Wie kann ein idealtypischer Entwicklungsprozess für KI-basierte Echtzeitanalysen von energiebezogenen Zeitreihendaten gestaltet sein?
Methoden
Mit welchen Methoden und Workflows lassen sich die einzelnen Phasen dieses Entwicklungsprozesses gezielt unterstützen?
KI-Plattform
Wie kann eine KI-Plattform, die den Entwicklungsprozess für KI-basierte Echtzeitanalysen von energiebezogenen Zeitreihen digital unterstützt und möglichst weit automatisiert, gestaltet sein?
Projekt
Projektzeitraum: 15.05.2025 bis 14.05.2027
Antragsnummer: 100746816
Kurzbeschreibung: Das Projekt KIEEZ erforscht Konzepte, Methoden und Softwarewerkzeuge zur einfacheren und effizienteren Nutzung von KI im Energiemanagement. Ziel ist es, eine KI-Plattform zu entwickeln, die zeitkritische, heterogene Zeitreihendaten (z. B. Energieverbrauchs- und Erzeugungsdaten) zuverlässig in Echtzeit analysieren kann.
Besonders kleine und mittlere Unternehmen (KMU) sollen durch niedrigschwellige, übertragbare Lösungen beim Einsatz von KI unterstützt werden. KIEEZ adressiert dabei zentrale Herausforderungen wie Datenheterogenität, Volatilität, Anforderungen an Echtzeitverarbeitung sowie die Automatisierung des KI-Entwicklungszyklus.
Durch Anwendungen wie Verbrauchsprognosen, Lastverschiebung, Anomalieerkennung oder Peak Shaving trägt KIEEZ langfristig zur Effizienzsteigerung, Dekarbonisierung und Nachhaltigkeit im Energiesektor bei – und damit zur Stärkung der Energiewende.
Arbeitspakete
AP1: Anforderungsanalyse
Analyse der wissenschaftlich-technischen Anforderungen an das Gesamtprojekt
Konzeption praxisbezogener Anwendungsfälle und –szenarien
AP2: Referenzmodellierung
Entwicklung eines auf Zeitreihendaten im Energiemanagement spezialisierten Referenzmodells für KI-Entwicklungsprozesse
Formulierung von Gestaltungsempfehlungen für das Tailoring und die Instanziierung des Referenzmodells
AP3: Methodenunterstützung
Entwicklung von Methoden zur Echtzeitanalyse von Zeitreihendaten
Prototypische Implementierung von Workflows
AP4: KI-Modellentwicklung
Entwicklung übertragbarer und skalierbarer KI-Modelle bzw. -Lernstrategien
Umsetzung der Anwendungsfälle und -szenarien
AP5: KI-Plattformentwicklung
Integriert die vorgenannten Teilergebnisse unter einer einheitlichen Benutzeroberfläche
AP6: Pilotierung und Demonstration
Erprobung der Projektergebnisse unter realitätsnahen Bedingungen
Bereitstellung des Quellcodes und der entwickelten Modelle
Publikationen
Whitepapers
Peak Shaving - Wie Unternehmen ihre Energiekosten intelligent senken können
Peer-reviewed Papers
Data-Driven Short Circuit Detection in Energy Storage Systems: A Low-Resource Strategy for Logistics Scenarios
Toward a Time Series‑Specific Machine Learning Life Cycle: Challenges and Requirements