Aus Überzeugung haben die Verantwortlichen des österreichischen Wasserkraftspezialisten Global Hydro schon vor Jahren das Thema Digitalisierung in den Fokus ihrer Unternehmensentwicklung gerückt. In einem ersten Schritt ist es ihnen gelungen, mit den wegweisenden Steuerungs- bzw. Leitsystemen HEROS und HEROS Connect eine Vorreiterrolle in Sachen digitalem Kraftwerksmanagement zu übernehmen. In einem nächsten logischen Schritt entwickelt das Unternehmen nun eine Data Science Plattform, die mithilfe von Machine Learning Modellen und AI völlig neue Ansätze liefert, um sowohl die Betriebssicherheit als auch die Wirtschaftlichkeit der Wasserkraftwerke zu verbessern. Es ist eine Vision, die bereits Form annimmt.

Die Revolution kommt auf leisen Sohlen und ist dennoch umwälzend: Die Digitalisierung ist nicht nur dabei, unseren täglichen Alltag zu durchdringen, sie führt auch zu einer tiefgreifenden Transformation der Industrie, die weit über reine Verbesserungen der Produktionsprozesse hinausgeht. Sie verändert die Grundlagen der industriellen Produktion und eröffnet neue Möglichkeiten, schafft neue Geschäftsmodelle und verändert die Art und Weise, wie Unternehmen und ihre Wertschöpfungsketten operieren. Davon bleibt auch die Wasserkraft nicht ausgenommen. Im Gegenteil: Die Optimierungsmöglichkeiten für diese alte Form der Energiegewinnung sind derart breitgefächert, dass längst nicht alle Optionen ausgelotet sind. Jene Unternehmen, die die Zeichen der Zeit erkennen und in die Digitalisierung investieren, haben schon jetzt am Markt die Nase vorne. Das weiß man auch bei einem der Technologieführer der Branche, bei Global Hydro Energy, dem international agierenden Wasserkraftspezialisten mit Stammsitz im oberösterreichischen Niederranna. „Wir haben mit unserer neuen Digitalisierungsoffensive vor drei Jahren begonnen. Unsere Vision war von Anfang an klar: Wir geben uns mit dem Erreichten nicht zufrieden und wollen Vorreiter der Digitalisierung sein, damit wir unseren Kunden weiterhin die fortschrittlichste und beste Lösung bieten können. Nun ist diese Vision greifbar, und unsere Kunden generieren großen Mehrwert aus unseren Machine Learning Modellen“, berichtet Global Hydro Geschäftsführer Heinz Peter Knaß. Bei Global Hydro ist die digitale Transformation voll im Gange.

Chancen in den Herausforderungen
Für die Umsetzung der hochgesteckten digitalen Ziele brauchte es allerdings auch entsprechende Manpower und ein eigenes Team. Zu diesem Zweck wurde bei Global Hydro die „Digital Solutions“ gegründet, ein zehnköpfiges Team, das sich ausschließlich mit dem Thema Data Science beschäftigt und heute hausintern schon hohen Status genießt. Geleitet wird die Abteilung vom Head of Software & Automation Thomas Stütz, der mit seinen Data Engineers nach den idealen Lösungen für die Herausforderungen in der Wasserkraft sucht. Sowohl Anlagenbetreiber als auch Hersteller stehen heute unter enormem Preisdruck. Wasserkraft konkurriere mittlerweile auch mit anderen erneuerbaren Energieformen, die in der Regel deutlich bessere Förderungen erhalten. „Die installierte Basis an Wasserkraftwerken in Europa ist alt. Zum Teil ist die Ausrüstung der Anlagen am Ende ihrer technischen Lebensdauer angelangt, zum Teil sogar darüber. Und die alten Turbinen und Generatoren beginnen vielerorts Probleme zu machen“, skizziert Thomas Stütz die Rahmenbedingungen, die für die Ingenieure von Global Hydro zahlreiche Fragen aufgeworfen haben: „Wie können wir mit neuen Technologien diese Probleme frühzeitig erkennen, bevor es zu einem ungeplanten Stillstand kommt? Wie können wir Betreiber unterstützen, diesem Preisdruck standzuhalten und ihre Kraftwerke stets am Optimum zu betreiben?“ In diesen Herausforderungen sahen Thomas Stütz und sein Team neue Chancen. Ohne auf externe Entwicklungspartner zurückzugreifen sollte in einer 100-prozentigen Eigenentwicklung eine Data Science Plattform aufgebaut werden, auf der sämtliche Daten zusammenlaufen und auf der mittels Machine Learning Modellen Anomalie-Erkennung und Performance-Optimierungen durchgeführt werden.

