IT – Enabler der Energiewende

Hooß, Kerstin; Knoll, Matthias; Welter, Jürgen Article — Published Version IT– Enabler der Energiewende HMD Praxis der Wirtschaftsinformatik Provided in Cooperation with: Springer Nature Suggested Citation: Hooß, Kerstin; Knoll, Matthias; Welter, Jürgen (2024) : IT– Enabler der Energiewende, HMD Praxis der Wirtschaftsinformatik, ISSN 2198-2775, Springer Fachmedien Wiesbaden GmbH, Wiesbaden, Vol. 61, Iss. 4, pp. 834-854, https://doi.org/10.1365/s40702-024-01103-1 This Version is available at: https://hdl.handle.net/10419/316646 Standard-Nutzungsbedingungen: Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden. Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen. Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte. Terms of use: Documents in EconStor may be saved and copied for your personal and scholarly purposes. You are not to copy documents for public or commercial purposes, to exhibit the documents publicly, to make them publicly available on the internet, or to distribute or otherwise use the documents in public. If the documents have been made available under an Open Content Licence (especially Creative Commons Licences), you may exercise further usage rights as specified in the indicated licence. http://creativecommons.org/licenses/by/4.0/deed.de GRUNDLAGENBEITRAG https://doi.org/10.1365/s40702-024-01103-1 HMD Praxis der Wirtschaftsinformatik (2024) 61:834–854 IT – Enabler der Energiewende Kerstin Hooß · Matthias Knoll ·JürgenWelter Eingegangen: 16. Juli 2024 / Angenommen: 27. Juli 2024 / Online publiziert: 5. August 2024 © The Author(s) 2024 Zusammenfassung Der Umbau des Energiesystems von einer weitgehend hierarchischen hin zu einer stark dezentralisierten und nachhaltigen Struktur erfordert umfassende Überlegungen zur Entwicklung geeigneter IT-Lösungen. Dabei beeinflussen einerseits der Stand technischer Entwicklungen, andererseits der Stand der Regulatorik und Standardisierung die Verfügbarkeit und die Akzeptanz „passender“ Anwendungssysteme. Es wird zudem deutlich, dass weniger das Fehlen innovativer Ansätze in der IT, als vielmehr geeignete Wege zur „richtigen“ Kombination bereits verfügbarer – und vielfach auch bereits in anderen Bereichen bewährter – Technologien und Komponenten den notwendigen niederschwelligen IT-Einsatz erschweren. Dieser Einführungsbeitrag stellt daher ausgehend von den Besonderheiten des im Umbau befindlichen Energiesystems zentrale Technologien, Konzepte und Elemente im IT-Kontext vor, die notwendig sind, um die Herausforderungen bewältigen zu können. Ein Ausblick rundet den Beitrag ab. Schlüsselwörter Smart Grid · Internet der Dinge · Intelligentes Messsystem · Blockchain · Künstliche Intelligenz · Digitaler Zwilling Kerstin Hooß · Matthias Knoll Hochschule Darmstadt, Darmstadt, Deutschland E-Mail: matthias.[email protected] Kerstin Hooß E-Mail: [email protected] Jürgen Welter enmore consulting ag, Griesheim, Deutschland E-Mail: [email protected] K IT – Enabler der Energiewende 835 IT – Key enabler of the energy system transformation Abstract The energy system transformation leading from largely hierarchical to highly decentralized structures require comprehensive consideration on how to develop suitable IT solutions. The availability and acceptance of “suitable” application systems are affected by the state of technical development on the one hand and the state of regulation and standardization on the other. However, not the lack of innovative approaches in IT, but rather the lack of suitable ways of combining technologies and components that are already available—and in many cases already proven in other areas— make the necessary low-threshold use of IT more difficult. This article therefore introduce important IT-based concepts and components necessary to overcome the energy system transformation challenges. The article concludes with an outlook on further topics. Keywords Smart Grid · IoT-Device · Smart Meter · Blockchain · AI · Digital Twin 1 Energiewirtschaftliche Ausgangslage Ein konsequenter und vollständiger Umbau der Energiewirtschaft hin zur Nutzung erneuerbarer Energien und dezentraler Strukturen gilt heute als unumgänglich. Drei bis heute andauernde Entwicklungen trugen und tragen hierzu bei: Schrittweiser Ersatz fossiler durch erneuerbare Energieträger Bereits 1990 wurde mit dem Stromeinspeisegesetz (StromEinspG) als Vorläufer des Erneuerbare-Energien-Gesetz (EEG) der Vorrang der erneuerbaren Energieerzeugung festgeschrieben. Ziel aktueller Planungen ist es, bis 2045 auf den Einsatz fossiler Brennstoffe in der Energiewirtschaft zu verzichten. Neue Einsatzgebiete elektrischer Energie Zahlreiche neue Anwendungen für elektrische Energie und der damit verbundene zusätzliche Bedarf an elektrischer Energie (Kemmler et al. 2021) entstehen aktuell beispielsweise durch die Dekarbonisierung im Verkehrssektor (E-Mobilität), im Gebäudesektor (Heizungstechnologien, Smart Home) und in der Industrie („grüner Stahl“). Zudem wird Strom für die Energieumwandlung (z.B. Wasserstoffgewinnung) sowie für den Betrieb moderner Kommunikationsnetze (einschließlich der darin betriebenen Endgeräte) und Rechenzentren in einer zunehmend datenorientierten Gesellschaft und Wirtschaft benötigt. Öffnung der Energiewirtschaft für neue Marktteilnehmer Ziel der politischen Willensbildung war es, die Monopolstrukturen in der Energiewirtschaft aufzulösen und so Wettbewerb zu ermöglichen, was in anderen Industrien schon lange galt. Da es sich bei den Stromnetzen um ein natürliches Monopol handelt, wurden dazu die Bereiche Netzbetrieb und Stromvertrieb unternehmensrechtlich getrennt (Unbundling). Der Bereich Stromvertrieb wurde