Volltext-Downloads (blau) und Frontdoor-Views (grau)

Markt- und Zielgruppenanalyse zur Bewertung des wirtschaftlichen Potenzials von KI-basierten Algorithmen zur Betriebsführung und -planung von Stromverteilnetzen in Deutschland

  • Der Energiesektor befindet sich in einem tiefgreifenden Wandel, der durch technologische Innovationen und die Notwendigkeit einer nachhaltigen und effizienteren Energieversorgung vorangetrieben wird. Der steigende Anteil fluktuierender erneuerbarer Energien, insbesondere Wind- und Solarenergie, an der Energieerzeugung und die Anbindung neuer flexibler Verbraucher wie Elektroladesäulen und Wärmepumpen führen zu einer zunehmenden Komplexität der Stromverteilnetze und stellen eine große Herausforderung für deren Betrieb und Planung dar. KI-basierte Algorithmen können die Betriebsführung und Planung von Stromverteilnetzen unterstützen, indem sie Echtzeitdaten analysieren und automatisierte Entscheidungen ermöglichen. Diese Algorithmen können eine Vielzahl von Aufgaben übernehmen, u.a. Einspeise- und Verbrauchprognose, Netzzustandsprognose- und Erfassung sowie Überwachung und Wartung der Netzinfrastruktur. Der Markt für KI-basierte Algorithmen zur Betriebsführung und Planung von Stromnetzen auf Verteilnetzebene ist in Deutschland in den letzten Jahren stark gewachsen. Eine Vielzahl von Start-ups und Unternehmen bieten bereits KI-basierte Algorithmen an, die den Betrieb und die Planung von Stromverteilnetzen optimieren sollen. Um die Erwartungen, Bedenken und Bedürfnisse der Zielgruppe in Bezug auf den Einsatz von KI-basierten Algorithmen zu erfassen, wurde eine umfassende Zielgruppenbefragung und -analyse durchgeführt. Die Zielgruppenanalyse identifiziert Stromnetzbetreiber:innen, Energieerzeuger:innen, Energieversorger:innen und (Leitwarten-) Softwareentwickler:in/-hersteller:innen als Hauptakteure, die von dem Einsatz profitieren können. Darüber hinaus zeigen die Ergebnisse, dass auf dem deutschen Markt ein hoher Bedarf an KI-basierten Algorithmen zur Betriebsführung und -planung besteht, die Rahmenbedingungen der einzelnen Akteur:innen jedoch unterschiedlich sind.

Download full text files

Export metadata

Additional Services

Search Google Scholar

Statistics

frontdoor_oas
Metadaten
Author:David Pierrick Bengone Ngassa
URN:urn:nbn:de:bsz:kon4-opus4-56355
Advisor:Gunnar Schubert, Manuela Linke
Document Type:Bachelor Thesis
Language:German
Year of Publication:2023
Granting Institution:HTWG Konstanz
Date of final exam:2023/08/15
Release Date:2025/05/07
Tag:KI-basierte Algorithmen; Betriebsführung und -planung von Stromverteilnetzen
Page Number:XVIII, 48
Institutes:Fakultät Elektrotechnik und Informationstechnik
Open Access?:Ja
Licence (German):License LogoCreative Commons - CC BY-NC-SA - Namensnennung - Nicht kommerziell - Weitergabe unter gleichen Bedingungen 4.0 International