Entwicklung robuster Prognosen für ein Energiemanagementsystem anhand datenbasierter Modellierungsverfahren unter Berücksichtigung von Unsicherheiten

Die Optimierung von Energiemanagementsystemen ist ein sehr nachhaltiger Gedanke. Wie kam es dazu, dass du deine informatischen Fähigkeiten in diese Richtung gelenkt hast?

Aus persönlichem Interesse habe ich mich bereits frühzeitig im Laufe des Studiums für das Themengebiet Erneuerbare Energien begeistert. Meine Masterarbeit habe ich beim Fraunhofer IEE in Kassel über die Leistungsprognose eines Onshore-Windparks geschrieben. Als ich anschließend von dem Projekt SmartFarm erfahren habe, in dem ein Energiemanagementsystem für landwirtschaftliche Betriebe entwickelt werden soll, war das für mich der logische nächste Schritt. Meiner Meinung nach ist die Energiewende das dringlichste Problem in den kommenden Jahrzehnten und ich freue mich, wenn ich mit meinen Fähigkeiten einen kleinen Beitrag dazu leisten kann.

Dein Ziel war es, allgemeine und adaptive Prognoseverfahren zu entwickeln. Heißt das, deine Ergebnisse könnten über den Bereich der Landwirtschaft hinaus Anwendung finden?

Ja, das hast du genau richtig verstanden. Damit das Modell dennoch auf eine konkrete Komponente spezialisiert ist, muss es anhand vorhandener Daten angelernt werden. Durch diesen Lernprozess passt sich das zunächst sehr allgemeine Modell eigenständig an die tatsächlich vorliegende Situation und die zu modellierende Komponente an. Das Modell ist darüber hinaus adaptiv, das heißt, es passt sich kontinuierlich an neue Daten an und kann somit auch auf Änderungen in den äußeren Bedingungen reagieren. Diese Methode kann nahezu beliebig eingesetzt werden und ist dabei in keiner Weise auf einen landwirtschaftlichen Betrieb beschränkt. Auch Anwendungen außerhalb eines Energiemanagementsystems sind möglich. Genau das macht diesen Ansatz so reizvoll.

Parameteridentifikationen, Modellgenerationen, Test- und Trainingsphasen. Entwickelt man bei all den Daten, die man eingibt und Simulationen, die durchlaufen werden, irgendwann elterliche Gefühle für seine eigenen Prognosemethoden?

So weit würde ich nicht gehen. Aber es ist schon erheblich, wie viel Zeit ich mit diesen Prognosen verbracht habe. Es ist einfach spannend zu sehen, wie man die Modelle beeinflussen kann und wie diese sich dann weiterentwickeln. Insbesondere am Ende meiner Arbeit, als ich mich mit der automatisierten Modellerstellung auseinandergesetzt habe, bemerkte ich, wie schnell „die Kinder groß werden“. Ich habe alles soweit vorbereitet, dass das System nur noch mit Daten gefüttert werden muss und dann entwickeln sich die Modelle ganz von allein.
Der Vergleich zu den Kindern passt also: Man muss ihnen zu Beginn ihres Lebens doch noch ganz schön viel beibringen. Aber je älter die Kinder werden, desto mehr Fähigkeiten eignen sie sich selber an und bevor man sich versieht, sind die Kinder erwachsen und stehen auf eigenen Beinen. Das ist natürlich schön für die Kinder, man selbst muss dann aber erst mal lernen, loszulassen.