Die Qualität der Prognosen hat unsere Erwartungen übertroffen. Jetzt können wir den Energiebedarf unserer Kunden deutlich besser planen und den Energieeinsatz effizienter als bisher steuern.
Andreas Schmallegger, Abteilungsleiter Energiehandel, Energie Steiermark
Künstliche Intelligenz, Big Data und Data Science machen es möglich: Österreichs viertgrößter Energiedienstleister prognostiziert auf die Viertelstunde genau für einen Monat im Voraus den Energie-Bedarf seiner Kunden und gewährleistet damit eine deutlich verbesserte nachhaltige Steuerung des Energieeinsatzes.
„Der Start unseres Projektes war mitten in der Corona Pandemie und wir haben fast das ganze Projekt wegen Lockdowns remote umgesetzt. Doch auch diese Hürde haben wir gemeinsam durch die tolle Zusammenarbeit mit dem professionellen Team von ACP CUBIDO gemeistert.“
Andreas Antensteiner, Teamleiter BI, Energie Steiermark
Die Energie Steiermark optimiert seit langem die Prognose des Energieverbrauchs. Angesichts der Umstellung auf digitale Smart Meter und das damit einhergehende enorme Datenwachstum wurde eine grundlegende Modernisierung der BI Landschaft beschlossen.
Gefragt war eine Lösung, die einerseits einen lückenlosen Gesamtüberblick über den Stromverbrauch bietet und andererseits treffsichere Energie-Bedarfsprognosen für die mehr als 600.000 Kunden liefert. Ein smartes Energiemanagement, das einen zielgerichteten Einkauf von Energie ermöglicht und nachhaltig die Energiebeschaffungskosten senkt. Technische Anforderungen waren die sorgfältige Trennung einzelner Mandanten und eine leicht skalierbare Performance zur optimierten Aufbereitung von vielen Milliarden Datensätzen. Im Rahmen einer Ausschreibung entschied sich die Energie Steiermark für ACP CUBIDO und ein innovatives Konzept zum Aufbau eines Modern Data Warehouse.
Die Basis dafür ist eine unternehmensweite Datenplattform, die mit Microsoft Azure und Azure Synapse Analytics realisiert wurde. Sie vereint unter einem Dach ein leistungsstarkes Data Warehouse und ermöglicht mit Spark die Verarbeitung enormer Datenmengen. Über diese Plattform werden beispielsweise Machine Learning Prozesse abgewickelt. Im Zuge der Datenaufbereitung werden viele Milliarden Zeilen verarbeitet und stehen für tägliche Abfragen mit geringer Antwortzeit zur Verfügung. Zum Vergleich: Früher wurde eine solche Datenauswertung nur bei Bedarf nach einer aufwendigen manuellen Datenaufbereitung durchgeführt.
Die Datenauswertung erfolgt mittels Power BI, das für die Berichterstellung keine IT-Spezialkenntnisse erfordert. Gleichzeitig greifen auch erfahrene Data Scientists nun auf neue Modelle und Parameter zu, mit denen sie zielgerichteter arbeiten und bessere Prognosen erstellen können. Neben der Azure Cloud umfasst die neue Lösung unterschiedliche Datenbanktechnologien und Datendomänen, die über Quellsysteme on-premises bereitgestellt werden. Dies dient der Einhaltung datenschutzrechtlicher und regulatorischer Vorgaben zum Schutz sensibler Kundendaten.
Die spezifischen Anforderungen der Energie Steiermark wurden in zwei aufeinander aufbauende Projektphasen umgesetzt. Zunächst wurde eine lückenlose Betrachtung vergangener Ereignisse erstellt, und so die Basis für einen aufschlussreichen Blick in die Zukunft geschaffen:
Der Aufbau der Analyse-Plattform in der Microsoft Azure Cloud bildet die strukturelle Grundlage für optimale Datensicherheit sowie die strikte Trennung von verschiedenen Mandanten. Darüber hinaus bietet sie eine datenbasierte Sicht des Energieverbrauchs und liefert so bereits das Ausgangsmaterial für die qualifizierten Prognosen im nächsten Schritt.
Für eine aussagekräftige Vorhersage benötigt die Energie Steiermark verlässliche Daten im 15 Minuten Takt für die letzten Jahre. Dies wird durch eine Aufbereitung der individuellen Kundenlastgänge in der Vergangenheit und das Auffüllen technischer Lücken erreicht. Anhand dieser Prognosebasis wird mittels Machine Learning Modellen der Stromverbrauch mit hoher Genauigkeit prognostiziert. In weiterer Folge können die benötigten Energieressourcen nun zielgerichtet und erheblich kosteneffizienter disponiert werden.
Das Modern Data Warehouse und die zentrale Datenaufbereitung gewährleistet über alle Fachbereiche hinweg eine stringente Datenwahrheit und verbessert damit bereichsübergreifend die Qualität strategischer Entscheidungen. Gleichzeitig erlaubt die neue Struktur die Berücksichtigung zukünftiger Neukunden und Abwanderungen für die Erstellung belastbarer Prognosen.
Darüber hinaus wurde die neue Infrastruktur so konzipiert, dass sie flexibel weiterentwickelt und für künftige Anforderungen adaptiert werden kann. Eine Implementierung von zusätzlichen Analytics Use Cases ist daher ebenso möglich wie die Anbindung neuer Mandanten oder technologische Erweiterungen in den Bereichen Data Science und Machine Learning. Durch die enge Zusammenarbeit der technischen Spezialisten der ACP CUBIDO und den Fachexperten der Energie Steiermark ist die notwendige Basis geschaffen, innovative Adaptionen voranzutreiben sowie neue Use Cases zu entwickeln.
Die Energie Steiermark mit Sitz in Graz ist das viertgrößte Energie- und Dienstleistungsunternehmen Österreichs. Das Unternehmen hat derzeit rund 1.900 Mitarbeiter*innen und betreibt 29 Haupt-Betriebsstandorte in der Steiermark, eine Vertriebsgesellschaft in Wien und hält Beteiligungen an verschiedenen Unternehmen. Auch außerhalb Österreichs ist die Energie Steiermark in der Slowakei, der Tschechischen Republik, Slowenien, Deutschland und Frankreich tätig.
Die Energie Steiermark legt Wert auf Energieeffizienz und innovative Serviceangebote in den Bereichen Strom, Erdgas, Wärme und Mobilität. Bei der Energieerzeugung setzt das Unternehmen ausschließlich auf erneuerbare Energie aus Wasser, Wind, Sonne und Biomasse.
Aus Analysen der Produktionsdaten werden Änderungen im Rohmaterialeinsatz oder Anpassungen von Prozessparametern abgeleitet und schädliche Produktionsbedingungen identifiziert, bevor Ausschuss produziert wird.
In dem gemeinsamen IIoT-Projekt wurde eine gesamte Produktionslinie angebunden, diese Daten in Power BI Dashboards visualisiert und der OEE auf Basis valider Maschinen- und SAP-Daten berechnet.
