Wie kann Ladeinfrastruktur im Unternehmenskontext intelligenter, nachhaltiger und gleichzeitig wirtschaftlich betrieben werden? Dieser Frage widmete sich ein erfolgreich abgeschlossenes Digitalisierungsprojekt des Mittelstand-Digital Zentrums Hannover mit der Cubos Service GmbH. Ziel war die Entwicklung eines KI-gestützten Lademanagementsystems, das datenbasiert Entscheidungen trifft – zum Beispiel darüber, wann welches Fahrzeug mit wie viel Energie versorgt wird.
Die zunehmende Elektrifizierung des Verkehrs stellt Betreiber von Ladeinfrastruktur vor neue Herausforderungen: Schwankende Stromverfügbarkeit durch erneuerbare Energien, steigende Lastanforderungen und der Wunsch nach maximaler Effizienz erfordern flexible Steuerungslösungen. Cubos, ein Anbieter für ganzheitliche Ladelösungen mit eigener Hard- und Software, möchte seinen Kund*innen hierfür intelligente Tools an die Hand geben.
Von der Datenanalyse zur Prognose
Auf Basis eines umfangreichen Datensatzes mit rund 20.000 realen Ladevorgängen wurde zunächst analysiert, welche typischen Gruppen von Nutzenden es gibt. Mithilfe sogenannter Clustering-Verfahren – konkret dem K-Means-Algorithmus – konnten zwei Gruppen identifiziert werden: Nutzende mit tendenziell kurzer Standzeit unter sechs Stunden und solche mit längeren Ladeaufenthalten. Diese Einteilung bildete die Grundlage, um Ladevorgänge künftig gezielter zu priorisieren.
Ein zweiter Schwerpunkt des Projekts lag auf der Entwicklung von Prognosemodellen. Hier kamen verschiedene Verfahren des maschinellen Lernens zum Einsatz – darunter lineare Regression, Regressionsbäume und Random Forests. Ziel war es, die Standzeit und die benötigte Energiemenge bereits zu Beginn eines Ladevorgangs möglichst präzise vorherzusagen. Die Modelle erreichten für die Energieprognose solide Ergebnisse, während die Vorhersage der Standzeit schwieriger blieb. Dennoch liefern die Ergebnisse eine gute Grundlage, um Ladevorgänge automatisiert zu steuern und menschliche Eingriffe zu reduzieren.
Ein Schritt zur Energiewende im Mittelstand
Gerade für mittelständische Unternehmen ergeben sich aus diesem Ansatz greifbare Vorteile: Die Betriebskosten können durch Lastverschiebung und optimierte Ladezeitpunkte gesenkt werden, der Eigenverbrauch von selbst erzeugtem Strom steigt und die Planung der Ladeinfrastruktur wird zuverlässiger.
Fazit: Das Projekt zeigt, wie datenbasierte Methoden und künstliche Intelligenz konkrete Lösungen für die Energiewende im Mittelstand liefern können – pragmatisch, wirksam und zukunftsorientiert. Ein smarter Umgang mit Ladeenergie ist nicht nur möglich, sondern notwendig – und mit den richtigen digitalen Werkzeugen auch realisierbar.
KI-gestützte Prognose: Wir unterstützen Sie gern!
Sie möchten mehr über Prognosemodelle auf Basis von KI erfahren? Dann kontaktieren Sie uns! Unsere Expertin für KI-gestützte Prognosen, Paulina Merkel, steht Ihnen unter merkel@mitunsdigital.de oder 0511 279 76 331 zur Verfügung.
Auch zu anderen Themen im Bereich Digitalisierung und KI können Sie uns gern ansprechen:
