Nutze Deine Daten! Jetzt!

Innovative Analysemöglichkeiten im Umfeld von Big Data
NUTZE DEINE DATEN! JETZT!
RINGVORLESUNG | 23. NOVEMBERR 2016 | IISYS HOF | DR. MATTHIAS NAGEL & DR. GEORG JUNG

Digitalisierung erschüttert unser Wirtschafts- und Gesellschaftssystem in den Grundfesten
HERAUSFORDERUNG DIGITALISIERUNG
Abb. aus: chrisriddell.com

3
„Wenn Technologien
und Gesellschaft sich
schneller ändern, als
Unternehmen in der
Lage sind sich
anzupassen, dann
kommt es ganz nach
den Regeln der
Evolution zum
Aussterben bestimmter
Unternehmenstypen“
(vgl. Land, K.-H. 2015)
WAS HAT DARWIN MIT DIGITALISIERUNG ZU TUN?
Evolutionäre Veränderungen mit revolutionären Auswirkungen
Abb.: http://creativethinking.net/what-i-learned-from-charles-darwin-about-creative-thinking/#
sthash.rFvauGLB.dpbs

4
DIGITALE ZERSTÖRER
Digitale Disruption wird so lange ignoriert, bis es zu spät ist!
Disruptive Innovationen unterscheiden sich von stetigen Produktverbesserungen und
neuen Varianten erheblich!
Sie treten in verschiedenen Branchen nur sehr selten auf. Ist dies jedoch der Fall,
bleibt kein Stein mehr auf dem anderen!
Es kommt zu Wirkungsketten:
Bild aus: https://www.piratenpartei-nrw.de/wp-content/uploads/2016/01/dominosteine.jpg
Es ist wichtig zu wissen, wann und wie digitale Disruption funktioniert.

5
Vom digitalen Wandel besonders betroffen sind:
KURZER LUNTE, LAUTER KNALL
… Einzelhandel, ITK, Banken, Versicherungen, Professional Services

6
DAS IST DOCH NICHTS NEUES! DOCH.
Revolution durch sich gegenseitig verstärkenden technischen Fortschritt
Mobile
5G Netzwerke
>100 MB/s
Software
Visual
Analytics
Data
Science
Roboter
3D Druck
Cloud &
Portale
Branchen-
wissen
Sensoren

7
Geänderter Wettbewerb & Kundenverhalten, neue Geschäftsmodelle
DIE FOLGEN DAVON
Im Gespräch mit dem Bus
Aus: Computerworld 10 2016
 Schon heute auf Herausforderungen
von morgen vorbereiten.
 Es ist besser, Fehler in Kauf zu
nehmen, als untätig zu bleiben.
 Unternehmen müssen sich dem
geänderten Konsumentenverhalten
anpassen.
 Schnelligkeit: Wer jetzt nicht
digitalisiert, überlässt die
Wertschöpfung anderen.
“Der gefährliche Wettbewerb kommt nicht von hinten, den erkennt man im
Rückspiegel. Die Konkurrenz kommt aus der Seitenstraße.”
Reinhard Ploss, CEO Infineon

8
Es geht um die Abbildung der gesamten Wertschöpfungskette, vom ersten Kundenkontakt
bis zur letzten Rechnung. Digitalisierung heißt, Geschäftsprozesse miteinander zu
verzahnen, Kunden, Projekte, Buchhaltung in einem System managen.
… als Chance für die, die sie verstehen & dafür Lösungen anbieten!
GESCHÄFTSPROZESSE VERZAHNEN & OPTIMIEREN

Es gibt universelle einsetzbare Prinzipien, Methoden, Algorithmen, Werkzeuge
SMART DATA & DATA SCIENCE „TOOL BOX“
Abb. aus: http://blog.contractiq.com/big-data-analytics-companies-in-india/

10RINGVORLESUNG | 23. NOVEMBERR 2016 | IISYS HOF | DR. MATTHIAS NAGEL & DR. GEORG JUNG
1. DER SCHLÜSSEL FÜR DIE DIGITALISIERUNG 
Statische
Datenquellen
Daten-
ströme
data-
extraction
data
cleansing
data
structuring
data
consolidation
managing
data
business
intelligence
self service
discovery
machine
leraning
Mensch
als
Nutzer
decision
engines
Datengewinnung Daten verwalten Einsichten gewinnen
Aus: Disruptive Analytics: Charting Your Strategy for Next-Generation Business Analytics
ist die analytische Wertschöpfungskette und deren Umsetzung

