Investitionen in erneuerbare Energien und Infrastruktur – aber intelligent!

Ein herzliches Hallo zur ersten Folge nach der Sommerpause. Heute geht es um ein neues und spannendes Thema im Bereich Energiemanagement. Es dreht sich um eine innovative Methode, Daten auszuwerten und neu zu denken, insbesondere bei Investitionen in erneuerbare Energien. Dabei werden nicht nur IoT-Daten, sondern auch Informationen aus Bereichen wie Einkauf, Controlling und Produktion berücksichtigt. Das Ziel ist es, Investitionsentscheidungen zu optimieren und die Energieinfrastruktur zu überdenken.
Heute spreche ich mit Joshua Kuepper, Co-Founder der Firma RIZM. Er hat zwei interessante Kunden-Cases von Schaeffler und BMW mitgebracht, die zeigen, wie ihre Lösungen in der Praxis angewendet werden. Vielleicht solltet auch ihr nach dieser Folge eure Energieinfrastruktur überdenken. Ich wünsche euch viel Spaß, freut euch auf spannende Insights und konkrete Use Cases. Alle Infos findet ihr wie immer unter iotusecase.com. Und damit, lasst uns mit dieser Folge starten!
Hallo Joshua, herzlich willkommen im IoT Use Case Podcast. Wer bist du und was machst du genau?

Joshua

Vielen Dank für die Einladung. Ich freue mich sehr, hier zu sein. Ich verfolge den IoT Use Case Podcast schon lange und bin froh, nun selbst die Möglichkeit zu haben, zu erzählen, was ich tue und wer ich bin. Ich bin Joshua Kuepper, mein Hintergrund liegt in Versicherungsmathematik und Risikomanagement und ich bin einer der Gründer von RIZM. Wir unterstützen die Industrie bei der Energietransformation und gleichzeitig dabei, ihre Wettbewerbsfähigkeit zu erhalten. Konkret bin ich für die Markteinführung unserer Technologie zuständig. Wir haben zwei weitere Gründer, Elias und Philipp, die einen forschungslastigen Schwerpunkt haben und daran geforscht haben, wie man Energieentscheidungen mit Daten optimaler treffen kann. Meine Aufgabe ist es, sicherzustellen, dass unsere Lösungen beim Kunden erfolgreich implementiert werden.

 

Sehr schön. Grüße an alle an der RWTH Aachen, an das Gründerteam und nach Düsseldorf. Ihr sitzt in Düsseldorf, richtig?

Joshua

Genau, wir sind an mehreren Standorten vertreten. Der Hauptstandort ist in Münster, aber ich habe eine Enklave in Düsseldorf aufgebaut. Das funktioniert gut, da die Standorte nicht weit voneinander entfernt sind.

Sind eure Kunden hauptsächlich aus Deutschland, oder habt ihr auch internationale Firmen?

Joshua

Wir arbeiten global, aber der Großteil unserer Kunden hat seinen Hauptsitz in Deutschland. Viele sind Unternehmen aus dem DAX 40, die auch in Deutschland ihren Hauptsitz haben.

Vielleicht kannst du uns einen Überblick geben, über welche Projekte wir heute sprechen, oder ein paar Erfolgsstorys und Use Cases teilen, wo Unternehmen eure Lösung im Einsatz haben.

Joshua

Gerne. Ich fange etwas allgemeiner an und werde dann spezifischer. Es gibt zwei zentrale Ausgangslagen: Erstens, wenn erneuerbare Energien produziert werden, ist diese Energie unschlagbar günstig, vorausgesetzt, sie wird produziert. Das ist global so, nicht nur in Deutschland. Dies führt zu einem immer größeren Anteil an erneuerbaren Energien in den Energiesystemen und damit zu einer höheren Preisvolatilität, die wir auch in Deutschland beobachten können.

Kurze Zwischenfrage: Meinst du mit Energiesysteme die Systeme in der Industrie, die im Einsatz sind?

