Künstliche Intelligenz ist eine Technologie, die von vielen kritisch gesehen wird, und gleichzeitig enormes Potenzial bietet. Sie ist so viel mehr als der sprechende Roboter, der vielen oft als erstes Beispiel einfällt, oder die bösen Maschinen aus den Matrix Filmen.
Für Menschen außerhalb von Wissenschaft und IT ist jedoch oft nicht greifbar, was genau KI ist und was sie von den statistischen Methoden der Vergangenheit unterscheidet. Warum ist ein Algorithmus heute so viel mächtiger als früher?
Als ich vor 20 Jahren studiert habe, habe ich mich schon mit neuronalen Netzen, einer Unterart der Künstlichen Intelligenz, beschäftigt. Damals gab es jedoch einfach noch nicht genug Rechenpower auf den Computern, um diese Technologie sinnvoll und in großem Stil einzusetzen. Das ist heute anders. Jedes Smartphone hat locker genug Kapazität, um darauf in Sekundenbruchteilen KI Algorithmen auszuführen. Sogar winzige Microcontroller in Sensoren können ein gewisses Maß an Intelligenz besitzen.
Aber was genau ist diese Künstliche Intelligenz?
Als ich programmieren gelernt habe, hat man dem Computer jeden einzelnen Schritt sehr genau vorgegeben. Jede Farbe, jede Formel, jede Ausgabe – der Computer hat ausschließlich Befehle ausgeführt. Denken war Aufgabe des Programmierers, ebenso wie das Finden des Lösungswegs. Der Computer konnte weder das Programm noch das Ergebnis selbständig verbessern.
Mit Künstlicher Intelligenz geht das. Nehmen wir ein Beispiel aus dem Maschinellen Lernen – die Erkennung von Abweichungen.
Ich möchte wissen, ob, wo und wann in meinem Frischwasser-Versorgungsnetz unerwartete Dinge passieren. Stand heute habe ich vor allem in großen Abständen erhobene Zählerstände als Datenbasis dafür. Mit Hilfe von vernetzten Sensoren wie Durchfluss- und Druckmessern, also dem Internet of Things, kann ich jedoch viel mehr Daten viel häufiger erheben. In der alten Welt hätte ich mich nun selbst monatelang hingesetzt, diese ganzen Daten in Zeitreihen gebracht, für die verschiedensten Teilstücke des Netzes Normalbereiche definiert für Druck und Durchfluss, vielleicht auch noch für Schwingung und Geräusch, und das möglicherweise noch über statistische Methoden mit der Bevölkerungsstruktur in Zusammenhang gebracht. Dann hätte ich der Software für jedes einzelne Rohr gesagt, außerhalb welchen Bereichs sie Alarme schicken soll – bei zigtausend Rohren grenzt das ans Unmögliche.
Das geht mit KI quasi von alleine. Sensoren mit Algorithmen auf ihren Chips sind in der Lage, selbst Normalbereiche zu erkennen. Das macht die Detektion von Leckagen und Problemen viel einfacher. Genauso können Algorithmen die Zusammenhänge zwischen Daten wie Durchflussmengen und Bevölkerungsveränderungen selbst erkennen. In manchen Projekten müssen hunderte oder tausende von Eigenschaften auf Zusammenhänge untersucht werden – das kann ein gut geschriebener Algorithmus in Sekunden erledigen.
Ein anderes Beispiel aus der Energiewirtschaft – das Smart Grid.
Künstliche Intelligenz ist ganz großartig darin, aus Vergangenheitsdaten die Zukunft vorauszusagen. Im vorigen Beispiel ging es vor allem darum, Normalbereiche zu verstehen und Alarme zu schicken. Beim Smart Grid geht es darum, zur richtigen Zeit am richtigen Ort die richtige Energiemenge zur Verfügung zu stellen – dafür braucht man eine Glaskugel.
Unsere Glaskugel heißt Prognose-Algorithmus. Auch bei diesem Problem ist ein großer Teil das In-Zusammenhang-bringen vorhandener Daten.
Fahrpläne von Elektrobussen, Ferienzeiten, Wetter, historische Verbräuche, Bevölkerungs- und Gewerbestruktur, Stadtplanung, Verkäufe von E-Autos und vieles mehr – aus all diesen Informationen aus der Vergangenheit können Prognosen für den Energieverbrauch der Zukunft erstellt werden. Das Problem ist zu komplex, um durch Menschen in Excel gelöst zu werden. Für den Algorithmus ist das kein Problem.
Die Umsetzung der physischen Infrastruktur des Smart Grid – das steht auf einem ganz anderen Blatt.
Künstliche Intelligenz kann für viele weitere Anwendungen in der Energiewirtschaft verwendet werden, z.B.
- Steuerung der Erzeugung
- Handel
- Individualisierung von Preisen und Produkten
- Vorausschauende Wartung und Wartungsoptimierung
- Reduzierung von Störanfälligkeit und schnelleres Beheben von Störungen
Die 4 wichtigsten Voraussetzungen für die Anwendung von Künstlicher Intelligenz
- Daten, Daten, Daten. Die Algorithmen brauchen sie, um zu lernen.
- Klare Ziele. Was will ich mit dem Einsatz von KI erreichen? Was will ich optimieren?
- Sicherheit. Die Daten müssen gegen Angriffe geschützt sein, d.h. die gesamte Netz- und IT-Architektur muss entsprechend sicher gestaltet werden
- Mut zum Ausprobieren. Nicht jedes Projekt wird sofort einen riesigen Nutzen bringen. Manchmal bringt ein Algorithmus gar keinen Nutzen – nicht aufgeben, sondern weiter probieren.
Wir haben sehr gute Erfahrungen mit KI gemacht. Künstliche Intelligenz ist eine sehr effiziente Methode, um Wert aus großen Datenmengen zu ziehen und neue Erkenntnisse zu gewinnen. In der Energiewirtschaft gibt es vielfältige Möglichkeiten, mit KI effizienter und attraktiver zu werden.
Wir helfen Ihnen gerne, in das Thema tiefer einzusteigen – unter anderem auf der E-world in Essen. Besuchen Sie unseren Workshop beim E-world Kongress, oder kommen Sie an unseren Stand. Wir freuen uns auf Sie.
Fotos von Pietro Jeng auf Unsplash und Matthew Henry auf Unsplash.
