Die Energieversorgung steht vor einer tiefgreifenden Transformation, und künstliche Intelligenz (KI) könnte dabei eine Schlüsselrolle spielen – nicht nur als Verbraucher von Energie, sondern auch als Lösung für eine effizientere und nachhaltigere Stromversorgung. Priya Donti, Professorin für Elektrotechnik und Informatik am MIT und Forscherin am Labor für Information und Entscheidungssysteme (LIDS), erklärt, warum die Stromnetze optimiert werden müssen und wie KI dabei helfen kann. Der Stromnetz ist ein hochkomplexes System, das stets ein perfektes Gleichgewicht zwischen Angebot und Nachfrage gewährleisten muss. Doch sowohl die Nachfrage als auch die Einspeisung aus erneuerbaren Quellen wie Wind und Sonne sind unsicher und stark schwankend. Diese Unsicherheiten, kombiniert mit Verlusten durch elektrischen Widerstand in Leitungen und variablen Kosten bei der Stromerzeugung, machen die Steuerung des Netzes äußerst herausfordernd. Traditionelle Optimierungsmodelle sind oft zu grob oder zu langsam, um diese Dynamik zu bewältigen – besonders bei zunehmender Integration von erneuerbaren Energien. KI kann hier neue Möglichkeiten eröffnen. Durch die Analyse historischer und Echtzeitdaten kann sie die Einspeisung aus Wind und Sonne präziser vorhersagen, was die Nutzung dieser Quellen verbessert und Überkapazitäten reduziert. Zudem kann KI komplexe Optimierungsprobleme schneller und genauer lösen als herkömmliche Methoden – etwa die Entscheidung, welche Kraftwerke wann und wie viel Strom erzeugen sollen, wann Batterien geladen oder entladen werden, oder wo Lasten flexibel angepasst werden können. Durch verbesserte Näherungen ermöglicht KI eine proaktive Steuerung des Netzes in Echtzeit. Auch bei der Planung zukünftiger Netze hilft KI, große Simulationen effizienter durchzuführen. Zusätzlich unterstützt sie die vorausschauende Wartung, indem sie Anomalien frühzeitig erkennt, und beschleunigt die Entwicklung besserer Batterien, die die Energiespeicherung aus erneuerbaren Quellen verbessern. Doch die Energiebilanz von KI ist ambivalent. Während große, allgemeine KI-Modelle wie große Sprachmodelle erhebliche Energie verbrauchen, sind spezialisierte, kleinere Modelle für bestimmte Aufgaben – wie die Netzoptimierung – deutlich effizienter. Donti betont, dass die gegenwärtige Fokussierung auf ressourcenintensive KI-Technologien nicht mit den größten Nutzen für Klima und Energie übereinstimmt. Stattdessen sollten Entwicklungen darauf abzielen, physikalische Gesetze des Stromnetzes in KI-Modelle einzubinden – denn ein kleiner Fehler in der Netzsteuerung kann zu einem Blackout führen. KI muss daher nicht nur intelligent, sondern auch sicher und verlässlich sein. Donti fordert eine demokratischere Entwicklung von KI, die auf praktische Bedürfnisse vor Ort ausgerichtet ist und nicht allein auf kommerziellen oder technologischen Trends basiert. In der Industrie wird die Rolle von KI im Energiesektor zunehmend ernst genommen. Unternehmen wie Siemens, ABB und Google Energy setzen bereits auf KI-gestützte Netzmanagement-Systeme. Auch staatliche Energieagenturen in Deutschland, den USA und Skandinavien forschen aktiv in diesem Bereich. Experten sehen in der Kombination aus physikalisch fundierten Modellen und maschinellem Lernen eine Schlüsseltechnologie für die Energiewende. Die Herausforderung bleibt jedoch, die Entwicklung von KI so zu steuern, dass sie tatsächlich zur Entkohlung und Stabilität des Netzes beiträgt – und nicht nur neue Energiekosten erzeugt.