Im Laufe der Jahre entwickelte sich Smart-Home zu einer Art Buzzword für vieles, was man sich an Geräten ins Haus holen konnte. Dabei beschreibt der Begriff ziemlich genau, worum es eigentlich geht: Haushaltsgeräte, Unterhaltungselektronik und andere Geräte im Haus sind immer weniger auf Eingaben von Menschen angewiesen, sondern funktionieren „vollautomatisch“. Das wahrscheinlich einfachste Beispiel für Smart-Home ist eine Lampe, die sich beim Betreten des Raums automatisch einschaltet. Das ist sicherlich eine „smarte“ Anwendung, wirklich intelligent ist die Technologie dahinter aber nicht. Sie besteht aus einem Bewegungssensor, der Lampe selbst und einer Zeitsteuerung, die der Lampe sagt, in welchem Zeitraum sie auf Bewegungen reagieren soll und in welchem nicht.

Tatsächlich smart wird Smart-Home erst dank künstlicher Intelligenz. Sie bindet das Haus in eine intelligente Versorgungsstruktur ein. Alle Ebenen dieses Smart-Grids, also Produzenten, Stromnetz, Speicher und Verbraucher, werden durch intelligente Systeme verbunden und tauschen permanent Informationen miteinander aus. Das ist die Voraussetzung für den flächendeckenden Einsatz erneuerbarer Energien.

Künstliche Intelligenz hilft bei der Eigenverbrauchsoptimierung

Der derzeit vielversprechendste Ansatz von künstlicher Intelligenz ist Machine Learning. Anhand von großen Datenmengen „lernen“ Algorithmen, selbstständige Entscheidungen zu treffen. Wo ein Energiemanagementsystem ohne künstliche Intelligenz auf fest programmierte Routinen setzen muss, kann es dank Machine Learning vom individuellen Produktions- und Verbrauchsprofil lernen. Ein Beispiel ist die intelligente Einbindung von Stromspeichern: Statt die Solarbatterie jeden Tag in der Mittagszeit auf einen möglichst hohen Ladestand zu bringen, berücksichtigt der Energiemanager verschiedenste Informationen. Dies sind etwa das typische Verbrauchsverhalten am jeweiligen Tag oder die Wetterdaten und die dadurch zu erwartende Stromproduktion. Auch die Solarbatterie selbst liefert Informationen: Nicht nur über ihren derzeitigen Ladestand, sondern auch über Daten wie die Temperatur in den Zellen und am Aufstellort. Denn diese sind wichtig, um eine möglichst lange Lebensdauer der Zellen gewährleisten zu können.

Alle diese Informationen werden von der künstlichen Intelligenz gewissermaßen gesammelt, ausgewertet und in Handlungsoptionen umgewandelt. Im Gegensatz zu einem System ohne Machine Learning erfolgt das Energiemanagement somit dynamisch und in Abhängigkeit der jeweiligen Umstände. Es passt sich den individuellen Bedürfnissen der Nutzer an. Das Resultat sind ein optimierter Eigenverbrauch und Komfortsteigerungen.

Künstliche Intelligenz im Energiemanagement

Machine Learning macht den Energiemanager zum persönlichen Energieberater

Künstliche Intelligenz kann dem Energiemanagement also helfen, Energie intelligent vorzuhalten. Daten über das Verbrauchsverhalten im Haushalt eröffnen darüber hinaus weitere Möglichkeiten. So analysiert der Energiemanager den Stromverbrauch über den Tages- und Nachtverlauf. Nicht nur kennt er den typischen Gesamtstromverbrauch zu den verschiedenen Tageszeiten; er kann dank Machine Learning auch auf die Art des Verbrauchers schließen und so zum Beispiel den Kühlschrank vom Fernseher und diesen von der Wohnzimmerbeleuchtung unterscheiden. Das ist möglich, weil jedes Gerät in der Verbrauchskurve einen „Fingerabdruck“ hinterlässt. Mit statistischen Methoden lässt sich von diesem Fingerabdruck auf das Gerät und sogar auf bestimmte Modelle schließen. Der Energiemanager erfährt hierdurch nicht nur, wie viel Energie zu welcher Uhrzeit verbraucht wird, sondern welche Geräte wann laufen und wie viel Strom sie benötigen.

Diese Einsichten in das Verbrauchsprofil eröffnen ganz neue Möglichkeiten zur Optimierung. So kann die künstliche Intelligenz die Daten auswerten und mit typischen Daten aus anderen Haushalten vergleichen. Auf dieser Grundlage kann sie den Nutzern Tipps geben, wie sie ihren Stromverbrauch senken oder den selbst produzierten Strom effizienter nutzen. Mit künstlicher Intelligenz wird das Energiemanagementsystem somit zu einem intelligenten und autonomen Energieberater für die eigenen vier Wände.

KI + Energiemanagement + Smart-Home = Mehr Autarkie und Komfort

Einen Schritt weiter geht es, wenn KI im Energiemanagement auf smarte Verbraucher trifft, die ihrerseits autonom handeln können. So ließe sich eine intelligente Waschmaschine etwa automatisch ansteuern, wenn ausreichend überschüssige Energie im Haushalt zur Verfügung steht. Hier sprechen wir von der eigentlichen Definition von Smart-Home: Geräte können, gesteuert durch die künstliche Intelligenz, selbstständig die richtigen Entscheidungen treffen. Nicht nur nehmen sie den Nutzern damit lästige Aufgaben ab; auch sind sie in der Lage, Entscheidungen schneller und präziser zu treffen, als Menschen es bei vertretbarem Aufwand könnten.

Energie von Mensch zu Mensch dank Machine Learning

Nicht zuletzt bei unserer Vision von der Energie von Mensch zu Mensch spielt künstliche Intelligenz eine gewichtige Rolle. Ein intelligentes Energiemanagementsystem geht über die Grenzen des Haushalts hinaus und lagert überschüssigen Strom auch an andere Verbraucher aus. Heute wird die Überproduktion der Solaranlage einfach ins Netz eingespeist und geht dort gewissermaßen im großen „Ozean“ des Strommixes auf. Um den Handel von Strom zwischen Haushalten zu ermöglichen, braucht es ein System, das beide Seiten der Gleichung und die Faktoren berücksichtigt, die sie beeinflussen: Konsumenten und ihre Vorstellungen hinsichtlich Preis und Verfügbarkeit sowie Produzenten und ihre Fähigkeit, die gewünschte Energie zu den gewünschten Konditionen liefern zu können. Künstliche Intelligenz ist die Grundlage für ein solches System, das nicht nur Vorteile hinsichtlich Komfort und Preis bietet, sondern eine Voraussetzung für das flächendeckende Gelingen der Energiewende ist. Auf dieses Ziel gehen wir mit großen Schritten zu.