geöffnet, Stromlieferanten wurde diskriminierungsfrei Zugang zu den Netzen gewährt, sodass diese ohne Betreiben eines eigenen Netzes Kunden beliefern können. Damit dieser Wettbewerb funktioniert, müssen zahlreiche neue (Geschäfts-)Prozesse mit K 836 K. Hooß et al. Hilfe von IT abzubilden sein (Holstenkamp und Radke 2018). Dies berührt auch die neu geschaffene Rolle des Energieserviceanbieters (ESA). Insgesamt nimmt die IT in der Energiewirtschaft mit der Liberalisierung einen sehr hohen Stellenwert ein. Das Zusammenspiel aller Marktrollen wird in der Beschreibung der Prozesse, die zu einer funktionierenden Energieversorgung notwendig sind, von der Bundesnetzagentur (BNetzA) über Verordnungen geregelt, die außer den Prozessen auch die Kommunikationsschnittstellen zwischen den Marktrollen festlegt (BNetzA 2020, 2024a) und damit wesentliche fachliche Vorgaben für die notwendigen Anwendungssysteme formuliert. Der Bundesverband der Energieund Wasserwirtschaft e.V. (BDEW) wiederum verantwortet die technische Spezifikation der Marktkommunikation, die ebenfalls Auswirkungen auf die Gestaltung der hierfür notwendigen IT hat. Damit stellt dieser Umbau der Energiewirtschaft neue und mitunter hohe Anforderungen an die IT und bewirkt dort teilweise umfassende Veränderungen. Ausgehend von den veränderten energiewirtschaftlichen Strukturen und Prozessen ist es Ziel des Beitrags, einen Überblick über ausgewählte wesentliche Bestandteile der an unterschiedlichen Orten, in unterschiedlichen Anwendungsszenarien oder für unterschiedliche Rollen notwendigen IT herzustellen. Der Beitrag beginnt mit einer Einführung in die Charakteristika der Energiewende. Schwerpunktmäßig wird der Umbau des Stromnetzes1auf Verteilnetzebene weg von zentralen, hin zu dezentralen Strukturen aufgezeigt. Der folgende Abschnitt stellt die mit der Digitalisierung verbundene Strategie, die zu ihrer Umsetzung notwendigen Informationssysteme und genutzten Technologien vor. Ein Ausblick fasst derzeit noch offene Aspekte mit Blick auf die IT zusammen. 2 Energiewirtschaftliche Grundlagen 2.1 Bedeutung und Zusammenspiel dezentraler und zentraler Strukturen Der Begriff „Energiewende“ hat sich zu einer populären, wenngleich kontrovers diskutierten Bezeichnung für den Umbau des Energiesystems entwickelt, unter der vielfältige Trends und Veränderungen energiewirtschaftlicher Strukturen zusammengefasst werden. Der Begriff hält insbesondere durch die Publikation des Öko-Instituts „Energie-Wende. Wachstum und Wohlstand ohne Erdöl und Uran“ (Öko-Institut 19802) Einzug in energiewirtschaftliche Debatten, die eine Abkehr von fossiler und atomarer Energieerzeugung zum Inhalt haben. Idee und Begriff der Energiewende sind daher nicht zuletzt aufgrund des deutschen Kernenergieausstiegs eng mit dem deutschen Energiesystem verknüpft. 1Grundsätzlich gelten die dargestellten Zusammenhänge auch spartenübergreifend. 2Krause F, Bossel H, Müller-Reißmann K-F (1980): Energie-Wende: Wachstum und Wohlstand ohne Erdöl und Uran ein Alternativ-Bericht des Öko-Instituts Freiburg, S. Fischer, Frankfurt. K IT – Enabler der Energiewende 837 Grundsätzliches Ziel der Energiewende in Deutschland ist es, nicht-erneuerbare Energieträger durch erneuerbare Energieträger sektorübergreifend zu substituieren. Dabei kommen elektrischer Energie, ihrer Erzeugung, Speicherung und Verteilung eine zentrale Bedeutung zu. Um die gesellschaftlichen Anforderungen an eine moderne Stromversorgung erfüllen zu können, ist ein passendes Strommarktdesign erforderlich (Böttger et al. 2021), das neben vielen anderen Maßnahmen den systematischen Ausbau der technischen Infrastruktur und die damit verbundenen sehr großen Investitionen umfasst: Bau neuer Erzeugungsanlagen für Windenergie und Photovoltaik Hierunter fallen sowohl große Anlagen (Windund Solarparks institutioneller Betreiber), als auch noch stärker dezentrale PV-Anlagen auf Dächern, an Zäunen und Balkonen in der Verantwortung zahlreicher „Prosumer“. Unter einem Prosumer lassen sich alle Letztverbraucher zusammenfassen, die gleichzeitig über entsprechende Anlagen zur Energieerzeugung und -speicherung (PV-Anlagen, stationäre Batteriespeicher und Speicher im Kontext der E-Mobilität) verfügen und damit aktiv am Energiemarkt teilnehmen. Sie können abhängig von der konkreten Gestaltung ihr hausinternes Netz selbst regeln. Hierfür setzen Sie ebenfalls IT ein. Der erzeugte Strom dient zum Eigenverbrauch, lediglich der zusätzlich benötigte oder erzeugte Strom wird aus dem öffentlichen Netz bezogen oder in das öffentliche Netz eingespeist. Ausbau der Übertragungsund Verteilnetze In zahlreichen Infrastrukturprojekten werden derzeit bestehende Netze durch Verstärkung und Engpassbeseitigung ertüchtigt3. Neue Fernleitungen sollen die Norddeutschen Erzeugerschwerpunkte (Onund Offshore-Windparks) mit den süddeutschen Verbraucherschwerpunkten verbinden. Wo nötig wird auch die steuernde und überwachende IT modernisiert. Die bislang überwiegend zentrale Energieversorgung (in Ballungszentren mit ihren stadtnahen Kraftwerken und den von ihnen ausgehenden Stromtrassen sehr gut beobachtbar) erfährt insbesondere aufgrund des Zubaus kleinteiliger, erneuerbarer Energieanlagen im ländlichen, zunehmend auch im städtischen Raum eine Dezentralisierung. Der damit einhergehende Prozess wurde jedoch nicht durch neue Erfindungen angestoßen, sondern durch einen politisch-gesellschaftlichen Diskurs initiiert. Kaum ein anderer Bereich hat eine derartig dynamische Systemtransformation erlebt wie der Energiesektor (Doleski 2017,2020a). Die Lösungen zur Unterstützung der Energiewende sind vielfältig und umfassen neben dem Bau erneuerbarer Energieanlagen sowie dem Ausbau des