2. INTERAKTIVE DYNAMIK & VISUAL ANALYTICS 
Dynamisch, interaktiv, Self Service Analytics.
“To be most effective, visual analytics tools must support the fluent and flexible
use of visualizations at rates resonant with the pace of human thought.”
Jeffrey Heer & Ben Shneiderman
DATA AND VIEW SPECIFICATION
 FILTER
 SORT
VIEW MANIPULATION
 SELECT
 NAVIGATE
 COORDINATE
 ORGANIZE
February 20, 2012
Volume 10, issue 2PROCESS AND PROVENANCE
 RECORD
 ANNOTATE
 SHARE
 Guide

2. INTERAKTIVE DYNAMIK & VISUAL ANALYTICS 
Dynamisch, interaktiv, Self Service Analytics. VisualCockpit leistet dieses

13
3. PROZESSOPTIMIERUNG DURCH SEMANTIK 
Erkennen und Verarbeiten von Informationen
Abb.: http://lumma.de/2011/09/02/die-kunst-aufzuraumen/

14
z.B. für dynamische Marktbeobachtung
4. EXTERNE DATEN MITTELS CRAWLER NUTZEN 

15
How do machines learn? “It’s just math.” - Oren Etzioni
5. ARTIFICIAL INTELLIGENCE & MACHINE LEARNING 
Supervised Learning Unsupervised Learning
Neural Network Deep Learning (Tensorflow)
Gartner Hype Cycle 2016: „Machine Learning…befindet sich auf dem Höhepunkt der
übertriebenen Erwartungen“.
Abbildungen. H. Edwards
Abb. aus: then One/WIRED

16
„Selbst die größte Ansammlung von Informationen, Big Data verfügt über sehr wenig
Wissen. Anhand von Big Data werden Korrelationen ermittelt. Die Korrelation besagt:
Wenn A stattfindet, so findet auch B statt. Warum es so ist, weiß man aber nicht.
Die Korrelation ist die primitivste Wissensform, die nicht einmal in der Lage ist, das Kausal-
verhältnis, d.h. das Verhältnis von Ursache und Wirkung, zu vermitteln. Es ist so.
Die Frage nach dem Warum erübrigt sich hier.
Es wird also nichts begriffen. Wissen ist aber Begreifen.
So macht Big Data das Denken überflüssig. Wir überlassen uns bedenkenlos dem Es-Ist-
so.“
Für uns kann das nur heißen:
Machine Learning- Algorithmen erproben und
anwenden! Aber bei der Anwendung nie
das Denken vergessen.
Das macht Data Science aus.
Abb: http://criminologia.de/2015/06/stille-diktatur-ein-interview-mit-han-byung-chul
Korrelationen vs. Wissen
BYUNG-CHUL HAN ÜBER BIG DATA

17
Probleme können besser gelöst werden, „…wenn Menschen unterschiedlicher Disziplinen
in einem die Kreativität fördernden Umfeld zusammenarbeiten, gemeinsam eine
Fragestellung entwickeln, die Bedürfnisse und Motivationen von Menschen
berücksichtigen, und dann Konzepte entwickeln, die mehrfach geprüft werden“.
Sinngemäß nach: Wikipedia
Aus: https://blog.varonis.com/design-thinking-for-your-data-strategy/
Design Thinking als Kreativprozess zur Ideenfindung
6. DESIGN THINKING 

18
Wissen Sie, wie Ihre Prozesse wirklich ablaufen? Sind Sie sich sicher?
 Mit zunehmender Digitalisierung steigt die Zahl der IT-gestützten Prozessabläufe.
Dies führt zu wachsender Komplexität bei sinkender Transparenz der
Geschäftsprozesse.
 Rasante Änderungen und neue Systeme führen dazu, dass die realen Abläufe nicht
mehr mit den ursprünglich vorgesehenen Prozessen übereinstimmen.
 Klassische Prozessanalysen, die sich auf Interviews und Stichproben stützen, stoßen in
dieser Situation an Ihre Grenzen.
Process Mining: Algorithmen-gestützte Analyse
realer Geschäftsprozesse. Empirisches Process Mining
 schafft den Überblick über die realen Prozesse,
 findet den „Flaschenhals“ in Abläufen und
 schafft Voraussetzungen, um Prozesse optimieren
zu können.
Überblick über immer komplexere Unternehmensprozesse.
7. EMPIRISCHES PROCESS MINING 
Bild aus: fhnw.ch

