Das Potential kollaborativer Energiemanagementsysteme für mehr Nachhaltigkeit in europäischen Industrieparks
Die Implementierung Erneuerbarer und innovativer Speichertechnologien
Die Energieregulierung mit steuerbaren Verbrauchern und Erzeugern
Neue Technologien im Bereich der Digitalisierung und Cybersicherheit
Die Revolutionierung von Energiemanagementlösungen mit Federated Learning (KI)
FLEX-E unterstützt den Umstieg auf kollaborative, intelligente Energiemanagementsysteme
Industrieparks sind große Energieverbraucher. Innerhalb dieser Parks verwaltet jedoch jedes Unternehmen seine Energie in der Regel selbst. Das kann dazu führen, dass ein Unternehmen Solarenergie verschwendet, während ein Nachbar teuren Strom aus dem Netz bezieht. Andere lassen Maschinen gleichzeitig laufen, was zu kostspieligen Verbrauchsspitzen führt. Ohne Koordination wird wertvolle Energie verschwendet, Kosten steigen und CO₂-Emissionen nehmen zu. Angesichts steigender Energiepreise und ehrgeizigerer Klimaziele ist dieser Ansatz nicht mehr tragbar.
Der Oberrhein bietet mit seinen zahlreichen Industriegebieten, energieintensiven Unternehmen sowie kleinen und mittleren Betrieben (KMU) ein hohes Potential, als Vorzeigeregion die Energieeffizienz und Wettbewerbsfähigkeit von Unternehmen durch kollaborative Industrieparks mit Energiemanagementsystemen zu verbessern
Gemeinsame Nutzung von Ressourcen und Daten zur Verbesserung der Energieeffizienz in Industrieparks
Das Projekt FLEX-E soll Unternehmen dabei helfen, gemeinsam als ein großes intelligentes System zu agieren, während ihre sensiblen Verbrauchsdaten privat bleiben. Das Projekt nutzt innovative Tools aus dem Bereich der künstlichen Intelligenz, die auf Federated Learning basieren. Anstatt Daten zu bündeln, trainiert jeder Standort sein eigenes Modell und teilt nur gewonnene Erkenntnisse, um ein kollektives Modell zu erstellen, mit dem sich eine globale Energieoptimierung umsetzten lässt.
Gewährleistung von Sicherheits- und Datenschutzaspekten, um die Akzeptanz bei Nutzern und Betreibern sicherzustellen
Das zu entwickelnde kollaborative Framework setzt zentrale Energiestrategien von Industrieparks über ein dezentral verteiltes, flexibles Energiemanagement um. Lokale Energieverbraucher und -erzeuger eines Industrieparks – etwa Gebäudeenergiesysteme, PV-Anlagen, Wallboxen oder weitere energetische Anlagen – werden dabei Teil eines maschinell lernenden Energiemanagements, ohne dass ihre sensiblen Verbrauchs- und Erzeugerdaten den eigenen Standort verlassen. Übertragen werden ausschließlich Parameter bzw. Änderungen der zugrunde liegenden Modelle – nie die Rohdaten selbst. So bleibt der Datenschutz durchgängig gewahrt.
Modularität und Skalierbarkeit für Änderungen in Industrieparks und für die Vernetzung mehrerer Parks
Das Projekt bietet erhebliches Potenzial. Dank seiner modularen Architektur lässt es sich flexibel an Veränderungen in einzelnen Industrieparks anpassen und ebenso auf die Vernetzung mehrerer Parks ausweiten. So können Unternehmen ihre Energie effizienter nutzen, Kosten senken und ihre Wettbewerbsfähigkeit steigern – während gleichzeitig ein europaweit skalierbares Modell entsteht, das fragmentiertes Energiemanagement in kollektive Intelligenz verwandelt.
Transfer durch praktische Leitfäden, Software-Tools und Workshops
Die Ergebnisse umfassen ein praktisches Software-Toolkit und einen Leitfaden zur Modellierung von Energieflüssen. Diese Tools werden es anderen Industrieparks erleichtern, die gleichen Methoden anzuwenden und von den Ergebnissen zu profitieren. Der Transfer auf weitere Industrieparks in der Oberrheinregion und auf nationaler Ebene erfolgt durch ein binationales, komplementäres Konsortium.
KI-Tools werden in echten Industrieparks getestet und validiert
Die ausgewählten Standorte am Oberrhein dienen als Testgebiete, um zu demonstrieren, wie KI-gesteuerte Koordination die Effizienz und Flexibilität verbessern kann. Durch den Vergleich von Standorten unterschiedlicher Größe wird das Projekt prüfen, wie flexibles Energiemanagement an eine Vielzahl von industriellen Kontexten angepasst werden kann.
Das Projekt FLEX-E ist ein Projekt der Wissenschaftsoffensive der trinationalen Metropolregion Oberrhein, das von der Europäischen Union über das Programm Interreg Oberrhein, der Region Grand Est, dem Ministerium für Wissenschaft, Forschung und Kunst des Landes Baden-Württemberg und dem Ministerium für Wissenschaft und Gesundheit des Landes Rheinland-Pfalz kofinanziert wird
Arbeitspakete von FLEX-E
AP 1 Projektkoordination
Die Projektkoordination umfasst verschiedene Aktivitäten wie das Projektmanagement, das Projektmonitoring, die Qualitätssicherung und die Schnittstelle zur Verwaltungsbehörde.
Lead: Hochschule Karlsruhe
AP2 Projektkommunikation
Kommunikationsmaßnahmen, die den Transfer zwischen Projektpartnern, zu Unternehmen, anderen instututionellen Akteuren und der Öffentlichkeit umfassen.
Lead: Hochschule Karlsruhe
AP3 Technisch-physikalische Energieflussmodellierung in Industrieparks
Modellierung von Energieflüssen zur Generierung von synthetischen Daten, welche für das Training von KI-Modellen von Entitäten sowie für das Federated Learning Frameworks verwendet werden, um Energiestrategien abzubilden.
Lead: Hochschule Karlsruhe
AP4 Entwicklung des Kernsystems Federated Learning Framework
Energiestrategien und das Verhalten des Energiesystems werden folgend in einer Federated Learning Cloud-Anwendung umgesetzt. Das AP umfasst die Konzeption und Entwicklung eines Federated Learning Frameworks, bestehend aus KI-Modellen für lokale Entitäten, lokalen Netzen mit Schnittstellen zum zentralen Cloud-Netz.
Lead: INSA Strasbourg
AP5 Security und Erklärbarkeit im Federated Learning Framework
Bewertung und Analyse zur Sicherheit und Erklärbarkeit des Federated Learning Frameworks. Das Verständnis des Verhaltens von neuronalen Netzen dient Erkenntnissen, inwieweit potenzielle Angreifer auf Basis der Netzgewichte Rückschlüsse auf Betriebszustände von Anlagen analytisch ziehen können.
Lead: INSA Strasbourg
AP6 Wissenstransfer an die Transferbegünstigten
In Zusammenarbeit mit Partnern des Oberrheins werden die Energie- und Leistungsflüsse in ausgewählten Industrieparks analysiert und auf Basis synthetischer Daten das Verbraucher- und Erzeugerverhalten sowie verschiedene Strategien zur Energieoptimierung erarbeitet. Die FL-Energieflussoptimierung wird in den Testfeldern demonstriert und ein Vergleich mit realen Energieflüssen gezogen, um eine belastbare Aussage zur Genauigkeit der Methode zu geben.
Lead: Hochschule Karlsruhe