KI zur Verbesserung der Datenerfassung und Umgang mit Datenknappheit im Energiesystem – KI-Daten

Projektbeschreibung

Ziel im Projekt KI-Daten ist die Entwicklung und Validierung von KI-Ansätzen zur Nutzung verschiedener Datentypen. Die Wissenschaftler*innen testen Methoden, um mit strukturierten und unstrukturierten Daten sowie Bildern zu arbeiten und dabei nachvollziehbare Ergebnisse zu erhalten. Währenddessen bewerten sie die Methoden nach Genauigkeit, Einsatzmöglichkeiten und Zeitersparnis.

KI-Methoden: Agenten und Workflows

Bei den betrachteten KI-Methoden handelt es sich um selbst entwickelte Claude Skills sowie agentengestützte Workflows. In einer Datenpipeline kann zum Beispiel ein Agent für das Auslesen einer PDF-Datei genutzt werden, während ein weiterer Agent die Ergebnisse validiert. Diese Workflows organisieren die Forschenden mit verschiedenen Leveln von vorgelagerter Datenaufbereitung sowie mit menschlicher Kontrolle nach dem Human-in-the-Loop-Prinzip.

Offene Datensätze aufbereiten

Als Testdaten nutzen die Wissenschaftler*innen Datensätze, die für die Energieforschung relevant und offen verfügbar sind. Für strukturierte Daten betrachten sie das Marktstammdatenregister direkt über die API sowie als lokale Datenbank über das RLI-Tool Open MaStR. Dabei nutzen sie Methoden wie MCP sowie KI-gestützte SQL-Befehle.

Unstrukturierte Daten, die als PDFs veröffentlicht werden und Texte, Grafiken sowie Tabellen enthalten, wandeln die Forscher*innen in Markdown-Files um. Diese können anschließend von Large Language Models (LLMs) und anderen KI-Varianten besser ausgelesen werden. Hierfür werden Tools getestet. Im Rahmen des Projekts haben die Projektmitarbeitenden die Netzausbaupläne von den Verteilnetzbetreibern und den Trafoplan der BTB für Adlershof auf diese Weise transformiert. In einem nächsten Schritt werden die Netzausbaupläne in einem Retrieval-Augmented Generation (RAG) bereitgestellt mit dessen Hilfe LLMs die Pläne durchsuchen können.

Im Bereich der Bilddateien ist das Ziel, aus Karten-Abbildungen GIS-Daten abzuleiten. Dies erproben die Forschenden anhand von Netzausbauplänen von Verteilnetzbetreibern. Weiterhin prüfen sie, ob Eingangsdaten für die Nutzung im RLI Simulationstools aufbereitet werden können. Beispiele dafür sind SpiceEV und oemof.

Die entwickelten und getesteten Methoden sollen nachhaltig nutzbar sein. Die Wissenschaftler*innen vergleichen verschiedene Methoden, diese Routinen abzulegen und sie einfach und strukturiert zu teilen.

Projektzeitraum: Mai 2026 – Dezember 2026