Energie und KI
Gudrun sprach im M\xe4rz 2020 mit Nicole Ludwig. Sie ist eine Kollegin am KIT am Campus Nord und geh\xf6rt dem Institut f\xfcr Automation und angewandte Informatik an. Sie war Mitglied des DFG Graduiertenkollegs Energiezustandsdaten Informatikmethoden zur Analyse, Erfassung und Nutzung und ist dabei, ihre Promotion abzuschlie\xdfen. Im Studium wurde sie von den Themen der \xd6konometrie und Statistik eingefangen und von der Freude, aus empirischen Daten verl\xe4ssliche Ergebnisse ableiten zu k\xf6nnen. Sie hat schon in ihrer Bachelorarbeit Maschinelles Lernen f\xfcr Prognosen benutzt. Deshalb war es sehr spannend f\xfcr sie, diese Kenntnisse und ihre Freude am Thema in das Graduiertenkolleg zu Energiedaten und Informatik einzubringen. Als Gesellschaft m\xfcssen wir in naher Zukunft eine Energieproduktion ohne fossile Brennstoffe erreichen. Es ist jedoch n\xf6tig, beim Nutzen von erneuerbaren Energien im Vergleich zu konventioneller Energieerzeugung umzulernen, um einerseits f\xfcr eine stabile Versorgung von Wirtschaft und Haushalten zu sorgen und andererseits dabei alle Lasten der n\xf6tigen Ver\xe4nderungen fair zu verteilen. Es gibt zwei M\xf6glichkeiten, die Energieproduktion zu optimieren. Zum einen k\xf6nnen wir den Produktionszeitplan besser auf die Nachfrage abstimmen. Zum anderen k\xf6nnen wir das Verbrauchsverhalten \xe4ndern, um eine optimale Versorgungsstrategie zu unterst\xfctzen. Traditionell kennt man Prognosen f\xfcr die Energienachfrage in unterschiedlichen Zeithorizonten und macht diese zur Grundlage f\xfcr Produktionspl\xe4ne. Mit einer zunehmenden und sich \xe4ndernden Menge an Variablen, die das System beeinflussen, sind perfekte Vorhersagen jedoch sehr unrealistisch und wahrscheinlich nicht der richtige Ansatz f\xfcr die Zukunft. Man muss sich hierzu nur vor Augen halten, dass die Energieernte sowohl bei Windkraft als auch f\xfcr Solarstrom stark vom Wetter abh\xe4ngen. Wenn auch die Wettervorhersage schon sehr viel besser geworden ist, so ist es doch noch nicht m\xf6glich, auf ihrer Grundlage hinreichend sichere Vorhersagen f\xfcr die Energieerzeugung machen zu k\xf6nnen. Andererseits gibt es heute auch bessere M\xf6glichkeiten, die Energieabnahme zumindest im Prinzip von au\xdfen zu steuern. Das was fr\xfcher als Nachtstrom die Abnahme von Stromspitzen mit niedrigen Preisen vers\xfc\xdfte, kann heute ganz regional und sich t\xe4glich anpassend nicht nur in Betrieben sondern sogar im Haushalt steuern, wann beispielsweise die Waschmaschine l\xe4uft oder ein Warmwasserspeicher l\xe4dt. Bald kann auch die Flotte an E-Fahrzeugen mit ihren Akkumulatoren Energie zum passenden Zeitpunkt abnehmen und auch in Spitzenzeiten wieder abgeben. Die Gesetzgebung ist hier noch nicht so weit wie die technischen M\xf6glichkeiten. Aber man muss sicher auch noch einmal gr\xfcndlich dar\xfcber nachdenken, in welcher Art und Weise man Personen dazu zwingen will, Daten daf\xfcr zur Verf\xfcgung zu stellen und wie man sie anschlie\xdfend vor dem Missbrauch dieses Wissens durch Unbefugte sch\xfctzen kann. (...)