Wie Thierry Mortier in einem Artikel auf Ernst & Young (EY) schreibt, haben Technologien der künstlichen Intelligenz (KI) auf dem Weg zur vierten industriellen Revolution (4IR) in der Erneuerbaren-Energien-Branche an Bedeutung gewonnen. Eine ‘smooth transition’, wie Mortier sie nennt, wird in der Tat durch die KI ermöglicht werden, da diese die Fähigkeit besitzt, die Nutzung erneuerbarer Energien (EE) zu steigern. Wohlgemerkt existiert KI nicht in einem Vakuum – „ [das] Internet der Dinge (IoT), Sensoren, Big Data und Distributed-Ledger-Technologie“ spielen alle eine Rolle, wenn es darum geht, die Energiewende und die 4IR zu beschleunigen und zu gestalten. Dieser Artikel gibt einen kurzen Überblick über die Vorteile der Anwendung von KI-Technologien in der Erneuerbare-Energien-Branche und soll Start-ups und Investoren dazu anregen, sich für die Entwicklung effektiver, zukunftsweisender Technologielösungen zu engagieren.
Welche Vorteile Bietet KI Der Erneuerbaren-Energien-Branche?
Verschiedene Autoren weisen darauf hin, dass KI eine wichtige Rolle bei der Vorhersage von Solar- und Windenergiekapazitäten auf der Grundlage von Echtzeitdaten spielen kann. Darüber hinaus, wie He et al. in ihrem Artikel ‘Artificial intelligence application in a renewable energy-driven desalination system: A critical review’ vom Oktober 2021 vorschlagen, kann KI zur Vorhersage und Analyse einer Vielzahl von Prozessen beitragen, die mit Bezug auf EE-Entsalzungsanlagen anfallen und dazu dienen, die „Süßwasserproblematik” auf nachhaltige Weise zu lösen, nämlich als Alternative zur Verbrennung fossiler Brennstoffe. Konkret schlagen He et al. vor, dass Computational Intelligence (CI) an drei Prozessen beteiligt ist: „Vorhersage (Lastprognose), Steuerung (Alarmverarbeitung und Fehlererkennung) und Gesamtbewertung (Betriebsoptimierung, Sicherheitsbewertung und wirtschaftliche Bewertung)”.
Darüber hinaus geben die Forscher einen Überblick über verschiedene Studien, die darauf hindeuten, dass die Anwendung von KI-Technologie für EE-Entsalzungssysteme u. a. mit den folgenden Kapazitäten einhergeht: „ [der] Lösung des groß angelegten MSP-Modells (Marine Spatial Planning); [der] Vorhersage der Produktivität von Solardestillationsanlagen (SSP); [der] Vorhersage der Effizienz der Solardestillationsanlagen (SSP); [der] Vorhersage der nächstwöchigen Werte der vollständig gelösten Feststoffe (TDS) und der Permeatdurchflussrate des Produktwassers [usw.]”. Mit anderen Worten, die Möglichkeiten, die KI-Technologien der Erneuerbaren-Energien-Branche bieten, erstrecken sich nicht nur auf die Vorhersage und Analyse der Betriebsprozesse von Solarfeldern, Windkraftanlagen, Wasserstoffkraftwerken und Müllverbrennungsanlagen – KI ist auch in der Lage, den Betrieb von Prozessen zu unterstützen, für die EE eingesetzt werden.
Wie Boza und Evgeniou betonen, wird die Anwendung von KI-Technologien im Energiesektor auch mit der Möglichkeit in Verbindung gebracht, „die Kosten für die Integration von variablen EE-Quellen zu senken und deren Einsatz zu beschleunigen”. Während viele Kommentatoren bereits darauf hingewiesen haben, dass der Einsatz von KI-Technologien mit einer Senkung der wirtschaftlichen Kosten einhergehen kann, hat die Forschung noch zu wenig Argumente für den Zusammenhang zwischen dem Einsatz von KI und der wirtschaftlichen Wertschöpfung gefunden, so die Forscher. Anders als bei der Prognosegenauigkeit und den Leistungskennzahlen ist die Analyse der Wertschöpfung komplexer, da es für letztere keine konkrete Definition gibt. Boza und Evgeniou argumentieren jedoch, dass sich der Einsatz von KI im Energiesektor auf die Nutzung der vielfältigen Funktionen und Kapazitäten von KI konzentrieren sollte, um die Wertschöpfung eben zu erhöhen, und nicht auf „‚Einzelanwendungen’”.
