In komplexen Energieanlagen mangelt es selten an Daten. Leistung, Temperaturen, Volumenströme, Betriebszustände, Alarme und historische Regelungsdaten werden meist bereits erfasst. Aufwendig ist vor allem, aus dieser Vielzahl an Informationen die relevanten Messwerte herauszufiltern und die Zusammenhänge zu verstehen.
Ein Beispiel: An einem Nachmittag steigt der Stromverbrauch der Kühlung. Das kann an einer höheren Kühllast oder gestiegenen Außentemperaturen liegen. Möglicherweise hat sich aber auch die Zu- und Abschaltung der Kältemaschinen verändert, eine Pumpe arbeitet anders als üblich oder die Regelstrategie wurde angepasst.
Um die Ursache einzugrenzen, muss das Betriebsteam zunächst klären, was sich tatsächlich verändert hat, welche Vergleiche aussagekräftig sind und ob nur eine einzelne Anlage oder das gesamte System betroffen ist. Viel Zeit vergeht also bereits bei der Vorbereitung der eigentlichen technischen Analyse.
Genau hier setzt etaONE IQ an. Die KI-Funktionen ergänzen die bereits in etaONE vorhandene Energy Intelligence um natürliche Sprachinteraktion, KI-gestütztes Reasoning, definierte etaONE Tools und proaktive KI-Agenten. Betreiber können direkt mit der Fragestellung beginnen, die sich aus dem laufenden Betrieb ergibt. Die Analyse greift dabei auf den Kontext des zugrunde liegenden Energiesystems zurück.
Betriebsdaten analysieren: Mit einer einfachen Frage beginnen
Ein Mitarbeiter des Betriebsteams könnte beispielsweise fragen:
„Warum ist der Energieverbrauch gestern Nachmittag gestiegen?“
Aus der Frage geht zunächst nicht hervor, welche Pumpe, Kältemaschine, welcher Kühlturm oder welcher Messwert für die Antwort relevant ist. Dafür muss bekannt sein, welche Anlagen zu diesem Zeitpunkt in Betrieb waren, wie sie miteinander zusammenhängen und unter welchen Bedingungen sie gearbeitet haben. Auch der Vergleich mit früheren Betriebszuständen kann wichtige Hinweise liefern.
etaONE stellt diese Informationen bereits bereit. Die Plattform ordnet Betriebsdaten den jeweiligen Anlagen und Komponenten zu, ermöglicht Vergleiche mit historischen Messwerten und nutzt physikbasierte digitale Zwillinge, um das Verhalten relevanter Systemkomponenten abzubilden.
etaONE IQ nutzt diesen Kontext für die weitere Untersuchung. So könnte der Betreiber als Nächstes fragen:
„Welche Anlagen tragen zu dem Anstieg bei?“
Anschließend lässt sich die Analyse auf einen bestimmten Teil des Kühlsystems eingrenzen. Der Betreiber kann das Verhalten einzelner Anlagen miteinander vergleichen oder genauer untersuchen, was sich unmittelbar vor dem Verbrauchsanstieg verändert hat.
Stellt sich im weiteren Verlauf die Frage:
„Was passiert, wenn die Last weiter steigt?“
bleiben die bisherigen Beobachtungen und der untersuchte Systembereich im Kontext erhalten.
Solche Untersuchungen verlaufen selten nach einem festen Schema. Eine erste Vermutung kann sich als falsch herausstellen. Ein auffälliger Messwert wirft möglicherweise neue Fragen zu einer anderen Anlage auf. Und ein Vergleich, der zunächst sinnvoll erscheint, kann an Aussagekraft verlieren, sobald unterschiedliche Lasten oder Außentemperaturen berücksichtigt werden.
Bleibt der Systemkontext über die einzelnen Analyseschritte hinweg erhalten, kann das Betriebsteam diesen Hinweisen nachgehen, ohne die Untersuchung bei jeder neuen Frage von vorn beginnen zu müssen.
Wie etaONE IQ die passenden Daten und Funktionen auswählt
Fragen in natürlicher Sprache zu stellen, erleichtert den Einstieg. Für eine fundierte Analyse muss das System jedoch auch erkennen, welche Informationen benötigt werden und welche Funktionen der etaONE-Plattform dafür infrage kommen.
Hier kommt das KI-gestützte Reasoning von etaONE IQ zum Einsatz. Es dient dazu, eine Anfrage im Kontext des jeweiligen Energiesystems einzuordnen und die passenden Daten und etaONE-Funktionen für die nächsten Schritte auszuwählen.
Je nach Fragestellung können beispielsweise Betriebsdaten abgerufen, Messreihen verglichen oder zusammengehörige Anlagen identifiziert werden. Auch die in etaONE verfügbaren Modelle lassen sich einbeziehen, um mögliche Entwicklungen eines Betriebszustands zu untersuchen.
Dabei übernehmen das Sprachmodell und die technischen Modelle unterschiedliche Aufgaben.
Die physikbasierten digitalen Zwillinge in etaONE bilden das Verhalten des physischen Systems ab. etaONE IQ nutzt den vorhandenen Anlagenkontext, um die Anfrage zu interpretieren, geeignete Funktionen auszuwählen und die einzelnen Analyseschritte zu koordinieren.
Geht es beispielsweise darum, wie sich ein Kühlsystem bei steigender Last verhalten könnte, sollten die technischen Modelle und der aktuelle Betriebszustand in etaONE die Grundlage der Bewertung bilden. Die Einschätzung beruht dann nicht allein auf einer frei erzeugten Vorhersage des Sprachmodells.
Warum diese Unterscheidung für den Einsatz von KI in industriellen Energiesystemen wichtig ist, erläutern wir ausführlicher in unserem Beitrag „Warum industrielle Energieoptimierung mehr als allgemeine KI braucht“.
