KI in der Stromwirtschaft

Ein Dialog mit Gemini & Co.

Künstliche Intelligenz, AI, KI, Machine Learning, Massive Data Processing, Neuronale Netzwerke: Kaum ein Produkt, eine Dienstleistung kommt heute noch ohne diese Buzzwords aus. Das ist auch in der Energiewirtschaft nicht anders. Doch ist künstliche Intelligenz mehr als nur ein Marketing-Hype? Ist wirklich überall künstliche Intelligenz drin, wo künstliche Intelligenz draufsteht? Und welche Einsatzmöglichkeiten, welche Herausforderungen bringt künstliche Intelligenz mit sich? Darüber haben wir mit einem Experten gesprochen – der Google KI Gemini. Außerdem stellen wir euch vor, wo wir bei STROMDAO wirklich KI einsetzen: Ihr werdet überrascht sein.

Und da steckt wirklich überall KI drin?

Die Stromwirtschaft ist ja verwöhnt von zumindest intelligent anmutenden Ansätzen für den Umgang mit Daten: Smart Meter erfassen den Verbrauch unseres Smart Homes, den das Smart Meter Gateway an die Lieferanten und Betreiber des Smart Grid ausliefert. Und auch mit KI-Buzzwords werden wir aktuell beworfen: Gefühlt gibt es aktuell kein neues Konzept zur Netzverwaltung, zum Aufbau von virtuellen Kraftwerken und Stromkollektiven, zum Energiemanagement in Unternehmen und Eigenheimen, das nicht den Einsatz künstlicher Intelligenz verspricht.

Entsprechend optimistisch äußert sich dann auch Gemini zu den Einsatzmöglichkeiten künstlicher Intelligenz in der Stromwirtschaft:

Die Energiewende und die Digitalisierung stellen zwei zentrale Herausforderungen des 21. Jahrhunderts dar. Um diese zu bewältigen, kommt Künstlicher Intelligenz (KI) eine Schlüsselrolle zu. Besonders im Strommarkt kann KI zu einer effizienteren, nachhaltigeren und flexibleren Energieversorgung beitragen.

Optimierte Stromerzeugung: KI-Algorithmen können riesige Datenmengen aus Sensoren, Kraftwerken und Wettervorhersagen analysieren, um die Stromerzeugung in Echtzeit zu optimieren. Dies ermöglicht eine Anpassung der Produktion an den Bedarf und eine effizientere Integration von erneuerbaren Energien.

Intelligente Netze: KI unterstützt „Smart Grids“ durch die Identifizierung von Engpässen im Netz und die Einleitung entsprechender Gegenmaßnahmen. Dies führt zu einer höheren Stabilität und Effizienz des Stromnetzes und erleichtert gleichzeitig die Integration dezentraler Erzeugungsanlagen.

Nachhaltige Energielösungen: KI kann bei der Entwicklung neuer, nachhaltiger Energielösungen wie intelligente Energiespeicher oder innovative Kraftwerkskonzepte helfen.

Effizientes Energiemanagement: KI-basierte Systeme unterstützen Verbraucher bei der Optimierung ihres Energieverbrauchs und der Senkung von Kosten. So kann z. B. die Steuerung von Haushaltsgeräten oder die Anpassung der Raumtemperatur auf Basis von Nutzerverhalten und Wetterdaten erfolgen.

Wenn der Autor dieses Artikels so etwas liest, drängt sich ihm immer wieder die Variante eines Witzes auf: Woran erkennt man, dass der Text mit KI geschrieben wurde? Er ist knapp, präzise und vollkommen nutzlos. Mit Verlaub, meine liebe Gemini: Dieser Text ist ein einziger gigantischer Allgemeinplatz!

Nun, vielleicht war auch der Prompt (also die Frage) nicht so klug wie gedacht. Daher sollten wir uns (und Gemini) erst mal fragen:

Was ist das eigentlich, diese künstliche Intelligenz?

Künstliche Intelligenz (KI), auch artifizielle Intelligenz (AI) oder Machine Intelligence genannt, ist ein Teilgebiet der Informatik, das sich mit der Automatisierung intelligenter Verhaltensweisen und dem maschinellen Lernen befasst.

