Die Wertschöpfungskette in der Energiewirtschaft ist vielfältig und kompliziert - Energie wird erzeugt, verteilt, geliefert, gehandelt und gemessen. Die Liberalisierung der Energiemärkte hat zur Entflechtung von Netzen und Vertriebsorganisationen geführt, und letztlich zahlreiche neue Geschäftsmodelle ermöglicht.

Nun stehen wir mit der Energiewende, Smart Energy und nicht zuletzt Industrie 4.0 vor der nächsten maßgeblichen Veränderung des Energiemarktes. Der aktuell stattfindende Umbruch in der Energiewirtschaft lässt sich durch vier "D" charakterisieren: Dezentralisierung, Deregulierung, Dekarbonisierung, und Digitalisierung.

Diese Trends bewirken einen starken Anstieg an Akteuren und Dynamik. So bedingt erneuerbare Energieerzeugung eine starke Schwankung der Energiepreise je nach Wetterlage. Intelligente Netze führen zu einem Verschwimmen zwischen Verbrauchern und Erzeugern. Aus einem System weniger gut planbarer Komponenten ist ein hochdynamisches Zusammenspiel vieler dezentral agierender Akteure geworden. Diese Entwicklung ist nicht nur eine Herausforderung für die Sicherung der Netzstabilität, sondern auch für die Wirtschaftlichkeit. So müssen Stromerzeuger etwa den Kraftwerkseinsatz trotz Vorlaufzeiten optimal der dynamischen Marktsituation anpassen.

Ein Schlüssel für wirtschaftlichen Erfolg im Energiemarkt ist ein optimaler Nutzen der verfügbaren Daten. Dieser Nutzen reicht von der Erstellung guter Erzeugungs- und Verbrauchsprognosen bis zur Bündelung von Erzeugern und Abnehmern in Portfolios, sodass sich Spitzen gegenseitig aufheben. Die steigende Zahl der Akteure sowie die zunehmende Digitalisierung von Messsystemen führt dabei zu einer Explosion des Datenvolumens. Ob im Bereich Smart Home oder bei der Erzeugung von Energie aus erneuerbaren Quellen - eine extrem große Zahl von Zeitreihen muss gemessen und analysiert werden. Wenn Energiedatenmanagement bislang für die IT eine komplexe Angelegenheit war, ist sie nun zur echten Herausforderung geworden.

Diese Explosion der Datenmengen und der notwendigen Verarbeitungsgeschwindigkeit erfordert im laufenden Betrieb zunehmend automatisierte Prozesse. Eine bestmögliche Konfiguration und regelmäßige Justierung dieser Prozesse durch Fachexpertinnen und -experten ist nötig, um einen sicheren Betrieb zu gewähren und sich von Mitbewerbern abgrenzen zu können. Beispielsweise, um Prognosen für eine darauf basierende Einsatzplanung von Kraftwerken zu optimieren. Oder auch, um als Netzbetreiber ungünstige Entwicklungen, wie stark belastete Leitungen frühzeitig erkennen, erklären, und ihnen somit gegensteuern zu können. In all diesen Fällen sind die richtigen Erkenntnisse aus den eigenen Daten durch eine Umsetzung in den Prozessen viel Geld wert. Diese entstehen aber nur dann, wenn Fachexpertinnen und -experten große Datenmengen mit Intuition und Kreativität analysieren können.

Menschen besitzen hervorragende visuelle Fähigkeiten, um komplexe Muster zu erkennen. Daher kann Visualisierung als Breitbandzugang zum Gehirn bezeichnet werden: aus Daten werden Erkenntnisse gewonnen. Doch einfache Balken- und Liniendiagramme helfen kaum, die Zusammenhänge in hunderten Energiezeitreihen zu überblicken. Das Forschungsfeld der Visual Analytics leistet einen entscheidenden Beitrag genau dort, wo klassische Reports und statistische Ansätze nicht ausreichen.

Das Zentrum VRVis erforscht und entwickelt hier an international vorderster Front neue Darstellungsmethoden, die für die Daten und Fragen im Energiemarkt maßgeschneidert sind. Interaktive Dashboards - genannt Visuals - erlauben es, Grafiken als Werkzeug zu verwenden, um komplexe Datenmengen in Echtzeit flexibel zu analysieren. Etwa, um in der Grafik markierte Zeitbereiche auf Knopfdruck über viele Zeitreihen hinweg miteinander in Bezug zu setzen. Das zentrale Ziel der Software von VRVis ist dabei, Analysen in mehr Tiefe zu ermöglichen als dies klassische Business Intelligence Tools vermögen, und gleichzeitig rascher und leichter bedienbar zu sein als die meiste Statistiksoftware. So helfen spezielle Sichten dabei, unerwartete Strukturbrüche und Zusammenhänge in Zeitreihen zu erkennen, die selbst den besten automatischen Algorithmen verborgen bleiben. Die Anwendungsfälle reichen vom Validieren von meteorologischen Daten für deren Eignung für Prognosen von Wind- und Solarenergie bis zum Optimieren der Abrufe von Regelenergie.

Wichtig ist in diesem Zusammenhang nicht nur die Präzision der Analysen, sondern auch die geeignete Aufbereitung der Energiedaten - im Rahmen einer strategischen Kooperation mit der HAKOM Solutions GmbH, einem Unternehmen, das sich auf Zeitreihen- und Sensordatenmanagement spezialisiert hat - werden Lösungen angeboten, die auch in Szenarien mit tausenden Zeitreihen eine hervorragende Performance bieten.

Ein aktuelles Forschungsziel von VRVis könnte man als "Demokratisierung von Data Mining" zusammenfassen. Es soll auch Anwenderinnen und Anwendern ohne umfassende Kenntnis über statistische Details möglich werden, gute Modelle - etwa Entscheidungsbäume - rasch zu erstellen und dabei ihr Fachwissen einbringen zu können. Denn zuverlässige Modelle sind eine Grundlage jeder Automatisierung. Somit kann Visual Analytics eine Schlüsselrolle spielen, um die wachsende Datenflut zur Bewältigung der rapide gestiegenen Dynamik im Energiesektor zu nützen und letztlich eine sichere, wirtschaftliche und nachhaltige Energieversorgung zu garantieren.