FAME4ME – Foresight und AI-basiertes, nutzerorientiertes Management von Energieservices
FAME4ME im Überblick
FAME4ME will die Nutzungsmöglichkeiten von nachhaltigem Energiemanagement in Gebäuden angesichts von Preisschwankungen und geopolitischen Unsicherheiten erforschen und mit Hilfe von Künstlicher Intelligenz verbessern. Das Projekt entwickelt auf Basis des Nutzerverhaltens maßgeschneiderte, durch KI-Unterstützung dynamisch generierte Energieservices zur Erhöhung der Flexibilität im Energiesystem und Reduzierung der Kosten für die Stromversorgung. Eine benutzerfreundliche App liefert eine KI-unterstützte, intuitive Visualisierung von Erzeugungs- und Verbrauchsprognosen und Preissignalen für die Stromnutzung sowie individualisierte Handlungsempfehlungen.
FAME4ME im Use Case: Wie Herr Weber mit smarter Technik einfach Strom spart
Herr Weber* lebt in einer Wohnung mit Solaranlage und Wärmepumpe. Außerdem besitzt er ein Elektroauto, dass er bequem über eine Wallbox laden kann. Er möchte seine Stromkosten senken und seinen Energieverbrauch optimal nutzen, ohne sich viel damit zu befassen.
Mit FAME4ME geht das ganz einfach:
- Eine praktische App zeigt ihm genau, wann Strom am günstigsten ist. Denn der Stromverbrauch wird viertelstündlich oder stündlich erfasst.
- Die App empfiehlt ihm beispielsweise, die Waschmaschine zu starten, wenn viel Sonnenstrom verfügbar ist.
- Wärmepumpe und Elektroauto passen ihren Stromverbrauch automatisch an, um Geld zu sparen.
- Das System lernt aus Herrn Webers Verhalten und gibt immer bessere Tipps, die genau zu ihm passen.
Für Technik-Interessierte:
FAME4ME nutzt den SmartLivingNEXT-Datenraum. Dies bedeutet:
- Kompatibilität: Die App funktioniert mit verschiedenen Geräten und Systemen.
- Zukunftssicherheit: Neue Funktionen können einfach integriert werden.
- Datenschutz: Der SmartLivingNEXT-Datenraum regelt den Schutz der Daten für Herrn Weber.
Vorteile auf einen Blick für Herrn Weber:
- Einfache Bedienung, da keine komplizierten Einstellungen.
- Spart Geld durch cleveres Steuern des Stromverbrauchs.
- Hilft der Umwelt, weil mehr erneuerbare Energien genutzt werden.
FAME4ME macht Energiemanagement einfach und effizient.
*Name von der Redaktion frei erfunden
Fachlicher Ansprechpartner
Dr. Christoph Kost, Fraunhofer-Institut für Solare Energiesysteme ISE
Konsortialleitung
Sie haben Fragen zum Projekt FAME4ME? Kontaktieren Sie das SmartLivingNEXT Projektbüro.
Herausforderung und Innovation
Das Forschungsprojekt FAME4ME reagiert auf die Herausforderung, die sich aus der wandelnden Nutzung von Energieanwendungen (bspw. Steuerung von Wärmepumpen, Aufladen von E-Autos) und der variablen Verfügbarkeit von Energieträgern (z.B. Wind, Solar) im Gebäudesektor ergibt. Ein intelligentes Energiemanagement in Wohn- und Gebäudeumgebungen kann dazu beitragen, durch den gesteuerten Energieverbrauch die Nutzung erneuerbarer Energien zu erhöhen oder aber Flexibilitätspotenziale für das System bereitzustellen.
Ziel von FAME4ME ist deshalb, unter Anwendung künstlicher Intelligenz Energiedienstleistungen für private Nutzer:innen zu erproben und zu verbessern. Ein Schwerpunkt liegt darin, Smart Meter, Energiemanagement und zeitvariable Stromtarife miteinander zu kombinieren. Im Rahmen des Projekts werden das Nutzerverhalten in Bezug auf flexiblen Stromverbrauch und die Adaption von zeitvariablen Stromtarifen untersucht. Die Verbesserung des Nutzens sowie die Wirksamkeit der jeweiligen Tarife aus der Sicht der Nutzer stehen dabei im Mittelpunkt der Aufgaben. Außerdem wird eine benutzerfreundliche App entwickelt, die eine Visualisierung von Erzeugungs- und Verbrauchsprognosen und Preissignalen für die Stromnutzung sowie individualisierte Handlungsempfehlungen bieten kann. Im Ergebnis soll die Energieeffizienz gesteigert und eine nachhaltige Energieversorgung entwickelt werden.
Die Verknüpfung der Plattform mit dem SmartLivingNEXT-Ökosystem, speziell mit dem Dataspace, erlaubt den Zugriff auf relevante Kontextdaten wie etwa Anreizsignale oder Marktinformationen. Die Zusammenführung von Daten aus unterschiedlichen Datenquellen ist eine wichtige Innovation im Unterschied zu bisherigen Lösungen. Durch KI-Verfahren können auf Basis dieser Daten zu Stromangebot und Stromnachfrage individuelle Energiedienstleistungen entwickelt werden.
Anwendung und Nutzen
In Workshops mit Pilotkund:innen sowie durch Pilotstudien und eigenen Untersuchungen werden reale Anwendungen (Use Cases) durch unterschiedliche Nutzergruppen analysiert. Befragungen und Analysen des Nutzerverhaltens bei bestimmten Tarifen sollen Rückschlüsse zur Verbesserung des Kundennutzens ermöglichen. Durch die komplette technische Implementierung bei den Nutzer:innen soll gleichzeitig auch die Interoperabilität mit den verschiedenen Plattformen getestet und ausgebaut werden. Die laufend generierten Daten tragen außerdem zur Weiterentwicklung der angewandten KI-Methoden bei.
Vorteile durch FAME4ME
| Ohne FAME4ME | Mit FAME4ME |
| Stromkonsum, der nicht auf die zunehmend schwankende Verfügbarkeit ausgerichtet ist. | Auf die Verfügbarkeit abgestimmter Verbrauch, der zu einer optimalen Nutzung von Strom in der Gesellschaft führt. |
| Strompreise, die unabhängig von der zunehmend schwankenden Verfügbarkeit sind. | Dynamische Stromtarife, die zu einer auf die Verfügbarkeit abgestimmte Nutzung von Strom animieren. |
| Fehlende oder schwer zugängliche Daten, die die Entwicklung von KI-Diensten zur optimalen Last- und Tarifbestimmung unmöglich machen. | Vortrainierte KI-Algorithmen und Modelle sowie ein Dashboard, das KI-Entwicklern und Messstellenbetreibern einen Überblick verschafft und ihnen das Angebot KI-basierter Dienste ermöglicht. |
| Die Integration und Nutzung von herstellübergreifenden Smart-Meter-Daten für Services innerhalb des SmartLivingNEXT-Ökosystems werden bislang noch nicht unterstützt. | Das SmartLivingNEXT-Ökosystem bietet einen Zugang zu herstellerübergreifenden Smart-Meter-Daten, welche die Bereitstellung von neuen domänenübergreifenden intelligenten (Energie)Services ermöglichen. |
Die Konsortialpartner von FAME4ME
Fraunhofer ISE (Konsortialleitung), EnBW AG, Universität Würzburg
