Energiewende: Wie maschinelles Lernen den Stromverbrauch in Haushalten verbessert : Technische Hochschule Rosenheim

Forschung und Innovation an der Fakultät für Informatik

Ob smarte Lösungen für die Industrie, digitale Werkzeuge für die Bildung oder KI-gestützte Anwendungen im Alltag – Informatik durchdringt und gestaltet unsere Welt wie kaum ein anderes Fachgebiet. An unserer Fakultät forschen wir an vielfältigen Fragestellungen, um genau hier neue Wege aufzuzeigen, bestehende Prozesse zu verbessern und gesellschaftliche Entwicklungen mitzugestalten.
Ob in der Wirtschaftsinformatik, der Künstlichen Intelligenz oder der klassischen Informatik – wir denken interdisziplinär, arbeiten praxisnah und entwickeln Innovationen, die wirken. Der folgende Beitrag gibt Einblicke in neueste Forschungsprojekte, spannende Ideen und den kontinuierlichen Wandel, den wir mitgestalten.

Energiewende: Wie maschinelles Lernen den Stromverbrauch in Haushalten verbessert

Die Umstellung unserer Stromproduktion von fossilen Brennstoffen und Atomenergie auf erneuerbare Energien wie Wind und Sonne bringt viele Herausforderungen mit sich. Eine der größten Fragen ist: Wie sorgen wir dafür, dass immer genau so viel Strom zur Verfügung steht, wie gerade gebraucht wird? Denn im Gegensatz zu herkömmlichen Kraftwerken, die bei Bedarf Strom produzieren können, hängt die Produktion von Wind- und Solarenergie von den Wetterbedingungen ab. Das bedeutet, manchmal gibt es zu viel Strom, manchmal zu wenig.

Eine mögliche Lösung ist die sogenannte „Nachfrageanpassung“ (auf Englisch: Demand Response). Dabei geht es darum, dass wir als Verbraucher/innen unseren Stromverbrauch anpassen, wenn gerade viel oder wenig Strom zur Verfügung steht. Zum Beispiel kann der Geschirrspüler dann laufen, wenn die Sonne scheint und viel Solarstrom produziert wird. Um die Menschen dazu zu motivieren, gibt es verschiedene Anreize – etwa dynamische Strompreise, die dann günstig sind, wenn viel Strom zur Verfügung steht.

Seit den 1980er Jahren wird daran gearbeitet, diesen Prozess durch maschinelles Lernen zu vereinfachen. Maschinelles Lernen ist eine Art von künstlicher Intelligenz, die aus Daten lernt und dann Vorhersagen trifft oder Empfehlungen gibt. Die Idee ist, dass diese Technologie uns dabei unterstützt, unseren Stromverbrauch besser zu verstehen und gezielter zu steuern.

Wie das in der Praxis funktioniert

Im Rahmen seiner Dissertation hat Marc Walker, geb. Wenninger, untersucht, wie sich mithilfe von maschinellem Lernen der Stromverbrauch in Haushalten analysieren und optimieren lässt.

Dabei hat er ein Modell entwickelt, wie aus den gesammelten Daten hilfreiche Informationen und Empfehlungen ableiten werden können.

Die wichtigsten Schritte dabei sind:

Daten sammeln: Kontinuierliche Messung des Stromverbrauchs im Haushalt.
Geräte erkennen: Identifikation, welches Gerät wie viel Strom verbraucht.
Nutzungsverhalten analysieren: Untersuchung, wann und wie die Geräte genutzt werden.
Vorhersagen treffen: Prognose über zukünftige Nutzungsmuster einzelner Geräte.

"Meine Forschung zeigt, wie diese Schritte effizient gestaltet werden können, um den Stromverbrauch in Haushalten effizienter zu gestalten - mit dem Ziel, den Stromverbrauch besser planbar zu machen.", so Marc Walker.

Das hilft nicht nur, die Energiekosten zu senken, sondern auch, die Stabilität unseres Stromnetzes zu gewährleisten und die Nutzung erneuerbarer Energien zu fördern.

Ein Blick zurück – persönliche Einblicke und Highlights

Forschung, die nah am Alltag ist

Besonders spannend war es für Marc Walker zu sehen, wie greifbar angewandte Forschung an Hochschulen ist – und wie stark sie in unseren Alltag hineinwirkt. Themen wie künstliche Intelligenz, dynamische Strompreise oder Solaranlagen sind längst keine theoretischen Konstrukte mehr, sondern Teil unseres täglichen Lebens.

Für ihn war „die Arbeit an meiner Forschung … ein erfüllendes Erlebnis, bei dem ich hautnah miterleben konnte, wie diese Techniken komplexe Probleme lösen und das Leben der Menschen verbessern können.“

Von der Theorie in die Praxis: Freude bei Continua Systems GmbH

Ein weiteres Highlight im vergangenen Jahr war der erfolgreiche Transfer des erarbeiteten Wissens in die Praxis. Bei der Continua Systems GmbH, dem eigenen Unternehmen, kann Marc Walker das Know-how aus der Forschung direkt anwenden – insbesondere bei der Entwicklung innovativer Lösungen in der Automatisierungstechnik. Der Fokus liegt hier auf dem Einsatz von KI in der Automatisierungstechnik, insbesondere bei fahrerlosen Transportsystemen.– ein Bereich, in dem sich aktuell vieles bewegt und neue Impulse gefragt sind.

Dank an starke Partner

Walker blickt mit großer Dankbarkeit auf die Unterstützung zurück, die während der Dissertation und im Aufbau des Unternehmens gegeben wurde:

„Ich möchte mich herzlich bei Prof. Dr. Jochen Schmidt von der TH Rosenheim und Prof. Dr. Andreas Maier von der Friedrich-Alexander-Universität Erlangen-Nürnberg für ihre wertvolle Unterstützung und Expertise während meiner Dissertation bedanken.“

Ebenso wichtig war die Förderung durch überregionale Initiativen:

„Ein besonderer Dank gilt auch dem Bayerischen Wissenschaftsforum für ihre umfangreiche Hilfe und Förderung.“

Auch in der unternehmerischen Entwicklung gab es starke Begleitung:

„Außerdem danke ich dem Digitalen Gründerzentrum Stellwerk18 für die maßgebliche Unterstützung bei der Förderung meines gegründeten Unternehmens.“

Diese Wegbegleiter/innen haben maßgeblich dazu beigetragen, dass aus Forschung auch konkrete Lösungen werden konnten – mit sichtbarem Einfluss auf Praxis und Zukunftstechnologien.