19
Die Blockchain hat das Potential für eine Revolution, denn das Prinzip kann für jede Art
von Vertrag verwendet werden: „Smart Contracts“.
… hat das Potential für eine Revolution.
8. BLOCKCHAIN & SMART CONTRACTS
Abb. von Dan Page aus http://www.strategy-business.com/article/A-Strategists-Guide-to-Blockchain?gko=0d586

Simba n³ setzt diese Methoden und Algorithmen in Lösungen für diverse Branchen ein
(KURZ)VORSTELLUNG KONKRETER SMART DATA LÖSUNGEN
Abb. aus: http://www.techtag.de/wp-content/uploads/2015/02/smart-data.jpg

21
Design Thinking,
Projektmanagement &
Consulting
Software & Services von Simba n³ rund um Daten & Digitalisierung
EIGENE BEISPIELE FÜR ANALYTICS & BIG DATA
Damit sind individualisierte (Branchen-)Lösungen bei Nutzung von Standards machbar.
Visual Analytics &
BI-Software
VisualCockpit von
Simba n³
Individuelle
Programmierung &
Entwicklung
Data Science &
Analytics
Oft wird dafür A bis D gebraucht, Simba n³ hat dies im Portfolio.
Wir erläutern dies an einigen konkreten Beispielen.
D A
C B

Kunde: envia TEL
DIGITALISIERUNG VON KERNPROZESSEN
Visual Analytics & BI-
Software von Simba n³
Individuelle
Programmierung &
Entwicklung
Data Science &
Analytics
D A
C

23
Ein Praxisbeispiel zur Digitalisierung von Geschäftsprozessen
DIE NETZWELT VON ENVIA TEL

24
 Bauplan befüllen: Massendaten des Netzgebietes von ca. 27.000 km² mit Potentialen
müssen analysiert werden.
 Vermarktungskampagnen vorbereiten: (Adress-) Datenqualität muss gesteigert werden
Hoher manueller Abstimmungsaufwand vor Entscheidungen
HERAUSFORDERUNG – IST ZUSTAND (DAMALS)

25
 Für strategische Entscheidungen des Einsatzes der Investitionsmittel sind völlig andere
Daten als z.B. für operative Entscheidungen im Vertrieb erforderlich.
 Das bisherige Potentialmanagement ist ein ressourcenaufwändiger subjektiver
Entscheidungs-prozess, mit hohem Abstimmungsaufwand.
 Automatisierung & Vereinfachung der analytischen Wertschöpfungskette mit dem
DataWarehouseBuilder:
Kunde: envia TEL
PROZESSOPTIMIERUNG DURCH DIGITALISIERUNG
Digitale Transformation des Kernprozesses „Potentialmanagement“

26
Mit dem VisualCockpit lassen sich ad hoc alle Fragen beantworten
EINSATZ VISUALCOCKPIT IM KREATIVTEAM
Umsetzung der digitalen Transformation des Kernprozesses mit Fragestellung „In welchen
Gebieten sollte envia TEL investieren?“ in nur 2 Monaten.
Punktlandung bei Priorisierung, Bewertung und Umsetzung der Bauprojekte für 2016.

27
Durch das envia TEL-Projektteam und den n³ Data Scientists wurde die digitale Transfor-
mation des Kernprozesses in nur 2 Monaten umgesetzt. Das ermöglichte envia TEL für
2016 eine zeitliche "Punktlandung“: In Dunkelverarbeitung wurden ausreichend viele
Potential-standorte ermittelt. Damit konnten gezielt ~ 20 Mio. € in Glasfasernetze
investieren werden. Vorlauf für 2017: Bauvorhaben stehen fest, Baufirmen sind unter
Vertrag. Dieser Zeitgewinn ist unter dem harten Wettbewerb besonders wichtig.
Die Smart Data-Lösung ist für beliebige Netzinfrastrukturen anwendbar bzw. übertragbar.
VERMARKTUNGSPROZESS – ERREICHTE ZIELE

