Green Big Data

Daten sind für viele Branchen bereits ein wertvoller Rohstoff. Intelligent analysiert und ausgewertet ist Big Data eine Chance für neue Dienstleistungen und Möglichkeiten, die gerade dort entstehen, wo die Stärken von Mensch und Maschine zusammengeführt werden. Das Schlagwort ist künstliche Intelligenz, die bereits jetzt hilft oft unüberschaubare Menge an Daten zu strukturieren und damit eine Basis für deren intelligente Nutzung zu schaffen. Die Datenbasis dient dem Maschinenlernen; intelligente Softwareprogramme versetzen Computersysteme und Maschinen in die Lage, anhand der Daten Wissen aufzubauen, um sie für künftige Prognosen und Optimierungsmaßnahmen einzusetzen – um die nächste Stufe zu erklimmen, das Deep-Learning-Verfahren, das sich am menschlichen Hirn orientiert. Die große Chance von Big Data: Daten sind nicht

länger singuläre Phänomene, sondern können entlang der Wertschöpfungskette sinnvoll eingesetzt werden. Enormes Potenzial bergen hier die Bereiche Abfall- und Energiewirtschaft. Maschinenlernen etwa wird die Müllsortierung optimieren: Robotersysteme lernen aufgrund von Erfahrungen und sind selbstständig in der Lage, effizienter zu sortieren. Auch die Geschwindigkeit der Förderbänder werden lernende Maschinen künftig selbstständig steuern. Das US-amerikanische Unternehmen ecoATM zeigt mit dem einem Bankomaten ähnlichen Gerät „Elektroschrott ATM“, wie effizient alte Mobiltelefone verwertet werden können: Die Maschine prüft das alte Handy auf den Wert des Gerätes, ermittelt die enthaltenen wiederverwendbaren Rohstoffe und bezahlt den Wert gleich aus. Dieses Prinzip wäre auch für andere Altstoffe denkbar.

Big Data in der Energiewirtschaft wird einen wertvollen Nutzen vor allem dort liefern, wo es um die Koordination vieler Energieerzeuger- und -abnehmer geht. Egal ob Photovoltaikanlagen auf den Dächern von Einfamilienhäusern oder die Umwandlung von Abwärme aus Produktionsbetrieben in Energie: Produktion und Verbrauch müssen künftig intelligent gesteuert werden. Mit der Digitalisierung wird auch möglich, dass Systeme selbst entscheiden, welcher Energieerzeuger Vorrang hat, nachhaltige Anlagen werden fossilen Erzeugern vorgereiht. Das mit Predictive Analytics- Methoden analysierte Nutzerverhalten etwa ermöglicht den Energiebereitstellern, nicht nur den Verbrauch besser zu prognostizieren,

sondern auch wichtige Erkenntnisse für die Optimierung von Stromsystemen und -netzen zu gewinnen. Im bestehenden Fernwärmeleitsystem von Energie Graz beispielsweise ermöglichen Daten, den Wärmebedarf bis zu sieben Tage im Voraus abzuschätzen, und zwar auf Stundenbasis. Neue Serviceleistungen für den Endverbraucher entstehen beispielsweise, wenn die intelligente Speicherung und Analyse von Schlagwörtern für automatische Kundenkommunikation eingesetzt wird oder Computersysteme bei Smart Meter die Nutzerverhalten analysieren und ein digitaler „Energie Butler“ selbstständig den Verbrauch des Haushalts nach ökonomischen und ökologischen Kriterien steuert.