KI in der Energiewirtschaft

09:00 – 12:30 Uhr

Künstliche Intelligenz: Definition, Grundlagen und aktueller Forschungsstand

KI-Basics, Machine Learning & Datenmanagement

• Motivation: Globale Megatrends im Umfeld der KI
• KI, ML & Deep Learning: Definitionen und Begriffsabgrenzung (Begriffe, Definitionen, Strukturen und Tools)
• Verlässliche Datengrundlagen für KI/ML Technologien mit quantitativen und qualitativen Anforderungen
• Überblick und realistische Anwendungsmöglichkeiten zu aktuellen KI-Technologien
• Evaluierung von Einsatzgrenzen und Sinnhaftigkeit am Beispiel von Vorhersageprognosen und statistischen Methoden
• Veranschaulichung anhand von Anwendungsbeispielen: Statusübersicht zu verschiedenen Projekten rund um KI/ML
• Überprüfung des Mehrwerts von ML im Vergleich zu statistischen Methoden

Der souveräne Umgang mit KI

Voraussetzungen für die Entwicklung und den Einsatz
von KI/ML Methoden

• Zielsetzung: Wo will ich hin? Was will ich machen? Welche Daten benötige ich dafür?
• Datenquellen und Dateninfrastruktur: Sensornetzwerke, Datenbasis, IT-Infrastruktur (Data Center und –Server)
• Datenvalidierung: Saubere Daten und notwendige Prozesse zur Datenaufbereitung

Entwicklung von KI/ML Lösungen

• Bewusstseinsschärfung über Grenzen und Möglichkeiten von KI
• Überprüfung von Aufwand und Nutzen

Anwendung und Betrieb von KI/ML Services

• KI im Kontext der Datenschutzgrundverordnung
• Der Mitarbeiter-Faktor: Kompetenzen entwickeln und Weiterbildung
• Vor- & Nachteile von Open Source vs Closed Source Anwendungen und ihre Risiken

Ihr Plus: Hands-on: Training eines einzelnen Neurons und eines neuronalen Netzes in Google Colab (keine Programmiererfahrung erforderlich)

Stefan Übermasser, Research Engineer, AIT Austrian Institute of Technology
 

12:30 – 13:30 Uhr Mittagspause


13:30 – 15:00 Uhr

Einsetzbarkeit und Anwendungsbeispiele von KI aus der Forschung

„Federated Learning“ und „Edge AI“ in Niederspannungsnetzen: Erfahrungen aus dem AI4Green Projekt FLEDGED

• Entwicklung, Erprobung und Bewertung von föderierten Lerntechniken für definierte LVAnwendungen im Verteilungssystem
• Edge AI: Vor-Ort-Nutzung lokaler hochauflösender Daten und situationsabhängiger maschineller Lernalgorithmen
• Erweiterte Anwendungspotenziale – Gewährleistung des Datenschutzes und Vermeidung von Datenübertragungen für erhöhte Sicherheit
• Optimierung von Planungs- und Entscheidungsprozessen
• Flexibilitätsprognosen: Förderung optimaler Energiemarktentscheidungen, Vermeidung teurer Netzverstärkungen und Erhöhung der Netzstabilität
• AI als skalierbares und flexibles Tool bei variierenden Datenmustern
• Zuverlässige Prognosen von volatilen EE und Bedarfsprofilen zur Optimierung von Demand-Response-Plänen

15:00 – 15:30 Uhr Kaffeepause


15:30 – 17:00 Uhr

Prognose und Fehlererkennung auf Basis von geografisch verteilten PV Daten: Erfahrungen basierend auf der Anwendung der „Neighbouring“ Methode

• Das Problem: Steigender Bedarf an globalen als auch lokalen PV-Leistungsvorhersagen aufgrund stark steigender PV-Anlagen im Verteilnetz
• Die Vision: Geografisch verteilte PV-Anlagen als Sensorfeld
• Datenanalyse und Datenaufbereitung
• Einsatz von Long-Short-Term-Memory und rekurrenten neuronalen Netzen
• Performanceanalyse anhand konkreter Projektergebnisse
• Weiterentwicklung und Performanceoptimierung anhand zusätzlicher Datenpunkte