Joshua

Auch, aber ich meine zum Beispiel das europäische Stromnetz oder das Stromnetz allgemein. Diese Preisvolatilität wird zunehmen, das ist ein Trend. Teilweise sehen wir Absurditäten wie Negativpreise, die wir in Deutschland und anderen Ländern beobachten. Zweitens gibt es starke Verpflichtungen von Unternehmen, klimaneutral zu produzieren. Das heißt, sie müssen kosteneffizient produzieren und die Kosten pro Einheit so gering wie möglich halten. Die Lösung liegt darin, den Energiebezug zu maximieren, wenn die Energie günstig und grün ist, und zu minimieren, wenn sie teuer und weniger grün ist. Das klingt einfach, ist aber eine große Herausforderung, da die Produktion nicht eingeschränkt werden soll. Das führt zu vielen Fragen, wie z.B. der optimalen Gestaltung der Energieinfrastruktur und der Auswahl der richtigen Beschaffungswege. Auch die Flexibilität der Infrastruktur spielt eine Rolle. Diese Themen werden wir anhand konkreter Use Cases vertiefen.

Genau, wir sprechen gleich darüber, wie die Infrastruktur optimal ausgelegt werden kann, sowie über die Beschaffung und Flexibilität. Du hast schon großartige Fragen aufgeworfen, auf die wir im Detail eingehen werden. Aber sorry, mach erst mal weiter mit den Beispielen. Du wolltest, glaube ich, noch einige nennen.

Joshua

Genau, ich gebe einfach mal ein paar Beispiele, in welche Richtung die Fragestellungen gehen, die daraus resultieren. Ein gutes Beispiel ist, was wir zusammen mit Schaeffler umgesetzt haben. Unsere Software wurde eingesetzt, indem wir einen digitalen Zwilling des relevanten Energiesystems erstellt haben. Dabei wurde aufgedeckt, dass durch ein verbessertes Production Scheduling in Kombination mit aktivem Lastmanagement Schaeffler an bestimmten Standorten Produkte produzieren kann, wenn Energie günstig und verfügbar ist. Natürlich gibt es Einschränkungen, wie z.B. die Produktionszeiten und Vollauslastung, aber die Software konnte genau die Fälle identifizieren, in denen es funktioniert. So konnten wir einen Business Case mit einer Einsparung von etwa 50.000 Euro pro Monat an einem Standort realisieren. Das zeigt, dass man ohne CapEx-Investitionen, allein durch die Kopplung von Energiemarkt und Produktionsflexibilität, Geld sparen kann.
Ein weiteres Beispiel geht in eine ganz andere Richtung, nämlich die Infrastruktur. Was wir gemeinsam mit der BMW Group erreicht haben, ist ebenfalls eine Success Story, die auf unserer Website angefordert werden kann. BMW hatte einen hohen CapEx-Bedarf, um die Ziele zu erreichen, die sie ihren Kunden versprochen haben. Unsere Software hat jedoch gezeigt, dass einige dieser Investitionen nicht unbedingt notwendig sind und dass es optimalere Energiesysteme gibt als ursprünglich angenommen. Das Ergebnis war, dass BMW einen sehr hohen dreistelligen Millionenbetrag einsparen konnte. Ein Teil davon betrifft CapEx, ein anderer OpEx, da Investitionen anders getätigt werden können und das Energiesystem günstiger wird, während die Ziele dennoch erreicht werden. Das ist wichtig, weil viele Unternehmen an einen Punkt kommen, an dem es finanziell schwierig wird, ihre Verpflichtungen zu erfüllen. Wenn man da einen hohen dreistelligen Millionenbetrag einsparen kann, wird es deutlich leichter, die Verpflichtungen einzuhalten.

Vielen Dank für das Teilen dieser zwei konkreten Beispiele. Anhand der Cases von Schaeffler und BMW können wir jetzt tiefer eintauchen und die Herausforderungen und Business Cases dahinter besser verstehen. Bevor wir damit starten, wollte ich noch eine Frage stellen: Welche Rolle nehmt ihr als RIZM ein, und was machen Unternehmen wie Schaeffler oder BMW selbst? Du hattest Infrastruktur und so weiter angesprochen.
Was genau kommt von euch, und was machen eure Kunden selbst?

Joshua

Die Software, die wir liefern, hat zwei Komponenten. Zum einen gibt es einen Business Case Rechner, mit dem man nicht nur den Business Case einer bestimmten Maßnahme herausfinden kann, sondern auch, welche Maßnahmen aus den vielen Möglichkeiten die besten sind. Das ist das eine, was wir unseren Kunden liefern, damit sie ihre Ideen und Themen durch einen Filter schicken können und am Ende die wichtigsten Entscheidungen treffen können, die sie sich für 2024 und 2025 genauer anschauen sollten.

