Mit KI zielgenau investieren

Erstellt von IT-Zoom |

Der Trend auf dem globalen Finanzmarkt ist eindeutig: Erneuerbare-Energie-Anlagen erfreuen sich bei Investoren und Finanzinstituten immer größerer Beliebtheit. Wie modernste Datenintelligenz diese Attraktivität weiter steigern kann.

240 Terawattstunden Strom: So viel wie der Gesamtverbrauch aller Privathaushalte produzieren die Erneuerbare-Energie-Anlagen jährlich in Deutschland. Im ersten Quartal 2020 erzielten sie einen Anteil am deutschen Strommix von 52 Prozent – ein Rekordwert. Verantwortlich dafür ist neben dem wiedereinsetzenden Boom bei Photovoltaik-Anlagen vor allem die Windenergie auf hoher See. Allein im vergangenen Jahr sind europaweit 500 neue Offshore-Windturbinen in zehn verschiedenen Windparks ans Netz gegangen. Die Finanziers dahinter: weniger die Energieerzeuger selbst (9 Prozent) als vielmehr Infrastrukturfonds (31 Prozent) und Vermögensverwalter (53 Prozent), wie der Industrieverband Windeurope in einer Studie ermittelte. Doch woher wissen sie, welche Erträge die Offshore-Parks erwirtschaften und in welchem Fall sich Beteiligungen besonders lohnen?

Der Ertrag von Wind- und Solarparks lässt sich schwerer kalkulieren als bei Investments in andere Infrastrukturgüter, beispielsweise in Stromnetze. Wollten Betreiber und Investoren bisher die Daten verschiedener Anlagen zusammentragen oder historische technische Kennzahlen mit meteorologischen Informationen verknüpfen, so war dies meist mit hohem Aufwand verbunden. Die Folge: Es fehlten bisher verlässliche Aussagen zum technischen Zustand der Anlagen, zu Risiken und den zu erwartenden finanziellen Erträgen.

 

IoT-Plattform sorgt für präzise Prognosen


Seit 2017 verwertet das Start-up Kaiserwetter aus Hamburg Daten über die tatsächlich erbrachte Leistung und den zu erwartenden Output von Erneuerbare-Energie-Anlagen – sowohl aus einer technischen als auch finanzwirtschaftlichen Sicht. Dafür haben Gründer und CEO Hanno Schoklitsch und sein Team die cloudbasierte Internet-of-Things-Plattform (IoT) Aristoteles entwickelt. Sie aggregiert, strukturiert, visualisiert und analysiert historische sowie Echtzeitdaten aus Wind- und Solarparks in acht Ländern auf drei unterschiedlichen Kontinenten. Allgemeine Werte wie Wetterdaten sowie zukünftig auch Daten aus verschiedenen Strommärkten fließen ebenfalls in die Analysen ein.

Das Ziel: Daten nicht nur zu sammeln, sondern auch zu veredeln. Mit Hilfe von Predictive Analytics und Machine Learning lassen sich dabei präzise Prognosen treffen: Welcher Ertrag ist von einer Anlage im nächsten Monat zu erwarten? Wo gibt es technische Probleme? Welche Anlagen bleiben unterhalb ihres Potenzials? Daraus können auch für die Betreiber wertvolle Informationen abgeleitet werden – vor allem hinsichtlich der Frage, wie zuverlässig ihre Anlagen arbeiten. Drohen an einer Turbine wichtige Komponenten auszufallen, können sie frühzeitig Reparaturen anstoßen oder Wartungsprozesse vorziehen.

 

Technische Details und Finanzdaten verknüpfen


Die Analytics-Lösung basiert auf der SAP Cloud Platform. Ebenfalls zum Einsatz kommen der Internet-of-Things-Stack SAP Leonardo IoT und die Datenbank SAP HANA. Seit 2017 nutzte das Start-up aus Norddeutschland zunächst nur Predictive Analytics, um im Laufe der Zeit schrittweise Data Intelligence und Machine Learning in die Plattform zu integrieren. Auf diese Weise lassen sich Analysen verfeinern und noch zielgenauere Entscheidungen fällen.

Die Betriebs- und Messdaten stammen aus den SCADA-Systemen (Supervisory Control and Data Acquisition) der Solar- und Windparks. Ebenfalls möglich ist das Anbinden vorhandener IoT-Sensoren. Und auch verschiedene ERP-Systeme der Betreiber und Energieversorger lassen sich in  die Analytics-Lösung integrieren. Meist recht unkompliziert, da viele von ihnen eigene SAP ERP-Systeme nutzen.

Im nächsten Schritt geht es um das Veredeln der Daten. Anders als herkömmliche Energy-Asset-Management-Lösungen setzt Aristoteles finanzwirtschaftliche Daten in Beziehung zu den technischen Details der Anlagen. Das Ergebnis: Dank Data Intelligence kennen Betreiber und Investoren nicht nur die aktuelle und künftige Performance von Solar- und Windparks. Sie wissen auch, welche Renditen oder Risiken zu erwarten sind. „Dafür benötigen wir aus stochastischer Sicht ein sehr großes Datenvolumen, um die Prognosegüte zu verbessern“, sagt Hanno Schoklitsch. Das heißt im Klartext: je mehr Daten desto genauer die Prognosen.


Go to article