Digitale transformatie van energienutsbedrijven - een versnelling hoger?

Digitale transformatie van energienutsbedrijven - een versnelling hoger?

Sinds 2014 hebben nutsbedrijven hun investeringen in digitale infrastructuur verhoogd. Dit is de belangrijkste bevinding van het IEA-rapport "energie en digitalisering", dat in november 2017 is gepubliceerd. Dit rapport geeft een gedetailleerd overzicht van hoe digitalisering het energieverbruik in transport, de industrie en de residentiële sector verandert.

Voor ons is het meest interessante deel van het rapport het deel dat zich richt op de investeringen van nutsbedrijven in digitale infrastructuur. De eerste opmerkelijke conclusie die uit de gegevens van het IEA kan worden getrokken, is dat de investeringen van nutsbedrijven in verband met digitalisering tussen 2014 en 2016 met 50% zijn gestegen. Terwijl nutsbedrijven in 2014 ongeveer 31 miljard dollar in digitale infrastructuur investeerden, steeg dit aantal in 2016 tot 47 miljard dollar. Primaire aanjagers van deze groei zijn de investeringen in laadinfrastructuur voor elektrische voertuigen, die groeiden van 1 $miljard in 2014 tot 6 $miljard in 2016, en de uitrol van slimme meters, die in 2016 resulteerde in twee keer zoveel uitgaven dan in 2014.

Figuur 1: Investeringen in digitale elektriciteitsinfrastructuur en software (bron: IEA 2017)

Maar naast deze twee positieve ontwikkelingen bleven de investeringen van de nutsbedrijven gericht op digitalisering vrij constant op de andere gebieden, vooral in softwareoplossingen. Welk verhaal vertellen deze cijfers? Is de energiesector bezig met digitalisering en zet zij zich hiervoor in door te investeren in digitale oplossingen? Drijven nutsbedrijven een digitale transformatie door?

EV-laders en slimme meters maken technologieën voor digitale transformatie mogelijk

Digitale transformatie, in tegenstelling tot digitale optimalisatie, streeft naar de ontwikkeling van nieuwe inkomstenstromen uit producten of nieuwe bedrijfsmodellen. Optimalisatie daarentegen beschrijft het proces waarbij een bedrijf digitale oplossingen toepast op zijn bestaande processen om de efficiëntie en de inkomsten uit deze gevestigde producten te verhogen. Als u meer wilt weten over het verschil tussen digitale transformatie en optimalisatie raden wij u deze post van ClintonBoulton (2017) aan. Zowel digitale transformatie als optimalisatie zijn belangrijk voor de energiesector. Maar hoewel digitale optimalisatie een goede kortetermijnstrategie is, moet de langetermijnstrategie bestaan uit het vinden van manieren om het bedrijfsmodel van nutsbedrijven digitaal te transformeren.

De investeringen van de nutsbedrijven in EV-laders en slimme meters kunnen een eerste stap zijn in de richting van digitale optimalisering, maar impliceren op zich niet dat nutsbedrijven een digitale transformatie starten. Deze technologieën zijn veeleer twee van de vele technologieën die nodig zijn om de energiesector digitaal klaar te maken. Vooral slimme meters verhogen de beschikbaarheid van gegevens, wat de basis is voor digitalisering. Andere faciliterende technologieën zijn slimme transformatorstations of andere sensoren in de netwerken. De investeringen in andere infrastructuurtechnologieën dan EV-laders en slimme meters, die door het IEA in figuur 1 zijn samengevat in de categorie slimme netwerkinfrastructuur, zijn in de periode van 2014 tot 2016 echter vrij constant gebleven. In 2016 overtroffen de investeringen in slimme meters de totale investeringen in alle andere slimme netwerkinfrastructuur met bijna 20% (2 miljard euro verschil). Naast de netwerken richten nutsbedrijven hun investeringen in verband met digitalisering op de gebouwensector, vaak aangeduid als slimme huishoudtoestellen. Hier investeren nutsbedrijven een constant bedrag van ruwweg 10 miljard per jaar(IEA 2017).

