Bayernwerk Netz GmbH verwandelt KI Anwendungsfälle mit DXC’s Machine Learning in stabile, skalierbare Lösungen

Das Energieunternehmen Bayernwerk Netz GmbH, eine Tochter des weltweit führenden Energieversorgers E.ON, betreibt eines der größten Strom-, Wasser- und Gasverteilungsnetze in Deutschland und betreut mehr als 1.200 Kommunen in Süddeutschland.

Bayernwerk setzt auf die Optimierung der Prozesse beim Betrieb seiner Umspannwerke in Bayern. Als einer der größten Versorger der Region betreut Bayernwerk rund 40.000 Umspannwerke, die Mittelspannungsstrom aus den Verteilnetzen in die Niederspannungsnetze übertragen.

Die Installation von Trafostationen ist ein komplizierter und zeitaufwändiger Prozess. Jedes Mal, wenn neue Stromkreise oder mehr Kapazität in das Netz eingeführt werden, um die wachsende Stromnachfrage zu befriedigen oder die Ausfallsicherheit zu erhöhen, müssen Umspannwerke hinzugefügt oder aufgerüstet werden. Diese komplizierten Szenarien erfordern die Einrichtung von Hardwaremodulen verschiedener Anbieter und die Installation komplexer Kabelführung. Die Techniker müssen den kompletten Verlauf aller Arbeitsschritte, die sie vor Ort durchführen, schriftlich und fotografisch dokumentieren.

Das Problem für Bayernwerk war, dass die Dokumentation mit Papier und Stift erfolgte. Die Mitarbeiter im Backoffice mussten dann die Dokumentationsdaten manuell in ein zentrales SAP-System eingeben, ein langwieriger Prozess, der anfällig für Fehler und Zeitverzögerungen war; es konnte Wochen dauern, vom Zeitpunkt der Installation vor Ort bis zur Verarbeitung der Unterlagen im Backend-System. Darüber hinaus mussten die Bilder mit einem separaten Gerät (Kamera, Smartphone o. ä.) aufgenommen und ebenfalls manuell in das SAP-System hochgeladen werden.

Daher beschloss Bayernwerk, diesen ineffizienten Prozess zu rationalisieren. Um den Arbeitsablauf zu verbessern, entwickelte Bayernwerk die mobile Anwendung NEXT.SwitchON für Tablet-Computer, die Techniker nun zur digitalen Datenerfassung bei der Inbetriebnahme von Trafostationen nutzen. NEXT.SwitchON nutzt fortschrittliches Machine Learning (Computer Vision), um installierte Hardware und Verkabelung automatisch auf Bildern zu identifizieren, die mit der Tablet-Kamera aufgenommen wurden. Diese Informationen werden dann automatisch verwendet, um Teile der digitalisierten Dokumentation auszufüllen, die dann an das Endsystem übertragen wird.

NEXT.SwitchON bietet Bayernwerk enorme Vorteile durch erhöhte Effizienz, Genauigkeit und Fehlertoleranz. Diese Vorteile hängen jedoch von der Zuverlässigkeit der verwendeten Machine Learning Modelle ab. Diese müssen kontinuierlich überwacht, verbessert, skaliert und neu trainiert werden, um die steigende Anzahl von Nutzern zu bewältigen und alle unterschiedlichen Hardwarevarianten im Einsatz zu berücksichtigen. Dies wurde nun bei der ersten Iteration der Anwendung nicht berücksichtigt. Daher wurde eine Lösung benötigt, um die Zuverlässigkeit und Qualität der von der NEXT.SwitchON-Anwendung verwendeten Machine Learning Modelle im Laufe der Zeit zu gewährleisten.

MLOps auf der Sokrates-Plattform gewährleistet die Zuverlässigkeit der Modelle

Auf dem Weg zu einem digitalisierten und datengesteuerten Unternehmen erkannte Bayernwerk den Bedarf einer modernen, cloudbasierten Plattform für Anwendungsentwicklung. Diesem Bedarf wurde mit der Einführung von Sokrates Rechnung getragen, einer Azure-basierten Integrationsplattform, die von DXC Technology entwickelt und implementiert wurde. Sokrates unterstützt auch andere Anwendungen von Bayernwerk, darunter das Energieportal, das den Administratoren auf kommunaler Ebene einen einfachen Datenzugang ermöglicht.

Da viele moderne Anwendungen, so auch NEXT.SwitchON, den Einsatz von Machine Learning erfordern, wurde Sokrates von DXC mit Hilfe des DXC MLOps Quickstart für Microsoft Azure um modernste MLOps-Funktionen erweitert. Dadurch können die Anwendungen von Bayernwerk alle Best Practices nutzen, die mit professioneller Entwicklung, Implementierung und Betrieb von Machine Learning verbunden sind, einschließlich flexibler Testszenarien, optimierter Implementierung mit CI/CD und kontinuierlicher Überwachung sowie ereignisgesteuertem Retraining und Modellorchestrierung.

Die fortschrittlichen MLOps-Funktionen von Sokrates wurden genutzt, um die Herausforderungen zu meistern, die NEXT.SwitchON bewältigen musste. Um eine kontinuierliche Zuverlässigkeit der Machine Learning Modelle zu erreichen, überführten die ML-Ingenieure von DXC den bestehenden ursprünglichen Machine Learning Ansatz in geeignete skalierbare und wiederverwendbare Machine Learning Pipelines auf der MLOps-Plattform. Dies ermöglicht eine kontinuierliche automatische Bildverbesserung sowie das Training und die Bewertung von Modellen. Es automatisiert auch den Prozess der Veröffentlichung der neuesten Modellversionen direkt auf NEXT.SwitchON.

Innovativer Standard für die digitale Dokumentation

Bayernwerk hat nun seine Prozesse für die Dokumentation der Installation von Umspannwerken standardisiert und vereinfacht und kann die Lösung bei Bedarf problemlos skalieren. Durch die um 75 % schnellere Dokumentation der Stationsinstallation spart Bayernwerk nun jährlich signifikant Arbeitsstunden ein. Bayernwerk spart zudem 3,5 Tage bei der Aktualisierung der beteiligten Machine Learning Modelle, da weniger manuelle Prozesse erforderlich sind. Und während die Experten früher etwa 6 Tage pro Monat benötigten, um die Anwendung zu aktualisieren, die dann von den Technikern für jede neue Modelliteration installiert werden musste, hat die Automatisierung die Anzahl der Tage auf Null reduziert.

Zusätzlich zu dieser enormen Zeitersparnis konnte Bayernwerk die Erkennungsgenauigkeit von Machine Learning um 7,4 % auf 99 % steigern. Durch diese Verbesserung werden weniger Beispielbilder benötigt, damit die Machine Learning Modelle neue Hardware identifizieren können.

Und das i-Tüpfelchen: Bayernwerk spart nun jährlich mehr als 250.000 Euro.

"Gemeinsam mit DXC haben wir NEXT.SwitchON zu einer effizienten und unternehmensweiten digitalen Anwendung innerhalb Bayernwerk entwickelt, die digitale Technologien wie KI nutzt, um die Digitalisierung der Energienetze voranzutreiben", sagt Christian Selinger, Technical Consultant und Product Owner, Digital Process Solutions. "Damit haben wir einen neuen Standard für die digitale Dokumentation gesetzt."