Pfeil hoch

Mehrwerte aus Smart-Meter-Daten

GreenPockets Strategie: Von Energietransparenz zu Energieintelligenz

Im Rahmen des anstehenden Smart-Meter-Rollouts kommt es zu einem weitreichenden Ausbau der digitalen Infrastruktur in Deutschland und Europa. Dadurch werden enorme Datenmengen verfügbar: Statt der einjährigen Messwerte, die bisher durch SLP-Zähler geliefert werden, stehen nach der Installation intelligenter Messsysteme (iMSys) über 35.000 Viertelstundenwerte pro Zählpunkt und Jahr zur Verfügung. Dieser Datenschatz bietet eine große Chance für Energieversorger und Endverbraucher. Denn aus ihm lassen sich durch AI- und Data-Science-Technologien Mehrwerte und Services generieren, die bisher nicht denkbar waren.

Icon - Home Office

Von der Mustererkennung zur Prozessoptimierung

Durch den Einsatz intelligenter und selbstlernender Algorithmen lassen sich Muster und bislang unbekannte Zusammenhänge in den Daten erkennen. Dadurch können beispielsweise genauere Prognosen und Automatismen entwickelt werden, die den Aufwand für die Anwender deutlich reduzieren und die Prozesse optimieren.

Icon - Home Office

Mit Expertise zum Ziel

Bei GreenPocket arbeitet bereits jetzt ein Team aus Data-Science-Experten an der Entwicklung neuer Technologien unter Berücksichtigung der verschiedenen Use Cases. Entsprechende Erfahrungen sammeln wir bereits seit Jahren in Projekten wie dem vom Bundesministerium für Wirtschaft und Energie geförderten NILM-Projekt sowie in direkter Zusammenarbeit mit dem Fraunhofer IIS/EAS im Rahmen der Start-up TechConnection.

Anwendungsfälle

Sowohl Energieversorger als auch Endverbraucher, insbesondere aus dem Unternehmenssegment,
können von Data-Science-Technologien profitieren:

Icon - Lastmanagement

Energieversorger

Mit der Verarbeitung der großen Menge an Nutzerdaten kann eine transparentere und detailliertere Darstellung der Lastverteilung für Energieversorger erstellt werden. Dadurch kann das Lastmanagement wesentlich besser gesteuert werden, wodurch sich beispielsweise bessere Angebote für Smart-City-Anwendungen und kommunale Services generieren lassen. 
Außerdem lassen sich aus den Daten Verhaltensmuster ableiten und somit ein besseres Verständnis der Kundenbedürfnisse entwickeln. Dadurch lassen sich in nächster Konsequenz ohne aufwendige und teure Marktforschungsmaßnahmen nutzungsbasierte Angebote und Empfehlungen für Ihre Kunden generieren und per Push-Notification versenden. Die dadurch bewirkte Verbesserung der Servicewahrnehmung kann z.B. zu einer merklichen Reduzierung der Abwanderungsrate führen – das zeigte sich auch in dem von Horizon 2020 geförderten PEAKapp-Projekt, in dem die Unterbreitung von kundenspezifischen Angeboten die Wechselbereitschaft der Anwender um ganze 50% reduzierte.

Icon - Prognose

Endverbraucher

Für Unternehmenskunden können beispielsweise bessere Prognosetools entwickelt werden, die Verbräuche unter Einbezug von Faktoren wie Auftragslage und Wettereinflüssen voraussagen können. Auch die Anomalieerkennung lässt sich durch Data-Science-Technologien verbessern: Sowohl die Entwicklung von Trends als auch Abweichungen davon können durch intelligente Algorithmen automatisch erkannt werden. Im nachfolgenden Entwicklungsschritt können durch Predictive-Maintenance-Anwendungen Beschädigungen an Geräten vorhergesagt werden, bevor sie teure Produktionsausfälle verursachen.

GreenPocket sucht Partner!

Erste Data-Science-Features werden bis Mitte des nächsten Jahres in unsere Produktlinien einfließen. Wenn Sie Interesse an einem gemeinsamen Projekt zur Entwicklung von Data-Science-Technologien haben, dann kontaktieren Sie uns gerne unter info@greenpocket.de.