28
 Design Thinking
 Automatisierung großer Teile der analytischen Wertschöpfungskette
 Gewinnung externer Daten über Robots und Crawler
 Einsatz von KI-Methoden zur Entscheidungsunterstützung
 Bereitstellung von Self Service Analytics für das Kompetenzteam
Der Mtehodenmix macht‘s.
WIE KOMMT MAN ZU DEN ERGEBNISSEN?
Aus: https://blog.varonis.com/design-thinking-for-your-data-strategy/

Über Robots & Crawler aus Portalen, Internet, Sozialen Medien
NUTZUNG EXTERNER DATEN
Individuelle
Programmierung &
Entwicklung
Data Science &
Analytics
D A
C

30
Kreise: Cluster mit hausärztlicher Unterversorgung und erheblichen
demographischen Unterschieden
CRAWLER & VERSORGUNGSFORSCHUNG

31
Prozesse rund um die „Holpflichten im Unternehmen“ automatisieren
INFORMATIONSLOGISTIK: AUSLESEN VON PORTALEN

32
Über Robots & Crawler aus Portalen, Internet, Sozialen Medien
BEISPIEL 4 - NUTZUNG EXTERNER DATEN
Einsatz in mehreren Projekten:
 Mobile App für Commerzbank
 Dynamische Preisbildung
 Kleinräumige Analyse der Versorgung
 Auslesen von OEM-Portalen
 Eingesetzte Technologien: A, C, D
(kapow und eigen programmierte
Robots)
Visual Analytics &
BI-Software von
Simba n³
Individuelle
Programmierung &
Entwicklung
Data Science &
Analytics
D A
C

ImmobilienScout24
SEMANTIK BEI DER IMMOBILIENBEWERTUNG
Individuelle
Programmierung &
Entwicklung
Data Science &
Analytics
D
C

34
Für die Immobilienbewertung wird das Wissen (~ Kernkompetenz eines Gutachters) erfasst
und den Informationen aus den Exposé-Texten zuordnet. Damit wird eine Nutzung von
>90% der Exposés von ImmobilienScout24 möglich.
ImmobilienScout24
SEMANTIK BEI DER IMMOBILIENBEWERTUNG
42%
Daten mit Baujahr
58%
Daten ohne Baujahr
39%
Baujahrinformationen aus iKnow

35
„Mit Hilfe der n³-Applikation können wir noch mehr Objekte für unsere Online-Immobilien-
bewertung heranziehen. Hierdurch werden wir für die Immobilien von noch mehr Kunden
genaue Bewertungen ermitteln können. Wir sind uns sicher, dass wir damit die Attraktivität
unseres Angebotes weiter verbessern werden.“
Sven Feuerschütte, Vice President Valuation Services bei ImmobilienScout24
 Die Immobilien-Datenbank von ImmobilienScout24
enthält ca. >180 Mio. Exposés.
In den Exposés liegen benötigte Informationen oft als
unstrukturierten Fließtexte vor. Für eine
Immobilienbewertung werden aber strukturierte Daten
als Eingabe benötigt, ohne die keine Verkehrswert-
ermittlung durchgeführt werden kann.
 Semantische Technologien sollen das Problem lösen.
 Eingesetzte Technologien: C, D (InterSystems iKnow)
ImmobilienScout24
BEISPIEL 2 - FÜR DIE ANWENDUNG VON SEMANTIK
Semantik bei der Immobilienbewertung Individuelle
Programmierung &
Entwicklung
Data Science &
Analytics
D
C

(Forschungs)projekte zu Industrie 4.0 & Lösungen für den Mittelstand
BEISPIELE FÜR INDUSTRIE 4.0
Individuelle
Programmierung &
Entwicklung
Data Science &
Analytics
D A
C

37
Mitarbeit in Forschungsprojekten & I4.0-Lösungen für den Mittelstand
INDUSTRIE 4.0 FÜR DEN MITTELSTAND
Fertigungsassistenzsystem unter Verwendung sozio-cyber-physischer Produktionssysteme
Visual Analytics &
BI-Software von
Simba n³
Individuelle
Programmierung &
Entwicklung
Data Science &
Analytics
D A
C

MOBILE DASHBOARDS
Mittels Beacons Informationen gezielt bereitstellen
Proaktive Informationen für Worker bei
einfacher Anwendbarkeit.
Wenn das Thema schon komplex ist,
sollte die Software keine weitere
Komplexität hinzufügen!

