Wie Prognosen für die Energiewirtschaft mittels künstlicher Intelligenz (KI) verbessert werden können, hat HSHL-Student Sten Kramin in seiner Masterarbeit für den Studiengang "Product and Asset Management" untersucht. "Beinahe überall in der Energiewirtschaft werden Prognosen benötigt, z.B. wenn ein Versorgungsunternehmen herausfinden möchte, wie viel Energie die Kundinnen und Kunden morgen benötigen werden", so Kramin. Dabei gehe es um den effizienten Einsatz von Ressourcen oder auch die Versorgungssicherheit. Die Ergebnisse seiner Arbeit "A Meta-Learning Approach for short-term energy load, generation and price forecasting" stellte er nun auf der "International Ruhr Energy Conference 2022" (INREC) vor.

Für die Prognosen haben Unternehmen zahlreiche Methoden zur Auswahl. "Diese reichen von einfachen, über komplexe statistische Methoden, bis zu Anwendungen der künstlichen Intelligenz (KI). Die Wahl der Methode hat einen hohen Einfluss auf die Qualität der Prognose – und gerade in Zeiten der Energiekrise sind gute Prognosen wichtig. Gleichzeitig sind viele Prognosemodelle sehr komplex und ihre Auswahl daher mit viel Aufwand verbunden", erklärt der 27-Jährige Münsteraner.

In seiner Masterarbeit hat er deshalb eine KI getestet, die die Auswahl der richtigen Methode für den Menschen übernimmt. Hierfür musste Sten Kramin zunächst die Genauigkeit verschiedener Methoden an über 1000 Zeitreihen von Energiepreisen, -erzeugung und -verbrauch testen und auf Basis der gewonnenen Daten dann eine KI, genauer gesagt einen Random Forest Classifier, darauf trainieren, für jede Zeitreihe die beste Prognose-Methode vorherzusagen. "Das Ergebnis ist sehr vielversprechend", so Kramin, der parallel zu seinem Studium als Berater beim Energieberatungsunternehmen E-Bridge arbeitet.