Die europäischen Stromnetze sind vielerorts nicht optimal ausgelastet. Wind- und Solarenergie wachsen rasant, doch Netze und Nachfrage halten oft nicht Schritt – wertvolle erneuerbare Energie geht verloren. Während Erzeugung und Infrastruktur sich immer weiter entkoppeln, wird künstliche Intelligenz zum Schlüssel für mehr Effizienz und geringere Kosten: Sie hilft, Erzeugung und Verbrauch besser auszubalancieren, Engpässe zu vermeiden und neue Wertschöpfungspotenziale zu erschließen.
Im Norden Großbritanniens ist die Abregelung von Windenergie ein anhaltendes und sich weiter verschärfendes Problem. Ein im Januar veröffentlichter Bericht des Energieinformationsdienstleisters Montel zeigt, dass 2025 mehr als zehn Terawattstunden Windenergie in Schottland abgeregelt wurden – ein Anstieg von 22 % gegenüber dem Vorjahr.
Die Kosten dieser abgeregelten Energiemenge waren astronomisch: Zahlungen an Windkraftanlagenbetreiber für abgeregelte Einspeisung summierten sich auf 343 Millionen GBP (entspricht ca. 394 Euro). Die Redispatch-Kosten für das Hochfahren alternativer Erzeugung, um die entstandene Lücke zu füllen, betrugen im Jahr 2025 über eine Milliarde GBP (ca. 1,15 Mrd. Euro).
Das Kernproblem ist geografischer Natur. Onshore- und Offshore-Windparkentwickler zieht es wegen des Windreichtums und der geringen Bevölkerungsdichte nach Nordschottland. Dadurch wird viel Strom weit entfernt von den großen Verbrauchszentren produziert. Das Missverhältnis ist eklatant: Die 2025 abgeregelte Energiemenge hätte laut Montel – basierend auf Verbrauchsdaten der staatlichen Regulierungsbehörde Ofgem und Angaben der schottischen Regierung – nahezu den gesamten Bedarf aller schottischen Haushalte decken können.
Engpässe im Übertragungsnetz verstärken dieses Ungleichgewicht. Die begrenzte Infrastruktur zwischen Nord- und Südschottland, über die Gebiete der Netzbetreiber SSEN und Scottish Power hinweg und weiter südlich bis nach England, schränkt den Stromfluss ein. Das Ergebnis: enorme Mengen ungenutzter erneuerbarer Energie – Energie, die bei intelligenter Steuerung sinnvoll genutzt werden könnte.
Simon Evans, Direktor beim Ingenieurbüro Arup, weist darauf hin, dass Abregelungen in Regionen stattfinden, die gleichzeitig stark von Energiearmut betroffen sind. „Die Menschen können es sich nicht immer leisten, ihre Häuser zu heizen – eine sehr bedauerliche Situation“, sagte Evans in der Märzausgabe des The smarter E Podcasts. Ein besseres Systemmanagement könnte beide Probleme gleichzeitig lösen.
„Anstatt die Windkraftanlagen abzuregeln“, erklärte Evans weiter, „könnte in einem Smart Grid der überschüssige Strom genutzt werden, um in diesen Haushalten Warmwasserspeicher oder Speicherheizungen zu laden. So können wir den Bedarf an Abregelung reduzieren und gleichzeitig einen sozialen Nutzen schaffen – was wiederum Gesundheitskosten und Sozialausgaben verringert.“
Solche Maßnahmen würden die Abregelung nicht vollständig verhindern, könnten sie jedoch erheblich reduzieren und gleichzeitig soziale Vorteile schaffen. Im Grunde zeigen sie, wie digitalisierte, intelligente Energiesysteme – angetrieben durch maschinelles Lernen, große Sprachmodelle und KI – verschiedene Sektoren wie Strom und Wärme verknüpfen und neue Formen von Flexibilität erschließen können.
Auf politischer Ebene positioniert die Europäische Kommission KI als Grundpfeiler der Energiewende. In zwei Publikationen aus dem Jahr 2025 skizziert die Europäische Technologie- und Innovationsplattform für intelligente Netze für die Energiewende (ETIP SNET) sowohl eine langfristige Vision als auch konkrete Maßnahmen für die nahe Zukunft. Die aktualisierte „Briefing Note“ richtet sich direkt an Übertragungs- und Verteilnetzbetreiber.
