BIGGER PICTURE Energie & Klima
Den Windstrom von morgen besser zusagen
Die Windturbine bleibt dieselbe. Neu ist das Wissen über ihren nächsten Tag – und damit eine besser nutzbare Lieferzusage an das Stromnetz.

- Prognosehorizont
- 36 Stunden
- Gemeldeter Vorteil
- Rund 20 % höherer wirtschaftlicher Wert
- Untersuchte Anwendung
- 700 MW Windleistung in den USA
So funktioniert die Idee
Wind- und Anlagendaten lesen
Wetterprognosen werden mit bisheriger Erzeugung verbunden.
Stromertrag vorausberechnen
Das Modell schätzt die Erzeugung bis zu 36 Stunden voraus.
Lieferung planen
Betreiber können stündliche Lieferungen am Vortag zusagen.
Strom braucht einen Zeitplan
Eine Megawattstunde ist besser nutzbar, wenn das Netz weiß, wann sie kommt. Bei Windkraft ist diese Zusage schwierig: Der Brennstoff kommt mit dem Wetter. Google und DeepMind berichteten 2019 über maschinelles Lernen für 700 Megawatt Windleistung in den zentralen USA, um das Angebot des nächsten Tages besser vorherzusagen.
Belege: [1]
Erst vorhersagen, dann zusagen
Ein neuronales Netz lernte aus Wetterprognosen und historischen Turbinendaten, die Erzeugung 36 Stunden vorauszuschätzen. Darauf aufbauend wurden stündliche Lieferzusagen für den nächsten Tag empfohlen. Diese Unterscheidung ist wichtig: Eine genaue Prognose sagt einem Betreiber noch nicht, was er zusagen sollte. Der Nutzen entsteht durch die Verbindung mit konkreter Vermarktung und Planung.
Ein besserer Fahrplan für dieselbe Anlage
Google meldete rund 20 Prozent mehr wirtschaftlichen Wert gegenüber einer Vergleichssituation ohne zeitgebundene Zusagen. Gemeint ist der Wert des Stroms, kein um 20 Prozent höherer Ertrag der Turbinen. Der mögliche Nutzen liegt in wirtschaftlich besser integrierbarer erneuerbarer Energie. Eine entsprechende Senkung privater Stromrechnungen wurde nicht nachgewiesen.
Die Idee ging über einen Betreiber hinaus
DeepMind beschrieb später die Übertragung in ein Google-Cloud-Produkt, das ENGIE erprobte. Auch die IEA nennt Prognosen und Einsatzplanung als praktische KI-Anwendungen für erneuerbare Energie. Das belegt breiteres Interesse, bestätigt aber nicht unabhängig Googles ursprüngliche Zahlen. Das Ergebnis von 2019 bleibt ein Anbieterbericht mit einer bestimmten Vergleichsbasis.
Die Originalquellen
- Google DeepMindMachine learning can boost the value of wind energy
- Google DeepMindUsing AI to fight climate change
- International Energy AgencyEnergy and AI in East Asia