Verschiedenes : [ Berechnung/Simulation | Prüf-/Qualitätssicherung | Kosten/ Wirtschaftlichkeit | Mobilität | Motor/ Antrieb | Zertifizierung | Software | (Projekt-)Management ]
Elektrizitätsdiebstahl? - Das kann verhindert werden
Das Manuskript lag einem Artikel vor, der am Samstag, 11. Februar 2017, in der Pforzheimer Zeitung erschienen ist.
Elektrizitätsdiebstahl sorgt besonders in Schwellen- und Entwicklungsländern für Probleme. Hier beziffert er sich auf bis zu 40 Prozent an der insgesamt übertragenen Elektrizität. Was bedeutet das für den Bürger? „Wenn ein so hoher Anteil an Kosten durch Diebstahl entsteht, wird das auf die Bevölkerung umverteilt. Durch unsere Analysen möchten wir den Stromdiebstahl mindern und die dadurch entstehenden Kosten reduzieren. Weitere Vorteile in naher Zukunft sind, dass das Stromnetz besser und stabiler wird und die Umweltverschmutzung zurückgeht“, erläuterte der gebürtige Neuenbürger Patrick Glauner beim IT Afterwork im Pforzheimer Gründerzentrum Innotec. Bei dem einmal im Monat stattfindenden und von Wirtschaft und Stadtmarketing Pforzheim (WSP) im Rahmen der Medien-/IT-Initiative veranstaltenden Format sprach Glauner in seiner Rolle als Doktorand im Bereich der künstlichen Intelligenz an der Universität Luxemburg darüber, wie er in Zusammenarbeit mit einer Luxemburger Firma, der Choice Technologies Holding, mittels des sogenannten maschinellen Lernens und des sogenannten BIOS, einer nicht-repräsentativ für alle Kunden stehenden Menge, bessere Vorhersagen treffen kann, wer, wann, wie viel Strom stiehlt.
Vorteil des maschinellen Lernens: aus bisher vorhandenen Daten Regelmäßigkeiten festzustellen und daraus Regeln abzuleiten
Das Prinzip beruht darauf, Anomalien, also Auffälligkeiten, zum Beispiel ein Absinken des Stromverbrauchs, zu erkennen. Diese sogenannten nicht-technischen Verluste werden über den Stromverteiler ermittelt. Dieser stellt Zählerstände im Sinne von Verbrauch und Ergebnissen der Inspektion fest. Vorteil des maschinellen Lernens ist, aus bisher vorhandenen Daten Regelmäßigkeiten festzustellen und daraus Regeln abzuleiten. Im Alltag funktionieren Wettervorhersagen nach Auftreten, Wieder-Auftreten und der daraus abgeleiteten Regelmäßigkeit oder Transaktionen an Bankautomaten, die bei hohen Beträgen zum Beispiel vorerst nicht gelingen, genauso. Das Prinzip ist hier wie auch bei der im Alltag zum Beispiel bei der Spracherkennung auf Smartphones auftretenden Künstlichen Intelligenz: Der Computer ahmt menschliche Verhaltensweisen wie den Sprachgebrauch nach und „lernt“ dabei.
Weniger ist manchmal mehr
Auch Glauner selbst hat bereits viel durch seine Erfahrungen mit Brasilien im Rahmen seiner Doktorarbeit rund um die Entdeckung technischer Verluste durch künstliche Intelligenz gelernt: Nicht nur, dass es besser ist, lieber eine geringere Menge an Daten wie im BIOS zu verwenden, um präzisere Ergebnisse zu erzielen. Bereits eine US-Wahl in der Vergangenheit, bei der sehr viele Haushalte angeschrieben und viele Rückmeldungen erwirkt wurden, habe gezeigt: Weniger ist manchmal mehr und Big Data als große Ansammlung von Daten nicht immer eine Lösung. Möglicherweise ist Glauners Modell aber die Lösung dafür, nicht nur Stromdiebstähle geringer, sondern auch die Stromversorgung insgesamt besser zu machen.