KI-Systeme können aus Daten lernen, Muster erkennen, Entscheidungen treffen und Probleme lösen – ähnlich wie Menschen. Sie tun dies mithilfe verschiedener Techniken wie:

  • Regelbasierte Systeme: Diese befolgen vordefinierte Regeln.
  • Maschinelles Lernen: Hierbei lernen Systeme aus Daten, indem sie Muster und Korrelationen erkennen.
  • Tiefes Lernen: Diese Systeme verwenden neuronale Netze, um komplexe Muster in Daten zu identifizieren.

Gemini fährt dann damit fort, einige Anwendungsbeispiele zu nennen, um abschließend vor den Gefahren der KI zu warnen und zu bewusstem Einsatz nach ethischen Grundsätzen aufzurufen. Offenbar befanden sich unter den Trainingsdaten auch zahlreiche Kirchentagsreden.

Doch wirklich klüger sind wir auch jetzt nicht: Dass Computer den Menschen Denk- und vor allem Rechenaufgaben abnehmen, ist ja nichts Neues. Auch nicht, dass sie darin besser sind als wir. Dass Maschinen mittels stochastischer und statistischer Methoden etwa aus Daten Erkenntnisse gewinnen, ist gleichfalls ein alter Hut. Genau dafür wurden Computer ja mal erfunden. Daran ändert auch die zunehmende Leistungsstärke der Prozessoren nichts. Und auch Entscheidungsprozesse können Computer seit langen ausführen: Bereits 1947 steuerte der erste elektronische Autopilot eine C-54 Skymaster autonom über den Atlantik – vom Start bis zur Landung.

Was also macht die aktuellen KI-Systeme so besonders? Nun, sie werden immer selbstständiger. Und die Ergebnisse immer offener, da die Systeme, wie wir Menschen, lernfähig sind, ohne dass man sie neu programmieren muss.

Sind frühere, regelbasierte Systeme zum Beispiel in der Lage, eine Nadel in einem Heuhaufen zu finden (dazu braucht man nur die Definition des Unterschieds zwischen Nadel und getrocknetem Halm und ausreichend Geduld und Zeit; oder wahlweise einen Magneten, der stark genug ist), kann ein KI-System das Datenäquivalent eines Heubergs vorgesetzt bekommen und mit einer entsprechenden Frage selbstständig ermitteln, welches darin enthaltene Element nicht zu den anderen passt.

Kurz gesagt: KI-Systeme benötigen keine fixe Programmierung, also keine starren Regeln mehr, sondern vor allem möglichst viele Daten und eventuell ein paar Anweisungen (Prompts), was sie damit anfangen sollen, wenn sie nicht gleich ganz offen an die Sache herangehen.

Und damit wären wir bei der Stromwirtschaft. Daten haben wir ja reichlich und genug, zum Beispiel …

  • Verbrauchsdaten
  • Erzeugungsdaten
  • Netzlastdaten
  • Strompreisdaten
  • und mehr

Und das sind nur die Daten, die wir direkt erfassen. Hinzu kommen Informationen wie …

  • Wetter-Daten
  • Konjunkturdaten
  • Verkehrsdaten
  • Und vieles mehr

Für einen Menschen (oder selbst für eine Gruppe von Menschen) dürfte es kaum mehr möglich sein, da den Überblick zu behalten und mehr als sehr allgemeine Muster à la „Wenn die Sonne scheint, heizen die Menschen weniger und wir haben mehr PV-Output“ zu erkennen. Aber für Maschinen, die jedes einzelne Datum unter die Lupe nehmen und zu allen anderen in Relation setzen können? Das klingt doch alles nach einer idealen Spielwiese für künstliche Intelligenz, oder?

Wirklich? Um darauf eine Antwort zu finden, lohnt es sich, einmal einen Blick auf den Unterschied zwischen „Smart“ und „Intelligent“ zu werfen.