Interpretation braucht Fachwissen
Was kann sich ein Laie nun unter einem derartigen Machine Learning Modell vorstellen? Es sei weniger komplex, als es sich anhört, sagt Thomas Stütz: „Im Grunde kann man sich das Ganze vorstellen wie einen sehr, sehr cleveren Kraftwerksbetreiber, der jederzeit über sämtliche Parameter seiner Anlage Bescheid weiß und daraus die richtigen Schlüsse zieht.“ Das Machine Learning Modell lernt den Zusammenhang zwischen vielen Input-Größen aus unterschiedlichen Quellen und dem Soll-Zustand des Systems, der nach und nach definiert wird. Ist einmal ein gewisses Lern-Level erreicht, kann das Machine Learning Modell anhand von definierten Input-Größen Aussagen zum Gesamtstatus treffen und Prognosen abgeben. Auf diese Weise werden Anomalien erkennbar, die anzeigen, dass gerade etwas anders ist bzw. dass sich Parameter verändern. „Aber das ist nicht der Punkt, wo es bei uns endet. Wir haben erkannt, dass es für die Interpretation von Abweichungen ein profundes Fachwissen braucht. Und hier kommen unsere Experten ins Spiel, die nach eingehender Analyse der Datenlage dem Kunden in Form eines Reports mitteilen, was detektiert wurde und welche Maßnahmen für die Problemlösung vorgeschlagen werden. Und damit endet unser Service immer noch nicht: Denn wenn es der Kunde möchte, helfen wir ihm auch bei der Umsetzung der Maßnahmen.“ In diesem Bereich setzen die Experten von Global Hydro ganz bewusst auf die hauseigene Fachexpertise. Zusätzlich zu diesen Ad-hoc- Meldungen erhalten Kunden auch regelmäßig periodische Reports, die gleichermaßen über Tendenzen, Anomalien und Entwicklungen informieren sowie konkrete Handlungsempfehlungen beinhalten.

Evidenter Nutzen für Betreiber
Was die Data Science Plattform von Global Hydro jetzt schon kann und wie Kunden von der neuen Technologie profitieren, zeigen Praxisbeispiele aus jüngster Zeit. „Vor wenigen Wochen konnten unsere speziell dafür ausgebildeten Frequenzanalysten für einen Kunden in Island über Schadensfrequenzanalysen einen angehenden Lagerschaden detektieren, der in acht bis neun Monaten zu einem Maschinenausfall geführt hätte“, schildert Thomas Stütz einen aktuellen Anwendungsfall. Die Maschine war mit einer Datenbank der Data Science Plattform gekoppelt, die sämtliche mechanischen und elektrischen Parameter der Anlage umfasst. Über eine genaue Analyse der Frequenz konnten sich die Experten von Global Hydro ein Bild über die Restlebensdauer des Lagers machen, sodass der Betreiber der Anlage nun präzise seine Reparatur planen kann. Auf diese Weise spart er Geld,  da es zu keinen ungeplanten Ausfallszeiten kommt.
In adäquater Weise haben die Data Engineers von Global Hydro auch eine Möglichkeit zur Einschätzung von hydraulischen Blasenspeichern mittels Machine Learning entwickelt. Diese müssen ja von Zeit zu Zeit überprüft werden, was bislang nicht möglich war, ohne das Kraftwerk vom Netz zu nehmen. Aus den Analysen diverser Eingangsparameter kann über die Machine Learning Modelle nun eine Vorhersage getroffen werden, wann  der Stickstoff im Blasenspeicher nachgefüllt oder letzterer gewartet werden muss. Auch dies eröffnet dem Kunden bessere Planungsmöglichkeiten und spart ihm am Ende bares Geld.