Die Vision von ETIP SNET sieht ein vollständig digitalisiertes und intelligentes europäisches Stromnetz vor, das effizienter, widerstandsfähiger und flexibler arbeitet – und gleichzeitig die Dekarbonisierung beschleunigt. Diese Netze der Zukunft setzen KI ein, um Netzverluste zu reduzieren, Abregelungen zu vermeiden, dezentrale Energieressourcen wie Photovoltaikanlagen auf Hausdächern oder Heimspeicher zu steuern und Cyberbedrohungen zu erkennen. Sie ermöglichen zudem die Koordination von Flexibilitätsressourcen wie Demand Response und Vehicle-to-Grid. In diesem Zusammenhang optimiert KI nicht nur den Netzbetrieb, sondern ermöglicht auch die Steuerung und Aggregation dezentraler Anlagen zu flexibler Kapazität – und unterstützt so effektiv neue Marktstrukturen für das Ausgleichs- und Engpassmanagement.
ETIP SNET schlägt eine gestaffelte Einführung vor: Pilotprojekte bis 2027, gefolgt von großflächiger Implementierung und vollständiger Integration ab 2030 – wodurch Europa zum globalen Vorreiter KI-gestützter intelligenter Energienetze werden soll.
Allerdings bestehen weiterhin erhebliche Hindernisse für den flächendeckenden Einsatz von KI im Netzbetrieb. Zu den wichtigsten zählen die Verfügbarkeit und Qualität von Daten, insbesondere in fragmentierten Altsystemen, sowie die Herausforderung, neue digitale Werkzeuge in bestehende Infrastruktur zu integrieren. Fehlende digitale Kompetenzen bei den Netzbetreibern bremsen die Einführung zusätzlich, während steigende Cyberrisiken neue operative Schwachstellen mit sich bringen. Auch der regulatorische Rahmen – darunter EU AI Act, DSGVO und NIS2 – beeinflusst, wie Daten genutzt werden dürfen und KI-Systeme überwacht werden müssen.
Im Zentrum dieser KI Anwendungen stehen Foundation Modelle – großskalige KI Systeme, auf denen Tools wie ChatGPT (bzw. GPT, Generative Pre trained Transformer) basieren. Ihre Entwicklung erfordert enorme Datenmengen und sehr hohe Rechenleistung und ist der ressourcenintensivste Teil der KI Entwicklung.
Das GridFM-Projekt arbeitet daran, auf Stromnetze zugeschnittene Open-Source-Foundation-Modelle zu entwickeln. Im September 2025 fand an der RWTH Aachen ein Workshop statt, der Entwickler, Netzbetreiber und Technologieanbieter zusammenbrachte. Die Teilnehmer berichteten von rasanten Fortschritten. „2025 war das Jahr, in dem GridFM von der Vision zur Realität wurde“, sagte Thomas Brunschwiler, Principal Research Scientist bei IBM Research. Als Sponsor der Veranstaltung unterstützt das IT-Unternehmen GridFM. „Der Weg nach vorn erfordert leistungsfähige Lösungen für den Echtzeitbetrieb und die optimale Planung“, ergänzte er und verwies auf vielversprechende Anwendungsfälle. Das GridFM-Modell müsse „unter Topologieänderungen robust bleiben“ und verschiedene Datentypen – darunter Netzgraphen, Bilder und Texte – integrieren und sich an wandelnde Systemanforderungen anpassen.
Eine weitere wichtige Anwendung ist die Entwicklung digitaler Zwillinge – virtuelle Abbilder des Stromnetzes. Das Projekt AMAZING unter der Leitung des FZI Forschungszentrums Informatik konzentriert sich darauf, solche Modelle mithilfe von KI aufzubauen und zu kalibrieren. Auf Grundlage von Daten fünf deutscher Netzbetreiber soll das Projekt zeigen, wie KI unterschiedliche Datenquellen zu kohärenten Echtzeitmodellen zusammenführen kann.
Diese Fähigkeit macht Evans „sehr optimistisch“ hinsichtlich des KI-Einsatzes im Stromnetz. „Wenn man Daten effektiver verwalten und nutzen kann, um mit besseren Entscheidungen Anlagen zu optimieren, ergibt sich ein riesiges Potenzial“, sagt er und verweist auf die wachsende Verzahnung digitaler und physischer Systeme.