Smart vs. Intelligent

Im Umfeld der Energieversorgung sprechen wir viel von „Smart“: Smart Grid, Smart Meter, Smart Home. Aber selten sprechen wir von Intelligenz, denn davon grenzt sich „smart“ ab – genau wie im richtigen Leben:

Wir alle kennen den hyperintelligenten Menschen, der komplexe technische und/oder philosophische Konzepte nicht nur verstanden hat, sondern auch erklären kann – aber daran scheitert, Kaffee zu kochen oder sich für ein Mittagessen zu entscheiden.

Und wir kennen gleichfalls auf den ersten Blick nicht besonders hellen Menschen, der sich aber im Umgang mit der Welt und seine Mitmenschen besonders geschickt anstellt und so Erfolg hat: der clevere Verkäufer etwa, der euch davon überzeugt, für euer neues Auto etwas mehr Geld auf den Tisch zu legen.

Es gibt sogar Studien, die andeuten, dass Menschen von durchschnittlicher oder sogar leicht unterdurchschnittlicher Intelligenz glücklicher und erfolgreicher im Leben sind.

Ein Beispiel gefällig? Dann sei euch die Serie „The Good Place“ ans Herz gelegt: Das zentrale Paar, Chidi und Eleanor, sind die Verkörperung dieser Menschen.

Nun, wie lässt sich der Unterschied genauer beschreiben? Intelligenz ist vielleicht am besten charakterisiert „Motorleistung“ eines Gehirns; Smartness ist hingegen das Getriebe: Sie sorgt dafür, dass die PS auch auf die Straße kommen. Der smarte, bauernschlaue Mensch mal also keinen allzu starken Motor haben – aber er kann seine Fähigkeiten produktiv umsetzen.

Aber kommen wir zurück zu IT-Systemen. Ein System ist dann smart oder intelligent, wenn es Daten erfasst, verarbeitet und daraus Erkenntnisse und Entscheidungen ableitet, ohne dass wir eingreifen müssen.

Ein smartes System ist jedoch starr und eingeschränkt. Es liefert zwar automatische Hinweise und trifft automatische Entscheidungen: „Wenn die Außentemperatur über 25 Grad steigt, schalte die Klima-Anlage ein.“ – „Hey, Nutzer, dein PV-Akku ist voll und die Sonne scheint. Wäre eine gute Idee, jetzt deine Waschmaschine anzuwerfen.“

All das richtet sich jedoch nach streng vorgegebenen Regeln, die in einer starren Matrix von Parametern gelten und nur ein bestimmtes Set von Outcomes zulassen. Damit sind smarte Systeme zwar in ihrem Einsatz letztlich begrenzt, haben aber einen ganz entscheidenden Vorteil: Sie können zumindest in den zugrunde liegenden Parametern nur richtig liegen. Nun mag (siehe obiges Beispiel) die Außentemperatur bei einem Hausbrand über 25 Grad steigen. Aber das fällt schlicht nicht in die Zuständigkeit des Systems. Und ob die Klimaanlage dann anspringt oder nicht, dürfte in diesem Fall auch irrelevant sein.

Intelligente Systeme basieren hingegen auf Daten und mal mehr, mal weniger stark gesteuertem Training. Zur Illustration haben wir einmal Gemini und ChatGPT mit dem exakt gleichen Prompt gebeten, in einem Satz den Unterschied zwischen „smart“ und „intelligent“ zu erklären.

Dies ist die Antwort von Gemini:

Intelligent beschreibt die angeborene geistige Fähigkeit, Wissen zu erwerben und anzuwenden, während smart die Fähigkeit bezeichnet, diese Intelligenz auf clevere und praktische Weise im Alltag einzusetzen.

Und diese sagte uns ChatGPT:

„Smart bezieht sich auf die Fähigkeit, Informationen zu verarbeiten und zu kommunizieren, während intelligent die Fähigkeit zur Problemlösung, Schlussfolgerung und Anpassung bezeichnet.“

Zwei völlig unterschiedliche, wenn auch inhaltlich ähnliche Antworten auf die gleiche Frage. Bei deterministischen, smarten Systemen (etwa regelbasierte Systeme zur automatischen Übersetzung, wie der ursprüngliche Yahoo Babelfisch) wäre die Antwort identisch ausgefallen.