Energiewirtschaftliche Themen im Fokus
Aktuell arbeiten Thomas Stütz und sein Team am nächsten logischen Entwicklungsschritt: einer automatischen Anpassung des Kraftwerksbetriebs an die energiewirtschaftliche Nachfrage. „Das ist ein sehr komplexes Thema, das uns wohl noch länger begleiten wird und an dem intensiv geforscht wird. Aber was wir heute schon mit unseren Machine Learning Modellen können: Wir sind in der Lage, automatisierte Fahrpläne zu hinterlegen. Das ist besonders interessant für Betreiber mit mehreren Kraftwerken, die dem Direktvermarkter gegenüber eine termingebundene Leistungsprognose abgeben müssen. Sollte der Fall eintreten, dass er aufgrund eines ungeplanten Ausfalls einer seiner Anlagen den Sollwert nicht einhalten kann, muss er in der Regel Pönale zahlen. Das lässt sich nun verhindern, indem über die Machine Learning Plattform die Leistung auf die verbleibenden Kraftwerke umgelegt wird und Maßnahmen ergriffen werden können, um den Forecast zeitgerecht anzupassen und letztlich die Strafzahlung zu vermeiden“, sagt Thomas Stütz. In diesem Bereich arbeitet die Digital Solutions von Global Hydro eng mit anderen Branchenpartnern zusammen, wie Universitäten, Fachhochschulen, Stromhändlern und großen Wasserkraftbetreibern.

Hilfestellung beim Spagat
Ein immer wichtigeres Thema wird in nächster Zukunft auch die Anpassungsfähigkeit der Wasserkraft an sich ändernde Rahmenbedingungen sein. Gerade der Klimawandel zeigt, dass sich das Abflussverhalten von Flüssen verändert – und damit auch der geforderte Einsatzbereich der Turbinen. Dabei stellt sich für Betreiber zusehends häufiger die Frage: Kann ich meine Maschine auch im Tief-Teillastbereich betreiben, dort wo ein konventioneller Maschinensatz üblicherweise unterhalb eines gewissen Minimal-Leistungsniveaus abschaltet? Diese Frage ist eben nicht leicht zu beantworten, weiß der Fachmann. Er müsse schließlich genau abwägen, ob die Gefahr der Beeinträchtigung der Turbine durch Kavitation oder der Wirtschaftlichkeitsgedanke schwerer wiegt. Thomas Stütz: „Stelle ich die Anlage ab, liegt ein wirtschaftlicher Totalausfall vor. Betreibe ich meine Maschine länger unter Kavitationsneigung bedeutet dies, dass ich mein Laufrad früher reparieren muss. Aber es kann unter gewissen Bedingungen sinnvoll sein, die Turbine auch unter Kavitationsneigung weiterlaufen zu lassen. Hier gilt es eben das wirtschaftliche Optimum zu finden. Und auch dabei liefern Machine Learning Modelle Hilfestellungen“, erklärt der Leiter der Digital Solutions. Schließlich sammelt die Data Science Plattform sämtliche Daten aus der Vergangenheit. Das permanente Tracking bringt mit sich, dass das System weiß, wie lange der Maschinensatz unter Kavitationsneigung betrieben wurde, und in der Analyse lässt sich aufzeigen, wie lange es noch Sinn macht, die Maschine in dem kritischen Bereich arbeiten zu lassen – und wann man definitiv abstellen muss. Auch hier können Betreiber einen klaren Nutzen aus dem digitalen Angebot von Global Hydro ziehen.

