Abgeschlossene Forschungsprojekte
BENEFIZZO – Kombinierte Verhaltens- und Analyse-Innovation zur Steigerung der Energieeffizienz mittels Smart Meter in Privathaushalten (maschinelle Lernverfahren für Energieeffizienz-Feedback)



Durch die Anwendung maschineller Lernverfahren auf gro?e Datenmengen des privaten Energiekonsums und den Einsatz moderner Feedback-Technologien entwickelt dieses Verbundprojekt eine Kundenbindungsplattform als ausgereiften Prototypen. Diese digitale Plattform erm?glicht eine handlungsorientierte und auf den einzelnen Haushalt zugeschnittene Kommunikation, welche private Haushalte zu mehr Energieeffizienz anleitet. Aufbauend auf der zu entwickelnden Energieeffizienz-Plattform werden wir zusammen mit Energieanbietern in Europa neuartige Dienstleistungen entwickelt, welche die Energieeffizienz bzw. die nachhaltige Energienutzung im Privatbereich steigern. Dabei adressieren wir die von Unternehmen, Forschung und Politik anerkannten Grenzen der Smart-Meter-Technologie sowie die des privaten Energiekonsumverhaltens.
Das Teilprojekt der Universit?t Bamberg umfasst die (Weiter-)Entwicklung und Evaluation von maschinellen Lernverfahren, welche die Grundlage für die zu entwickelnde intelligente Energieeffizienzplattform bilden. Wir bringen Machine-Learning-Modelle voran, welche Haushaltseigenschaften (Wohnungsgr??e, Anzahl der Bewohner oder Ger?te, usw.) oder die Bereitschaft von Kunden für eine Teilnahme an Energieeffizienz- oder Lastverschiebungskampagnen mit Hilfe von Lastkurven, Standortinformationen und anderen Datenquellen vorhersagen k?nnen. Zudem evaluieren wir Techniken des Explainable AI (XAI) für deren Einsatz im Bereich des Energiefeedbacks.
Gef?rdert durch das Eurostars Programm der Europ?ischen Union
Projektlaufzeit: 01.12.2020 – 31.05.2022
Beteiligte Personen an der Universit?t Bamberg: Konstantin Hopf (Principal Investigator), Felix Haag (Projektmitarbeiter)
Projektpartner:
Gesamtbudget des Projekts: 899’680 € (F?rder- und Industriebeitrag), davon 175’521 € für die Universit?t Bamberg





ERA-Net SG+ Projekt SmartLoad – Automatische Erkennung von Effizienz- und Selbstversorgungspotenzialen individueller Haushalte
Die aufkommende Verbreitung von intelligenten Stromz?hlern erzeugt gro?e Datenmengen, die den Energiekonsum von Haushalten beschreibt. Diese Daten enthalten umfangreiche (versteckte) Hinweise auf Haushaltscharakteristika, wie z. B. dem individuellen Einsparpotential aber auch zu Nachhaltigkeitsthemen wie Selbstversorgung und Speicherung.
In diesem Projekt entwickeln und testen wir Methoden zur automatischen Erkennung von individuellen Haushaltscharakteristika basierend auf gew?hnlichen 15-minütigen Smart-Meter-Daten und weiteren externen Daten (geographisch, sozial-?konomisch, Wetter- und Statistikdaten etc.). Der Fokus der abzuleitenden Haushaltscharakteristika liegt auf Merkmalen mit Bezug zum Interesse an erneuerbaren Energien und grünen Tarifen und auf der Eignung für Eigenstromerzeugung, Speicherung und Selbstversorgung. Au?erdem werden wir atypische Verbr?uche identifizieren, Grundlast sch?tzen sowie das individuelle Einspar- und Lastverschiebungspotential von Haushalten untersuchen.
Zusammen mit unserem Implementierungspartner BEN Energy entwickeln wir Methoden, die auf Smart-Meter-Daten von unserem Industriepartner, dem Energieversorger CKW, basieren. Die Projektresultate werden vom Konsortium im Feldversuch bewertet. Die Umsetzung des Projekts erfolgt im Einklang mit den schweizerischen und europ?ischen Datenschutzbestimmungen.
Als Projektergebnis erwarten wir validierte und skalierbare Methoden, die Energieeinsparpotenziale von Privathaushalten aufdecken und Energieversorgern dabei helfen, den Vertrieb von nachhaltigen Produkten im Einklang mit nationalen Energiezielen zu optimieren.
Projektmitarbeiter an der Universit?t Bamberg: Andreas Weigert, Dr. Konstantin Hopf
Laufzeit: 01.06.2017 — 31.03.2020
Gesamtbudget des Projekts: 802'378 € (F?rder- und Industriebeitrag)
Projektpartner:
- Centralschweizerische Kraftwerke (CKW) AG, CH
- BEN Energy AG, CH
- Lehrstuhl für Energieeffiziente Systeme der Universit?t Bamberg, DE
Gef?rdert durch:
- ERA-Net Smart Grids Plus (SG+), EU
- Bundesministerium für Wirtschaft und Energie (BMWi), DE
- Bundesamt für Energie (BFE), CH
Energy Data Analytics: Steigerung der Servicequalit?t und der Energieeffizienz im Privatkundenbereich
Energieversorgungsunternehmen haben eine gro?e Kundenbasis, aber ihr Wissen über die Kunden ist gering. Dieser Umstand behindert einerseits die Entwicklung von innovativen, zielgruppenspezifischen Produkten und Dienstleistungen und schm?lert andererseits die Gewinne der Versorger. Unsere Softwarel?sungen helfen Energieversorgern, ihre Kunden zur Teilnahme an Energieeffizienzkampagnen zu motivieren und entsprechende Dienstleistungen zu vermarkten.
In diesem Projekt entwickeln wir Machine-Learning-Algorithmen weiter, welche Haushaltseigenschaften (Wohnungsgr??e, Anzahl der Bewohner oder Ger?te, usw. ) oder die Bereitschaft von Kunden für eine Teilnahme an Energieeffizienz- oder Lastverschiebungskampagnen mit Hilfe von Lastkurven, Standortinformationen und anderen Datenquellen vorherzusagen. Unsere Softwarewerkzeuge stellen Einblicke in die Kundenbasis skalierbar und kosteneffizient zur Verfügung und l?sen dabei au?erdem weitere bedeutende unternehmensrelevente Probleme: Die Effektivit?t von Energieeffizienzkampagnen, die Steigerung des Kundenwertes und die Adoption damit verbundener Dienstleistungen.
Gef?rdert durch das Eurostars Programm der EU
Projektlaufzeit: 01.11.2015 - 30.10.2018
Projektmitarbeiter an der Universit?t Bamberg: Konstantin Hopf
Projektpartner:
Gesamtbudget des Projekts: 818’840 € (F?rder- und Industriebeitrag)
Smart Meter Data Analytics für Massenmarkttaugliche Energiedienstleistungen