KENNZAHLEN ZUR PRODUKTION
Kramski GmbH

TEIL II: CHANCEN & RISIKEN DER DIGITALISIERUNG
Abb. aus: https://www.liberale.de/content/chancen-risiken-einer-digitalisierten-gesellschaft

NUTZE DEINE DATEN! JETZT!
Es gibt schlüsselfertige Lösungen. Warum nicht?

Wie funktioniert die Infrastruktur
heute?
• Ein Läufer mit 100 Tonnen Gewicht rotiert mit
3.000 Umdrehungen pro Minute
• Daraus werden 50 Hz Netzfrequenz
• Solange wir die Drehzahl halten ist das Netz
stabil!

Bild: 3m Solutions
Bild: 3m SolutionsBild: epri
Bild: Hitachi
Bild: knowstartup
Bild: MKSmart
Bild: Pace University
Bild: Shutterstock / Powerelectronicsworld
Bild: TendersOnTime
Bild: Tonex
Bild: Trilliant Inc.
Das Smart Grid

Deine Daten
• Bis 2019 sollen alle 5,5
Millionen Zähler in
Österreich „intelligent“
sein.
• „Wer seine Daten
freiwillig rausrückt,
könnte in Zukunft mit
Gratis-Strom belohnt
werden“ (Kurier,
22.09.2012)

Deine Daten
Beispiele
• Backofen
• Kühlschrank
• Spülmaschine

Deine Daten
Heise Security vom 20.09.2011

Deine Daten
Ein paar Bilder von „Ecoisme - Intelligent Energy Monitoring System“
– Startup auf IndieGoGo Crowdfunding:

Deine Daten
Ein paar Bilder von „Ecoisme - Intelligent Energy Monitoring System“
– Startup auf IndieGoGo Crowdfunding:
Diese Information steht natürlich
ausschließlich dem Nutzer zur
Verfügung und wird von (fast) sonst
niemandem gelesen und bestenfalls
zur Verbesserung des Service
verwendet!

UntertriebeneDystopie
http://abstrusegoose.com/553
Abstruse Goose – The Too
Much Information Age

Bisherige Pläne
• Google gab 2011 das Projekt PowerMeter auf
– “…consumers don't know the industry even
exists.” (CBS News, 24.06.2011)
– “Growing consumer distrust of Google's use of
personal data likely made many reluctant to
divulge details” (CBS News, 24.06.2011)
• 2013 Wiedereinstieg mit Partner General
Electric (Green Tech Media, 12.02.2013)
– Verbindung mit Maps als „Geospacial Tool“

Warum nicht?
The Loss of Location
Privacy in the Cellular Age
(Wicker, 2012)
Bild aus Stephen B. Wicker. „The Loss of Location
Privacy in the Cellular Age“, CACM 50:8, August 2012
„Our view of reality is conditioned by
our position in space and time – not by
our personalities as we like to think.“
(Lawrence Durrell, cited after Wicker,
2012)
„…to be human is to be ‚in place‘.“ (Tim
Cresswell, cited after Wicker, 2012)

Wissenschaft der Information
• Aus dem location-trail einer Person kann man viel
erfahren!
– Die Adresse (Wohnung)
– Adressen von Freunden (verbringt die Person auch hin und
wieder die Nacht dort?)
– Religiös signifikante Orte (Kirchen, Moscheen, …)
– Sportvereine, Fitness-Center (wie häufig)
– Bars, Restaurants (wie gesund lebt die Person wirklich?)
– Geschäfte (wo wird gekauft, was wird gekauft?)
– Ärzte, Spezialkliniken (Diagnose auf dem Krankenschein?)
– Vergnügungen (Kino oder Theater, Klassik oder Rock-
Konzert, …)
– Und so weiter…

Ein Beispielszenario
Freunde
unterhalten sich. Es
gibt den Vorschlag,
abends gemeinsam
essen zu gehen.
Sie sind unsicher.
Vielleicht wollen
Sie zuhause
bleiben.
Nachmittags
erhalten Sie auf
Ihrem Telefon
Coupons für eins
der Restaurants.
Abends sind Sie
dann doch dabei.