Vertrauen bleibt jedoch entscheidend. KI-Systeme müssen transparent, zuverlässig und in realen Umgebungen validiert sein – insbesondere bei kritischer Infrastruktur. Das AMAZING-Projekt begegnet dem, indem es direkt mit deutschen Netzbetreibern zusammenarbeitet, um praktische, nachweisbare Ergebnisse zu liefern. Evans beschreibt dies als „sicherstellen, dass die richtigen Leute die richtigen Dinge sehen.“
David Moser vom Becherel Institute vertrat auf dem Solar Quality Summit in Barcelona im vergangenen Februar den gleichen Standpunkt. Angesichts des rasanten Wachstums der Solarbranche, die sich auf jährliche Installationen von rund einem Terawatt zubewegt, habe KI großes Potenzial, Engpässe wie den Fachkräftemangel zu entschärfen. Gleichzeitig bleibe die Kontrolle durch den Menschen unverzichtbar. Moser ging sowohl auf das Vertrauen in KI als auch auf Haftungsfragen ein und betonte, dass KI zwar Entscheidungen unterstützen und beschleunigen könne, die letztendliche Verantwortung jedoch weiterhin beim Menschen liege.
Ein Bereich, in dem KI bereits messbaren Mehrwert liefert, ist die PV-Ertragsprognose.
Eine 2023 veröffentlichte Studie von Forscherteams des Massachusetts Institute of Technology (MIT) und der Technischen Hochschule Lausanne (EPFL) zeigte, dass KI-Modelle Prognosen zur Solarstromerzeugung deutlich verbessern können. Besonders genau waren die Modelle über sehr kurze Zeiträume – Minuten statt Stunden –, sie übertrafen aber auch bei Stunden- oder Intraday-Prognosen konventionelle Ansätze.
„Bemerkenswert ist, dass durch Transfer Learning, also die Übertragung von bereits gelerntem Modellwissen, präzise Prognosen auch in Regionen möglich waren, in denen nur geringe installierte Kapazitäten und wenige historische Daten vorlagen – ein großer Vorteil für neue Solarstandorte.“
Für Netzbetreiber bedeuten genauere Prognosen unmittelbar ein besseres Systemmanagement. Die Forscher betonten, dass KI-basierte Prognosen dabei helfen, „Energieverteilung und Demand-Response-Systeme zu optimieren“. Dadurch lässt sich Solarstrom effizienter nutzen und die Herausforderungen im Betriebsablauf durch die volatile Stromerzeugung senken.
Wie ETIP-SNET in seinen Veröffentlichungen hervorhebt, treiben bislang weitgehend Forschungseinrichtungen und Universitäten den Einsatz von KI im Netzbetrieb voran. Erfreulicherweise könnte die Entwicklung von Open-Source-Modellen dazu beitragen, diese Fortschritte in skalierbare kommerzielle Lösungen umzusetzen.
Über den Systemausgleich hinaus wird KI bereits in der vorausschauenden Wartung eingesetzt, wodurch Netzbetreiber Fehler früher erkennen, Ausfälle reduzieren und die Lebensdauer der Anlagen verlängern können. Durch die Analyse von Sensordaten und historischen Leistungsdaten können diese Systeme potenzielle Ausfälle erkennen, bevor sie eintreten, sodass Betreiber proaktiv eingreifen können. Ähnliche Ansätze nutzen bereits Energieversorger und Technologieunternehmen wie Siemens und Kraken Technologies, um den Netzbetrieb zu optimieren, dezentrale Anlagen zu managen und die Systemeffizienz in realen Netzwerken zu verbessern.
Die wirtschaftlichen Argumente für die Integration von KI in das Stromnetz sind eindeutig. Allein durch verbesserte Prognosen konnten laut der Internationalen Agentur für Erneuerbare Energien (IRENA) in einigen Systemen die Kosten für Betriebsreserven, wie Reservekraftwerke und Flexibilitätsressourcen, um 10–15 % gesenkt werden.
Während der bereits erwähnte Bericht von Montel die hohen Kosten ineffizienter Netzbewirtschaftung im Vereinigten Königreich hervorhebt, zeigen sich ähnliche Entwicklungen in ganz Europa. In Deutschland betrugen die Abregelungskosten im Jahr 2025 beeindruckende 435 Millionen Euro.
Und Investoren nehmen dies zur Kenntnis. Gerard Reid, Mitbegründer des Londoner Corporate-Finance-Unternehmens Alexa Capital, bezeichnet KI als „den größten technologischen Wandel in der Geschichte der Menschheit“. In Bezug auf Stromnetze sagt Reid: „Die Digitalisierung gestaltet das Energiesystem von innen heraus neu.“
Sie haben den Podcast verpasst? Kein Problem! Die Aufzeichnung und viele weitere interessante Inhalte stehen Ihnen auf The smarter E Digital zur Verfügung.