Übertragungsund Verteilnetzes insbesondere die Sektorkopplung, Bemühungen zur Steigerung der Energieeffizienz sowie eine Erhöhung der Elektromobilität. Die Transformation des Energiesystems beinhaltet auch zentrale Elemente. Solche zentralen Elemente können beispielsweise große Offshore-Windparks in der Nordund Ostsee darstellen oder Großspeicher. Ferner können durch die Konzentration der Energieerzeugung an bestimmten Standorten Effizienzgewinne erzielt werden, 3Vgl. https://de.statista.com/statistik/daten/studie/182028/umfrage/ausbaubedarf-der-stromnetze-indeutschland-nach-szenarien. Zugegriffen: 12.07.2024. K 838 K. Hooß et al. etwa durch bessere Auslastung von Anlagen, Skaleneffekte bei der Produktion oder eine Optimierung der Netzintegration erneuerbarer Energien. Zur Bewältigung dieser Transformation sind digitale Lösungen erforderlich. Geeignete digitalen Lösungen umfassen Anlagen und Geräte, die IT-Infrastruktur (Netzwerke, Server), Anwendungssysteme sowie Daten. Sie unterstützen bei den beiden wesentlichen Aufgaben, die im Rahmen des Betriebs von Stromnetzen anfallen: der physikalische Ausgleich (Regelenergie) Hierunter wird die Stabilisierung des Netzes verstanden, konkret, das Halten von Spannung und Frequenz durch das Gleichgewicht von Einspeisung und Entnahme zu jedem Zeitpunkt. Dies gelingt durch den Einsatz steuerbarer Erzeuger und Verbraucher, Stromspeicher und netzdienliches Verbraucherverhalten. der bilanzielle und finanzielle Ausgleich (Ausgleichsenergie) Hierunter wird die verursachungsgerechte Umlage der Kosten der Regelenergie verstanden. Ziel ist es, die kostenintensive Unteroder Überproduktion (Unteroder Überspeisung) und die damit verbundenen kostenintensiven RedispatchMaßnahmen4zu vermeiden. 2.2 Der physikalische Ausgleich Bislang erfolgt die Steuerung des Netzes auf Höchstund Hochspannungsebene durch die Übertragungsund Verteilnetzbetreiber (ÜNB bzw. VNB). Hierzu können durch den Handel mit Stromkontingenten bis einen Tag vor Ausführung der Stromlieferung über Handelsplattformen Strommengen auf Basis von Viertelstundenwerten ausgeglichen werden. Im Intraday-Handel ist sogar ein Ausgleich bis eine Stunde vor Lieferung möglich. Unmittelbar vor der physikalischen Erfüllung können Fehlmengen frequenzabhängig automatisiert über die Primärreserve ausgeglichen werden. Weiterhin stehen, Sekundärregelleistung und Minutenreserve zur Verfügung. Überoder Unterdeckung zum Ausführungszeitpunkt werden durch Regelstrom ausgeglichen, der am Regelenergiemarkt beschafft wird. Für die Regelstromversorgung vorgesehene Kraftwerke werden im Rahmen des Einspeisemanagements zuoder abgeschaltet beziehungsweise gedrosselt. Auch Industrieanlagen und andere Großverbraucher können zuoder abgeschaltet werden. Der Überlastung von einzelnen Leitungsabschnitten kann durch Eingriffe in die Erzeugungsleistung von Kraftwerken (räumliche Verschiebung der Erzeugung) entgegengewirkt werden (klassischer Redispatch). In einem künftigen Netz erfolgt die Steuerung durch die Verteilnetzbetreiber zusätzlich auch auf lokaler Mittelund Niederspannungsebene. Denn die Herausforderung dieses „neuen“ physikalischen Ausgleichs liegt in der fluktuierenden Energieeinspeisung durch eine Vielzahl dezentraler Anlagen zur Erzeugung erneuerbarer Energien aus Wind und Sonne, die nun bereits ab einer Leistung größer 100KW 4Zum Begriff Redispatch siehe https://www.bundesnetzagentur.de/DE/Fachthemen/ElektrizitaetundGas/ Versorgungssicherheit/Netzengpassmanagement/Engpassmanagement/Redispatch/start.html. Zugegriffen: 12.07.2024. K IT – Enabler der Energiewende 839 an das Mittelspannungsnetz angeschlossen werden dürfen. Dazu werden die Rollen Anlagenbetreiber (AB) und Einsatzverantwortlicher (EIV) zur Bereitstellung von Anlagendaten und Prognosen eingeführt. Bausteine zur Stabilisierung können hier beispielsweise Elektrofahrzeuge, stationäre Batteriespeicher und weitere Speichertechnologien sein, aber auch Wärmepumpen und Anlagen für die Kraft-WärmeKopplung, indem sie als Micro Grid (Abschn. 3) das Energiesystem netzdienlich unterstützen (Wesselak et al. 2017) und je nach Auslegung auch als Netzbooster (BMWK 2020) wirken können. Je nach Erfordernis sind sie in der Lage, in Sekundenbruchteilen Energie bereitzustellen oder aus dem Gesamtsystem zu entnehmen. Um optimiert auf die neuen Verhältnisse reagieren zu können, reduzierte die Novellierung der „Abschaltbare Lasten Verordnung“ (AbLaV) aus dem Jahr 2016 die erforderliche Mindestgrenze deutlich auf 5MW abschaltbare Leistung. Aktuell lassen sich im Sinne des § 14a EnWG und des § 14c EnWG (marktgestützte Beschaffung von Flexibilitätsdienstleistungen5im Verteilnetz) auch kleinere steuerbare Verbraucher zur Netzstabilisierung heranziehen. Gleichzeitig ist es volkswirtschaftlich nicht sinnvoll, für jeden denkbaren Lastfall Reserven zu schaffen. Vielmehr lassen sich Überlastungen des Netzes auch durch Anpassung des Erzeugerund Verbraucherverhaltens vermeiden. Hierzu werden marktwirtschaftliche Anreize gesetzt. Zur Beeinflussung des Prosumer-Verbraucherverhaltens bietet sich eine Steuerung über variable oder dynamische Tarife an, die seit 2021 angeboten werden können, bis 2025 angeboten werden müssen. Dabei wird unter einem variablen Tarif ein Tarifmodell verstanden, das den Preis der bezogenen Energie in Abhängigkeit von der Zeit, der Last (Kundenoder Systemlast), dem Verbrauch oder dem Lastmanagement variiert (Nabe et al. 2009; Forschungsstelle für Energiewirtschaft 2022). Dynamische Tarife wiederum variieren fortlaufend in Anlehnung an den Spotmarktpreis (Day-Ahead oder Intraday) für Strom. Dezentrale Einheiten wechseln zur Stabilisierung in einem solchen Tarifsystem dynamisch