• English
  • Deutsch
  • Log In
    Password Login
    Research Outputs
    Fundings & Projects
    Researchers
    Institutes
    Statistics
Repository logo
Fraunhofer-Gesellschaft
  1. Home
  2. Fraunhofer-Gesellschaft
  3. Buch
  4. Künstliche Intelligenz in der Netzleittechnik
 
  • Details
  • Full
Options
2025
Study
Title

Künstliche Intelligenz in der Netzleittechnik

Title Supplement
VDE Studie Juli 2025
Abstract
Die Netzleittechnik steht vor einem Wandel: Künstliche Intelligenz (KI) bietet neue Möglichkeiten zur Optimierung, Effizienzsteigerung und Automatisierung. Doch eine erfolgreiche Einführung erfordert einen strukturierten, ganzheitlichen Ansatz, da viele Akteure und ihre Anforderungen in diesen Prozess einbezogen werden müssen. Dieses Papier bietet eine Orientierung, die drei wesentliche Dimensionen umfasst: technische und regulatorische Rahmenbedingungen, Risiko-Nutzen-Abschätzung und ein vertrauenswürdiger Implementierungsprozess. Da diese drei Aspekte sich gegenseitig beeinflussen und bedingen, müssen sie gemeinsam gedacht werden, um somit KI erfolgreich in der Netzleittechnik einzuführen. 1. Technische und regulatorische Rahmenbedingungen: KI bietet vielseitige Anwendungsmöglichkeiten. Der regulatorische Rahmen – insbesondere der EU AI Act – ist jedoch derzeit noch vage. Praxistaugliche Richtlinien müssen noch entwickelt werden, wobei eine enge Zusammenarbeit mit Regulierungsbehörden erforderlich ist. Technisch spielt vor allem die Verfügbarkeit von Daten und deren Qualität eine zentrale Rolle. 2. Risiko-Nutzen-Abschätzung: Jeder KI-basierte Lösungsansatz muss sich einer Risiko-Nutzen- Abschätzung stellen, auch im Vergleich mit nicht-KI-basierten Alternativen. Neben potenziellen Vorteilen wie verbessertem Netzbetrieb und Effizienzsteigerung müssen auch operative Risiken und Sicherheitsaspekte berücksichtigt werden. Erfolgreiche Anwendungsfälle zeigen, dass KI signifikanten Mehrwert bieten kann – jedoch nur, wenn Risiken angemessen identifiziert und adressiert werden. Dieses Papier illustriert anhand exemplarischer Anwendungsfälle typische Elemente einer Risiko-Nutzen-Abschätzung beim Einsatz von KI. 3. Prozessuales Vorgehen für vertrauenswürdige Implementierung: Die erfolgreiche Anwendung von KI in kritischer Infrastruktur, siehe AI-Act, hängt nicht nur von Technologie und Risiko-Nutzen- Abwägungen ab, sondern es benötigt auch Vertrauen in die neuartigen Methoden. Daher ist eine vertrauenswürdige Integration von KI in die Unternehmensstruktur und Betriebsabläufe entscheidend. Dafür sind klare und überprüfbare Anforderung an KI-Modelle zu formulieren, standardisierte Prozesse zu etablieren und strukturelle Anpassungen vorzunehmen. Die Erfahrungen aus vielen bewährten Prozessen können als Grundlage für KI-spezifische Entwicklungen dienen. Empfehlungen: Die Einführung von KI in der Netzleittechnik ist kein Selbstzweck. Potenziale für viele Anwendungsfälle, sowie bereits in der Praxis eingesetzte Methoden werden in diesem Dokument dargestellt. Jedoch besteht zurzeit das Risiko einer Überregulierung. Gleichzeitig ist die Regulierung, speziell der des EU AI Acts, teils nicht ausreichend konkret, sodass die Erfüllung der Anforderungen schwer überprüfbar ist. Daher muss in den direkten Austausch mit Regulierungsorganen eingestiegen werden, um auf eine praktisch implementierbare Regulierung hinzuwirken. Ein Kernpunkt dieses Papiers ist unser Vorschlag wie ein solcher Implementierungsprozess in Anlehnung an etablierte Prozesse aussehen könnte. Wichtige Voraussetzung für den Einsatz dieses Prozesses ist eine klare Definition des Anforderungsprofils, wie in der Sektion „Vertrauen schaffen durch einen Implementierungsprozess” beschrieben. Für Netzbetreiber und andere Akteure empfehlen wir einen schrittweisen Einstieg, beginnend mit Anwendungsfällen geringeren Risikos oder gut überprüfbaren KI-Methoden. Bei der Auswahl derartiger Anwendungsfälle unterstützt unsere Darstellung. Qualifiziertes Personal sollte auch bei zunehmendem KI-Einsatz die letzte Entscheidungsinstanz bleiben und durch gezielte Schulungen befähigt werden, KI-Empfehlungen kompetent zu bewerten.
Author(s)
Stiasny, Jochen
Mirz, Markus
Vogt, Mike  
Fraunhofer-Institut für Energiewirtschaft und Energiesystemtechnik IEE  
Kummerow, Andre  
Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB  
Dauer, Max
Meyer, Janick
Hoppe-Oehl, Heinrich
Igel, Michael
Bouchkati, Sarra
Conrad, Timon
Kordowich, Georg
Lutat, Philipp
Mitrentsis, Georgios
Viereck, Karsten
Brosinsky, Christoph
Böhme, Klaus
Winter, Andreas
Heinecke, Matthias
Corporate Author
Verband der Elektrotechnik, Elektronik, Informationstechnik -VDE-  
Energietechnische Gesellschaft -ETG-  
File(s)
Download (2.14 MB)
Rights
CC BY 4.0: Creative Commons Attribution
DOI
10.24406/publica-4970
Language
German
Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB  
Fraunhofer-Institut für Energiewirtschaft und Energiesystemtechnik IEE  
  • Cookie settings
  • Imprint
  • Privacy policy
  • Api
  • Contact
© 2024