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
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
