Energie-Management

Künstliche Intelligenz in Energiemanagement-Software

15. Oktober 2017 von Jürgen Ritzek
Künstliche Intelligenz in Energiemanagement-Software

Dies ist kein Blog über KI, maschinelles Lernen oder gar Deep Learning.

Es geht um einen kurzen Rückblick darauf, wie weit sich Energiemanagement-Software (EMS) in den letzten Jahren entwickelt hat. Und ob wir erste Anzeichen dafür sehen können, dass nun Anwendungen in EMS eingebettet sind, die einige als auf KI oder maschinellem Lernen basierend oder nutzend bezeichnen würden.

Grundlegende Ebene EMS

Es scheint einen breiten Konsens über die Grundlagen von EMS zu geben: Die Software sollte in der Lage sein

  1. Daten automatisch über verschiedene Schnittstellen und aus verschiedenen Anwendungen zu sammeln
  2. Daten schnell verarbeiten und als Grundlage für Entscheidungen und Handlungen bereitstellen
  3. über bestehende Bussysteme, Protokolle und Standards in bestehende Systeme und Prozesse integriert werden
  4. die Regeln des gesamten Energiemanagementsystems durch automatisierte Aktionen unterstützen
  5. Idealerweise auch Forcasting ermöglichen
  6. Alarmsignale für bestimmte vordefinierte Parameter senden

Und ja, es besteht auch ein breiter Konsens darüber, dass eine solche Software eine Voraussetzung für den langfristigen Erfolg des Energiemanagements ist. Obwohl in der Industrie immer noch Excel-Tabellen verwendet werden. Aber das ist eine andere Geschichte.

Anwendungsfälle: Die Verbindung zwischen Energiemanagement und IIoT

IIoT (industrielles Internet der Dinge) wird oft als der Treiber für die nächste industrielle Revolution bezeichnet. Es werden eine Reihe von Anwendungsfällen definiert, um die Vorteile von IIoT aufzuzeigen. Einige davon sind recht einfach zu verstehen, denken Sie an "vorausschauende Wartung", andere sind schwieriger zu denken und zu entwickeln, z. B. "neue Geschäftsmodelle". Und Energieeffizienz wird auch als einer der offensichtlichen (und leicht zu verstehenden) Anwendungsfälle genannt.

Aber egal, an welchen IIoT-Anwendungsfall Sie denken, sie haben eines gemeinsam. Es ist immer die Rede von Big Data. Und Big Data ist die Grundlage für jede Anwendung von KI, maschinellem Lernen usw.

Wo sind also Big-Data-basierte KI- oder Machine-Learning-Anwendungen, wenn es um Energiemanagement-Software geht?

Oder um die Frage anders zu formulieren: Welche KI-/Maschinenlern-Anwendungen wären am naheliegendsten oder würden den größten Nutzen bringen?

Wir sind keine KI-Experten, aber...

Wir haben mit verschiedenen Anbietern von Energiemanagement-Software gesprochen. Und wir haben nur einen gefunden, von dem wir glauben, dass er das Thema berührt: IngSoft und die "automatische Mustererkennung"

Laut IngSoft kann diese neue Funktionalität unregelmäßige Energieverbrauchsdaten automatisch erkennen und ermöglicht es, Ursachen sofort zu identifizieren und darauf zu reagieren. Wir haben mit IngSoft nicht darüber gesprochen, wie sie das machen und wie tief die Softwareintegration sein muss, um eine solche Mustererkennung zu ermöglichen. Wir sind also natürlich auch an Feedback von Unternehmen interessiert, die diese neue Anwendung einsetzen.

Parallel dazu habe ich mit IBM auf einer Veranstaltung in Brüssel zum Thema "Energieeffizienz: der KI-Faktor" industrielle Anwendungsfälle für die KI-Plattform IBM Watson diskutiert. Es wurden zwar beeindruckende Beispiele gezeigt, aber diese drehten sich meist um das Management von technischen Informationen und nicht um das Energiemanagement. Aber wir bleiben mit IBM in Kontakt, denn sie haben uns versprochen, uns auf weitere Anwendungsfälle hinzuweisen. Möglicherweise auch solche mit einem Bezug zum Energiemanagement.

Eine weitere Initiative, auf die wir gestoßen sind, ist das deutsche Projekt KiPro, das vom Bundesministerium für Wirtschaft und Technologie gefördert wird. KiPro steht für "Künstliche Intelligenz in der Produktion" (in ENG würde das "AI in Production" bedeuten). Das Ziel von KiPro ist es, KI-gestützte Plattformen zu entwickeln, die die Produktion bei der Verbesserung der Energieeffizienz unterstützen. Es basiert darauf, dass EMS die Daten sammelt, aber dann KI-Anwendungen einsetzt, um "Menschen" bei ihrer Entscheidungsfindung zu unterstützen. Nun, automatische Mustererkennung klingt nach einem möglichen Anwendungsfall, richtig? Aber es gibt wahrscheinlich noch mehr.

Ausblick: KI & Energiemanagement-Software

Dies ist ein Aufruf, die Debatte zu eröffnen. Sagen Sie uns, was Ihrer Meinung nach das nächste große "KI-EMS-Ding" sein wird. Oder verweisen Sie uns auf interessante Unternehmen oder Beispiele, die wir gerne einem breiten EEIP-Publikum vorstellen möchten.

Für Fragen, Kommentare oder weitere Informationen kontaktieren Sie mich bitte unter juergen.ritzek[at]ee-ip.org.

Verwandte Artikel

 

Quellen:

 


Über Jürgen Ritzek

Ritzek

Juergen Ritzek ist Mitgründer und Business Director von EEIP. Jürgen ist verantwortlich für Strategie, Marketing und Geschäftsentwicklung von EEIP und treibt das Wachstum von EEIP in Richtung einer Energiewende-Plattform voran. Jürgen leitet EEIPs B2B-Kommunikation und -Beziehungen und stellt die Relevanz von EEIP für Herausforderungen in der Wertschöpfungskette (unternehmensübergreifend) und interne Entscheidungsprozesse (unternehmensintern) sicher. Nach einer internationalen Karriere bei Unilever gründete er die europäische Netzwerkberatung GBC (2009) und EEIP (2011).