Die Integration erneuerbarer Energietr?ger im Privatbereich wird insbesondere durch die Kopplung der Verbrauchssektoren Strom, W?rme und Mobilit?t erm?glicht. Um die enormen Potentiale zu heben, m¨¹ssen Energiel?sungen f¨¹r den Privatbereich konsequent durchdacht werden. Durch die Sektorkopplung und die daf¨¹r erforderliche Digitalisierung steigt aber auch der Anspruch an die Akteure bei Entwicklung, Parametrierung, Optimierung und Vermarktung der Technologien. Umfangreiche Energiedaten (aus Systemen, Verbrauch und Verhalten) und KI-Verfahren k?nnen helfen neue Energiedienstleistungen zu erm?glichen, den Netzbetrieb zu optimieren und eine st?rkere Verbreitung von Technologien f¨¹r nachhaltige Energieversorgung zu f?rdern. Im Rahmen des Projekts soll das Potenzial aus vorhandenen Energiedaten f¨¹r solche Anwendungen nutzbar gemacht werden. Die im Einsatz getestete Big-Data-Analytics (BDA) Toolbox des Projekts wird Haushalte und Energieversorger mit Machine-Learning-Technologie unterst¨¹tzen, um die Sektorkopplung voranzutreiben.

Gef?rdert durch das Bayerische Verbundforschungsprogramm, F?rderlinie Digitalisierung ¨C Informations- und Kommunikationstechnologie

Projektlaufzeit: 01.07.2021 ¨C 30.09.2024

Beteiligte Personen an der Universit?t Bamberg: Konstantin Hopf (Principal Investigator), Felix Haag (Projektmitarbeiter)

Projektpartner:

• Friedrich-Alexander-Universit?t Erlangen-N¨¹rnberg
• BEN Energy GmbH
• Consolinno Energy GmbH
• Stadtwerk Ha?furt
• Hoval GmbH

Gesamtbudget des Projekts: 1¡¯486¡¯731 € (F?rder- und Industriebeitrag), davon 218¡¯500 € f¨¹r die Universit?t Bamberg