KI eröffnet der Energiebranche vielfältige Möglichkeiten: So kann sie helfen, die Netzführung zu optimieren und in Zukunft auch zu automatisieren, indem sie sowohl Prognose- als auch Zustandsdaten der Betriebsmittel mit in ihre Entscheidungen einbezieht. Auch auf der Betriebsmittelebene können KI-gestützte Systeme selbstständig die Sensordaten analysieren und automatisch melden, dass etwa eine Wartung notwendig ist, noch bevor ein Fehler auftritt. Auch Serviceeinsätze könnte die KI künftig selbstständig planen und somit die knappen personellen Ressourcen besser einsetzen. Das sind nur wenige Beispiele, die zeigen, wie wichtig KI in Zukunft für eine stabile Energieversorgung wird. Die Potenziale für die Stromnetze sind groß: Die internationale Energieagentur (IEA) hat errechnet, dass mithilfe intelligenter Sensoren und KI-basierter Netzführung 175 Gigawatt (GW) an Übertragungskapazität freigesetzt werden könnten, ohne dafür neue Leitungen bauen zu müssen. 

Doch damit KI ihre Potenziale überhaupt entfalten kann, braucht sie zunächst einmal jede Menge Daten – denn ohne Daten ist sie komplett wertlos. Damit Energieversorger KI sinnvoll einsetzen können, ist also die flächendeckende Datenerfassung bei Transformatoren, Leistungsschaltern und Kabeln eine wichtige Voraussetzung. Roland Götz, Head of Innovation and Technology bei MR, erklärt: „Um das möglich zu machen, arbeiten wir bei MR daran, die Kosten für die Digitalisierung zu senken.“ Und dabei soll wiederum KI helfen: „Wir erproben gerade Algorithmen, die aus den Messdaten einiger weniger Sensoren Rückschlüsse ziehen und Werte für andere fiktive oder digitale Sensoren berechnen.“ Der Effekt: Es wären weniger Sensoren notwendig, um einen Transformator zu digitalisieren – Netzbetreiber können so viel Geld bei der Modernisierung ihrer Flotten sparen. 

Maschinelles Lernen spielt bei MR seit rund 20 Jahren eine zentrale Rolle. Den Anfang bildeten Luftentfeuchter mit selbstlernenden Regelalgorithmen. Über die Jahre wuchs das Sensorportfolio und weitere Produkte wurden mit intelligenten Algorithmen ausgestattet. Dazu zählt auch der MSENSE^® VAM, ein vibroakustisches Messverfahren, das mit selbstlernenden Algorithmen den Schaltvorgang beim Stufenschalter überwacht. Besonders im Bereich der Betriebsmittelbewertung ermöglicht KI immer präzisere Analysen. So ist die Automatisierungslösung ETOS® bereits auf Feldebene als System zur Überwachung und Datenerfassung an Transformatoren etabliert. Funktionen wie Asset Intelligence und die Analyse gelöster Gase im Isolieröl (DGA-Interpretation) liefern schon heute daten- und modellbasierte Einblicke für effizientere Zustandsbewertungen – inklusive konkreter Handlungsempfehlungen. Doch sind die Betriebsmittel erst einmal flächendeckend digitalisiert, ist hier in Zukunft noch viel mehr möglich.