Die Ergebnisse dieser intelligenten Systeme sind hingegen offen, undeterministisch. Sie lassen sich nicht mehr vorhersagen. Und sie können, aufgrund dieser Offenheit, auch absolut falschliegen. Und das ist gerade in der Stromwirtschaft – bzw. überall, wo gemessen, gesteuert und geregelt werden soll – ein großes Problem.

Von Flugzeugen, Fenstern und anderen KI-Pannen

Machen wir mal gemeinsam ein kleines Experiment:

  1. Schließt die Augen!
  2. Stellt euch ein Flugzeug ohne Fenster vor!

Die meisten Menschen dürften damit keine Probleme haben und vor ihrem inneren Auge eine Boeing, einen Airbus mit vollkommen geschlossener Stahlhülle sehen – oder gleich eine Drohne, wie sie beim Militär oder bei der Wetteraufklärung zum Einsatz kommt.

Bittet man jedoch eine KI, ein Flugzeug ohne Fenster zu zeichnen, wird es wild:

Abbildung 1: Erstellt mit Firefly, Prompt „Male mir das Bild eines Flugzeugs ohne Fenster“

Noch wilder wird es, wenn wir die KI bitten, ein Flugzeug ohne Tragflächen zu zeigen:

Abbildung 2: Erstellt mit Firefly, Prompt „Male mir das Bild eines Flugzeugs ohne Tragflächen“

Man kann nur hoffen, dass Flugzeughersteller noch lange damit zögern, ihre Maschinen von KIs entwerfen zu lassen, oder?

Aber Spaß beiseite: Ein Flugzeug ohne Fenster oder Tragflächen kommt im Weltwissen (den historischen Daten) der KI nicht vor. Also kann sie es sich auch nicht vorstellen.

Diese mangelnde Vorstellungskraft ist es, die letztlich auch die kreativen Fähigkeiten begrenzt. Ebenso wie eine KI malen kann wie Rembrandt:

Abbildung 3: Erstellt mit Firefly, Prompt „Male einen Informatiker im Stil von Rembrandt“

Aber sie kann nicht der nächste Rembrandt sein, den nächsten eigenständigen Malstil entwickeln.

Denn: KIs können nur auf „historischen Daten“ aufbauen – auf dem, was war. Wir Menschen können jedoch hingegen fragen: „Was wäre, wenn?“

Das mag im Bereich von Kunst und Unterhaltung allenfalls ein urheberrechtliches Problem sein: Wir hören bereits von KI komponierte Musik, lesen leichte literarische Kost aus dem Computer (was offenbar inzwischen so oft vorkommt, dass selbst Amazon eine Kennzeichnungspflicht fordert) – doch all das ist epigonal und auf den Massengeschmack angepasst. Der nächste „Faust“, die nächste Schicksalssymphonie wird so nicht entstehen, nicht einmal der nächste „Harry Potter“. Muss ja auch nicht sein. Dafür gibt es ja glücklicherweise weiterhin reale Künstler.

Problematisch wird es jedoch, wenn der KI-Output eine Schnittstelle zur realen Welt hat. Idealerweise würde eine KI dann die Segel streichen, wenn sie auf ein Problem stößt, dass sie nicht lösen kann. Und die intelligenten Chat-Bots von Gemini und ChatGPT tun dies inzwischen auch. Doch auch die Unterscheidung zwischen lösbaren und nicht lösbaren Problemen ist nicht immer klar zu fällen. Und wie im Beispiel mit dem Flugzeug ohne Fenster irrt eine KI dann möglicherweise herum wie ein Autofahrer ohne Navi, der sich aber weigert, nach dem Weg zu fragen: Es füllt die Lücken irgendwie nach bestem Stand seiner historischen Daten.

Die Ergebnisse können sehr lustig sein: Wer hat noch nicht online Werbung für besonders absurde Produkte gezeigt bekommen, weil etwa eine KI annimmt, dass eine Suche nach Bananen auch das Bedürfnis nach einem entsprechend geformten Gummiboot einschließen könnte.

Nicht mehr drüber schmunzeln kann man, wenn die KI wichtige Lücken füllt, indem sie etwas „erfindet“, wie etwa in jenem Fall des US-Anwalts, der einen Antrag von ChatGPT hat formulieren lassen – der dann auf nicht existente Präzedenzfälle zurückgriff.