Das heißt, ihr bietet eine Software-as-a-Service-Lösung an, die in bestehende Infrastrukturen integriert wird. Ihr liefert die Software, wobei ein Teil davon dieser Business Case Rechner ist.

Joshua

Genau. Der zweite Teil der Software ermöglicht es, die identifizierten Business Cases umzusetzen. Zum Beispiel, wenn Komponenten anders betrieben werden müssen, wie etwa ein Elektrodenboiler, der volatil betrieben werden muss. Das heißt, die Software umfasst sowohl die Identifikation als auch die Realisierung der Cases. Im Projekt unterstützen wir unsere Kunden am Anfang intensiv, indem wir das System gemeinsam aufbauen. Unser Success-Team arbeitet mit den Kunden zusammen, um vorhandene Daten zu nutzen, sie bei Bedarf zu bereinigen und in den digitalen Zwilling zu integrieren. Wir helfen dabei, die schnellen Quick Wins zu identifizieren und zu zeigen, dass das Ganze funktioniert. Mit der Zeit werden die Kunden immer eigenständiger und können die Software zunehmend selbstständig nutzen. Bei BMW ist es beispielsweise so, dass sie nach zwei Jahren Zusammenarbeit eine eigene Abteilung für die Planung von Energiesystemen aufgebaut haben und jetzt auch eine für den Betrieb der Systeme aufbauen. Ab diesem Punkt sind wir nur noch unterstützend tätig, da der Kunde die Software eigenständig nutzt. Es ist für den Kunden viel effizienter, die Dinge selbst zu tun und schnell Fragen zu beantworten, als immer auf externe Unterstützung angewiesen zu sein.

Schön. Bevor wir auf den Business Case und die typischen Herausforderungen eurer Kunden eingehen, noch eine letzte Frage: Du bist hier stellvertretend für das Gründerteam. Du hast es schon kurz angesprochen, aber was hat euch motiviert, RIZM als eigenständige Firma zu gründen? Es gibt ja viele Lösungen am Markt. Was macht RIZM besonders und was war eure Motivation zur Gründung?

Joshua

Uns ist aufgefallen, dass Entscheidungen oft nicht in der notwendigen Komplexität algorithmisch getroffen werden. Es gibt viele Gründe dafür. Einerseits ist es oft zu aufwendig, für jede Fragestellung ein komplexes mathematisches Modell zu erstellen, die Frage zu beantworten und es dann umzusetzen. Das ist teilweise sehr anspruchsvoll. Andererseits erschwert die Integration von Daten diesen Prozess. Zu guter Letzt spielen die Algorithmen eine entscheidende Rolle, da herkömmliche Planungen oft zu höheren Kosten führen und nicht den optimalen Betriebspunkt der Energieinfrastruktur finden.
Unser Ziel ist es, die Industrie dabei zu unterstützen, klimaneutral zu werden und gleichzeitig ihre Wettbewerbsfähigkeit zu erhalten. Wir wollten eine Lösung schaffen, die es der Industrie ermöglicht, mit minimalem Aufwand wichtige Fragen schnell zu beantworten und dadurch wettbewerbsfähiger zu bleiben und ihre Klimaverpflichtungen zu erfüllen. Das war der ausschlaggebende Grund, RIZM zu gründen.

Sehr schön. Du hast mir gerade das perfekte Stichwort für die nächste Frage gegeben. Du hast über Kosten gesprochen und einige große Zahlen genannt, etwa bei BMW und Schaeffler. Kannst du erklären, was der klassische Business Case und die geschäftliche Herausforderung vieler eurer Kunden sind? Warum ist das wichtig, und warum werden Entscheidungen nicht immer so getroffen, wie sie eigentlich müssten?