“State Estimation” und Netzkapazitätsmangement in Niederspannungsnetzen

• Übersicht 100 Jahre Netzwerk Management im Niederspannungsnetz
• Energiegemeinschaften im österreichischen Niederspannungsnetz: Chancen und Herausforderungen
• Methoden und Erfahrungen zur „State Estimation“ im Niederspannungsnetz
• Einsatz von KI-basierter Zustandsschätzung im Echtzeitmanagement von Verteilnetzen
• Flexibilitätsmanagement für mehr Netzwerk Resilienz

Mark Stefan, Thematic Coordinator Power System Digitalization, AIT Austrian Institute of Technology

09:00 – 11:00 Uhr

Hands-on: KI Use Cases aus der Praxis

Anwendungsbeispiele von KI für Energieunternehmen

• Präsentation einer Wertschöpfungsmatrix für Bereiche der Energiewirtschaft: KI-Typen und deren Impact
• Beispiele für Auswahl und Priorisierung von Use Cases
• Praxisbeispiele: Predictive Maintanance, Demand Forecasting und Dynamic Route Optimization
• Deep Dive und Demonstration von KI Modellen sowie Live Anwendung mit Fokus auf GenAI
• Intelligent Automation als Brücke zwischen Technologien und Legacy Systemen
• Fokus auf weitere Themen je nach Wunsch durch Seminar-Teilnehmer:innen: Implementierungsmethoden, Implementierungsgeschwindigkeit, organisatorischer Änderungsbedarf, Herausforderungen und Risiken, EUAI-Act, Kosten und Potentiale, Erfahrungen in anderen Branchen, Ausblick Causal AI, u.v.m

Marc-Joël Fortelny, Senior Expert Strategic Intelligence, OMV
 

11:00 – 11:30 Uhr Kaffeepause


11:30 – 12:30 Uhr

Use Cases und zielgerichtete Anwendungen in der eigenen Praxis definieren

Interaktive Session: Erfolgreiche GenAI Use Cases definieren und umsetzen

Erster Impuls

• KI ist kein Selbstzweck: Zielgerichteter und skalierbarer Einsatz von GenAI anhand von realen Beispielen

Identifizierung potenzieller Use Cases im eigenen Umfeld in Gruppen- oder Einzelarbeit

• Wo macht KI in den Geschäftsprozessen Sinn?
• Wo unterstützt KI? Wo ersetzt KI menschliches Handeln?
• Mehrwert und Optimierungspotenziale finden und definieren

Erstellung eines Implementierungsplans

• Schritt-für-Schritt-Anleitung zur Planung und Umsetzung eines KI-Projekts
• Identifikation und Diskussion wichtiger Erfolgsfaktoren für eine erfolgreiche KI-Implementierung 
• Mix & Match Use Cases und Tools für das eigene Unternehmen
   

12:30 – 13:30 Uhr Mittagspause
 

13:30 – 14:30 Uhr

Outcome und Reflexion

• Vorstellung und Diskussion der Ergebnisse
• Feedback zur weiteren Optimierung
• Konkrete Schritte im beruflichen Alltag – So gehe ich es konkret an
• Take-Aways

Barbara Herbst, CEO und Gründerin, en.AI.ble | Agentur für Künstliche Intelligenz
 

14:30 – 15:00 Uhr Kaffeepause


15:00 – 17:00 Uhr

Rechtliche Grundlagen und Grenzen von KI Anwendungen

Rechtliche Fragestellungen & Datenschutz

• AI-Act: Rechtsrahmen der EU zum Einsatz von KI
• Übersicht der Rechte und Pflichten
• Sanktionen und Behörden
• Stand der KI-Haftungsrichtlinie

Folgen der Einstufung von KI als Hochrisiko-KI-System

• Anforderungen an KI-Systeme mit hohem Risiko
• „Checks and Balances“ zwischen Anbieter und Betreiber
• Wichtige Verhandlungspunkte bei der Lizenzierung von KI-Tools

Datenschutz in der Energiewirtschaft 4.0

• Verarbeiten KI-Modelle personenbezogene Daten?
• Was beim Einsatz von KI-Tools zu beachten ist

Gesetzliche Grenzen der intelligenten Optimierung aus regulatorischer Sicht
 

Dominik Loidl, Senior Associate, Peters Ortner Partners Rechtsanwälte