Während man annehmen könnte, dass Anzeichen für eine erhöhte Wertschöpfung viele Investoren anlocken würden, ist es tatsächlich so, dass es an einem Verständnis dafür mangelt, was Wertschöpfung im Hinblick auf KI-Anwendungen in der Erneuerbaren-Energien-Branche bedeutet. Wie Boza und Evgeniou erläutern, gibt es ihren Erkenntnissen zufolge eine ganze Reihe von Bereichen, in denen KI-Technologie nützlich sein kann – zum Beispiel zur „Klassifizierung von Störungen im Stromsystem”, „zur Optimierung des Verteilungsnetzes, um Netzleitungsverluste zu reduzieren und die Kürzung von VRE [variablen, erneuerbaren Energien] zu minimieren” und „zur Erhöhung der Anlagenverfügbarkeit, zur Optimierung der Wartung und zur Personaleinsatzplanung für Windkraftanlagen”. Letzteres ist Teil des PredATur-Systems von EON, das im Jahr 2021 „rund 1.800 Turbinen überwacht hat”. Wie Hannan et al. feststellten, kann die KI-Technologie neben der Überwachung auch bei der Kartierung des EE-Potenzials nützlich sein.
In ihrem Artikel ‘Impact of renewable energy utilization and artificial intelligence in achieving sustainable development goals’ aus dem Jahr 2021 argumentieren diese Forscher, dass KI-Kartierungsverfahren eingesetzt werden können, „um die richtigen Standorte für den Ausbau von Anlagen zur Nutzung erneuerbarer Energien und den Schutz von Land vorherzusagen”. Ähnlich wie He et al., die feststellten, dass KI-Technologien für die MSP genutzt werden können, verdeutlichen diese Autoren, dass der Einsatz bestimmter Formen EE nicht per se zu positiven Ergebnissen führt. Geografische (z.B. Klima, Biodiversität) und lokale Aspekte (z.B. Gemeinschaftsrechte) spielen eine Rolle bei der Bestimmung der effizientesten, effektivsten, gerechtesten und umweltfreundlichsten Art der EE-Planung – sowohl auf kurze als auch auf lange Sicht. Neben der Betonung der letztgenannten Tatsache erwähnen Hannan et al., dass KI-Technologien auch in Industrieländern eingesetzt werden, um die Interaktion zwischen Smart Grids, Smart Meters und IoT-Geräten zu ermöglichen. Darüber hinaus betonen die Autoren erneut, dass KI-Technologien eine Rolle in…
„[der] Vorhersage, [der] Emissionsreduzierung, [der] Kostenminimierung, [der] robuste[n] und reibungslose[n] Steuerung, [der] hohe[n] Stromqualität ohne Schwankungen, auch wenn die Einspeisung intermittierend ist, [dem] Ausbau neuartiger Technologien für die optimale Erzeugung aus den verfügbaren natürlichen Ressourcen, [dem] Umweltbewusstsein, [dem] verbesserte[n] Energiemanagement, [der] Energieverteilung und [der] Energielieferung [spielen]”.
Han et al. 2021
Um eines der zentralen Argumente dieser Autoren auf den Punkt zu bringen, ist die ‘nachhaltige Nutzung von EE’ ein Ziel an sich. Die „Gewährleistung des Zugangs zu erschwinglicher, zuverlässiger, nachhaltiger und moderner Energie für alle” (SDG 7) könnte wohl leichter zu erreichen sein, wenn die Erneuerbare-Energien-Industrie KI-Technologien effektiv einsetzt, insbesondere in Bereichen, wo die langfristigen Umweltauswirkungen noch erforscht werden müssen. Während Han et al. sich also für die langfristigen Folgen bestimmter Methoden zum Einsatz von EE interessieren, wollten Kong et al. herausfinden, wie KI-Technologien einige der Schwächen von EE wie Wasserkraft und Biomasse ausgleichen können. Die Autoren weisen darauf hin, dass die letztgenannten Energiequellen über lange Monate hinweg einigen Herausforderungen ausgesetzt sein können, die mit dem Klimawandel und saisonalen Aspekten zusammenhängen.