zwischen Eigenverbrauch, Systemdienstleistungen und Handelsmärkten. Letztlich wird Flexibilität auf Basis festgelegter Prozesse zur Verfügung gestellt, um dezentrale Anlagen in ein Gesamtsystem zu integrieren. In einem solchen „neuen“ Netz werden Redispatch und Einspeisemanagement zusammengeführt (Redispatch 2.0). Hierdurch soll das Beseitigen von Netzengpässen kostengünstiger werden. Gleichzeitig lassen sich in einem solchen System die auch weiterhin benötigten Reservekapazitäten vermehrt auf freiwilliger (marktwirtschaftlicher) Basis bereitstellen. Sie müssen daher über interessante Angebote vergütet werden. Der Schlüssel dazu liegt in der Erhebung und Nutzung von Energiedaten. Aktuell besteht hier jedoch eine „digitale Lücke“ (Strüker et al. 2021), die überwunden werden muss, denn weder die technischen Voraussetzungen noch die Prozesse für eine systematische Marktintegration sowie die Nutzung netzdienlicher Beiträge dezentraler Anlagen sind derzeit vollumfänglich erfüllt. 5Zum Begriff Flexibilität vgl. (BNetzA 2017). K 840 K. Hooß et al. 2.3 Der bilanzielle und finanzielle Ausgleich Eine solche Bereitstellung und deren Vergütung müssen sorgfältig geplant werden. Neben energietechnischen, durch entsprechende Anlagensteuerungen gestützte Aktivitäten sind hierzu energiewirtschaftliche Überlegungen notwendig. Um im Vorfeld von Stromlieferungen zu ausgeglichenen Strommengen zu kommen, sind alle Einspeiseund Verbrauchsstellen Bilanzkreisen zugeordnet, die stets ausgeglichen sein müssen. Die hierfür notwendige Bilanzierung von Energiemengen führen die Marktrollen Bilanzkreisverantwortlicher (BKV) und Bilanzkoordinator (BIKO) durch. Der BKV sorgt für einen ausgeglichenen Bilanzkreis und trägt die wirtschaftliche Verantwortung für Abweichungen zwischen Einspeisung und Entnahme. Der BIKO erstellt zu jedem Liefermonat eine Bilanzkreisabrechnung für jeden Bilanzkreis seiner Regelzone und ermittelt die Preise für die Regelenergie6. In den 2011 erstmals formulierten „Marktregeln für die Durchführung der Bilanzkreisabrechnung Strom“ (BnetzA 2024b) wird die Kommunikation zu den prognostizierten und tatsächlich gelieferten Strommengen festgelegt. Nach der Kraftwerk-Einsatzplanung (Dispatch) und den daraus folgenden Stromlieferungen werden die tatsächlichen Viertelstundenwerte des Stromverbrauchs bilanzkreis-scharf vom VNB für einen Liefermonat akkumuliert und an den ÜNB gesendet. Der ÜNB in der Rolle des BIKO berechnet die Überund Unterspeisungen jedes Bilanzkreises (Regelenergie). Die Beschaffungskosten des Regelstroms für jede Viertelstunde, der über den Regelstrommarkt bezogen wird, werden dann einmal im Monat – getrennt nach Überund Unterspeisung – an die BKV gesandt und dort auf die Verursacher verteilt. Dieses Verfahren sieht für jeden Liefermonat eine Frist von acht Monaten bis zur endgültigen Bilanzkreisabrechnung vor. Ursache für den langen Zeitraum ist die Konsolidierung der oft fehlerhaften und unvollständigen Messdaten in einem aufwendigen Clearingverfahren7. Ein wichtiges Ziel der Digitalisierung besteht daher in einer deutlichen Verbesserung der Qualität von Energiedaten. Durch das Messstellenbetriebsgesetz (MsbG) und das Gesetz zum Neustart der Digitalisierung der Energiewende (GNDEW) wurden die gesetzlichen Voraussetzungen zur flächendeckenden Einführung von intelligenten Messsystemen (iMSys, Abschn. 3) geschaffen. Hierzu beschreibt die Verordnung „Marktkommunikation 2020“8(BNetzA 2020, 2024a) zur weiteren Anpassung der Vorgaben zur elektronischen Marktkommunikation eine sternförmige Datenkommunikation vom iMSys zu allen berechtigten Marktpartnern. Die Akkumulationsverantwortung für die in Zeitreihen gespeicherten Verbrauchsdaten geht vom VNB auf den ÜNB über. Trotz einer vergleichsweise komplexen Logik des Verfahrens führt der Wegfall von Zwischenschritten zu ei6In Deutschland gibt es vier BIKO, die den ÜNB Tennet, 50Hertz, Amprion und Transnet BW zugeordnet sind. 7Vgl. hierzu die Bilanzkreisabrechnung (MaBiS): https://www.bundesnetzagentur.de/DE/Beschlusskammern/ BK06/BK6_83_Zug_Mess/833_mabis/mabis_node.html. Zugegriffen: 12.07.2024. 8Unter Berücksichtigung wesentlicher Anpassungen der Regelungen in den Dokumenten GPKE, WiM, MPES und MaBiS. K IT – Enabler der Energiewende 841 ner gewissen Vereinfachung. Dies verringert die Fehleranfälligkeit und erhöht die Datenqualität. Eine besondere Herausforderung ist die Abrechnung von Systemleistungen zur Stabilisierung des Stromnetzes. Hierzu hat die BNetzA kürzlich einen Beschluss veröffentlicht, der die Vergütung von Leistungen aus dem Redispatch vereinheitlichen soll (BNetzA 2024c). Eine weitere Herausforderung ist der bilanzielle Ausgleich von Energiemengen bei vom jeweiligen ÜNB angeordneten Redispatch-Maßnahmen. Erzeuger dürfen bereits vermarktete Strommengen nicht einspeisen oder zusätzliche Strommengen müssen als vermarktet bilanziert werden. Notwendige Umbuchungen sind wegen der lang andauernden Clearingprozesse im MaBis zeitaufwendig und führen zu Verzögerungen beim finanziellen Ausgleich von Systemleistungen. 3 Die Energieinformatik Wie in anderen Branchen hielt auch im Energiesektor als Teil der Kritischen Infrastruktur (KRITIS) (Naumann 2024;BSI2024; openKRITIS 2024) die IT schrittweise Einzug. In Kraftwerken, Netzleitstellen, Umspannwerken und weiteren in die Stromversorgung eingebundenen Elementen wurden im Zeitablauf analoge Steuerungen durch Systeme mit stetig wachsendem IT-Anteil eingesetzt, Funktionalitäten wurden ergänzt, Prozesse damit optimiert, die (Betriebs-)Sicherheit erhöht. Es entstanden aber auch neue Risiken und Herausforderungen, etwa durch die zunehmende Vernetzung. Systeme, die zuvor geographisch und technisch unerreichbar waren, sind nunmehr trotz sorgfältig entwickelter Sicherheitskonzepte, etwa durch Netzsegmentierungen oder getrennte Netze mitunter dennoch nur wenige KommandozeilenBefehle entfernt. Der sowohl technische, als auch rechtliche Umbau des Energiesystems (Abschn. 