Die Trends Digitalisierung, Dezentralisierung und Dekarbonisierung sind die Treiber der Transformation in der Energiewirtschaft. Energieversorger müssen flexibel auf Veränderungen reagieren können und parallel die Kosten für das Bestandsgeschäft optimieren. Dafür brauchen sie wirtschaftliche Lösungen für die immer komplexeren Anforderungen der digitalisierten Märkte.
Hier wirkt Advanced Analytics: Denn es ermöglicht die Analyse großer Datenmengen (Big Data) bei geringem Kostenaufwand und hohem Output. Mit Analytics können Unternehmen Ressourcen einsparen, Kosten senken, die Lebensdauer ihrer technischen Anlagen erhöhen und ihre Planungseffizienz bei Business-Entscheidungen verbessern. Anders als bei traditionellen Analysetools, die bereits gesammelte Daten auswerten und eine Analyse des Ist-Zustandes ermöglichen, steht bei Advanced Analytics die Vorhersage zukünftiger Ereignisse auf Basis von Massendaten im Fokus. Firmen können aus diesem Datenrohstoff neues Geschäftspotenzial heben. Für ein smartes Datenmanagement bilden IoT-Plattformen in Kombination mit Analytics -Lösungen eine effiziente Symbiose, die die Vernetzung und das Sammeln der relevanten Daten ermöglicht und die Umsetzung der neuer Use Cases realisieren. Unternehmen können mit einer solchen Plattform mit den Analytics-Lösungen Mehrwerte aus den Daten ziehen und neue Geschäftsmodelle umsetzen.
Smartes Energiemanagement
Gerade für energieintensive Betriebe wird die Energie- und Anlagen-Effizienz für den Geschäftserfolg immer entscheidender. Energieeffizienz ist im neuen digitalisierten, dezentralen und nachhaltigen Markt 4.0 nur ein Baustein vieler verschiedener Hardware- und Software-Elemente, die zur Effizienzsteigerung beitragen. Ein fundiertes Energiedatenmanagement ist die Basis für Effizienz im Bereich der Energieerzeugung und des -verbrauchs. Dies ist mit dem Erfassen großer Datenmengen und dem Auswerten der Daten immer umfassender möglich und eröffnet darüber hinaus weitere Mehrwerte – neue Geschäftsmodelle etwa. Energiedatenmanagement zeigt, welche Schlüsse aus dem Wissen zu ziehen sind und wie die entsprechenden Steuerungsmaßnahmen aussehen können.
Möglich wird das durch ein intelligentes, plattformgestütztes IoT- und Big-Data-Management sämtlicher digitaler Energieverbrauchs-, Prozess- und Kundendaten: Zu welchen Zeiten ist der Energieverbrauch am höchsten? Zu welchem Zeitpunkt ist die Eigenenergieerzeugung am effizientesten? Welche Energiekosten fallen an verschiedenen Standorten, Filialen oder Werken wann an – und warum? Wann kann wo Energie reduziert werden? Mithilfe von Data-Analytics-Bausteinen lassen sich diese Mehrwerte aus den Daten generieren. Beispielsweise spart eine große Baumarktkette mit mehr als 350 Filialen durch eine digitalisierte Steuerung der täglichen Marktanlaufphase rund 500.000 Euro Kosten jährlich.
Dazu kommt: Das Plus an Energieeffizienz ist ein skalierbarer Mehrwert. Erfolgreiche Einzelprojekte lassen sich bei Filialisten und Ketten hervorragend in die Fläche übertragen. Das birgt zahlreiche Chancen zum Ausbau bestehender und viele Möglichkeiten zum Aufbau neuer Kundenbeziehungen.
Denn mehr Effizienz zu verkaufen bietet beiden Seiten Vorteile: Energiekunden erhalten durch die Erfassung und Analyse umfassender Daten jede Menge neue Erkenntnisse – und konkrete Handlungsempfehlungen für mehr Kosten- und Energieeffizienz. Gleichzeitig werden klassische Energieversorger mit intelligentem Energiedatenmonitoring zu zeitgemäßen Dienstleistern, die ihren Kunden greifbaren Mehrwert bieten – und sich zum Effizienzanbieter entwickeln: wahrnehmbar, mit überzeugendem Service und sich vom Wettbewerb differenzierend.
