Künstliche Intelligenz steigert Erlöse im Stromhandel um 37 Prozent

LONDON (IT BOLTWISE) – Die Integration von Künstlicher Intelligenz in den Stromhandel zeigt beeindruckende Ergebnisse: Forschende des Fraunhofer-Instituts für Produktionstechnik und Automatisierung (IPA) haben eine KI-gestützte Prognoseplattform entwickelt, die die Erlöse flexibler Stromanpasser auf dem Regelenergiemarkt um bis zu 37 Prozent steigern kann.

Die Anwendung von Künstlicher Intelligenz (KI) im Stromhandel hat das Potenzial, die Effizienz und Rentabilität erheblich zu steigern. Forschende des Fraunhofer-Instituts für Produktionstechnik und Automatisierung (IPA) haben eine innovative KI-gestützte Prognoseplattform entwickelt, die es ermöglicht, den Regelleistungsmarktpreis präzise vorherzusagen. Diese Entwicklung könnte die Art und Weise, wie Strom gehandelt wird, grundlegend verändern.

Der Regelenergiemarkt spielt eine entscheidende Rolle für die Netzstabilität. Er gleicht Ungleichgewichte aus, die durch wetterabhängige Erzeuger oder schwankende Verbraucherlasten entstehen. Traditionell nutzen Betreiber von Kraftwerken und Anlagen einfache Strategien, die auf Tages- oder Wochendurchschnitten basieren. Diese statischen Ansätze verkennen jedoch das Potenzial für höhere Erlöse. Der neue KI-Ansatz des Fraunhofer IPA setzt auf Machine-Learning-Modelle, die signifikante Mehrerlöse in den untersuchten Teilmärkten der deutschen Regelenergie verzeichnen.

Ein besonderes Merkmal des kombinierten Verfahrens ist das Offset-Modul, das die ML-Vorhersage verfeinert. Dieses Modul orientiert sich an den Marktregeln des Pay-as-Bid-Modells, bei dem der Gewinner seinen Gebotspreis erhält, aber verliert, wenn sein Angebot über dem realen Marktpreis liegt. Das Offset-Verfahren reduziert gezielt den prognostizierten Preis, sodass Gebote meist knapp unter dem realen Marktpreis bleiben und die Gewinnerquoten steigen.

Die Auswirkungen dieser Technologie sind weitreichend. Schon ein Fehler von 1 €/MWh kann mehrere tausend Euro Mehrerlös pro Megawatt erzeugter Leistung bedeuten. Studien dokumentieren einen möglichen Vergütungsanstieg von bis zu 3.631 € pro Megawatt und Jahr. Dies zeigt das enorme Optimierungspotenzial, das der digitale Regelenergiemarkt bietet.

Die Relevanz dieses Ansatzes wächst mit der steigenden Volatilität von Stromnetzen durch erneuerbare Energien. Ein Beispiel ist der Blackout im April 2025 in Spanien und Portugal, der die Fragilität der Netze verdeutlichte. Das IPA-Konzept bietet nicht nur technische Raffinesse, sondern auch konkrete betriebliche Vorteile. Die modulare Software lässt sich auf ähnliche Pay-as-Bid-Systeme übertragen, wie sie in Finanzmärkten üblich sind.

Der Blick in die Zukunft ist vielversprechend: Die Forschenden planen, externe Datenquellen wie Wetterprognosen und Wahrscheinlichkeitsanalysen in ihre Modelle zu integrieren, um die Prognosegüte weiter zu erhöhen. Hybride Data-Science-Konzepte, die historische Daten mit Kontextdaten wie Wetter und Netzlast kombinieren, rücken in den Fokus.

Das Projekt zeigt eine Verschiebung im Energiemanagement hin zu datengetriebenen Geschäftsmodellen, bei denen Flexibilität zur strategischen Ressource wird. Es unterstützt die Netzstabilität, indem es Anreize schafft, Lastspitzen gegenzusteuern. Dies führt zu einem kollaborativen Wettbewerb, der den Markt effizienter und resilienter macht.

Auf akademischer Ebene bietet die Veröffentlichung auf dem offenen Archiv „arXiv“ eine Basis für weitere Forschung in der Energieökonomie und verwandten Disziplinen. Energieversorger und Industrieunternehmen sind gefordert, KI-komponenten in ihre Systeme zu integrieren, um konkurrenzfähig zu bleiben. Der Ansatz eröffnet auch Möglichkeiten für Drittanbieter, die als Aggregatoren im Flexibilitätsmarkt agieren könnten.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!