Der Umbau des Energiesystems stellt Verteilnetzbetreiber (VNB) vor wachsende Herausforderungen. Die schnelle Zunahme dezentraler Einspeisung, der Einsatz von Wärmepumpen und die Elektrifizierung des Verkehrs verändern Lastprofile. Trotzdem stützen sich viele Ausbauentscheidungen noch auf Hochrechnungen oder verzögerte Meldedaten.
Vor diesem Hintergrund gewinnen präzise und aktuelle Netzdaten an Bedeutung. Die Frage lautet: Wie lassen sie sich wirtschaftlich und flächendeckend erheben? Einen datengetriebenen Ansatz verfolgt die Forschungsstelle für Energiewirtschaft (FfE) in München mit einer neuen KI-Lösung namens "DETECT".
Von der Stichprobe zur Vollerhebung
Die FfE kombiniert dabei frei verfügbare 3D-Gebäudemodelle mit hochauflösenden Luftbildern und KI-gestützter Objekterkennung. Ziel ist es, Photovoltaikanlagen gebäudescharf zu identifizieren und Potenziale systematisch zu erfassen.
Daniel Godin, Senior Research Software Engineer bei der FfE, beschreibt den technologischen Fortschritt so: "In den letzten Jahren wurden in Deutschland und Europa immer mehr Daten wie 3D-Gebäudemodelle oder hochauflösende Luftbilder flächendeckend bereitgestellt. Mithilfe neuer KI-Methoden konnten wir darauf aufbauend innovative Lösungen wie unser DETECT-Tool entwickeln."
Früher seien solche Analysen nur mit sogenannten LiDAR-Befliegungen möglich gewesen, bei denen Laserimpulse von Drohnen oder Flugzeugen ausgeworfen werden. Das ist nicht mehr nötig. "Solche Analysen sind nun schnell und flächendeckend möglich." Der Ansatz arbeite automatisiert und nutze frei verfügbare Daten, erklärt Godin.
Präzisere Prognosen für den Netzausbau?
Für Netzbetreiber stellt sich die Frage, welchen Mehrwert zusätzliche Daten tatsächlich bringen. Netzplanung basiert heute auf Szenariotechnik, Regionalisierung nationaler Ziele und Erfahrungswerten. Gebäudescharfe Informationen könnten diese Modelle verfeinern – etwa bei der Lokalisierung künftiger Engpässe oder der Dimensionierung von Ortsnetzstationen.
Die Netze BW in Stuttgart etwa betrachtet die KI-gestützte Regionalisierung als Möglichkeit, bestehende Prognosen zu verbessern. "Durch den KI-basierten Ansatz zur Erkennung möglicher E-Lkw-Ladestandorte bietet sich für die Netze BW eine Möglichkeit, die vorhandenen NEP-Prognosen für das klimaneutrale Stromnetz weiter zu verbessern", erläutert Simon Karst, Ingenieur für Stromnetzentwicklung.
Die Regionalisierung könne im Netzausbauplan genutzt werden. So würden Annahmen zu künftigen Lastschwerpunkten räumlich belastbarer – ein Faktor, der Investitionsentscheidungen beeinflusst. Gerade im Schwerlastverkehr könnten Daten zu Logistikclustern Transparenz schaffen, um zukünftige Ladepunkte für ultraschnelles Laden (HPC) und deren Auswirkungen auf Mittelspannungsstränge einzuschätzen.
Datenqualität als strategischer Faktor
Auch der Nürnberger Verteilnetzbetreiber N-Ergie verweist auf bislang begrenzte Datengrundlagen. "Der KI-gestützte Ansatz ermöglicht es, zusätzliche Informationen zum PV-Bestand und -Potenzial systematisch zu erfassen", betont André Beck, Referent in der strategischen Unternehmensentwicklung.
Gebäudescharfe, flächendeckende Daten seien bisher nur mit erheblichem Aufwand verfügbar gewesen und häufig nicht aktuell. Die FfE-Datensätze verschafften eine bessere Übersicht über Strukturen und Entwicklungen im Netzgebiet. Trends ließen sich früher erkennen, Zusammenhänge fundierter bewerten.
Für Netzbetreiber werden Daten damit zunehmend zu einem Faktor für operative und regulatorische Entscheidungen.
Auswirkungen auf die kommunale Planung
Gebäudescharfe PV-Daten sind jedoch nicht nur für Netze relevant. Auch die kommunale Wärmeplanung profitiert davon. Der Fachbereich Umwelt der Stadt Braunschweig bezeichnet die Informationen deshalb sogar als "essenziell".
"Je genauer die Eingangsdaten sind, desto präziser können Versorgungsszenarien erstellt werden", heißt es. Gleichzeitig ermögliche der Ansatz, Potenzialflächen zu identifizieren, die bisher nur mit erheblichem manuellem Aufwand erfasst werden konnten.
Wandel der Netzplanung
Das FfE-Projekt steht exemplarisch für einen Trend: Die Netzentwicklung bewegt sich zunehmend von grob regionalisierten Annahmen hin zu hochaufgelösten, datengetriebenen Modellen. Kombinationen aus offenen Geodaten, Fernerkundung und KI könnten Planungszyklen verkürzen und Investitionen zielgerichteter steuern.
Ob diese Ansätze die Netzentwicklung grundlegend verändern, hängt weniger von der Technologie selbst als von ihrer Integration in bestehende Planungsprozesse ab. In einem zunehmend dezentralen und elektrifizierten Energiesystem wird die Qualität der Eingangsdaten zur zentralen Stellgröße. Für Netzbetreiber wird künftig entscheidend sein, wie schnell sie solche Analysen strategisch nutzen.