Joshua

Gerne. Lass uns zuerst über unsere typischen Kunden sprechen, weil daraus auch die typischen Fragen und Business Cases resultieren. Wir sind stark im Automotive-Bereich vertreten und arbeiten mit fast allen großen OEMs zusammen, ebenso wie mit vielen Zulieferern. Wir sind aber auch in über einem Drittel der DAX 40-Unternehmen aktiv, teilweise gruppenweit in allen Werken. Unsere Kunden kommen auch aus der Chemie- und Stahlindustrie, wir sind also industrieagnostisch.
Eine typische Herausforderung ist, dass viele Unternehmen Schwierigkeiten haben, ihre Klimaziele zu erreichen, weil sie feststellen, dass die notwendigen CapEx-Investitionen und Mehrkosten, CapEx oder OpEx, eine kritische Höhe erreichen. Eine zentrale Frage ist daher, ob es kostengünstigere Wege gibt, diese Ziele zu erreichen. Die Antwort ist fast immer ja. Wir haben gezeigt, dass es bei BMW und vielen anderen Unternehmen deutlich günstiger geht.
Eine andere Fragestellung betrifft kleinere, kurzfristige Maßnahmen. Hier können wir den Cashflow verbessern, indem wir mit kleinen Use Cases beginnen, wie z.B. durch die Nutzung von Flexibilitäten oder das optimierte Betreiben von Anlagen. Wir zeigen dann den genauen Business Case auf und verbinden ihn mit anderen Maßnahmen, um Synergien zu erzeugen, wie etwa durch die Kombination von Einkauf und Produktion, wie im Beispiel von Schaeffler.

Ein Beispiel wäre also, Anlagen wie BHKWs oder andere Energiesysteme anders zu betreiben, als man es bisher gemacht hat?

Joshua

Genau, ein einfaches Beispiel wäre, eine Gastherme durch einen Elektrodenboiler, einen Warmwasserspeicher und eine Wärmepumpe zu ersetzen. Das schafft Flexibilität, da man den Elektrodenboiler oder die Wärmepumpe je nach Bedarf betreiben kann. Man kann günstige Energie speichern und später nutzen, wenn sie teuer wird, um den Wärmebedarf zu decken. Mit zusätzlichen Flexibilitäten, wie z.B. einer Lüftung oder Maschinen, die nicht auf Volllast laufen, wird der Case komplexer, aber auch lohnender.
Man kann dann schnell herausfinden, ob es sich lohnt, diese Flexibilitäten zu nutzen, PV-Anlagen zu integrieren oder volatilere Energieprodukte einzukaufen. Wir starten oft mit kleinen Business Cases, die ohne Investitionen realisierbar sind, und nutzen die erzielten Einsparungen, um größere Fragen anzugehen, wie z.B. ob bestimmte Infrastrukturinvestitionen noch notwendig sind. So wird das Ganze finanzierbar.
Der Unterschied zu anderen Ansätzen liegt in der Art, wie unser Optimierungsalgorithmus funktioniert. Im Gegensatz zu rein simulativen Ansätzen, bei denen man fragt „Was wäre, wenn?“, beantworten wir die Frage „Was soll ich tun, um das beste Ergebnis zu erzielen?“ Wir berücksichtigen viele Daten und finden so die beste Lösung, egal ob es um kurzfristige Betriebsoptimierung oder langfristige Planung geht.

Wenn du von Daten sprichst, denke ich an die Volatilität von Energiepreisen und Informationen, die in bestimmten Datenbanken vorhanden sind. Wir haben auch über größere Anlagen gesprochen. Welche Datentypen benötigt ihr typischerweise, um eure Lösungen umzusetzen? Und haben eure Kunden normalerweise schon Zugriff auf diese Daten, da viele bereits Energie-Monitoring betreiben? Kannst du dazu noch etwas sagen?

Joshua

Ja, klar. Fangen wir damit an, warum wir die Daten überhaupt brauchen und welche genau. Wir benötigen die Daten, um herauszufinden, wo in Zukunft Energie gebraucht wird und wo Flexibilitäten in diesem Energieverbrauch bestehen – also ob der Verbrauch zu einem bestimmten Zeitpunkt notwendig ist oder ob es Zeitfenster gibt, in denen er verschoben werden kann. Die zweite Frage ist, woher die Energie kommen kann.
Das ist das grundlegende Gerüst. Es kann jedoch komplexer werden. Wir können historische Daten verwenden, um zu simulieren, wie es wäre, wenn wir die Vergangenheit eins zu eins fortsetzen. Wir können Trends auf historische Daten anwenden, um zukünftige Entwicklungen abzubilden, oder synthetische Daten verwenden, wenn wir wissen, dass sich in Zukunft etwas ändern wird, wie z.B. die Produktion eines neuen Fahrzeugs oder eine andere Einkaufsstrategie in ein paar Jahren.

Synthetische Daten wären also zum Beispiel Simulationsdaten oder solche, die auf Annahmen basieren?