Intelligente Stromz?hler erm?glichen die Erfassung von Lastprofilen einzelner Haushalte. Ziel des Projektes ist es, Verfahren des machinellen Lernens zu entwickeln, um relevante Haushaltscharakteristika automatisiert aus Lastprofilen abzuleiten. Die gewonnenen Informationen dienen Energieversorgern als Grundlage für Energieberatungsleistungen und zur Optimierung der Vertriebsaktivit?ten. Aus den Ergebnissen soll bis 2016 eine Software entstanden und im Einsatz sein.
Gef?rdert durch die Kommission für Technologie und Innovation, Schweiz
Projektmitarbeiter an der Universit?t Bamberg: Konstantin Hopf, Dr. Mariya Sodenkamp
Projektlaufzeit: 01.05.2014 - 30.04.2016
Projektpartner:
- Lehrstuhl für Informationsmanagement, Departement Management, Technologie und ?konomie, ETH Zürich
- BEN Energy AG
F?rderbeitrag: CHF 442'560
Smart-Meter-Datenanalyse für automatisierte Energieberatungen (SMEC)
Kommunikationsf?hige Stromz?hler erm?glichen die Erfassung individueller Lastprofile mit hoher zeitlicher Aufl?sung (typisch in 15-Minuten-Intervallen). Projektgegenstand ist die Weiterentwicklung von Methoden des maschinellen Lernens, um aus Lastprofilen automatisiert Merkmale von Haushalten abzuleiten, welche für eine individuelle und spezifische Energieberatung von Nutzen sind. Dadurch lassen sich IT-unterstützte und skalierbare Effizienzkampagnen realisieren.


Gef?rdert durch das Bundesamt für Energie, Schweiz
Projektmitarbeiter an der Universit?t Bamberg: Konstantin Hopf, Ilya Kozlovskiy, Dr. Mariya Sodenkamp
Projektlaufzeit: 01.04.2014 - 31.01.2016
Projektpartner:
- Arbon Energie AG, Schweiz
- Lehrstuhl für Informationsmanagement, Departement Management, Technologie und ?konomie, ETH Zürich
- Lehrstuhl für Verteilte Systeme, Departement für Informatik, ETH Zürich
F?rderbeitrag: CHF 353'450
DAIAD

Das EU-Projekt DAIAD besch?ftigt sich mit dem Aufbau und der Erprobung einer IT-Infrastruktur zur Erfassung und Analyse des (Warm)Wasserverbrauch in privaten Haushalten. Gemeinsam mit der Amphiro AG (CH), WaterWise (UK), dem Athena Research (GR), dem Fraunhofer Institut für "Systems and Innovation Research" (Fraunhofer) und der Stadt Athen stattet die Forschergruppe aus Bamberg Haushalte mit energieautarken und kommunikationsf?higen W?rmemengenz?hlern aus und erprobt Konzepte zur Motivation eines nachhaltigen Nutzerverhaltens.
Gef?rdert durch das Seventh Framework Programme for Research der EU
Projektleiter: Prof. Dr. Thorsten Staake ; Dipl.-Kffr. Anna Kupfer
Projektlaufzeit: 01.03.2014 - 31.08.2017
Projektpartner:
F?rderbeitrag: EUR 3'202'288
Datenanalytik für Kundensegmentierung und Engagement

Kundenzufriedenheit und Vertrauen sind die Basis für langfristig erfolgreiche und nachhaltige Beziehungen zwischen den Versorgungsunternehmen und den Verbraucher. Ziel des Projektes ist es, reichhaltige Verfahren der Datenanalyse von Verbrauchs- und Verhaltensdaten zu entwickeln, um die Segmentierung von Stromverbrauchskunden im privaten Haushaltsbereich zu erm?glichen. Die gewonnenen Informationen dienen Energieversorgern als Grundlage für zielgerichtete Effizienzinterventionen und Vertrauen schaffender Dialog mit den Kunden durch die intelligente Verknüpfung von Kundendaten.

Gef?rdert durch RWE AG
Projektmitarbeiter an der Universit?t Bamberg: Ilya Kozlovskiy, Dr. Mariya Sodenkamp
Projektlaufzeit: 01.10.2013 - 01.12.2014
Projektpartner: BEN Energy AG
Sense4EN

(Studierendenkanzlei)
https://mailex.uni-bamberg.de
https://o365.uni-bamberg.de