2), die damit verbundenen Fragestellungen und zahlreichen Möglichkeiten für neue Geschäftsmodelle, aber auch die zunehmenden Auswirkungen unterschiedlichster Vorgaben auf die genutzte IT, führten zu Notwendigkeit und Wunsch einer digitalen Transformation des gesamten Energiesektors. Der Ruf nach einer wissenschaftlichen Disziplin, die interdisziplinär an dazu passenden Lösungen forschen und die Gestaltung des neuen Energiesystems vorantreiben kann, wuchs. Die Energieinformatik entstand. Sie entwickelt, nutzt und verbindet interund transdisziplinär Methoden aus der technischen Informatik, der Datenanalyse, der Energietechnik und der Energiewirtschaft (Goebel et al. 2014). Ziel dieser Disziplin ist es, aufbauend auf einem Gesamtbild die unterschiedlichen Technologien und Konzepte auf Eignung für die angestrebte digitale Transformation des Energiesektors zu überprüfen, weiterzuentwickeln und in das Gesamtbild einzuordnen, um so eine „passende IT“ aufzubauen. 3.1 Das Gesamtbild: Informationssysteme und ihre IT-Architektur Eine solche passende IT lässt sich aus den in Abschn. 2 skizzierten gesellschaftspolitischen, volkswirtschaftlichen und betriebswirtschaftlichen Strategien ableiten, die mit der Energiewende verfolgt werden. Die zahlreichen Akteure gestalten daK 848 K. Hooß et al. Abb. 2 Intelligentes Messsystem (iMSys) chers für die Übermittlung von Informationen in oder aus CLS über CLS-Adapter/ Gateways. Die Gesamtarchitektur eines iMSys zeigt Abb. 2. 3.2.3 Edgeund Cloud-Computing Edge-Computing bezeichnet die lokale (Vor-)Verarbeitung von Daten. In der Energiewirtschaft wird Edge-Computing aufgrund der zunehmenden Dezentralität verstärkt dann eingesetzt, wenn spezielle Anforderungen, etwa an kurze Latenzzeiten oder die reine Datenmenge eine lokale (Vor-)Verarbeitung gegenüber einer Verarbeitung in der Cloud sinnvoller erscheinen lassen (Hennig et al. 2018). Cloud Computing (Mell und Grance 2011) wiederum ermöglicht eine zentrale Verarbeitung. Es erlaubt bedarfsorientiert die zeitnahe und in der Regel unkomplizierte Bereitstellung, Nutzung und Abrechnung geteilter Ressourcen als Dienstleistung (Service). In der Energiewirtschaft lassen sich zahlreiche Anlagen und Geräte (beispielsweise Balkonkraftwerke, PV-Anlagen, Wärmepumpen, Haushaltsgeräte) über Cloud-basierte Anwendungen verwalten. Die Kunden sind dadurch in der Lage, ortsunabhängig Informationen abzufragen oder Steuerungsanweisungen zu übermitteln. Die Verteilnetzbetreiber, die Anlagenhersteller und weitere Partner wiederum können die durch Kunden und Anlagen generierten Daten in vielfältiger Form nutzen. K IT – Enabler der Energiewende 849 3.2.4 Blockchain Eine Blockchain ist eine spezielle Technologie zur dezentralen, verteilten Datenhaltung. Eine verwaltende zentrale Instanz ist nicht notwendig. Die Speicherung der Daten innerhalb der Blockchain geschieht durch Aneinanderreihung der Daten in einzelnen Blöcken (Schlatt et al. 2016). In der Energiewirtschaft sind mehrere Einsatzszenarien für die Blockchain-Technologie vorstellbar (Mika und Goudz 2020): die Abwicklung von Abrechnungen unter Rückgriff auf Smart Contracts (Wilkens und Falk 2019), sowohl für die Erzeugung/Einspeisung als auch für den Verbrauch von Energie, insbesondere für sogenannte Quartierslösungen, etwa größere Wohnanlagen oder Stadtteile. Hierzu werden intelligente Messsysteme vorausgesetzt. das Führen von Registern zur Dokumentation. Ein Beispiel für ein solches Register könnte das gesamte Marktstammdatenregister (MaStR)14 oder ein Teil daraus sein. Ebenso können große Akteure in der Energiewirtschaft ihre ITund OTAssets in einem Blockchain-basierten Register speichern. die Kennzeichnung von Energieflüssen (sog. „Labeling“), etwa für den Ökostromnachweis. Die hierfür notwendige Blockchain kann Ökostrom-Siegel und ein Ökostrom Register umfassen (Klaus et al. 2020). 3.2.5 Smart und Micro Grid Ein Smart Grid („intelligentes Stromnetz“) beschreibt ein Stromnetz aus dezentralen Verbrauchern und Erzeugern. Ein Micro Grid wiederum ist ein Zusammenschluss von Stromerzeugern und -verbrauchern in einem auch autark zu betreibenden Teilstromnetz, etwa in Quartieren oder großen Wohnanlagen. Smart und Micro Grids erfordern geeignete Systeme zur Steuerung und fortlaufenden Optimierung. Smart Grids verfügen durch regulatorische Spezifika zwar über keine zentralen Steuerungssysteme. Dennoch sind die Systeme aller Akteure auf unterschiedliche Weise und unter Rückgriff auf bewährte Technologien miteinander vernetzt. So können durch Regelungstechnik die Auslastung optimiert und alle weiteren, damit verbundenen Prozesse (wie etwa die Abrechnung) gesteuert werden. Ein Smart Grid kann mehrere Micro Grids umfassen. Innerhalb eines Micro Grids sorgt ein Energiemanagement für eine optimale Auslastung und Energieeffizienz. Je nach gewähltem Tarif kann das primäre Ziel der maximale Eigenverbrauch beziehungsweise eine möglichst vollständige Speicherung selbst erzeugter Energie sein (variable Tarife), aber auch der bestmögliche Verkauf von Energie (dynamische Tarife). Auch das Micro Grid kann die Abrechnung steuern. Ein Micro Grid muss über ein intelligentes Messsystem verfügen. Bei Störungen im öffentlichen Netz schaltet ein Micro Grid in den sogenannten Inselmodus. Modelliert werden können Use Cases für Smart und Micro Grids mit UML (Unified Modeling Language) oder BPMN (Business Process Model and Notation). Insbesondere für systemund unternehmensübergreifende Kontexte und die damit verbundenen notwendigen Standardisierungs-, Interoperabilitätsund Integrations14 vgl. https://www.marktstammdatenregister.de/MaStR. Zugegriffen: 12.07.2024. K 850 K. Hooß et al. aspekte lässt sich auch das Smart Grid Architecture Model (SGAM) heranziehen (Faller et al. 2020). 