Datengetriebene Service-Modelle
Die Erfassung, Analyse und Steuerung von Energieverbrauchs- und Sensordaten bietet ganz neue datenbasierte Geschäfts- und Produktideen. Versorgungsunternehmen können die Verbrauchsdaten ihrer Kunden zum Beispiel für maßgeschneiderte Liefermodelle nutzen: Intelligente Sensoren (an Fenstern und Türen des Kunden) registrieren die entsprechenden Bewegungswerte. Diese werden dann zusammen mit den Wärmedaten des vom Versorger installierten Smart-Home-Gateways an den Versorger übermittelt. Der wiederum stellt dann auf Basis dieser Daten über das Gateway eine vom Kunden gewünschte, individuelle Raumtemperatur konstant bereit. Die Thermostate in der Wohnung werden dabei vollautomatisiert gesteuert.
Der Versorger kann darüber hinaus auch die Energieverbräuche messen und sie auf Wunsch entsprechend für den Endkunden visualisieren. Anders gesagt: Energiekunden bestellen dann nicht einfach „nur“ wie bisher Erdgas und Kilowattstunden, sondern kaufen eine Lieblingsraumtemperatur für Ihr Zuhause ein. Energiekunden erhalten so ein „Rundum sorglos“-Paket für ihren Energiebezug mit einer neuen Art Kosten- und Energieeffizienz.
Und dieses Paket kommt dann auch von einem ihnen vertrauten, lokalen Unternehmen. Klassische Energieversorger wiederum entwickeln sich für ihre Kunden erstmalig zu einem Dienstleister, der ihnen neue Mehrwerte bietet – wie die Dienstleistung „Wohnkomfort“. Die Folge: Das Unternehmen hebt sich mit diesem wahrnehmbaren, überzeugenden Service vom Wettbewerb ab. So kann es sicherlich nicht nur Bestandskunden überraschen und länger an sich binden, vielmehr werden auch neue, gut situierte Kundengruppen angesprochen, die Komfort und Modernität suchen und diesen bei einem Energiedienstleister finden.
Predictive Maintenance
Leistungssteigerung und gleichzeitig Kostensenkung – diese Verheißung wird mit Predictive Maintenance auf Basis von Massendaten Wirklichkeit. Die „vorausschauende Instandhaltung" wird mit intelligenter Maschinenüberwachung via Sensor- und Big-Data-Plattformen realisiert. Durch die kontinuierliche Messung und Auswertung von Betriebsparametern können beispielsweise optimale Wartungs-Zeitpunkte von Anlagen eingetaktet oder die Rest-Lebensdauer einzelner Maschinenkomponenten prognostiziert werden. In der Energiewirtschaft wird dieser datenbasierte Technologieansatz bereits beim Betrieb von Wind- und Solarparks sowie auch bei der Wartung von Gasturbinen eingesetzt. Dafür werden die IoT-Sensordaten überwacht, auf deren Grundlage dann das aktuelle Ausfallrisiko innerhalb der nächsten Zeitfenster berechnet werden kann. Mit dieser Echtzeit-Prognose des Ausfallrisikos spart der Betreiber also einerseits Ressourcen und erhöht zusätzlich die Lebensdauer seiner technischen Anlagen nachhaltig.
Für diese verschiedenen Anwendungsfälle hat Arvato Systems eine modulare und skalierbare IoT- und Big-Data-Plattform entwickelt und mit KI-Lösungsbausteinen ergänzt. Die Arvato Energy Platform bereitet Massendaten performant auf und vereint Lösungen rund um das Energie-, Netz- und Lastmanagement. Hierzu werden sämtliche Massendaten aus den Bereichen der Energieproduktion, Energieverteilung und dem Verbrauch mithilfe der Plattform analysiert und die technischen Anlagen mit Steuerungs- und Überwachungskomponenten ausgestattet. Dank der integrierten Big-Data-Technologie lassen sich Daten aus unterschiedlichsten Quellen, wie beispielsweise Wetter-, Sensor-, technischen Anlagen- und Verbrauchsdaten sammeln, aufbereiten und effizient auswerten. Das ermöglicht es, das Erzeugungs- und Lastmanagement entsprechend verlässlich prognostizierter Einspeisungen und Verbräuche zu optimieren.
Wenn Unternehmen die Datenflut der neuen digitalen Märkte also für ihre eigene Wertschöpfung klug einsetzen, profitieren sie vom Wandel der Märkte – auch in Zukunft. Plattformlösungen bieten dafür einen tragfähigen Ansatz. Der Aufbau und Betrieb dieser Plattformen wird deshalb mehr und mehr ein essenzieller Bestandteil moderner IT-Strategien von Unternehmen sein.