Der Einsatz von KI birgt also Nebenwirkungen und Risiken – auch solche, die wir in Hinblick auf eine kritische Infrastruktur wie das Stromnetz unbedingt vermeiden müssen.

Kein System ist narrensicher …

… denn Narren sind erfinderisch: So lautet eine Ableitung von Murphy’s Gesetz.

Stellen wir uns mal vor, wir sollen ein System für das Netzmanagement entwickeln, dass Störfälle weitestmöglich zu vermeiden hilft – eine eigentlich fast schon ideale Aufgabe für KI, da das Stromnetz Sekunde für Sekunde tonnenweise quantifizierbare Daten liefert. Überlässt man diesen Datenbestand der KI für eine Analyse (und fügt, beispielsweise, andere Daten wie das Wetter hinzu), wird sie ohne Schwierigkeiten die zehn, fünfzig, hundert wichtigsten Störfallszenarien, ihre Wahrscheinlichkeit und die dafür notwendigen Vorabentwicklungen identifizieren können.

Ist diese Arbeit einmal getan, so möchte man meinen, können wir uns zurücklehnen und die KI das Netz überwachen sowie im Zweifelsfall eingreifen lassen. Oder wir sparen sogar Rechenleistung, übersetzen die erkannten Störfälle über statistische und stochastische Methoden in Regeln und setzen ein smartes System zur Automatisierung auf.

Wirklich?

Natürlich nicht!

Das System wird zwar die hundert identifizierten Störfälle erkennen und entsprechend reagieren. Doch was ist mit Störfalltyp 101? Mit dem Schwarzen Schwan, den niemand auf dem Schirm hatte? Oder was ist, wenn genau der Eingriff der KI an anderer Stelle das System aus dem Gleichgewicht bringt – in einer Art, die bisher noch nicht aufgetreten ist – und so der Störfall 101 überhaupt erst entsteht?

Genau das kann eine KI nicht: Unfehlbar in die Zukunft blicken. Vorhersagen sind immer ungenau und daher fehlerbehaftet. Auch die einer KI. Vertraut man ihr zu sehr und verzichtet auf Failsafes, ist das der Weg schnurstracks in die Katastrophe. Vor allem wenn die KI etwas tun soll, was direkt in den Bereich „Messen, Steuern, Regeln“ fällt.

Doch wie kann solch ein Failsafe aussehen?

Ein gutes Beispiel dafür ist Medical AI, wie sie etwa in der Radiologie immer häufiger zum Einsatz kommt. Dabei stellt die KI in seltensten Fällen selbst die Diagnose, sondern sie sucht nach Auffälligkeiten, Abweichungen vom Gelernten, vom „Normalen“ und sortiert so etwa aus einer Vielzahl von MRT-Aufnahmen die relevanten aus – die dann dem menschlichen Radiologen zur genaueren Diagnose vorgelegt werden.

So spielen beide Seiten – Mensch und Maschine – ihre Stärken aus. Der Radiologe erkennt das unbekannte Muster, stellt die Diagnose. Doch die Maschine erspart ihm die mühevolle und langweilige Arbeit der Aufnahmensichtung – und vermeidet dabei auch die Partialblindheit: Der Radiologe, der etwa nach einem Tumor sucht, übersieht vielleicht das Aneurysma. Die KI weist auf beide Abweichungen hin.

Und genau hier liegt die Stärke von KI: In der scheinbar langweiligen Routine. Und dort setzen wir bei STROMDAO KI gezielt ein – in der Software-Dokumentation!

Statt „Yippieh, here we go!“: Dokumentation mit KI

Ja, das habt ihr richtig gelesen! Wir verwenden KI für die Dokumentation der bei uns entstehenden Software. Das klingt banal, langweilig und unangemessen? Weit entfernt von den Wunderversprechen von ChatGPT und Co.?