Joshua

Genau. Das könnte zum Beispiel bedeuten, dass ich den Energiebedarf für die Produktion eines neuen Fahrzeugs kenne oder vermute, wie bestimmte Komponenten in Zukunft Energie verbrauchen werden. In der Chemieindustrie könnte das eine Kolonne sein, bei der ich den chemischen Prozess ändere und dadurch einen anderen Bedarf als historisch habe. Je genauer ich die Zukunft abbilden kann, desto besser ist das Ergebnis. Aber ich kann zur Annäherung auch mit historischen Daten beginnen, um eine Grundlage zu schaffen.
Viele Unternehmen verfügen bereits über Energiemanagementdaten, entweder auf Anlagen-, Hallen- oder Werksebene, was für die ersten Schritte oft ausreichend ist. Diese Daten helfen zu verstehen, wie der historische Energieverbrauch war und wie man den Bedarf optimal decken könnte. Es ist wichtig zu betonen, dass wir kein Energiemanagementsystem sind. Zum Beispiel arbeiten wir bei Schaeffler eng mit autinityE3 zusammen, einem System, das ich sehr empfehlen kann.

Ich verlinke das mal in den Show Notes. Schaeffler haben wir auch schon in einer Folge behandelt, und es kommt noch eine weitere in diesem Jahr.

Joshua

Genau, was sie da machen, ist wirklich spannend. Wir setzen auf verschiedene Energiemanagementsysteme, aber mit autinityE3 funktioniert das besonders gut. Grundsätzlich nutzen wir Energiemanagementdaten, die bereits vorhanden sind, sowie Beschaffungsdaten – also Informationen über bestehende Energieverträge und Infrastrukturdaten, wie vorhandene Anlagen und mögliche Erweiterungen. Diese Daten helfen uns, einen digitalen Zwilling zu erstellen, der Verbraucher, Leitungen und Erzeuger abbildet.
Wir müssen dabei nicht mit Live-Daten arbeiten, sondern können Business Cases auf Basis dieser bestehenden Daten berechnen, um herauszufinden, welche Optionen besonders attraktiv sind und welche man genauer betrachten sollte. Weitere wichtige Informationen sind Resilienzen – also wie verfügbar die Energie sein muss – sowie Anforderungen an Realisierungs- und Amortisationszeiträume. Auch Controlling-Annahmen oder das verfügbare CapEx müssen berücksichtigt werden.
Am Ende brauchen wir noch Daten zum Energieeinkauf, um zu entscheiden, ob eine Effizienzmaßnahme mit volatilen oder konstanten Energiepreisen kalkuliert werden sollte. Wir berücksichtigen die Energieinfrastruktur, Produktionsbedarfe und eventuelle Freiheitsgrade. Der Großteil dieser Daten ist meist bereits vorhanden. Was wir zusätzlich liefern, sind Kostenalternativen für Technologien, Parameter für alternative Technologien und detaillierte Modellierungen für Anlagen und deren Betrieb.
Wir integrieren auch Wetterdaten, Kostenprognosen und Einkaufsprognosen, entweder vom Kunden selbst oder von uns bereitgestellt. So können wir schnell Business Cases zusammenstellen und analysieren, welche Maßnahmen sich lohnen. Diese können dann im gleichen digitalen Zwilling realisiert und angebunden werden, z.B. über autinityE3. Der digitale Zwilling kann dann sowohl Entscheidungen über das energetische Production Scheduling treffen als auch Berichte erstellen, wie z.B. die Emissionen pro produzierter Einheit, die zurück an das ERP-System gemeldet werden können.

Verstehe. Ihr nutzt also Daten aus verschiedenen Funktionsbereichen, um alle Möglichkeiten abzudecken und verschiedene Use Cases umzusetzen. Das habe ich verstanden. Hast du vielleicht einen spezifischen IoT-Use Case, bei dem häufig IoT-Daten verwendet werden? Gibt es einen Top-Use Case, den viele Betriebe umsetzen, oder beginnt ihr eher mit historischen Daten und baut das dann weiter aus? Hast du da einen Fall, den ihr oft mit Kunden durchführt?

