Forschende am Karlsruher Institut für Technologie (KIT) haben eine spannende neue Methode zur Zeitreihen-Vorhersage in Energiesystemen entwickelt. Diese innovative Technik, bekannt als „SHAPformer“, kombiniert modernste Transformer-Modelle mit erklärbaren KI-Verfahren (Explainable AI). Ihr Hauptziel besteht darin, KI-gestützte Vorhersagen transparenter und nachvollziehbarer zu machen. Die Ergebnisse dieser bedeutenden Forschung wurden kürzlich in der Fachzeitschrift Nature Communications veröffentlicht, die sich mit den neuesten Entwicklungen in der Wissenschaft befasst.
„SHAPformer“ ermöglicht die umfassende Analyse von verschiedenen Einflussfaktoren, die Vorhersagen im Energiesektor beeinflussen können. Dazu zählen unter anderem Temperaturen, Feiertage, Windprognosen sowie frühere Verbrauchsdaten. Diese vielseitigen Daten wurden zur Ausbildung des Modells verwendet, wobei reale Daten des Übertragungsnetzbetreibers TransnetBW herangezogen wurden. Die Methode ist in der Lage, Vorhersagen für Zeiträume von bis zu einer Woche zu erstellen. Dies stellt einen wesentlichen Fortschritt dar, da bisherige Modelle häufig an Transparenz und Nachvollziehbarkeit mangelten.
Vorhersagemethoden und Effizienzsteigerung
Ein wesentlicher Vorteil des SHAPformer-Ansatzes ist die direkte Integration von Erklärbarkeit in den Trainingsprozess. Dies erhöht nicht nur die Effizienz der Analyse, sondern verbessert auch die Akzeptanz bei Anwendern. Der Fokus auf nachvollziehbare Entscheidungen ist entscheidend für das Vertrauen in KI-gestützte Systeme, vor allem in der kritischen Infrastruktur wie den Energiesystemen.
Die Entwicklung wurde von der Helmholtz-Gemeinschaft im Rahmen von Helmholtz AI unterstützt. Dieser Forschungszweig zielt darauf ab, die Künstliche Intelligenz in verschiedenen Anwendungsfeldern voranzutreiben und zu optimieren.
EU-Rechtsgrundlagen für digitale Wertschöpfung
Bislang waren solche Daten im Besitz der Anlagenhersteller, die auch die Nutzungsrechte verkauft haben. Mit der neuen Regelung sollen die Betreiber mehr Kontrolle über die von ihnen erzeugten und genutzten Daten erhalten. Darüber hinaus regelt der Data Governance Act vertrauenswürdige Transaktionsmöglichkeiten für diese Daten.
Ein gemeinsames Whitepaper, erstellt in Zusammenarbeit mit dem Fraunhofer-Exzellenzclusters Integrierte Energiesysteme (CINES), analysiert die Auswirkungen und Potenziale dieser europäischen Datenstrategie. Das Whitepaper bietet auch Handlungsoptionen für Akteure der Energiewirtschaft und unterstreicht die Wichtigkeit von Daten im Kontext einer effektiven Energiewende.
Insgesamt sind die Entwicklungen beim KIT und die neuen EU-Regularien wichtige Schritte in Richtung einer nachhaltigen und datengetriebenen Energiewirtschaft, die nicht nur Effizienz steigert, sondern auch die Transparenz und Nachvollziehbarkeit entscheidend verbessert.