Energieeffizienz: Wie Unternehmen mit Big Data Kosten sparen

Immer mehr Unternehmen nutzen riesige Datenmengen zur Analyse des Energie-
bedarfs – und selbstlernende Systeme können sogar in die Zukunft schauen.

Das Ziel ist hoch gesteckt: Bis zum Jahr 2050 soll der Primärenergieverbrauch in Deutschland nach Plänen der Bundesregierung um 50 Prozent gesenkt werden. Eine Schlüsselrolle kommt dabei der Industrie zu. Ihr Anteil am Stromverbrauch liegt hierzulande bei rund 45 Prozent. Viele Unternehmen sind auf einem guten Weg: „Die Energie wird in der Industrie von Jahr zu Jahr effizienter eingesetzt“, erklärte ein Sprecher des Bundesverbandes der Deutschen Industrie gegenüber der Zeitschrift „Wirtschaftswoche“. Andere Experten, etwa vom Deutschen Institut für Wirtschaftsforschung (DIW), sehen dagegen noch „große ungenutzte Energieeinsparpotenziale“.

Um diese auszuschöpfen, gehen immer mehr Unternehmen daran, in der Produktion und in der Bewirtschaftung ihrer Immobilien die Energieeffizienz zu verbessern – schon im eigenen Interesse, lassen sich dadurch doch enorme Kosten einsparen. Zunehmend an Bedeutung gewinnt dabei das Schlagwort „Big Data“, also die Nutzung großer Datenmengen zur effektiven Steuerung aller energieverbrauchenden Prozesse.

Eine der Grundlagen dafür ist eine erhöhte Transparenz. So ist etwa der Elektronikkonzern Bosch bereits vor zwei Jahren dazu übergegangen, den Energie-
verbrauch nicht mehr wie bis dahin üblich einmal im Vierteljahr aufzulisten, sondern in einigen Bereichen im 15-Minuten-Takt. Dazu werden gigantische Datenströme analysiert. Auf diese Weise wird deutlich, wo Einsparpotenziale vorhanden sind. Das Ergebnis laut Bosch: Einsparungen von bis zu 30 Prozent, an großen Standorten summiere sich das auf etwa eine Million Euro pro Jahr.

Inzwischen hat sich die Technik allerdings noch sehr viel weiterentwickelt und verfeinert. Cloudbasierte Lösungen rücken mehr und mehr in den Mittelpunkt. Eine französische Firma entwickelte unlängst ein intelligentes System, das 24 Stunden am Tag den Energieverbrauch mit den aktuellen Preisen auf dem Strommarkt abgleicht und dabei sogar die momentanen sowie die zu erwartenden Wetterbedingungen mit einbezieht. Zeiten, in denen auf dem Strommarkt ein Überangebot herrscht und der Preis relativ niedrig ist, können damit genutzt werden, um Strom zu kaufen und zu speichern oder die Batterien von Elektrofahrzeugen aufzuladen. Die gespeicherte Energie kommt zum Einsatz, wenn die Strompreise wieder ein höheres Level erreicht haben. Hochpreisige Phasen werden so intelligent umgangen. Energieintensive Anlagen, Fabriken und große Gebäude profitieren von dieser Technologie am meisten.

In Zukunft wird Big Data beim Thema Energieeffizienz voraussichtlich eine noch größere Rolle spielen als heute. Experten schätzen, dass sich das Volumen der digitalen Daten weltweit etwa alle zwei Jahre verdoppelt. Dies hat auch Auswirkungen auf die Weiterentwicklung von „Industrie 4.0“ und dem „Internet der Dinge“. „Smart Factorys“ sind im Entstehen, in denen selbstlernende Systeme die Produktionsabläufe hocheffektiv steuern. So bietet etwa der Siemens-Konzern mit seiner „Division Digital Factory“ eine individuell auf die jeweiligen Unternehmensanforderungen zugeschnittene Analyse sämtlicher Produktions- und Energiedaten, wobei ebenfalls moderne Cloud-Technologien verwendet werden. So können detaillierte Kenntnisse zum Ressourcenverbrauch gewonnen und Energiekosten um bis zu 20 Prozent reduziert werden. Außerdem steigt die Effizienz der Arbeitsprozesse, und die Anlagenverfügbarkeit wird optimiert.

Überhaupt bilden Big-Data-Technologien einen wesentlichen Bestandteil in der Entwicklung der „Industrie 4.0“. Dazu zählen auch Aspekte des autonomen Lernens von Maschinen, was beispielsweise eine prognostizierende Instandhaltung möglich macht. Große Mengen digitaler Daten werden dabei von Sensoren erfasst und liefern permanent Informationen über den Zustand ausgewählter Produktionsbereiche. Durch spezielle Analyseverfahren lassen sich Fehlerquellen aufspüren und beheben, bevor dadurch Störungen entstehen. Selbstlernende Systeme sind außerdem in der Lage, Abweichungen vom typischen Energieverbrauch zu erkennen – für das betriebliche Energiemanagement eine wertvolle Hilfe.

Auch bei der Gebäudebewirtschaftung kann die Energieeffizienz durch den Einsatz von Big Data deutlich gesteigert werden. Strom- und Wärmeverbrauch sinken umso stärker, je besser es gelingt, die einzelnen Komponenten wie Heizungen, Beleuchtung, Klimaanlagen, Wärmepumpen und Photovoltaik- und Solaranlagen aufeinander abzustimmen. Dass immer genauere und lokalere Wetterprognosen darin einbezogen werden, versteht sich fast schon von selbst. Die Zukunft hat in diesem Bereich bereits begonnen.