Investeringen in software blijven constant op een laag niveau

Het is niet verrassend dat de investeringen in softwareoplossingen vrij laag zijn gebleven in vergelijking met de investeringen in activa. Dit is te wijten aan het feit dat software minder kapitaalintensief is dan activa. Toch is het opmerkelijk dat, terwijl de beschikbaarheid van gegevens aanzienlijk zou moeten toenemen door de toegenomen investeringen in gegevensverzamelingstechnologieën in netwerken (bv. slimme meter) en gebouwen (slimme woning), de nutsbedrijven niet investeren in softwareoplossingen om gebruik te maken van deze gegevens. Een van de redenen hiervoor zou kunnen zijn dat de bestaande oplossingen die de nutsbedrijven toepassen, reeds in staat zijn deze nieuwe en enorme hoeveelheid gegevens te verwerken en te analyseren. Dat zij deze capaciteit ook daadwerkelijk gebruiken, lijkt zeer onwaarschijnlijk aangezien big data, machine learning en kunstmatige intelligentie (AI) tot dusver niet tot de standaardsoftwaretechnologie in de energiesector behoren.

Van hardware naar software - maken nutsbedrijven deze stap?

Data-analyse is de sleutel tot succes bij de transformatie van een energiebedrijf naar een digitaal energiebedrijf. Hoewel de meeste nutsbedrijven zijn begonnen met het aanwerven van data-analisten, blijft de adoptiegraad van state-of-the-art digitale technologie nog steeds achter bij bijna alle andere sectoren. Een recente studie van de Boston Consulting Group (BCG) in samenwerking met de MITSloan Management review (MIT) biedt één mooi voorbeeld dat de kloof illustreert tussen nutsbedrijven en andere sectoren als het gaat om de toepassing van nieuwe digitale technologieën, in dit geval Artificial Intelligence (AI) en machine learning. BCG ondervroeg meer dan 3.000 deskundigen uit de sector, onder wie deskundigen uit de energiesector en technologiebedrijven die AI- of deep learning-oplossingen ontwikkelen. In het onderzoek werden twee observaties gedaan met betrekking tot de energiesector:

1. De huidige adoptiegraad van Kunstmatige Intelligentie is het laagst in de energiesector.
2. Verwachtingen over de toekomstige impact van Artificial Intelligence zijn het laagst in de energiesector

De volgende figuren van BCG &MIT illustreren deze twee observaties.

Figuur 2: Verwachtingen voor AI-adoptie in verschillende sectoren: impact op aanbod (BCG & MIT 2017)

Figuur 2 vat samen hoeveel van de ondervraagde experts denken dat AI vandaag al (rood) een significante invloed heeft op het aanbod van de bedrijven en het aandeel van de experts dat denkt dat AI binnen 5 jaar een significante invloed zal hebben op het aanbod van de bedrijven (blauw). Zoals we kunnen zien, gelooft gemiddeld slechts 15% van de ondervraagde deskundigen dat AI een significante invloed heeft op het huidige aanbod in alle geanalyseerde sectoren. Toch is het de energiesector (samen met de publieke sector) waar de huidige adoptiegraad van AI het laagst lijkt te zijn, zo blijkt uit de gegevens van BCG. Het is geen verrassing dat AI de grootste impact lijkt te hebben op het aanbod van de technologie- en telecommunicatiesector, nu en in de toekomst. Terwijl de invloed van AI op het aanbod van vandaag in alle andere sectoren eerder gering is, verschillen de toekomstverwachtingen sterk tussen de sectoren. Vooral de verwachtingen van de deskundigen voor de rol van AI in de energiesector naast de overheidssector lijken nogal uitzonderlijk te zijn, in slechte zin. Terwijl gemiddeld 65% van alle deskundigen verwacht dat AI een significant effect zal hebben op het toekomstige aanbod in de geëvalueerde sectoren, denkt minder dan 50% dat in het geval van de energiesector.

Een soortgelijk, maar minder extreem beeld ontstaat wanneer de experts dezelfde vraag wordt gesteld, maar dit keer gerelateerd aan het effect van AI op huidige en toekomstige processen in de verschillende sectoren, samengevat in figuur 3.

Figuur 3: Verwachtingen voor AI-adoptie in verschillende sectoren: effect op processen (BCG & MIT 2017)

Hoewel de ondervraagde experts op dit moment de laagste adoptie van AI-oplossingen in processen in de energiesector zien, is er een potentieel dat dit binnen 5 jaar zal veranderen. Toch denkt 55% van de experts die deelnamen aan het BCG-onderzoek dat AI binnen 5 jaar een significante invloed zal hebben op processen in de energiesector. De energiesector haalt hier de op één na laagste score, maar zit wel veel dichter bij het gemiddelde (58%) dan bij de verwachte invloed van AI op het aanbod in de energiesector.