Kong et al. erforschen, wie sich die Prozessintegration (PI) und die damit verbundenen Techniken durch den Einsatz von KI weiterentwickeln können. Sie wollen neue Wege finden, um die traditionelle PI-Methodik zu verbessern und zu erweitern, die sich darauf konzentriert, „thermodynamisch machbare Energieziele (oder den minimalen Energieverbrauch) zu berechnen und diese durch die Optimierung von Wärmerückgewinnungssystemen, Energieversorgungsmethoden und Prozessbetriebsbedingungen zu erreichen”. Wie die Forscher betonen, können sowohl zeitliche Aspekte als auch Datenunsicherheiten und mehrere Ziele/Akteure leicht berücksichtigt werden, indem KI-Technologien für PI herangezogen werden. Insbesondere die Verschmelzung von künstlichen neuronalen Netzen (ANN), einem Bereich des maschinellen Lernens (ML), der „das Herzstück von Deep-Learning-Algorithmen” ist, mit PI-Techniken, soll zu einer besseren Kontrolle über die „groß angelegte (nationale oder regionale Ebene) längerfristige Energieplanung” führen.
Abgesehen von dem letztgenannten Argument betonen Kong et al., dass die Anwendung der Blockchain-Technologie zahlreiche positive Auswirkungen haben kann, wenn sie zur Förderung von Innovationen im Energiesektor eingesetzt wird. Unter anderem wird erklärt, dass Blockchain-Technologien zu den folgenden Ergebnissen in der Energieplanung beitragen können: „[der] Vorhersage von Energieangebot und -nachfrage, [dem] Netzausgleich und [der] intelligenten Energiespeicherung“. Während alle Letzteren als nützlich für die Behandlung zeitlicher Aspekte von PI-Merkmalen beschrieben werden, wird argumentiert, dass metaheuristische Optimierungsalgorithmen (MOA), die „physikalische und/oder chemische Prinzipien imitieren”, nützlich sind, um stochastische und epistemische Unsicherheiten zu adressieren, wobei sich letztere auf erhebliche Wissenslücken in Bezug auf die Klimabedingungen und die Auswirkungen neuer Technologien beziehen. Schließlich können auch MOAs wie die Partikelschwarmoptimierung (PSO) eingesetzt werden, um die Energieplanung effektiver zu gestalten, wenn mehrere Ziele/Akteure beteiligt sind.
Kurz gesagt, um die Vorteile des Einsatzes von KI in der Erneuerbare-Energien-Branche zu verstehen, müssen die politischen Entscheidungsträger einige Anstrengungen unternehmen, um eben auch zu verstehen, was zur Wertschöpfung beiträgt und was nicht. Während oben ein Teil des Potenzials von KI in der Erneuerbaren-Energien-Branche erläutert wurde, kann nicht verschwiegen werden, dass es auch Kritik gibt – zumindest, wenn es darum geht, wie das Zusammenspiel zwischen KI und EE-Systemen von Forschern untersucht wurde. Wie Shin, Han und Rhee in ihrem Artikel ‘AI-assistance for predictive maintenance of renewable energy systems’ aus dem Jahr 2021 betonen, hat die aktuelle Forschung nicht ausreichend untersucht, wie die Interaktion zwischen Mensch und KI das Potenzial des KI-Einsatzes in der Erneuerbaren-Energien-Branche beeinflusst. Während die Schlussfolgerungen nicht verallgemeinert werden können, wurde in ihrer Studie, an der Generalisten und ‘Fachingenieure’ aus der Windenergiebranche beteiligt waren, beobachtet, dass die Leistung der Generalisten bei einer Inspektionsaufgabe in Bezug auf Windkraftanlagen besser wurde, wenn sie KI-Unterstützung erhielten. Aus den obigen Ergebnissen lässt sich schließen, dass KI durchaus Potenzial für die Anwendung in der Erneuerbaren-Energien-Branche hat.
Centurion Plus
Wenn Sie ein Gründer, ein Start-up oder ein Investor mit Interesse an erneuerbaren Energien und KI sind, zögern Sie nicht, uns für rechtliche Unterstützung zu kontaktieren! Wir beschäftigen Rechtsexperten mit Kenntnissen in verschiedenen afrikanischen Jurisdiktionen und verfügen über langjährige Erfahrung in der Beratung zu Themen wie Arbeit und Einwanderung, Steuern und Zoll, Verträge und Verhandlungen, Corporate Governance und Compliance sowie Datenschutz. Neben unseren afrikanischen Büros haben wir seit 2020 auch ein Büro in Deutschland. Das beweist, dass wir international denken… Sie auch? Dann kontaktieren Sie uns noch heute für ein Beratungsgespräch!