Wissenschaft der Information
• Nimmt der Familienvater am Abendessen teil?
• Liest er seine Mail vorher oder nachher?
• Wann kann ich ihm etwas verkaufen, wann zur
Arbeit drängen?
Fazit: Wo keine Privatheit existiert, kann
eine Person ununterbrochen entweder zu
Leistung oder zu Konsum gedrängt werden.
Das persönliche Erleben der Umgebung
wird dafür geopfert.

Weiteres Beispielszenario
„There are, however, some
brief periods in a person’s life
when old routines fall apart
and buying habits are suddenly
in flux. One of those moments
— the moment, really — is
right around the birth of a
child, when parents are
exhausted and overwhelmed
and their shopping patterns
and brand loyalties are up for
grabs.”
- NYT, 16.02.2012

Zugang zu Information
• Individuell aufbereitete
Nachrichten
• Suchergebnisse nach
persönlichen
Präferenzen
• Vorschläge nach
eigenen Interessen
• Diskussion im sozialen
Umfeld
Getty Images
Das nennt man
Filterblase

Nutzung Deiner Daten durch Andere
• Ununterbrochener Druck auf das eigene
Handeln zum Nachteil des persönlichen
Erlebens
• Nach außen kehren der Privatsphäre und
Intimsphäre
• Keine Konfrontation mit anderslautenden
Meinungen, Ausblenden pluralistischer
Meinungsbildung als Vorteil.

Privatheit des Unternehmens
• Wann werden welche Zulieferer getroffen?
• Welche Kunden werden besucht?
• Wird die Modernisierung von Maschinen
geplant, Anlagen gekauft?
• Wie viele Mitarbeiter sind im Urlaub, wie viele
im Betrieb, wie lange?

NUTZE DEINE DATEN SELBST!
Es geht auch anders:

Polyenergetische Lastregelung
67
Geringer Arbeitspreis
Teuer bei Lastspitzen
7 ¢/kWh über Abschreibungszeitraum
Volatil (Wetterabhängig)
Strom als Abfallprodukt bei
Wärmebedarf
Kurzzeitige Speicherung
Lebensdauer abhängig
von Betriebsart
Effiziente Wärmeerzeugung
bei Stromaufnahme
Einfluss auf Lastaufnahme
in der Produktion

Beispiel Batteriespeicher
• Interne Kenngrößen
– Kapazität,
Leistungsaufnahme/abgabe
– Wirkungsgrad, Eigenverlust,
Speicherdauer
– Betriebsarten,
Umschaltzeiten, Flexibilität
– State of Health, State of
Charge
– Kosten (Schaden) bei
Tiefentladung, Überladung,
Ladezyklen zur Regeneration
– Umschaltzeiten Ladung-
Entladung
• Investitions- und
Abschreibungszeiträume
• Wartungs- und
Austauschzyklen
68

Agentenorientierte Programmierung
69
• Weiterentwicklung der Objektorientierten
Programmierung
• Autonome Softwaremodule mit klar definierten
Schnittstellen
– Kenntnis der internen Zustände/Besonderheiten
– Interner Entscheidungsspielraum
• Zusammenschließbar zu einer verteilten
Intelligenz (Multiagentensysteme)
– Beitrag einzelner zum Gesamtergebnis
– Echte Dezentralität (vs. 50,2Hz-Problem und
49,5Hz-Problem)
– Subsidiaritätsprinzip
• Kommunikation in Begriffen
– Ontologie statt Fließkommazahlbeschreibung
Softwareagent

Lastregelung mit verteilter Intelligenz
70
Wetter-
prognose
Solarleistung
Produktionsplan
Energie-
management
Netz-
management
Heizbetrieb
Zwischenspeicher
Heizbetrieb

Abstraktion, Verständnis und Dynamik
• Daten haben Sinn und Bedeutung
– Wir interessieren uns für Strom,
Spannung, Leistung, Energie, Temperatur,
Kapazität, Füllstand, Ladezeit,
Sonneneinstrahlung, Angebot, Bedarf, …
– Wir interessieren uns nicht für
Fließkommazahlen in 32 oder 64 Bit,
Little oder Big Endian, RS232 oder RS485,
Modbus RTU, Modbus TCP/IP, Modbus
ASCII…
• Abstraktion über Ontologie erlaubt Fokus
auf das Wesentliche
– Austauschbarkeit der Interna (neue
Hardware, neue Agenten)
– Verständlichkeit und Wartbarkeit des
Systems
– Anpassungsfähigkeit, Erneuerbarkeit
71

