Mit KI gegen den Blackout:

Wenn Algorithmen Strom lenken

Frank Hellmann, Potsdam-Institut für Klimafolgenforschung (PIK) im Gespräch mit Milena Milivojevic, IM+io

Kurz und Bündig

Europas Stromnetz erstreckt sich von der Ukraine bis Nordafrika – ein gigantisches, dynamisches System. Aktuelle Simulationsmethoden reichen oft nicht aus, um all die möglichen Fehlerfälle zeitnah zu analysieren. Künstliche Intelligenz kann hier helfen: Erste Modelle sagen bereits Ausfallwahrscheinlichkeiten in Echtzeit voraus. Ziel ist, erneuerbare Energien sicher und effizient in die Infrastruktur zu integrieren – eine Herausforderung, die Forschung und Praxis gleichermaßen fordert.

Strom fließt scheinbar mühelos, doch die Mechanismen dahinter sind alles andere als simpel. Was passiert, wenn Millionen von Energieerzeugenden und Energieverbrauchenden in einem hochdynamischen Netz zusammenspielen müssen? Wie meistern wir die Herausforderungen von Stabilität, Effizienz und Erneuerbarkeit in einem sich wandelnden Energiesystem?

IM+io: Ihre Forschungsgruppe arbeitet am Projekt KI-FounDyn. Worum geht es da?

FH: Ich leite eine Forschungsgruppe, die sich mit der Dynamik komplexer Infrastruktursysteme beschäftigt. Unser Fokus liegt auf erneuerbaren Energiesystemen und der Frage, wie diese künftig stabil betrieben werden können, wenn konventionelle Kraftwerke zunehmend aus dem Netz verschwinden. Wir untersuchen, wie Millionen kleinerer Akteure – etwa Windparks, Solaranlagen und Batteriespeicher – zusammenarbeiten können, um die Stabilität des Stromnetzes zu gewährleisten. Besonders spannend ist für uns die Dynamik im Bereich von Sekunden: Hier passieren Synchronisationsprozesse, die es ermöglichen, Energie zu transportieren. Mit dem Umstieg auf erneuerbare ändert sich diese Dynamik fundamental – und wir entwickeln Methoden, um diese Prozesse besser zu verstehen und zu steuern.

IM+io: Was macht die Synchronisation im Stromnetz so besonders, und was ist dabei wichtig?

FH: Synchronisation ist das Herzstück des Stromtransports. In einem Stromnetz fließt Energie nur dann effizient, wenn alle Komponenten – Generatoren, Verbrauchende und Speicher – in einem synchronisierten Zustand arbeiten. Das heutige europäische Stromnetz erstreckt sich über Kontinente, von der Ukraine bis Nordafrika und ist eines der größten gekoppelten Systeme der Welt. Früher wurde die Synchronisation hauptsächlich durch konventionelle Kraftwerke gewährleistet. Diese arbeiten wie riesige Schwungräder, die das Netz stabil halten. Mit dem Übergang zu erneuerbaren entfällt diese Funktion, weil viele kleinere Anlagen wie Solarpanels oder Windkraftwerke elektronisch gekoppelt sind und weniger Trägheit ins Netz einbringen. Dadurch entsteht eine ganz neue Herausforderung: Statt tausender Kraftwerke haben wir es mit Millionen kleiner Einheiten zu tun, die gemeinsam stabil arbeiten müssen. Das ist ein unglaublich spannendes Forschungsfeld, das uns täglich vor neue Fragen stellt.

IM+io: Wo stoßen die traditionellen Simulationsmethoden an ihre Grenzen?

FH: Traditionelle Methoden basieren auf detaillierten Modellen der Übertragungsnetze, die für den Betrieb von Netzbetreibenden genutzt werden. Diese Modelle funktionieren gut, solange es nur um große Netze mit wenigen Akteuren geht. Allerdings kommen sie an ihre Grenzen, wenn wir über Millionen von dezentralen Akteuren sprechen, die in Echtzeit zusammenarbeiten. Hinzu kommt, dass Simulationen oft sehr zeitaufwändig sind. Bei der Planung von Netzen müssen Tausende Szenarien – etwa Wetterbedingungen oder potenzielle Ausfälle – berücksichtigt werden. Die Anzahl der nötigen Berechnungen steigt dabei exponentiell. Im Betrieb haben wir dagegen nur wenige Minuten Zeit, um auf Probleme zu reagieren. Solche zeitkritischen Herausforderungen können mit den heutigen Simulationsmethoden nicht immer bewältigt werden. Wir brauchen also neue Ansätze, um die Komplexität der Dynamik zu erfassen und rechtzeitig eingreifen zu können.

IM+io: Wie kann Künstliche Intelligenz helfen, diese Herausforderungen zu bewältigen?