Joshua

Ein häufiger Ansatz, den wir mit Kunden verfolgen, ist, dass wir die vorhandenen Daten aus dem Energiemanagementsystem und dem ERP-System nutzen und diese mit Einkaufsdaten kombinieren. Einkaufsdaten liegen zwar vor, aber Aspekte wie zukünftige Energiepreise bei Nutzung von Spotmärkten, Intraday-Märkten oder Regelenergiemärkten sind oft nicht in der Form vorhanden. Wir koppeln diese Informationen und analysieren die Potenziale in der bestehenden Energieinfrastruktur. Wir starten meist mit historischen Daten, da das einfacher ist, als sofort eine Schnittstelle zu Energiemanagementsystemen zu bauen. Wir exportieren die Daten, erstellen einen einfachen digitalen Zwilling und schauen, wie groß der Business Case ist und was Sinn ergibt. Danach gehen wir tiefer und verbinden ERP-System, Energiemanagementsystem und Prognosen miteinander, um Entscheidungen zu automatisieren.
Es ist spannend zu sehen, wie diese Zwillinge im Laufe der Zeit wachsen. Man beginnt mit einem kleinen Use Case, der sich schnell amortisiert und auf die Ziele einzahlt. Später werden detaillierte Effizienzen, z.B. von BHKWs, modelliert, sodass bei zukünftigen Entscheidungen bereits präzise Daten vorliegen und man fundierte Entscheidungen treffen kann.

Mit Blick auf die Zeit habe ich noch viele weitere Fragen, aber ich möchte ein, zwei letzte Fragen zu eurer Lösung und der Implementierung stellen. Wir haben gelernt, wie ihr vorgeht, welche Herausforderungen es gibt und wie eure Software-as-a-Service-Lösung Unternehmen dabei hilft, Use Cases zu identifizieren und umzusetzen. Kannst du näher erläutern, wie eure Algorithmen genutzt werden, um Energiebedarfe beispielsweise mit erneuerbaren Energien besser zu planen? Wie funktioniert das analytisch? Das würde mich interessieren, da das ja euer Kernbereich ist.

Joshua

Unsere Software baut aus den existierenden Anforderungen ein Modell auf. Die Anforderungen sind z.B., welche Energie bereitgestellt werden muss, und welche Flexibilitäten existieren. Man kann sich das vorstellen wie einen Raum voller Punkte, bei dem eine Linie die Anforderungen darstellt. Diese Punkte repräsentieren alle möglichen Kombinationen von Einkauf, Infrastruktur, Produktion, Speicherung usw. Die erste Linie beschreibt den Energiebedarf, der gedeckt werden muss, unter Berücksichtigung der vorhandenen Flexibilitäten. Die zweite Linie stellt alle Beschaffungsmöglichkeiten dar und schränkt den Optionenraum ein. Dann kommt die Infrastruktur hinzu – sowohl die bestehende als auch die potenzielle. Die Software löst für jeden Knoten im System die Energiebilanz, um sicherzustellen, dass die benötigte Energie zu jedem Zeitpunkt bereitgestellt wird. Das gilt für alle Energieformen, ob Strom, Wärme, Chemikalien oder Druckluft.
Die Software berücksichtigt Wetterverfügbarkeiten und Unsicherheiten durch Stochastik, um das optimale Setup zu finden. Sie kann dann beispielsweise vorschlagen, in zwei Jahren in eine Solaranlage zu investieren, oder auf andere Technologien zu setzen. Die Software zeigt den kostenoptimalsten Punkt an, also wo es sich am meisten lohnt, in Infrastruktur zu investieren oder vorhandene Flexibilitäten zu nutzen. Man kann auch kurzfristigere Szenarien betrachten und herausfinden, was ohne Investitionen möglich ist.
Wichtig zu verstehen ist, dass es nicht mehr nur um Effizienz geht. Es ist in Ordnung, mehr Energie zu verbrauchen, wenn sie günstig und klimaneutral ist. Wir können also Systeme so auslegen, dass sie Volatilitäten nutzen und netzdienlich agieren. Außerdem kann man weitere Einschränkungen wie Emissionen einbeziehen, um sicherzustellen, dass die kostenoptimale Lösung auch die Emissionsziele erfüllt. Die Software simuliert dann die optimale Lösung und zeigt, wie sie sich im Betrieb verhalten wird. So kann man überprüfen, ob der digitale Zwilling die Realität korrekt abbildet und ob die Entscheidungen auf zukünftige Szenarien übertragen werden können.