Das mag sein, aber:

Software bildet das Herzstück von dem, was wir tun – und auch in der gesamten Stromwirtschaft. Millionen Zeilen von Programmcode, Tausende Funktionen, regelmäßige Updates, die alle ebenso regelmäßige Dokumentation verlangen: etwas, womit sich Programmierer mitunter schwertun. Wer schon einmal einen Source Code durchgegangen ist, dessen zentrale Funktion einzig mit den Worten „Yippieh, here we go!“ kommentiert und dokumentiert wurde, weiß, wovon wir sprechen.

Doch selbst jenseits solcher Beispiele: Dokumentation ist eine zwar unabdingbar notwendige, aber zeit- und nervenraubende (sowie äußerst langweilige) Arbeit. Zudem ist nicht jeder Software-Ingenieur dazu in der Lage, Dokumentationen an die jeweilige Leserschaft anzupassen. Legal und Marketing benötigen zum Beispiel eine andere Dokumentation als Ingenieure und andere Programmierer. Und selbst wenn: Damit ufert die Arbeit noch weiter aus. Und so mancher IT-Experte mag sich manchmal fühlen wie Peter Gibbons in „Office Space“:

Nebenbei bemerkt ist unsere Gedächtniskapazität begrenzt: Wenn wir bei jedem Update wirklich alle Dokumentationen händisch aktualisieren würden, wären Fehler und Unachtsamkeiten vorprogrammiert. Und so was kann dann schnell teuer werden. Oder zu Frustrationen führen. Man möge sich nur mal die zahlreichen Hilfeseiten im Netz ansehen, die offenbar beim Update einer Software vergessen wurden, und jetzt eine Problemlösung beschreiben, die sich in der aktuellen UI eines Programms nicht mehr umsetzen lässt.

Eine KI hingegen wird nicht müde; der Konkretismus, der sie zwingt, nicht mit Metaphern zu arbeiten, zahlt sich aus, da die Texte stets nahe an der Sache bleiben; zudem arbeitet sie schneller und übersetzt alle Texte auch noch in die notwendigen Sprachen – mit dem korrekten Fachvokabular, das wir ihr nur ein einziges Mal beibringen müssen.

Mit dem richtigen Prompt genügt dann für die Dokumentation ein Knopfdruck, alle notwendigen Texte und Tabellen werden automatisch erstellt und später auf dem neuesten Stand gehalten.

Natürlich entbindet uns Menschen dies nicht von der Sorgfaltspflicht. Wir müssen die Arbeit der KI zumindest stichprobenhaft kontrollieren und ihr Training sowie die Prompts immer wieder anpassen. Doch der Arbeitsaufwand dafür ist deutlich geringer als die händische Dokumentationserstellung. Und mehr Spaß macht diese Tätigkeit auch: Es ist ja faszinierend, der Maschine beim Arbeiten zuzuschauen, wenn sie Texte aus dem Nichts erschafft.

Und damit ist die KI genau da, wofür sie ursprünglich mal entwickelt wurde und wo sie ihre Stärke ausspielt: Bei der Zuarbeit für uns Menschen!

Computer kennen keine Langeweile – ein Fazit

Ob sie nun Dokumentationen erstellen und übersetzen, gigantische Datenberge nach Mustern durchforsten oder Tag und Nacht Wache stehen und schauen, ob diese Muster durchbrochen werden: Computer werden nie müde, sie verlieren nie die Konzentration, sie kennen keine Langeweile. Damit machen sie wett, was ihnen an Kreativität fehlt. Natürlich können sie keine Flugzeuge ohne Fenster zeichnen, nicht die eine unbekannte Störfallursache erkennen – dafür gibt es uns Menschen. Computer – und damit KI-Systeme – sind dann besonders stark, wenn sie uns den Rücken freihalten für die kreative Arbeit und für die Kristallkugel des „Was wäre, wenn“.

Dazu müssen sie natürlich ihre Schranken kennen – uns darauf hinweisen, wenn etwas NICHT in die ihnen bekannten Muster passt und/oder ihre Fähigkeiten übersteigt. Dann bilden Mensch und Maschine das perfekte Team. In der Stromwirtschaft – und in allen anderen Lebensbereichen.

Dieser Artikel entstand im Auftrag der STROMDAO GmbH.

Und? Habe ich Ihr Interesse geweckt?

>