Hintergrund

Österreich hat sich ehrgeizige Klimaziele gesetzt. Eine Abkehr von fossilen und die Hinwendung zu nachhaltigen Energiequellen wie Wasserkraft, Windenergie und Photovoltaik sind dafür unabdingbar. Damit diese Wende gelingen kann sind Energiegemeinschaften ein nützliches Instrument, denn sie ermöglichen es Haushalten und Unternehmen, erneuerbare Energie gemeinschaftlich zu erzeugen und zu nutzen.

Eine weitere große Herausforderung sind die zunehmende Häufigkeit von Naturkatastrophen als Folge des Klimawandels. Um hier bei Notfällen rechtzeitig zielgerichtet Maßnahmen setzen zu können, sind die Einsatzkräfte und Behörden auf aktuelle Informationen angewiesen. Bestehende Richtlinien und Notfallsysteme erschweren es jedoch rasche und fundierte Entscheidungen zu treffen.

KI-gestützte Lösungen können in beiden Fällen wertvolle Dienste leisten. Sie erleichtern es zum Beispiel Daten in natürlicher Sprache abzufragen oder Zugang zu Energiegemeinschaften zu erhalten. Zudem machen sie machen es einfacher, Vorhersagemodelle zu kreieren, frühzeitig vor drohenden Gefahren zu warnen und datenbasierten Entscheidungen zu treffen. Man ist besser für Notfälle gerüstet, kann schneller wirksamere Maßnahmen ergreifen und das Schadensausmaß reduzieren.

Projektinhalt

Auf dem Weg zur Klimaneutralität plant Österreich, die Stromerzeugung aus Wasserkraft bis 2030 von derzeit 42 TWh auf 47 TWh zu steigern. Die Stromproduktion aus Wasserkraft hängt jedoch unmittelbar von ausreichender Wasserverfügbarkeit ab. Vor allem bei kleineren Kraftwerken wie jenen entlang der Traisen oder am Kamp in Niederösterreich sind die Bedingungen dafür nicht immer optimal.

Analysen jener Daten, die im Energie- und Wassermanagement entstehen, können Ansatzpunkte dafür liefern, die Kraftwerke für diverse Herausforderungen besser aufzustellen. Die Daten sind jedoch komplex und dynamisch; relevante Informationen daraus zu ziehen, ist entsprechend schwierig. Für fundierte Entscheidungen werden außerdem kontextabhängige Informationen benötigt, etwa Hochwasserlageberichte oder Analysen von Energieverbrauchstrends. Bestehende Analysewerkzeuge bieten häufig jedoch keinen benutzer*innenfreundlichen Zugang zu solchen Informationen und erschweren damit die praktische Nutzung.

MANTRA will durch die Entwicklung eines Multi-Agenten-Systems auf Basis großer Sprachmodelle (Large Language Models, LLMs) die Situation verbessern. Das System soll einen einfachen Zugang zu Zeitreihendaten aus der Energie- und Wasserwirtschaft ermöglichen. Nutzer*innen können die Daten in natürlicher Sprache abfragen, sich Berichte erstellen lassen, darauf aufbauend Schlüsse ziehen und datenbasierte Entscheidungen treffen.

Ziele

Ziel des Projekts ist die Entwicklung eines LLM-basierten Multi-Agenten-Systems zur Analyse von Zeitreihendaten. Nutzer*innen sollen Trends, Auffälligkeiten und über Eingaben in natürlicher Sprache aufspüren und daraus Schlüsse ziehen können.

Darüber hinaus untersucht das Projekt, wie Multi-Agenten-Architekturen die Verarbeitung von Zeitreihendaten verbessern können. Aufgaben wie Datenabfrage, Mustererkennung, Prognose und sprachliche Interpretation werden dabei auf spezialisierte Agenten verteilt.

Der Schwerpunkt liegt auf Anwendungen im Energie- und Wassermanagement. Die entwickelten Methoden sind jedoch auch auf andere Bereiche übertragbar, etwa auf Finanzdaten, Klimamodelle oder industrielle Überwachungssysteme.

Ergebnisse

• Automatisierte Hochwasserlageberichte: Der Hydrographische Dienst des Landes Niederösterreich erstellt Hochwasserlageberichte derzeit manuell. Durch den Einsatz von Natural Language Generation (NLG) kann dieser Prozess automatisiert und deutlich effizienter gestaltet werden.
• Sprachgesteuerte Wasserstandsabfrage: Das Land Niederösterreich betreibt einen telefonischen Wasserstandsdienst, der derzeit über ein Tastentelefon-Menü bedient wird. Eine sprachbasierte Schnittstelle würde die Nutzung deutlich vereinfachen und intuitiver gestalten.
• Unterstützung von Energiegemeinschaften: Viele Mitglieder von Energiegemeinschaften verfügen nur über geringe digitale Vorkenntnisse. Informationen in natürlicher Sprache abzufragen, eröffnet einem größeren Personenkreis neue Möglichkeiten der Nutzung.
• Einfacher Datenzugang für Energiemanager*innen: Manager*innen von Energiegemeinschaften sowie Energie- und Klimakoordinator*innen können Daten ohne vertiefte Kenntnisse in der Datenanalyse auswerten und daraus Erkenntnisse gewinnen.
• Energieprognosen für einen intelligenten Verbrauch: Ein benutzer*innenfreundliches Prognosesystem ermöglicht es einem breiteren Personenkreis, die zukünftige Energieerzeugung abzuschätzen. Dadurch lassen sich beispielsweise der Energieverbrauch optimieren oder das Laden von Elektrofahrzeugen besser planen.