Analysen direkt in etaONE weiterführen
Die Unterstützung durch etaONE IQ muss nicht bei einer Textantwort enden. Das System kann auch mit unterstützten Funktionen der etaONE-Oberfläche arbeiten, etwa durch Workflows navigieren, mit Formularen arbeiten, komplexe Dashboards erläutern oder passende Visualisierungen auf Basis aktueller Betriebsdaten erstellen.
Möchte ein Betreiber beispielsweise mehrere Messreihen genauer untersuchen, kann er sich diese direkt in etaONE zusammenstellen und darstellen lassen. Die Auswertung kann anschließend innerhalb der Plattform fortgesetzt werden.
Auch über bestehende KI-Anwendungen nutzbar
Viele größere Unternehmen haben bereits eigene KI-Umgebungen im Einsatz. Häufig gibt es klare Vorgaben dazu, welche Sprachmodelle und Anbieter genutzt werden dürfen und wie betriebliche Daten verarbeitet werden sollen.
etaONE IQ berücksichtigt diese Anforderungen und ermöglicht die Anbindung an vom Kunden freigegebene LLM-Infrastrukturen.
Über das Model Context Protocol (MCP) können definierte etaONE-Funktionen zudem in kompatiblen KI-Anwendungen bereitgestellt werden.
Für europäische Installationen, bei denen die von etalytics bereitgestellte Modelloption genutzt wird, kann die Modellinfrastruktur innerhalb der Europäischen Union betrieben werden.
Unabhängig von der gewählten Oberfläche oder dem Sprachmodell bleiben die Betriebsdaten, Anlagenmodelle und Funktionen von etaONE die technische Grundlage.
Proaktive KI-Agenten: Analysen beginnen auch ohne konkrete Anfrage
Die bisherigen Beispiele setzen voraus, dass jemand eine Veränderung bemerkt und eine Untersuchung anstößt. Im Anlagenbetrieb entwickeln sich Probleme jedoch häufig schleichend.
Die Effizienz einer Anlage kann über längere Zeit nachlassen. Veränderte Lasten oder Umgebungsbedingungen können dazu führen, dass ein Kühlsystem zunehmend an seine Betriebsgrenzen gelangt. Auch mehrere Messwerte können allmählich vom erwarteten Verhalten abweichen, ohne dass sofort ein eindeutiger Alarm ausgelöst wird.
Hier setzen die proaktiven KI-Agenten von etaONE IQ an.
Sie können im Hintergrund arbeiten und den Anlagenbetrieb rund um die Uhr überwachen. Bei Auffälligkeiten können sie eigenständig Untersuchungen anstoßen und, wo es die Fragestellung erfordert, auf Funktionen und physikbasierte Modelle von etaONE zurückgreifen. So lässt sich beispielsweise untersuchen, wie sich ein veränderter Betriebszustand unter den aktuellen Bedingungen weiterentwickeln könnte.
Zeichnet sich ein Problem ab, kann bereits eine erste Auswertung für das Betriebsteam vorliegen, bevor jemand selbst eine Untersuchung beginnt. Sie kann zeigen, was sich verändert hat, welche Anlagen betroffen sind und welche Messwerte auf die Auffälligkeit hindeuten.
Auf dieser Grundlage kann der Betreiber entscheiden, ob Handlungsbedarf besteht, weitere Vergleiche anfordern oder die Untersuchung in eine andere Richtung führen.
Welche Möglichkeiten KI-Agenten im Rechenzentrumsbetrieb bieten und wie sich ihr Handlungsspielraum in kritischer Infrastruktur begrenzen lässt, betrachten wir ausführlicher im Artikel „Was Agentic AI für den Rechenzentrumsbetrieb bedeutet“.
Weniger Routineaufwand für Betriebsteams
Im laufenden Betrieb werden viele Fragestellungen immer wieder aufgegriffen. Manchmal verändern sich die Betriebsbedingungen, manchmal tritt eine bereits untersuchte Auffälligkeit erneut auf. Dann müssen Messwerte verglichen und frühere Beobachtungen erneut eingeordnet werden.
Wenn der relevante Anlagenkontext verfügbar bleibt, können Betriebsteams auf bereits geleistete Vorarbeit zurückgreifen. Sie müssen nicht jedes Mal dieselben Signale suchen, Vergleiche wiederholen oder erneut nachvollziehen, welche Aspekte bereits untersucht wurden.
etaONE IQ kann diesen Routineaufwand reduzieren und die Analyse im Tagesgeschäft erleichtern. Mit der kontinuierlichen Unterstützung durch KI-Agenten kommt hinzu, dass Veränderungen auch zwischen den direkten Interaktionen untersucht werden können.
Für Betreiber und Engineering-Teams bedeutet das vor allem eines: weniger Zeit für das Zusammentragen und Aufbereiten von Informationen und mehr Zeit für die eigentlichen technischen Aufgaben.
Die fachliche Bewertung und Entscheidung bleibt weiterhin bei den Menschen, die für den Anlagenbetrieb verantwortlich sind. etaONE IQ unterstützt sie dabei, relevante Zusammenhänge schneller zu erkennen, mögliche Probleme früher zu untersuchen und ihre Erfahrung dort einzusetzen, wo sie den größten Nutzen bringt.
Forschungshinweis: etaONE IQ umfasst Funktionen, die im Rahmen des laufenden Verbundforschungsprojekts etaGPT entwickelt wurden. Das Projekt untersucht den Einsatz großer Sprachmodelle in industriellen Energiesystemen.
Weniger Aufwand für Analysen. Mehr Zeit für wichtige Entscheidungen.
etaONE IQ verbindet KI-gestützte Analysen, etaONE Tools und proaktive KI-Agenten.