3.2.6 Digitaler Zwilling Ein digitaler Zwilling beschreibt eine virtuelle Repräsentation von realen Assets und Prozessen, die mit einer zuvor festgelegten Frequenz und Genauigkeit synchronisiert werden. Digitale Zwillinge können eigenständig existieren, werden aber häufig in größere Systeme zur Überwachung, Analyse und Steuerung integriert. In der Energiewirtschaft erlauben digitale Zwillinge auf Basis der IT/OT-Konvergenz und die dadurch entstehende größtmögliche Transparenz der aktuellen Lastsituation ein vollständiges digitales Abbild in Form von strukturierten Echtzeit-Infrastrukturund -Bewegungsdaten. Diese Daten stammen aus dem Netzbetrieb, aber auch aus Kraftwerken und großen Anlagen zur Gewinnung erneuerbarer Energie. Digitale Zwillinge gelten damit einerseits als Enabler für die Optimierung bestehender oder die Entstehung neuer Energiedienstleistungen. Es lassen sich mit ihnen entsprechende Produkte und unterstützende Anwendungen virtuell entwickeln, testen und optimieren. Dazu zählen beispielsweise unterschiedliche Steuerungskonzepte für regelbare Verbrauchseinrichtungen nach § 14a EnWG oder alternative Durchführungen von Netzanschlussprüfungen. Andererseits erlauben digitale Zwillinge Betriebsseitig beispielsweise eine verbesserte Netzplanung oder die Simulation von neuen oder optimierten Netzbetriebsprozessen sowie kritischer Netzzustände und den Auswirkungen möglicher Reaktionen darauf (Golovatchev 2020). Digitale Zwillinge bieten damit insgesamt eine kostengünstige und fundierte Möglichkeit, Prozesse des laufenden Betriebs sowie alle strukturelle Änderungen am Übertragungsoder Verteilnetz hinsichtlich ihrer Stärken, Schwächen, Chancen und Risiken belastbar zu untersuchen und die bestmögliche Alternative für eine Übertragung auf die Realität vorzuschlagen. 3.2.7 Künstliche Intelligenz Künstliche Intelligenz (KI) imitiert menschliche kognitive Fähigkeiten, indem sie Informationen aus Eingabedaten erkennt und sortiert. Eine solche Intelligenz kann auf regelbasierten Abläufen beruhen oder in neuronalen Netzen durch maschinelles Lernen erzeugt werden (Abdelkafi und Döbel 2019). Die aktuell erzielten großen Fortschritte beruhen vor allem auf der zunehmenden Verfügbarkeit von sehr großen Datenmengen und hoher Rechenleistung. Da die digitalen Transformation der Energiewirtschaft neue Möglichkeiten zur Erfassung und Speicherung sehr großer Mengen an Energiedaten und sonstiger Daten schafft, lässt sich das Verhalten der Erzeuger, Speicher, Netze und Verbraucher besser analysieren und neue (bisher nicht erkannte) Zusammenhänge erkennen. Dies ermöglicht eine Reihe von interessanten Einsatzmöglichkeiten (Aichele 2022): Chatbots Chatbots lassen sich vielseitig in der Kundenkommunikation einsetzen. Sie entlasten den Support und ermöglichen so eine intensivere und schnellere BearbeiK IT – Enabler der Energiewende 851 tung komplexer Sachverhalte. Für die unmittelbare Interaktion mit Kunden eignen sich Large-Language-Modelle (LLMs). Ihr Vorteil ist eine lebensnahe Kommunikation, der Charakter einer maschinengenerierten Antwort ist hier nicht oder nur schwer erkennbar, was die Akzeptanz in der Nutzung erhöht. Nachteilig ist, dass LLMs ihre Antworten auf Basis von Wahrscheinlichkeiten generieren, was zu „Halluzinationen“ führt. Um verlässliche und rechtssichere Antworten zu erzielen, müssen solche LLMs daher mit regelbasierten Ansätzen verknüpft werden. Expertensysteme Expertensysteme lassen sich sowohl für technische, als auch energiewirtschaftliche Fragestellungen einsetzen. Eine typische technische Aufgabenstellung ist der Einsatz als Assistenzsystem im Kontext von Wartung und Instandhaltung. Dies betrifft zum einen das Netz, zum anderen aber auch Services aller Art, einschließlich einer Anlagenwartung bei Endkunden, etwa PV-Anlagen. Energiewirtschaftliche Aufgabenstellungen umfassen beispielsweise eine Unterstützung für genauere Prognosen im Energieeinkauf. Vorausschauende Wartung (Predictive Maintenance) Ausfälle im Bereich der Stromerzeugung und -verteilung sollten auf ein Minimum beschränkt bleiben. Werden umfassende Daten aus dem Netzbetrieb und angeschlossenen Erzeugern (etwa PVoder Windkraftanlagen) erhoben und historisiert gespeichert (vgl. Abschn. 3.1) können Störungen und damit verbundene mögliche (Teil-)Ausfälle mit KI-Unterstützung bereits anhand minimaler Unregelmäßigkeiten und Auffälligkeiten in den Messgrößen sehr exakt prognostiziert und durch rechtzeitige Wartungseingriffe vermieden werden (Urbansky 2024). Dies steigert vielfach die Prozesseffizienz und senkt Kosten. Betriebssteuerung Die zunehmende Dezentralität und der volatile Charakter erneuerbarer Energien erfordern ein schnelles Reagieren. Eine KI-basierte Steuerungslogik kann dabei unterstützen, das Gesamtsystem stabil zu halten. 