Von diesen KI-Anwendungen profitieren EVU schnell und in mehrfacher Hinsicht
Von André Wilsdorf
André Wilsdorf. (Bild: Arvato Systems)
Warum sollten Versorger Künstliche Intelligenz (KI) nutzen? Weil ihre Prozesse mit KI-Unterstützung noch einmal eine ganz neue Qualität gewinnen! Heute stelle ich Ihnen drei konkrete KI-Anwendungen vor, die Versorgern neue Geschäftsperspektiven aufzeigen und mit schnellem Wirkungsgrad umzusetzen sind.
KI für Verkehrsbetriebe: Mit Datenanalysen in Echtzeit besser fahren
Mehr denn je geht es für Verkehrsbetriebe heute darum, ihren Fahrgästen entspannte Fahrtwege zu ermöglichen – gerade auch in Hinblick auf die in Pandemie-Zeiten geforderten Abstände zwischen Personen, um das Ansteckungsrisiko im ÖPNV zu minimieren.
Doch wie lässt sich sicher abschätzen, mit welchen Fahrgastzahlen jeweils zu rechnen ist? Auf den verschiedenen Verkehrsstrecken, an unterschiedlichen Tagen und je nach Tageszeit? Nur zwischen Werk- und Sonntag zu unterscheiden, reicht oftmals nicht aus. Dafür gibt es zu viele weitere Einflüsse auf das Fahrgastverhalten – vom lokalem Groß-Event über die Stadtentwicklungen bis hin zum aktuellen Wettergeschehen.
Um sich ein detailliertes Bild zum Passagieraufkommen machen zu können, benötigen Verkehrsbetriebe eine große Menge an verlässlichen Informationen zum Fahrgastaufkommen.
KI gibt hier den richtigen Schub: Denn mit Hilfe von KI-gestützten Datenanalysen auf Basis einer bereits genutzten Business-Analytics-Software können Verkehrsbetriebe ihre Einsatzplanung und Auslastung bis zum bedarfsgerechten Mobilitätsangebot optimieren. Damit können beliebige Datenquellen abgerufen und in Echtzeit analysiert werden. Verkehrsbetriebe erreichen damit zwei Stufen der Datennutzung: Die Fahrgastanalyse unterstützt im ersten Schritt performant die Analyse der Fahrgastbewegungen durch vorgefertigte Dashboards und liefert neue Erkenntnisse. Die darauf basierende Fahrgastprognose erstellt mit Hilfe von KI und maschinellem Lernen eigene dynamische Prognosen und schafft Impulse für die kurzfristige Optimierung des Nahverkehrs. > Hier können Sie sich eine Live-Demo einer Fahrgastprognose in Rostock anschauen.
Maximale Auslastung der Straßenbahnlinie 1 in Rostock (Fahrtrichtung Südblick) im Juli 2019, dargestellt als Heatmap. (Bild Arvato Systems)
KI für Vertriebsgesellschaften: Mit Datenanalysen Kunden halten
Künstliche Intelligenz hilft Energieversorgern auch in der Kundenkommunikation und im Energievertrieb: Auf Grundlage von Kundendaten können beispielweise bessere Prognosen zu Kündigungs- und Abschlusswahrscheinlichkeiten getroffen werden – im sogenannten > Churn Management. Das Kunstwort Churn setzt sich aus den Begriffen Change (Wechsel der Einstellung eines Kunden) und Turn (Abkehrung vom Unternehmen) zusammen. Das Ziel von Churn Management ist es also, durch zielgerichtete Auswertung der Kundenverhaltensdaten eine langfristige Kundenbeziehung zu erhalten.
Mit dieser Form der Datennutzung können Energiedienstleister und Versorger also präventiv auf ihre wichtigsten Kunden zugehen, um ihren Kündigungswunsch möglichst frühzeitig zu erkennen und die Abwanderung zu vermeiden. Aber wie funktioniert das genau? Auf Basis des Datenbestands aus bereits bestehenden CRM- und Abrechnungssystemen, die ohne Systemintegration in einem SaaS-Modell hochgeladen werden können, wird mittels Machine Learning im Anschluss ein eigenes Prognose-Modell trainiert. Dieses wiederum kann prognostizieren, wie wahrscheinlich Wechselaffinitäten sind. So gewinnen Energieversorger mit dem KI-Service ein Instrument zur Vertriebsunterstützung und gezielten Kündigungsprävention gleichermaßen – und neue Kunden noch dazu.
KI für Netzbetreiber: Redispatch-Maßnahmen mit Weitblick planen
Redispatch ist die kurzfristige Änderung des Kraftwerkseinsatzes auf Anordnung eines Netzbetreibers, um Engpässe im Stromnetz zu vermeiden. Ab 1. Oktober 2021 sind alle Netzbetreiber gesetzlich dazu verpflichtet, im Zuge des Redispatch 2.0 alle Erzeugungsanlagen (konventionell, EE, KWK) und steuerbare Lasten ab einer Leistung von 100 kW bei Redispatch-Maßnahmen zu berücksichtigen und den bilanziellen Ausgleich durchzuführen. Jeder Einsatz einer Redispatch-Maßnahme kostet also für das gesamte Netz Geld.
Für die einzelnen Netzbetreiber bringt diese vorausschauende Fahrplanung große Herausforderungen mit sich, denn die Zahl der betroffenen Anlagen erhöht sich um ein Vielfaches. Hinzu kommt, dass viele EE-Anlagen dargebotsabhängig sind, so dass ihre Einspeisung schwerer vorhersehbar ist. Die dynamischen Prognoseanforderungen steigen also erheblich.
KI-Anwendungen unterstützen Netzbetreiber bei dieser Aufgabe: Auf Basis der Daten aus dem bereits bestehenden Monitoring werden mittels KI-Unterstützung Einspeise-, Last- und Verbrauchsprognosen automatisiert erstellt. Konkret werden hierbei zweimal täglich Netzprognosen gemäß ihren Rahmenbedingungen aktualisiert und der Forecast angepasst. Damit erhöht sich die Netztransparenz deutlich. Gleichzeitig verbessert sich auch die Datenbasis für Lastfluss- und Netzengpassberechnung.
Mit automatisierter Netzlastüberwachung können somit genau die richtigen Maßnahmen im eigenen Netz sowie Redispatch-Maßnahmen zur richtigen Zeit eingeleitet werden.
> Hier können Sie sich eine Anomalie-Erkennung aus einer Netzlastüberwachung in Echtzeit ansehen.
Wenn Sie mehr über KI-Anwendungen im Versorgungsunternehmen wissen möchten, freue ich mich auf Ihre Fragen und Kommentare.
