Under CopyrightSchneider, AndréAndréSchneiderMey, OliverOliverMeyEnge-Rosenblatt, OlafOlafEnge-Rosenblatt2023-06-152023-06-152022-04-19https://publica.fraunhofer.de/handle/publica/442643https://doi.org/10.24406/publica-144310.24406/publica-1443Das Fraunhofer IIS/EAS konzentrierte sich im Rahmen des Projektes auf folgende Schwer punkte, deren Ergebnisse im vorliegenden Projektbericht beschrieben werden: Es wurden Analysealgorithmen auf Basis von innovativen KI-Ansätzen entwickelt, die für Einzelkunden sowie für Kundengruppen (Portfolios) den erwar teten Energieverbrauch für den Folgetag (day-ahead) in stündlicher Auflösung prognostizieren. Die Energieverbrauchsvorhersagen wurden erweitert auf Algorithmen zur Energiepreisvorhersage für den jeweiligen Folgetag auf Basis von Daten der relevanten Strommärkte. Neben den Vorhersagemodellen wurden im Projekt Ansätze entwickelt, die auf Basis einer Datendisaggregation Energiekunden mit spezieller Ver brauchscharakteristik, wie beispielsweise das regelmäßiges Laden von Elek trofahrzeugen, erkennt. Die Energieverbrauchsvorhersage wurde als sogenannter Analytics Provider schließlich als REST-basierter Web-Service implementiert und im Rahmen der ESB-Infrastruktur als Dienst integriert.deDDC::000 Informatik, Informationswissenschaft, allgemeine Werkereport