Effektive Risikovorsorge und Kostenoptimierung durch KI

Schäden frühzeitig zu erkennen und zu beheben, ist eine der zentralen Herausforderungen, um Ausfallzeiten zu minimieren und finanzielle Verluste zu reduzieren. Externe Schadensereignisse wie Brände, Stürme oder mechanische Defekte können unerwartet auftreten und zu Sach- und Ertragsausfallschäden führen, sind aber durch Auswertung und Datenlage quantifizierbar. Für Zahlen aus dem Anlagenbetrieb entstehender Schäden gibt es dagegen noch viel Potenzial, Ausfälle kalkulierbarer zu machen. Hierfür sind spezielle KI-Lösungen hilfreich, die zurzeit kontinuierlich weiterentwickelt werden.

Anomalien erkennen

Viele Windenergieanlagen laufen über Jahrzehnte, bevor Verschleiß oder Schäden einzelner Komponenten durch die kontinuierliche Beanspruchung evident werden. Erkennbar werden sie erst durch die Auswertung kleinster Anomalien, die sich schon deutlich früher im Betrieb einschleichen, für das bloße Auge zunächst aber aus den entsprechenden Daten unmöglich abzulesen wären.

Christian Fontius, Co-Founder, CCO bei Turbit:

„Unser datenbasierter KI-Ansatz ermöglicht, durch Temperaturveränderungen oder Rückgänge der produzierten Energie frühzeitig die wahrscheinlichsten Ursachen für Sekundärschäden zu identifizieren.“

Das Schadenspotenzial ist allerdings hoch, wenn sich aus einem vermeidbaren kleineren Sekundärschaden wie etwa einem defekten Zahnrad ein ausgewachsenes Getriebeversagen und daraus ein Großschaden und Betriebsausfall mit horrenden Folgekosten entwickeln kann. Eine Lösung, solchen Kettenreaktionen vorzubeugen, sind Vollwartungsverträge, die wiederum ebenfalls oft nicht unbedingt billig ausfallen. Die Abdeckung von Schäden ist außerdem von den individuellen Regelungen abhängig, kann somit sehr individuell ausfallen und im schlimmsten Fall nicht für den eintretenden Schaden greifen.

Gewinn für alle

Von KI-Lösungen profitieren am Ende alle Beteiligten gleichermaßen. Hersteller erhalten zum einen mehr Daten über Belastbarkeit und Arbeitsverhalten ihrer Produkte und müssen zum anderen dank präziserer Prognosen für etwaige Ausfälle, Reparaturen oder Erneuerungen seltener schwerwiegenderen servicevertraglichen Verpflichtungen nachkommen.

Auf Betriebsseite wird zunächst ein viel detaillierterer Einblick in die Besonderheiten der kleinteiligen Abläufe der Energieparks sowie der einzelnen Anlagen möglich, der ein tiefgreifenderes Verständnis für die jeweilige Technik schafft. Aber vor allem können Produktionsausfälle auf die kleinstmögliche Länge verkürzt und Großschäden mit weitreichenden finanziellen und planerischen Folgen vermieden werden.

Nino Göhmann, Underwriter im Bereich Engineering bei HDI Global:

„Durch den Einsatz des Systems sind wir in der Lage, neben den externen Sach- und Ertragsausfallschäden auch jene Schäden adäquat abzusichern, die aus dem Anlagenbetrieb heraus entstehen.“

Hiervon profitieren letztendlich auch die Versicherungen, die einerseits weniger große Summen für Versicherungsfälle zahlen müssen, wenn der Schadensfall durch frühzeitige Erkennung oder Vorbeugung kleiner ausfällt oder ganz vermieden werden kann. Darüber hinaus ist selbstverständlich auch die Versicherung am erfolgreichen und unterbrechungsfreien Wirtschaften Ihrer Kund*innen und entsprechend einem langen Vertragsverhältnis mit beidseitiger Zufriedenheit interessiert.
Durch die neu entwickelten Versicherungskonzepte bieten sich auch andere Finanzierungsmöglichkeiten. So besteht etwa die Option, anstehende Reparaturen durch ein Rücklagenkonto zu begleichen, in das monatlich eingezahlt wird. Auf diese Weise kann mit einer Kostenersparnis von 35 Prozent gerechnet werden.

Machine Learning als Grundlage für eine intelligente Risikovorsorge

Auch auf Datenebene besteht eine enge Zusammenarbeit zwischen Anlage und Versicherung. Digitale Monitoring-Lösungen machen es möglich, die gesammelten Werte kontinuierlich auszutauschen und eine ständig aktuelle Grundlage für Abschätzungen zu notwendigen Handlungen und Maßnahmen zu schaffen.

Michael Tegtmeier, Founder, CEO bei Turbit:

„In der Praxis sehen wir, dass der Kontext der Anomalie für die technische Bewertung eines Alarms sehr wichtig ist. Daher arbeiten wir seit Jahren konsequent daran, sämtliche Datenquellen der Windenergieanalge für die Bewertung zu nutzen. Der umfassende Datenzugang ist wichtig, um immer präziser zu alarmieren und die Relevanz des Alarms automatisiert richtig in das Tagesgeschäft einzuordnen.“

Dabei wird stetig weiter daran gearbeitet, so viele Datenquellen wie möglich einzubinden, um eine Berechnung aller Anlagenbereiche zu gewährleisten. Zuletzt wurde etwa die Sammlung und Auswertung von Daten zu den Blättern von Windenergieanlagen angestoßen, um auch hier Anomalien im Anlagenverhalten zu bestimmen, die in Zukunft Hinweise auf mögliche Sekundärschäden geben könnten.

Dieser Beitrag erschien im BWE-BetreiberBrief 1-2024.

Passend zum Thema: