Ausgangssituation

Im Zuge der Energiewende und der steigenden Notwendigkeit zur CO₂-Reduktion stehen industrielle Unternehmen zunehmend vor der Herausforderung, ihre Energiesysteme effizienter, flexibler und nachhaltiger zu gestalten. Gleichzeitig wächst die Komplexität moderner Energiemanagementsysteme durch eine Vielzahl verfügbarer Technologien, vernetzter Systeme und dynamischer Datenquellen. Für viele Anwender ist es herausfordernd, aus den verfügbaren Informationen fundierte Entscheidungen abzuleiten oder Optimierungspotenziale zu identifizieren. Zwar existieren bereits softwaregestützte Lösungen für das Energiemanagement, doch fehlt es diesen Systemen oft an Benutzerfreundlichkeit, intelligenter Dateninterpretation und adaptiver Unterstützung im Alltag. Die Nutzung von künstlicher Intelligenz, insbesondere LLMs, eröffnet hier neue Möglichkeiten: KI kann Daten automatisiert analysieren, Handlungsempfehlungen geben und Informationen verständlich aufbereiten. Während in anderen Bereichen bereits leistungsfähige Sprachassistenten und Chatbots eingesetzt werden, ist ihr Potenzial für industrielle Energiemanagementprozesse bislang kaum ausgeschöpft. Diese Lücke adressiert das Projekt etaGPT durch die Entwicklung eines auf industrielle Anforderungen zugeschnittenen KI-gestützten Assistenten, der datenbasierte Maßnahmen unterstützt und zur Beschleunigung der Energiewende beiträgt.

Zielsetzung

Ziel des Projekts etaGPT ist es, ein interaktives KI-basiertes Assistenzsystem für das industrielle Energiemanagement zu entwickeln, das auf LLMs basiert. Das Projekt untersucht dazu, wie LLMs zur Analyse, Bewertung und Optimierung von Energieverbrauchsdaten eingesetzt werden können, um Unternehmen bei der Steigerung ihrer Energieeffizienz und der Reduktion von CO₂-Emissionen zu unterstützen. Im Rahmen des Projekts soll ein modularer und praxisnaher KI-Assistent entstehen, der sich durch eine nutzerfreundliche Schnittstelle, adaptive Interaktionsmöglichkeiten sowie intelligente Funktionen auszeichnet. Ziel ist es, sowohl die technische als auch die organisatorische Integration von LLM-Technologien im industriellen Energiemanagement zu demonstrieren und dadurch ein robustes, nachhaltiges und übertragbares System zu schaffen. Durch die Entwicklung und Validierung in realen Anwendungsfällen trägt das Projekt zur Digitalisierung, Dekarbonisierung und Resilienz industrieller Energiesysteme bei und leistet einen aktiven Beitrag zur Umsetzung der Ziele des 8. Energieforschungsprogramms der Bundesregierung.

Vorgehensweise

Das Projekt etaGPT gliedert sich in sieben aufeinander aufbauende Teilprojekte und verfolgt dabei einen anwendungs- und nutzerzentrierten Entwicklungsprozess. In der ersten Phase liegt der Fokus auf der Bedarfsanalyse und Anforderungsdefinition. Hierzu werden relevante Stakeholder identifiziert, Use-Cases analysiert und technische sowie organisatorische Anforderungen an das Assistenzsystem systematisch erfasst. In der zweiten Phase erfolgt das Design des Gesamtsystems. Dabei wird sowohl die Datenarchitektur als auch die System- und KI-Architektur konzipiert, um die technologische Grundlage für die Umsetzung eines skalierbaren und adaptiven Assistenzsystems zu schaffen. In der dritten Phase wird ein eigenes domänenspezifisches LLM entwickelt, trainiert und in das System integriert. Ziel ist es, das Modell speziell auf energiewirtschaftliche Fragestellungen und industrielle Anforderungen hin zu optimieren. Die vierte Phase widmet sich der Entwicklung konkreter Interaktionsfunktionen,Schnittstellen zu Energiemanagementsoftware und einer intuitiven Nutzeroberfläche. Anschließend wird in Phase fünf die Systemfunktionalität umfangreich getestet. Dabei stehen sowohl technische Aspekte als auch die Evaluation der Usability und User Experience im Vordergrund. In Phase sechs folgt die praktische Erprobung: etaGPT wird in reale industrielle Anwendungsfälle integriert und anhand ausgewählter Use-Cases hinsichtlich seiner Wirksamkeit und Übertragbarkeit validiert. In der abschließenden Phase sieben erfolgt eine übergreifende Bewertung der Transferpotenziale des Systems. Dabei wird insbesondere untersucht, inwiefern etaGPT zur Reduktion von CO₂-Emissionen und zur Beschleunigung der Energiewende beitragen kann.

Danksagung

Dieses Projekt wird durch das Bundesministerium für Wirtschaft und Energie (BMWE) und den Projektträger Jülich gefördert. Wir danken für die Möglichkeit dieses Projekt bearbeiten zu dürfen.

Fördergeber

Projektträger

Konsoritalpartner