Im Rahmen der SET Pilots arbeitete das Fraunhofer-Institut für Energiewirtschaft und Energiesystemtechnik (IEE) mit der Smartrplace GmbH und der Teleseo GmbH zusammen. Das Ziel des Pilotprojektes ist es aufzuzeigen, wie Nicht-Wohngebäude als moderne Prosumer markt- und netzdienlich betrieben werden können. Im Rahmen eines Labor- und Feldtests soll gezeigt werden, wie die iMSys-Infrastruktur dazu genutzt werden kann. Die im Projekt betrachteten Anwendungsfälle sind (a) die Einsatzoptimierung anhand dynamischer Tarife und (b) die Berücksichtigung einer Leistungslimitierung nach §14a EnWG für steuerbare Verbrauchseinheiten mit Hilfe eines KI-basierten Energiemanagements. Die praktische Demonstration findet im Institutsgebäude des Fraunhofer IEE statt.
Der Betrieb von Gebäuden ist in Deutschland für rund 35 Prozent des Endenergieverbrauchs verantwortlich und verursacht gleichzeitig etwa 30 Prozent der CO2-Emissionen. Angesichts der von der Bundesregierung festgelegten Klimaschutzziele, die eine Reduzierung der CO2-Emissionen um 65 Prozent bis 2030 (im Vergleich zu 1990) und die Erreichung der Netto-Treibhausgasneutralität bis 2045 vorsehen, ist der Gebäudesektor von entscheidender Bedeutung. Bisher liegt dieser Sektor jedoch weit hinter den gesteckten Reduktionszielen zurück. Insbesondere Nichtwohngebäude (NWG) haben einen bedeutenden Beitrag zum Energieverbrauch und der Netzbelastung. Jedoch bieten NWG ein erhebliches Potenzial zur Optimierung durch die Implementierung von KI-gesteuerter Gebäudeautomation, welche intelligente Messsysteme zur Förderung netzdienlichen Verhaltens integriert.
Im Rahmen der SET Pilots wurde ein konkreter Anwendungsfall untersucht, um digitale Lösungen für ein flexibles Energiesystem unter realen Bedingungen zu erproben und weiterzuentwickeln: ein Bürostandort des Fraunhofer IEE in Kassel. Dieser verfügt über eine Ladeinfrastruktur für Elektrofahrzeuge, eine Photovoltaikanlage (PV) und eine Wärmepumpe. Bei der Steuerung sind ein dynamischer Stromtarif, zeitvariable Netzentgelte sowie eine netzorientierte Steuerung gemäß § 14a EnWG berücksichtigt.
Das Fraunhofer IEE koordinierte das Projekt und entwickelte die KI-Algorithmen. Zwei Unternehmen als weitere Projektpartner übernahmen diese Aufgaben: Smartplace (Energie- und Gebäudemanagementlösungen) integrierte die steuerbaren Anlagen und implementierte den KI-Agenten auf der Edge-Komponente, Teleseo (wettbewerblicher Messstellenbetreiber) stellte die Smart-Meter-Infrastruktur und eine sichere Datenübertragung bereit.
Umfang des SET Pilot: KI-EMS für Flex-Assets
- Anforderungen: Ermittlung regulatorischer, technischer und nutzerbezogener Anforderungen für ein KI-gestütztes Energiemanagementsystem in Nichtwohngebäuden (Ladesäulen, Wärmepumpen, PV-Anlagen).
- Konzeption: Entwicklung der Steuerungslogik (Reinforcement Learning) und Cloud-Edge-Architektur mit Stellhebeln für Kosten, CO₂, Komfort und netzorientierte Flexibilität.
- Pilot & Testing: MVP am Pilotstandort, Integration in intelligente Mess- und Steuerinfrastruktur, Validierung durch Labor- und Feldtests.
- Ergebnisse: Analyse und Visualisierung der Steuerungswirkung, z. B. Lastverschiebung in günstige Preisfenster unter Berücksichtigung netzorientierter Signale.
- Handlungsempfehlungen: Empfehlungen zur Übertragbarkeit auf andere Nichtwohngebäude, Multi-Agenten-Systeme, Transfer Learning, offene Schnittstellen, Standardisierung und Fallback-Mechanismen.
Projektpartner
Die Abbildung zeigt die Gesamtsystemarchitektur des Pilotprojekts zur intelligenten Steuerung dezentraler Energieanlagen. Im Zentrum steht ein KI-basiertes Energiemanagementsystem (KI-EMS), das über eine Cloud-Edge-Struktur mit der Gebäudeleittechnik (GLT), den steuerbaren Anlagen sowie dem intelligenten Messsystem (iMSys+) verbunden ist.
Eine zentrale Rolle übernimmt dabei die Gebäudeleittechnik (GLT): Als Herzstück der Gebäudeautomation konsolidiert die GLT sämtliche Datenpunkte und fungiert als zentrale Schnittstelle zwischen Nutzerinnen und Nutzern, Energieanlagen und KI-System. Sie ermöglicht ein umfassendes Monitoring und die Umsetzung der Steuerungsbefehle.
Die Feldebene integriert die steuerbaren Anlagen (Wärmepumpen, Ladesäulen, PV) über die GLT mittels standardisierter Protokolle.
Auf der Cloud-Ebene werden historische Daten analysiert, Prognosen für Wärmebedarf und PV-Erzeugung erstellt sowie KI-Modelle trainiert. Diese Modelle werden anschließend auf der Edge-Ebene im lokalen KI-EMS ausgeführt, das zusätzlich über den CLS-Adapter netz- und marktseitige Preis- und Steuersignale empfängt und daraus Optimierungsentscheidungen in Echtzeit ableitet.