Hoewel AI slechts een van de geavanceerde digitale technologieën is die er zijn, geeft het onderzoek van BCG een aardige indicatie van waar de energiesector staat op het gebied van digitalisering die verder gaat dan investeringen in digitale infrastructuur: De sector concurreert alleen met de publieke sector om de titel van minst innovatieve markt als het gaat om AI!

Potentiële toepassingen voor AI in de energiesector - het laaghangende fruit

Nu zijn er twee mogelijkheden waarom AI vanuit het perspectief van de deskundigen zo'n relatief lage rol speelt in de energiesector: Ofwel zijn er minder use-cases voor AI in de energiesector dan in alle andere sectoren. Ofwel hebben nutsbedrijven moeite om deze nieuwe technologie toe te passen. Om een eerste indicatief antwoord te geven op deze vraag verwijzen we graag naar een postop Medium van Tadas Jucikas, mede-oprichter en CEO bij Genus AI, die een waardevolle samenvatting gaf van huidige projecten die AI toepassen in de energiesector. Hier zijn enkele van de voorbeelden die Tadas in zijn post gaf:

• Het meest in het oog springend is dat Google's deepmind-team eenkostenreductie van 15% realiseerdein een van Google's datacenters door deepmind het energiebeheersysteem te laten optimaliseren.
• National Grid, de transmissiesysteembeheerder in het Verenigd Koninkrijk, werkt samen met het deepmind-team om AI toe te passen voor het balanceren van de netwerken. Met ditproject verwacht National Grid een kostenreductie van 10%.
• IBM's Watson-technologie wordt toegepast voor weersvoorspellingen en een voorspellingsmodel voor hernieuwbare energie, dat 50% nauwkeuriger zou moeten zijndan de volgende beste PV-voorspelling op de markt.
• Vooral op het gebied van weersvoorspellingen en duurzame productievoorspellingen lijkt AI een enorm potentieel te bieden. Verschillende projecten, bijvoorbeeldeen aan de universiteit van Oldenburg, Duitsland, hebben momenteel een verhoging van de nauwkeurigheid van de voorspellingen voor de productie van windenergie met 24% bereikt in vergelijking met de meest geavanceerde oplossing op de markt.

Dit zijn slechts een paar voorbeelden van verschillende toepassingen van AI in de energiesector. Hoewel deze lijst geen basis biedt om te beoordelen of er meer of minder use-cases voor AI in de energiesector zijn dan in andere sectoren zoals de gezondheidszorg, de financiële sector of overheidsdiensten, geeft zij wel aan dat er ten minste enkele use-cases zijn. Meer nog, het feit dat het deepmind-team zijn inspanningen toespitst op de energiesector, kan een aanwijzing zijn dat de energiesector wel eens een zeer aantrekkelijk gebied zou kunnen zijn voor de toepassing van AI.

De digitalisering van energiebedrijven lijkt een hardwarezaak te zijn, terwijl de echte actie aan de softwarekant gebeurt

Uit de gegevens van het IEA blijkt dat de investeringen van nutsbedrijven in digitalisering op hardware zijn gebaseerd, waarbij de nadruk ligt op slimme meters en het opladen van EV's. Investeringen in software lijken echter achter te blijven en het budget is de afgelopen drie jaar niet gestegen. Wat betreft nieuwe softwareoplossingen, zoals AI, staat de energiesector momenteel op de laatste plaats in vergelijking met andere sectoren, en dat zal in de toekomst ook zo blijven volgens het onderzoek van BCG dat in dit bericht wordt aangehaald. Niettemin zijn er momenteel veel oplossingen op basis van AI, machine learning of andere digitale benaderingen beschikbaar voor de nutsbedrijven. De vraag is dan ook of nutsbedrijven de uitdaging zullen aangaan om deze nieuwe technologieën, zoals AI, te adopteren en toe te passen op hun core-business?

Oorspronkelijk gepost hier

Aanverwante artikelen - nutsbedrijven

• Nieuwe bedrijfsmodellen voor nutsbedrijven: klantenbasis benutten, door Juergen Ritzek
• Cleantech-startups: Overbruggen Duitse nutsbedrijven de vallei des doods?door Marius Buchmann
• Spelveranderaars in het energiesysteemdoor Juergen Ritzek
• Nutsbedrijven van de toekomst, door Juergen Ritzek

Verwante artikelen over AI

• Inzicht in energiegegevens: De ontbrekende "slimme stap" naar betere gebouwprestaties, door Juergen Ritzek
• Kunstmatige intelligentie in energiebeheersoftware, door Juergen Ritzek

Beste ideeën voor energie-efficiëntie