4 Ausblick Ein noch weiter gehender Einsatz innovativer IT-Lösungen im energiewirtschaftlichen Kontext ist weniger ein IT-seitiges, eher ein regulatorisches und ein Akzeptanzproblem. Zahlreiche Themen sind zudem technisch, betriebswirtschaftlich oder rechtlich noch nicht abschließend betrachtet. Hierzu gehört etwa die Umwandlung von Strom in Wasserstoff und Nutzung in Gaskraftwerken zur Stromerzeugung bei Flauten oder die Entwicklung großer, sicherer und zugleich Ressourcen-schonender Batteriespeicher auf Basis leicht verfügbarer statt seltener und kritischer Werkstoffe. Dies verlangsamt vielfach auch die Entwicklung passender IT-Lösungen für solche Anwendungsfälle. Zudem sind vielfach Standardisierungsund Spezifikationsprozesse in der IT, insbesondere für Schnittstellen und Protokolle, noch nicht abgeschlossen oder die bislang erzielten (Teil-)Ergebnisse führen zu einer für den praktischen Einsatz zu hohen Komplexität und Unsicherheit. Gerade im Bereich der K 852 K. Hooß et al. Gebäudeautomation und „Smart Home“, das dabei unterstützt, die Vielzahl von Privathaushalten energieeffizienter zu gestalten und mit kleinen, aber leistungsfähigen Energiemanagementsystemen auszurüsten, herrscht Unsicherheit über die Einsatzmöglichkeiten. Mit Blick auf die Energieinformatik wird es daher eine wichtige Aufgabe sein, den jetzt und in der nahen Zukunft notwendigen energiewirtschaftlichen Transformationsprozess durch eine leistungsfähige und auf die Bedürfnisse der Akteure zugeschnittene, integrative IT zu unterstützen. Funding Open Access funding enabled and organized by Projekt DEAL. Open Access Dieser Artikel wird unter der Creative Commons Namensnennung 4.0 International Lizenz veröffentlicht, welche die Nutzung, Vervielfältigung, Bearbeitung, Verbreitung und Wiedergabe in jeglichem Medium und Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle ordnungsgemäß nennen, einen Link zur Creative Commons Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden. Die in diesem Artikel enthaltenen Bilder und sonstiges Drittmaterial unterliegen ebenfalls der genannten Creative Commons Lizenz, sofern sich aus der Abbildungslegende nichts anderes ergibt. Sofern das betreffende Material nicht unter der genannten Creative Commons Lizenz steht und die betreffende Handlung nicht nach gesetzlichen Vorschriften erlaubt ist, ist für die oben aufgeführten Weiterverwendungen des Materials die Einwilligung des jeweiligen Rechteinhabers einzuholen. Weitere Details zur Lizenz entnehmen Sie bitte der Lizenzinformation auf http://creativecommons.org/ licenses/by/4.0/deed.de. Literatur Abdelkafi N, Döbel I et al (2019) Künstliche Intelligenz (KI) im Unternehmenskontext. Fraunhofer-Zentrum für Internationales Management und Wissensökonomie IMW, Leipzig Achenbach S (2020) Untersuchung der Eignung von Online Analytical Processing Cubes für die Integration und Analyse von Energieverbrauchsdaten Aichele C (2018) Die digitale Energiewirtschaft – Implikationen der Digitalisierung der Energiewirtschaft für den Endkunden. In: Holstenkamp L, Radtke J (Hrsg) Handbuch Energiewende und Partizipation. Springer, Wiesbaden, S 699–719 https://doi.org/10.1007/978-3-658-09416-4_42W Aichele C (2022) KI-Technologien für Utility-Unternehmen. In: Aichele C, Herrmann J (Hrsg) Betriebswirtschaftliche KI-Anwendungen. Springer Vieweg, Wiesbaden https://doi.org/10.1007/978-3-65840099-6_5 Böttger D, Fuchs N, Fouquet D, Axthelm W et al (2021) Neues Strommarktdesign Bundesamt für Sicherheit in der Informationstechnik (Hrsg) (2021) Stufenmodell zur Weiterentwicklung der Standards für die Digitalisierung der Energiewende – Stand der Technik Bundesamt für Sicherheit in der Informationstechnik (Hrsg) (2024) Was sind kritische Infrastrukturen. https://www.bsi.bund.de/DE/Themen/KRITIS-und-regulierte-Unternehmen/Kritische-Infrastrukturen/ Allgemeine-Infos-zu-KRITIS/allgemeine-infos-zu-kritis_node.html. Zugegriffen: 12. Juli 2024 Bundesministerium für Wirtschaft und Klimaschutz (Hrsg.) (2020) Was ist eigentlich ein Netzbooster? https://www.bmwk-energiewende.de/EWD/Redaktion/Newsletter/2020/02/Meldung/direkt-erklaert. html. Zugegriffen: 12. Juli 2024 Bundesnetzagentur (Hrsg) (2017) Flexibilität im Stromversorgungssystem Bestandsaufnahme, Hemmnisse und Ansätze zur verbesserten Erschließung von Flexibilität Bundesnetzagentur (Hrsg) (2020) Marktkommunikation 2020 (MaKo 2020). https://www.bundesnetzagentur. de/DE/Beschlusskammern/BK06/BK6_83_Zug_Mess/8351_mako2020/BK6_mako2020_node.html. Zugegriffen: 12. Juli 2024 Bundesnetzagentur (Hrsg) (2024a) Festlegungsverfahren zur Weiterentwicklung der Netzzugangsbedingungen Strom. https://www.bundesnetzagentur.de/DE/Beschlusskammern/BK06/BK6_83_Zug_ Mess/8352_mako2022/BK6_mako2022_node.html. Zugegriffen: 12. Juli 2024 K IT – Enabler der Energiewende 853 Bundesnetzagentur (Hrsg) (2024b) Bilanzkreisabrechnung (MaBiS). https://www.bundesnetzagentur.de/ DE/Beschlusskammern/BK06/BK6_83_Zug_Mess/833_mabis/mabis_node.html. Zugegriffen: 12. Juli 2024 Bundesnetzagentur (Hrsg) (2024c) Redispatch-Vergütung – Festlegung zur Bestimmung des angemessenen finanziellen Ausgleichs für Anpassungen der Wirkleistungserzeugung oder des Wirkleistungsbezugs (BK8-22-001-A). https://www.bundesnetzagentur.de/DE/Beschlusskammern/1_GZ/BK8-GZ/ 2022/2022_4-Steller/BK8-22-0001/BK8-22-0001-A_Festlegung.html. Zugegriffen: 12. Juli 2024 Doleski OD (Hrsg) (2017) Herausforderung Utility 4.0 – Wie sich die Energiewirtschaft im Zeitalter der Digitalisierung verändert. Springer, Wiesbaden https://doi.org/10.1007/978-3-658-15737-1 Doleski OD (Hrsg) (2020a) Praxis der digitalen Energiewirtschaft von den Grundlagen bis zur Verteilung im Smart Grid. Realisierung Utility 4.0, Bd. 1. Springer Vieweg, Wiesbaden https://doi.org/10.1007/ 978-3-658-25332-5 Doleski OD (Hrsg) (2020b) Praxis der digitalen Energiewirtschaft vom Vertrieb bis zu innovativen Energy Services. Realisierung Utility 4.0, Bd. 2. Springer Vieweg, Wiesbaden https://doi.org/10.1007/9783-658-25589-3 Edelmann H, Kaniut M (2020) Der Systemund Plattformgedanke des GDEW als Treiber der digitalen Transformation. In: Doleski O (Hrsg) Realisierung Utility 4.0, Bd. 1. Springer Vieweg, Wiesbaden https://doi.org/10.1007/978-3-658-25332-5_2 Effenberger