Das iMSys+ mit Smart-Meter-Gateway (SMGWs), CLS-Adaptern und Backend-Systemen gewährleistet die sichere, regulatorisch konforme Kommunikation zwischen Energieanlagen, Netzbetreibern und Marktteilnehmern.
Durch den modularen Aufbau, standardisierte Schnittstellen und die klare Trennung von Cloud-, Edge- und Feldebene ist die Architektur flexibel auf weitere Quartiere und Anwendungsfälle der netz- und marktdienlichen Energiesteuerung übertragbar.
Das Schaubild zeigt die technische Umsetzung des KI-EMS am Fraunhofer IEE Pilotstandort. Zentrale Komponenten wie Wärmepumpe, Ladesäulen für Elektrofahrzeuge, PV-Anlage und das virtuelle Labor sind über die Gebäudeleittechnik (GLT) vernetzt. Die iMSys-Hardware sowie das KI-EMS-Edge-Device sind in der Heizzentrale installiert und kommunizieren über das Smart-Meter-Gateway (SMGW) und den CLS-Adapter mit dem MSB-Backend. Der KI-Agent nutzt dynamische Preissignale und lokale Energieerzeugung zur optimierten Steuerung der Anlagen, während der MaBiS-Hub die Marktkommunikation und Datenverarbeitung unterstützt.
Vortests analysierten Ladesäulen und E-Fahrzeuge, um technische Einschränkungen für den KI-Algorithmus zu erkennen. Darauf aufbauend erfolgten Feldtests in zwei Stufen: 1) intelligentes Laden nach dynamischen Strompreisen, 2) zusätzlich unter Einbezug von PV-Anlage und §14a-EnWG-Steuersignalen.
Ausbaustufe 2: Preis- und PV-optimiertes Laden mit netzorientiertem Steuereingriff
Die Abbildung zeigt das Ladeverhalten eines Elektrofahrzeugs im Feldtest unter Berücksichtigung dynamischer Strompreise, lokaler PV-Erzeugung sowie netzseitiger Steuersignale gemäß § 14a EnWG. Das Fahrzeug lädt überwiegend in Zeitfenstern mit hoher PV-Leistung und gleichzeitig niedrigen Strompreisen, was die wirtschaftliche und energieseitige Optimierung durch das KI-basierte Energiemanagementsystem verdeutlicht.
Zu erkennen ist zudem die Umsetzung eines § 14a-Steuersignals: Im Aktivierungsfall wird die Ladeleistung regelbasiert auf etwa 4,2 kW begrenzt, unabhängig von der durch den KI-Agenten vorgesehenen Soll-Leistung. Dadurch wird eine gesetzeskonforme netzdienliche Steuerung sichergestellt.
Nach der Optimierung der Kommunikations- und Steuerungslogik treten zu Beginn des Ladevorgangs nur noch geringe Lastspitzen auf. Auffällig ist außerdem, dass die tatsächlich erreichte Ladeleistung unterhalb der freigegebenen Maximalleistung liegt, da das eingesetzte Fahrzeug technisch auf rund 7,4 kW begrenzt ist.
Insgesamt verdeutlicht die Abbildung das Zusammenspiel von preis-, PV- und netzorientierter Steuerung sowie die erfolgreiche Integration regelbasierter Eingriffe in das KI-gestützte Lademanagement.
Ergebnisse des SET Pilot: KI-EMS für Flex-Assets
Im Pilotbetrieb zeigte sich, dass die heute regulatorisch und technisch geforderte Infrastruktur für eine KI-basierte, markt- und netzdienliche Steuerung von Gebäudeverbräuchen zuverlässig zusammenspielt. So bewies beispielsweise der eigens entwickelte KI-Agent seine Leistungsfähigkeit, indem er Elektrofahrzeuge zu Zeiten niedriger Preise und hoher lokaler PV-Erzeugung lud und dabei effektiv mit der örtlichen Gebäudeleittechnik (GLT) kommunizierte.
Vorteile KI-gestützter Steuerungsansätze
Der SET Pilot zeigt das Potenzial KI-gestützter Steuerungsansätze in komplexen Energiesystemen, um Effizienz, Energiekostensenkung und netzdienliches Verhalten zu erreichen. Die im Projekt gewonnenen Erfahrungswerte können für den breiteren Einsatz KI-gestützter Energiemanagementlösungen bei Bürogebäuden mit ähnlichen Bestandsanlagen (PV, Wärmepumpe, Ladesäulen) dienen.
Die Auswertung zeigt zudem, dass Flexibilitäten aus Nichtwohngebäuden perspektivisch über Aggregatoren oder virtuelle Kraftwerke gebündelt und am Intraday-Markt vermarktet werden können. So ergeben sich zusätzliche Erlösmöglichkeiten und neue Rollen für Gebäudebetreiberinnen und -betreiber im Energiesystem.
Publikationen des SET Pilot: KI-EMS für Flex-Assets
SET Pilot 4: KI-EMS für Flex-Assets
Die Studie zum SET Pilot 4 zeigt, wie KI-EMS, Smart Meter und dynamische Tarife Flexibilität im Nichtwohngebäudebereich erschließen.
Pilot 4: Begleitende Studie
Die begleitende Studie zum SET Pilot 4 befasst sich mit Potenzialen und Hemmnissen von Energiemanagement mit Smart Meter.