FH: KI bietet hier enorme Potenziale. Wir nutzen beispielsweise graphbasierte neuronale Netze, um komplexe Stromnetze zu analysieren. Diese Methoden erlauben es uns, Ausfallwahrscheinlichkeiten an jedem Knotenpunkt vorherzusagen. Anders als traditionelle Simulationsmethoden kann KI aus großen Datenmengen lernen und in Echtzeit arbeiten. Stellen Sie sich vor, dass eine KI basierend auf den aktuellen Zuständen des Netzes vorhersagt, welche Bereiche kritisch werden könnten, und gleichzeitig mögliche Gegenmaßnahmen vorschlägt – etwa das Umschalten eines Transformators oder das Erhöhen der Blindleistung. Aktuell sind wir dabei, diese Ansatz mit Beteiligten wie Fraunhofer und mehreren Universitäten zu testen. Unser Ziel ist es, nicht nur Vorhersagen zu liefern, sondern auch erklärbare Entscheidungen zu ermöglichen. Die Netzbetreibenden sollen genau verstehen können, warum die KI eine bestimmte Maßnahme vorschlägt.

IM+io: Wie sieht die Zusammenarbeit mit Netzbetreibenden und anderen Beteiligten aus?

FH: Netzbetreibende spielen eine zentrale Rolle. Sie liefern uns Daten und definieren die Anforderungen, die unsere Modelle erfüllen müssen. Gemeinsam arbeiten wir daran, die Forschung in die Praxis zu bringen. Ein Beispiel ist die Testleitwarte des Fraunhofer-Instituts, wo wir unsere Modelle in einer realistischen Umgebung validieren können. Darüber hinaus gibt es einen regen internationalen Austausch, etwa mit Kollegen in Spanien, Großbritannien oder Ungarn. Besonders interessant ist der Blick auf Länder wie Großbritannien, die durch ihre Insellage bereits jetzt mehr Erfahrungen mit dynamischen Problemen im Netz gesammelt haben. Dieser Austausch hilft uns, neue Erkenntnisse zu gewinnen und unsere Methoden zu verbessern.

IM+io: Welche politischen Rahmenbedingungen fördern oder behindern Ihre Arbeit?

FH: Die Politik hat in den letzten Jahren erkannt, wie wichtig das Thema Systemstabilität ist. Das Bundesministerium für Wirtschaft und Klimaschutz hat eine sogenannte Roadmap zur Systemstabilität erstellt, die genau aufzeigt, welche Schritte nötig sind, um ein 100 Prozent erneuerbares Energiesystem zu stabilisieren. Trotzdem gibt es noch viel Nachholbedarf, etwa beim Ausbau der Netze oder der Einführung von regional differenzierten Strompreisen, die die Realität besser abbilden. Es ist klar, dass die Energiewende kein Selbstläufer ist. Sie erfordert koordinierte Anstrengungen von Forschung, Industrie und Politik.

IM+io: Haben Sie ein Beispiel für regional differenzierte Strompreise?

FH: Regionale Strompreise sind schon lange Realität. In den USA, aber auch in Teilen von Europa. Die vier skandinavischen Länder (mit 25 Millionen Einwohner:innen) haben zusammen 12 Preiszonen. Deutschland hat hingegen einen einzigen einheitlich Strompreis, egal, wo man den Strom nutzen möchte.

Das führt in typischen Situationen, wie beispielsweise dass in Norddeutschland billiger Windstrom im Überfluss vorhanden ist, während in Süddeutschland der Strom teurer produziert wird, zu Problemen. Sind die Leitungen zwischen Nord- und Süddeutschland nicht hinreichend ausgebaut, um den billigen Windstrom zu transportieren, müssen Windkraftwerke abgeschaltet und statt dessen teurere Anlagen in Süddeutschland betrieben werden. Die Strombeziehenden sehen allerdings nur einen Strompreis, egal wo sie sind. Es gibt daher keinen Anreiz für energieintensive Industrie sich dort anzusiedeln, wo günstiger Strom verfügbar ist. Und für Stromkund:innen in Süddeutschland gibt es auch keinen Anreiz, auf einen schnellen Leitungsausbau zu dringen, um den günstigen Windstrom nutzen zu können. Der Strommarkt bildet also die Realität des Netzes nicht ab, den Preis dafür zahlen wir alle.

IM+io: In welchem Stadium befindet sich Ihre Forschung aktuell, und wie sehen Sie ihre weitere Entwicklung?

FH: Unsere Forschung befindet sich noch in der Grundlagenphase, wir untersuchen hauptsächlich theoretische Modelle und Methoden. Ein wichtiger nächster Schritt besteht darin, unsere Ansätze in enger Zusammenarbeit mit Unternehmen weiterzuentwickeln. Besonders spannend wäre es, unsere KI-Methoden in echte Netzbetriebsumgebungen zu integrieren. Die Vision ist, dass unsere Technologien in Leitwarten von Netzbetreibenden eingesetzt werden können. Hier könnten unsere Systeme beispielsweise vorhersagen, welche Fehlerfälle in den nächsten Minuten kritisch werden könnten.

Basierend darauf könnten Netzbetreibende gezielte Gegenmaßnahmen planen – etwa die Erhöhung der Blindleistung oder Änderungen an Schaltzuständen. Wichtig ist dabei, dass die KI nicht nur Ergebnisse liefert, sondern diese auch erklärbar macht. Langfristig wäre es ideal, wenn unsere Forschung so weit fortgeschritten ist, dass sie von Unternehmen aufgegriffen und in die Software von Netzleitwarten integriert werden kann.