F, Hilbert A (2018) Energieund Maschinendaten im Verbund: Unterstützung von Analysen auf Anlagenebene durch Energieinformationssysteme industrieller Hersteller. HMD. https://doi.org/ 10.1365/s40702-017-0375-5 Engelmann D (2019) Energiedatenmanagement. In: Energiemanagement. Springer Vieweg, Wiesbaden https://doi.org/10.1007/978-3-658-26919-7_6 Faller S, Schütz J, Bogensperger A, Uslar M (2020) Anwendungshilfe SGAM: Smart Grid Use Cases modellieren. FfE/OFFIS, München, Oldenburg Forschungsstelle für Energiewirtschaft (2022) Systemintegration von Elektrofahrzeugen – Stromlieferverträge mit nicht-statischen Tarifen. FfE Grundlagenpapier, Bd. 2022-04 Goebel C, Jacobsen HA, del Razo V et al (2014) Energieinformatik. Wirtschaftsinformatik. https://doi.org/ 10.1007/s11576-013-0396-9 Golovatchev J (2020) Digitaler Zwilling für die Realisierung Utility 4.0. In: Doleski O (Hrsg) Realisierung Utility 4.0, Bd. 2. Springer Vieweg, Wiesbaden https://doi.org/10.1007/978-3-658-25589-3_42 Hennig H-M, Agert C, Rohrig K et al (2018) Digitalisierung und Energiesystemtransformation – Chancen und Herausforderungen. In: FVEE Themen 2018, S 6–11. https://nbn-resolving.org/urn:nbn:de:bsz: wup4-opus-72883. Zugegriffen: 12. Juli 2024 Holstenkamp L, Radke J (2018) Handbuch Energiewende und Partizipation. Springer, Wiesbaden https:// doi.org/10.1007/978-3-658-09416-4 Keller W (2024) IT-Unternehmensarchitekturen, 4. Aufl. dpunkt, Heidelberg Kelly R (2020) Das intelligente Energiesystem der Zukunft. Nomos, Baden-Baden Kemmler A, Wünsch A, Burret H (2021) Entwicklung des Bruttostromverbrauchs bis 2030. Fraunhofer ISI, Öko-Institut e.V., prognos, Bundesministerium für Wirtschaft und Energie (BMWi), Berlin Klaus J, Ziegler C, Zeiselmair A, Bogensperger A, Hinterstocker M (2020) Blockchain in der Energiewirtschaft. In: Etezadzadeh C (Hrsg) Smart City – Made in Germany. Springer Vieweg, Wiesbaden https://doi.org/10.1007/978-3-658-27232-6_37 Krone O, Bachmann M (2017) Digitalisierung im Verteilnetz: Evolution oder Revolution anhand konkreter Beispiele. In: Doleski O (Hrsg) Herausforderung Utility 4.0. Springer Vieweg, Wiesbaden https://doi. org/10.1007/978-3-658-15737-1_23 Lilienthal C (2024) Langlebige Softwarearchitekturen, 4. Aufl. dpunkt, Heidelberg Loomans D, Vogel M (2021) Cybersicherheit in Industrieanlagen. Digit Welt 5:26–29. https://doi.org/10. 1007/s42354-020-0318-0 Matuschik-Weiss T (2023) Requirements, Design Principles & Design Features zur Entwicklung von nutzerzentrierten Energy Information Systems im Privatkundenbereich. HMD. https://doi.org/10. 1365/s40702-023-00989-7 Mell P, Grance T (2011) The NIST definition of cloud computing—recommendations of the national institute of standards and technology. Gaithersburg, MD, USA. https://nvlpubs.nist.gov/nistpubs/legacy/ sp/nistspecialpublication800-145.pdf. Zugegriffen: 12. Juli 2024 Mika B, Goudz A (2020) Blockchain-Technologie in der Energiewirtschaft. Springer Vieweg, Berlin, Heidelberg https://doi.org/10.1007/978-3-662-60568-4 Nabe C, Schäffler H, Eder J et al (2009) Einführung von lastvariablen und zeitvariablen Tarifen Naumann J (2024) KRITIS Anforderungen, Pflichten, Nachweisprüfung. Rheinwerk, Bonn K 854 K. Hooß et al. openKRITIS (2024) Kritische Infrastruktur. https://www.openkritis.de/it-sicherheitsgesetz/index.html.Zugegriffen: 12. Juli 2024 Pflaum R, Egeler T (2017) Smartes System für die Energiewende – der Übertragungsnetzbetreiber in der digitalen Zukunft. In: Doleski O (Hrsg) Herausforderung Utility 4.0. Springer Vieweg, Wiesbaden https://doi.org/10.1007/978-3-658-15737-1_9 Rinaldi S, Ferrari P, Flammini A, Sisinni E, Sauter T (2017) Network synchronization: an introduction. Encycl Electr Electron Eng 2017. Wiley. S 1–12 https://doi.org/10.1002/047134608X.W8341 Rohjahns S (2010) Eine standardkonforme und semantikbasierte Kommunikationsarchitektur für die Automationsebene in Smart Grids. In: Energieinformatik Schlatt V, Schweizer A, Urbach N, Fridgen G (2016) Blockchain: Grundlagen, Anwendungen und Potenziale. Projektgruppe Wirtschaftsinformatik des Fraunhofer-Instituts für Angewandte Informationstechnik FIT, Bayreuth Serra J (2024) Datenarchitekturen. dpunkt, Heidelberg Strahringer S, Knoll M (2018) IT-GRC-Management im Zeitalter der Digitalisierung. In: Knoll M, Strahringer S (Hrsg) IT-GRC-Management – Governance, Risk und Compliance. Edition HMD. Springer Vieweg, Wiesbaden https://doi.org/10.1007/978-3-658-20059-6_1 Strüker J, Weibelzahl M, Körner M-F, Kießling A, Franke-Sluijk A, Hermann M (2021) Dekarbonisierung durch Digitalisierung – Thesen zur Transformation der Energiewirtschaft https://doi.org/10.15495/ Epub_UBT_00005596 Stuckenholz A (2020) Basiswissen Energieinformatik. Springer Vieweg, Wiesbaden https://doi.org/10. 1007/978-3-658-31809-3 Urbansky F (2024) Predictive Maintenance und Industrie 4.0 für Windkraftanlagen. Z Energiewirtsch. https://doi.org/10.1007/s12398-024-1262-8 Vortanz K, Zayer P (2017) Smart Meter Rollout: Intelligente Messsysteme als Schnittstelle zum Kunden im Smart Grid und Smart Market. In: Doleski O (Hrsg) Herausforderung Utility 4.0. Springer Vieweg, Wiesbaden https://doi.org/10.1007/978-3-658-15737-1_30 Wesselak V, Schabbach T, Link T, Fischer J (2017) Energiespeicher. In: Handbuch Regenerative Energietechnik. Springer Vieweg, Berlin, Heidelberg, S 727–769 https://doi.org/10.1007/978-3-662-530733_10 Wilkens R, Falk R (2019) Smart Contracts – Grundlagen, Anwendungsfelder und rechtliche Aspekte. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-27963-9 Hinweis des Verlags Der Verlag bleibt in Hinblick auf geografische Zuordnungen und Gebietsbezeichnungen in veröffentlichten Karten und Institutsadressen neutral. K