Optimierung des Systems, das Deployment in eine Produktionsumgebung und das Bereitstellen des Echtzeit-Monitorings.

Ein Fazit zu Ihrer KI-Lösung:
Durch unsere KI-Lösung konnten wir das Fernwärmenetz nachhaltiger machen, indem durch den Einsatz unserer Software weniger Transportverluste auftreten. Während wir bereits von der Technologie überzeugt waren, konnte unser Kunde so klar den Mehrwert dieser Anwendung sehen. Ebenfalls hat sich auch hier bestätigt, dass oftmals relative simple Modelle genügen um komplexe Problemstellungen erfolgreich zu lösen. Zudem war für uns wichtig, dass sich das Modell über die Zeit verbessern konnte. Das bedeutet, dass es mit den Echtzeitdaten zu einem späteren Zeitpunkt neu trainiert werden kann. Somit bildet unser Modell stets Werte bis zum aktuellen Zeitpunkt ab und bietet unserem Kunden eine genauere Vorhersage für zukünftige Messwerte.

Einen abschließenden Rat/Tipp an andere Unternehmer, die KI anwenden wollen:
KI bietet häufig Vorteile, wird allerdings oftmals auch missbraucht um hip und modern zu wirken. Viele Unternehmen bieten Beratung zu möglichen Anwendungsfällen mit dieser Thematik an, sodass Sie sich ein Bild machen können, ob sich der Einsatz dieser Technologie für Ihr Unternehmen lohnt. Oftmals genügen auch wesentlich simplere Methoden, um die gewünschten Ergebnisse zu erreichen. Gerne bieten wir auch unsere Expertise in diesem Bereich an und freuen uns, wenn Sie mit uns in Kontakt treten.

Mehr Infos unter:
https://reasonance.de/de/home-deutsch/