72
Wetter-
prognose
Solarleistung
Produktionsplan
Energie-
management
Netz-
management
Heizbetrieb
Zwischenspeicher
Heizbetrieb

Prognosen und Proaktives Handeln
• Einzelne Agenten verwalten ihren
zukünftigen Bedarf und ihr
zukünftiges Angebot.
– Solarprognosen, Lastprognosen,
Produktionsplan, Logistikplan, …
– Demand-side management
• Proaktives Handeln führt zur besseren
Auslastung von Betriebsmitteln.
– Koordination von
Batterieregenerationszyklen mit
Energieprognosen
– Frühzeitiger Transport von Energie in
verbrauchsnahe Speicher
– Frühzeitige Transformation in
verbrauchsnahe Energieformen
73

74
Wetter-
prognose
Solarleistung
Produktionsplan
Energie-
management
Netz-
management
Heizbetrieb
Zwischenspeicher
Heizbetrieb

Dynamik und Agilität: Erweiterbarkeit
75
Beispiel: Batteriespeicher
• Zur stationären Batterie
kommen e-Fahrzeuge
(unidirektional).
– Ladesäulen und Fahrzeuge
erhalten ihren Repräsentanten
zum Management
– Fahrzeiten, Ladeleistung,
Auslastung, etc. können sofort
mit dem Gesamtsystem
koordiniert werden
• Die Staplerflotte wird auf
bidirektional ladbare e-
Fahrzeuge umgestellt.
– Unmittelbare Einbindung in das
Stromspeicherkonzept
– Vernetzung mit der Produktion

76
 Einfaches Lastmanagement im Industriekontext
 20kV Anschluss, Lastgangvertrag
 Schwankende Grundlast
 Einzelne Großverbraucher, planbar / nicht
planbar, verschiebbar / nicht verschiebbar
 Eigene Erzeuger, entstehendes Energie-
/Klimaschutzkonzept
 Vernetzt und zukunftssicher
 Weitere Softwareentwicklung
 Konzept- und Ideenentwicklung
 Praxistest!
 Neues Forschungsinstitut für Wasser- und
Energiemanagement
Smart Grid aus der Region – Praktisches Lastmanagement
und die Vorreiterrolle der Hochschule Hof

Dynamik und Agilität: Lernende Systeme
77
Automatische Anpassung an neue
Gegebenheiten
• Lernen von Beziehungen (z.B.
Strahlung – Output) durch neuronale
Netze
• Prognosen für Verbrauch/Beitrag
volatiler Quellen und Senken
• Ständige Anpassung an
veränderliche Parameter (Alterung,
Neuausrichtung)
• Einpassung in neue Umfelder
(Wiederverwendung von Systemen
in neuem Kontext)
• Auslegung von Betriebsmitteln aus
Fehlerabschätzung

Fazit
• Das Smart Grid funktioniert auch (und besser)
ohne Durchgriff und totale Überwachung
durch den Versorger
• Dritte haben in Deinen Daten nichts zu suchen
• Nutze sie selbst. Jetzt.

Vielen Dank für Ihre Aufmerksamkeit
Phone +49 9281 409-6112
Fax +49 9281 409-6899
mail@iisys.de
www.iisys.de
www.iisys.de/sg
Institut für
Informationssysteme
der Hochschule Hof (iisys)
Alfons-Goppel-Platz 1
95028 Hof
Simba n³ GmbH
Dr.-Friedrichs-Str. 42
08606 Oelsnitz
Tel.: +49 37421 7224-0
Fax: +49 37421 7224-100
E-Mail: info@nhochdrei.de
Internet: www.nhochdrei.de
Dr. Matthias Nagel
Managing Director
matthias.nagel@nhochdrei.de
+49 (37421) 7224 - 101
Dr. Georg Jung
Head of research group Smart Grids
georg.jung@iisys.de
+49 9281 409-6271

Nutze Deine Daten! Jetzt!

Weitere ähnliche Inhalte

Andere mochten auch

Ähnlich wie Nutze Deine Daten! Jetzt!

Nutze Deine Daten! Jetzt!