sponsored article
40-45% des Strombedarfs müssen bis 2025 aus erneuerbaren Energien gewonnen werden. Um diese gesetzliche Vorschrift umzusetzen, befindet sich die Energiebranche seit Jahren im Umbau. Die Energiewende und die damit verbundene Transformation des Energiesektors befinden sich also in vollem Gange.
Diese Mammutaufgabe kann man nicht bewältigen, indem man den Energiebedarf einfach durch erneuerbare Energiequellen statt aus konventionellen Kraftwerken deckt. Um kosteneffizient und umweltschonend zu operieren braucht es mehr: Energiebedarf auf der einen und verfügbare Energie auf der anderen Seite müssen viel besser aufeinander abgestimmt werden.
Der Einsatz von Analytics ist hier ein entscheidender Erfolgsfaktor, der zudem entscheidende Wettbewerbsvorteile für Unternehmen sichern kann. Basis hierfür ist die Kombination verschiedener digitaler Technologien, Verknüpfung von verschiedensten Informationsquellen und Aufbau eines übergreifend agierenden Öko-Systems mit externen Beteiligten.
Doch auch dieser Ansatz birgt Schwierigkeiten. Alle relevanten Datenquellen müssen identifiziert und die Daten so miteinander verknüpft werden, dass zielgerichtet Erkenntnisse generiert werden. So reicht es für die Ermittlung der produzierten Energie nicht aus, die Produktionsmengen der Kraftwerksflotte, Windparks etc. zu messen. Es müssen ebenso die Strommengen gemessen werden, die dezentral bspw. in privaten Solaranlagen produziert werden.
Für eine optimale Bedienung des Marktes muss die Energie zur richtigen Zeit beim Bedarfsträger zur Verfügung stehen. Hierfür ist es notwendig, die Energiebedarfe so präzise wie möglich vorhersagen zu können. Hierzu werden Informationen über die Energienutzung aus privaten Haushalten, aus Unternehmen aber auch aus dem öffentlichen Bereich benötigt.
Welche weiteren Determinanten können den Energiebedarf in einer Region bestimmen? Wetterbedingungen, Schulferienzeiten, Feiertage und diverse weitere Faktoren haben Auswirkungen auf den Bedarf. In einer Analytics-Architektur können alle diese relevanten Informationen in einem sogenannten Data Lake zusammengeführt werden, so dass präzise Prognosen ermöglich werden.
Ebenso können die Wetterdaten genutzt werden, um Produktionsmengen in den Windanlagen, Solaranlagen etc. zu prognostizieren. Eine optimale Kombination solcher Erkenntnisse gibt Aufschluss, zu welchem Zeitpunkt wo Energie produziert und abgenommen werden soll.
Mögliche Vorteile:
- Netze können optimal ausgelastet werden
- der Einsatz von Energiespeichern kann optimiert werden
- die Lastverteilung in der Erzeugung lässt sich bedarfsgerecht ausrichten usw.
Die Ansatzpunkte zur Steigerung der Effizienz in der Energieversorgung sind zahlreich. Zum Vorteil von Unternehmen, die dieses Potenzial erkannt haben und die entscheidenden Schritte zur digitalen Transformation einleiten. Sie werden im Markt in Kürze den entscheidenden Wettbewerbsvorteil für sich verzeichnen können.
Über:
Tatjana Wiebusch ist Director Analytics & Information Management bei Deloitte Consulting GmbH