Okay, das Bild, das du gerade gezeichnet hast, habe ich mir auf einem kleinen Notizzettel skizziert. Hast du dazu vielleicht einen Link oder eine Unterlage, die wir in die Show Notes packen können? Das würde ich gerne verlinken, damit unsere Hörer das nachlesen können. Und natürlich auch einen Link zu eurer Software. Wenn ihr jetzt zuhört und denkt, das sind genau die Fragestellungen, die wir haben, oder ihr arbeitet an ähnlichen Themen, nehmt einfach Kontakt mit Joshua auf. Ich denke, ihr habt da etwas, das wir in den Show Notes verlinken können, oder?

Joshua

Ja, ich würde eine kleine Unterlage zusammenstellen, die die wesentlichen Punkte erklärt – ganz ohne Werbung. Sie enthält eine grundlegende Anforderungsliste für Energieentscheidungen, erklärt, wie numerische Optimierung im Vergleich zur Simulation funktioniert, und ist einfach und verständlich aufbereitet. Ich werde das gerne verlinken. Außerdem würde ich jedem empfehlen, der es noch nicht kennt, die Energy-Charts auf energy-charts.info zu besuchen. Dort kann man die Energiewelt besser verstehen und sehen, warum wir heute Entscheidungen anders treffen müssen als früher. Das können wir auch in den Show Notes verlinken. Und falls jemand im Bereich Energie aktiv ist und darüber sprechen möchte, teilen wir gerne unverbindlich Best Practices. Wir haben viel Erfahrung mit verschiedenen Unternehmen gesammelt und geben das gerne weiter, ohne dass direkt etwas Großes gefordert wird.

Perfekt. Schaut einfach unter Joshua Kuepper auf LinkedIn nach, ihr findet ihn dort. Ich packe den Link auch in die Show Notes. Es ist wirklich spannend, was RIZM macht und noch machen wird. Damit komme ich zur letzten Frage: Wo siehst du die technologischen Entwicklungen im Bereich IoT-Live-Daten, speziell in der Energieversorgung, in den nächsten Jahren? Was ist da entscheidend?

Joshua

Wir sehen, dass die Energiemärkte immer feiner aufgelöst werden. Früher reichte es, Entscheidungen auf Monatsbasis zu treffen, dann ging es auf Wochenbasis und so weiter. Heute nähern wir uns einer Entscheidungsbasis von Viertelstunden an. Das erfordert eine hohe Automatisierung. Wenn ich in unter einer Viertelstunde entscheiden muss, ob ein Speicher läuft oder wie mein Energiesystem betrieben wird, muss alles sehr gut automatisiert sein, um die Potenziale auszuschöpfen. Die Volatilität wird nicht verschwinden – sie ist eine Chance, die genutzt werden muss, was finanziell sehr attraktiv sein kann, aber eine anspruchsvolle Automatisierung erfordert. Viele Anlagen, die flexibel betrieben werden können, müssen so gesteuert werden, dass sie optimal mit den Märkten interagieren. Es gibt nicht nur den klassischen Spotmarkt, sondern auch Regelenergiemärkte und viele andere Mechanismen, die berücksichtigt werden müssen. Der Trend geht dahin, dass Einkauf, Produktion und Energieinfrastruktur sehr gut vernetzt und unter viertelstündlich synchron arbeiten müssen. Das ist ein Trend, den wir mit unseren Kunden sehen und den wir weiter vorantreiben.

Sehr stark. Ich freue mich auf ein Follow-up zu dieser Folge, weil ich das Thema sehr spannend finde. Ich habe noch viele Fragen im Kopf, aber ich wollte dir und RIZM erstmal die Bühne geben, um zu zeigen, was ihr macht. Ihr habt beeindruckende Kunden und ein riesiges Potenzial, das noch ungenutzt ist. Herzlichen Dank, dass du heute dabei warst. Es war sehr informativ und ich denke, man hat durch die konkreten Beispiele gut verstanden, wo die Herausforderungen liegen und wie ihr sie angeht. Vernetzt euch mit Joshua und plant ein Folgetreffen. Vielen Dank, dass du da warst und dein Wissen geteilt hast. Ich freue mich auf ein Follow-up. Und damit das letzte Wort an dich für heute. Vielen Dank von meiner Seite, dass du dabei warst.

Joshua

Vielen Dank, dass ich dabei sein durfte. Ich freue mich auch auf das Follow-up. Danke für die Möglichkeit, und ich freue mich auf alle, die sich melden.

Sehr schön. Mach’s gut und noch eine schöne Restwoche. Ciao.

Joshua

Danke, ciao.