Der Hersteller als Mit-Nutznießer
Als Grundintention hinter der Data Science Plattform von Global Hydro steht ganz klar der Kundennutzen, allerdings zeigt sich mehr und mehr, dass auch das Unternehmen selbst viele wertvolle Erkenntnisse aus den gewonnenen Daten lukrieren kann. „Dank der umfassenden Datenmenge und deren Auswertung haben wir nun erstmalig die Möglichkeit, unsere ursprünglichen Berechnungen für eine Anlage in der Praxis exakt nachzuvollziehen und zu überprüfen. Läuft das Kraftwerk in der Praxis genau so, wie wir es ausgelegt haben? Passen unsere Berechnungsmodelle zum tatsächlichen Betrieb? Mit Antworten auf diese Fragen können wir unseren Maschinenbauingenieuren auch einen Mehrwert liefern für künftige Designs und Auslegungen“, argumentiert Stütz. Via Leitsystem bietet Global Hydro dem Betreiber bereits seit längerem die Möglichkeit, im Ernstfall auf den hausinternen Remote Support, also eine Art Hilfestellung, beim Trouble Shooting zurückzugreifen. Dabei läuft die Fehlersuche heute in zunehmenden Maß auch unter Einbindung der Data Engineers von Global Hydro. Damit werde die Fehlerfindung schneller und effektiver, ist Thomas Stütz überzeugt. Inzwischen hat die Datenauswertung aus der Data Science Plattform viele Abteilungen durchdrungen, vorrangig zu nennen den Kundenservice, die Forschungseinrichtung HydroLab sowie das Mechanical Engineering, also den Maschinenbau, die alle von hochwertigen Analysedaten profitieren. Entsprechend hoch ist heute auch der hausinterne Stellenwert der Digital Solutions bei Global Hydro.

Im Ping-Pong zum Qualitätsoptimum
Zudem zeigt sich mittlerweile, dass im Zusammenwirken sowohl einige Abteilungen des Wasserkraftspezialisten als auch die Machine Learning Modelle voneinander profitieren können. Schließlich fließen neue Erkenntnisse aus CFD-Analysen, aus der etwa neue Muschelkurven resultieren, oder aus der Materialforschung auch in die Meta-Datenbank ein. Und auf Basis dieser Daten kann die Machine Learning Plattform wieder Potenzialanalysen für den Betrieb der Anlage machen. „Die Entwicklung geht somit in beide Richtungen: Die CFD-Ingenieure im HydroLab profitieren davon zu wissen, wie die Anlage in der Praxis tatsächlich betrieben wird. Und die Machine Learning Plattform profitiert von den neuesten Auswertungen des CFD-Teams, um damit weiter zu lernen, wie sich etwa die Turbine unter gewissen Parametern am besten verhalten sollte. Also im Ping-Pong miteinander zu noch mehr Betriebsqualität“, bringt es Thomas Stütz auf den Punkt.

Herstelleroffenes System
Angesichts der erklärten Forcierung der Data Science Plattform drängt sich die Frage auf, was daneben aus den bewährten Systemen HEROS und HEROS Connect wird. Darauf angesprochen erklärt Geschäftsführer Heinz Peter Knaß: „HEROS ist und bleibt unser Steuerungssystem am Kraftwerk, das wir in den letzten annähernd 20 Jahren vom reinen Steuerungssystem zu einem echten Kraftwerksmanagementsystem ausgebaut haben und an dem natürlich auch noch weiter gearbeitet wird. Es umfasst Schaltschränke, Hardware und Software und hat den Vorteil, dass es direkt an HEROS Connect und natürlich das OCA Service (Operation and Control Assistance) angebunden werden kann. Ansonsten dient es auch als Datenlieferant für die Machine Learning Modelle.“ Er verweist in diesem Zusammenhang darauf, dass die Machine Learning Plattform dabei völlig Hersteller unabhängig agiere. Sobald es sich um ein marktübliches Steuerungssystem mit SPS handelt, sind die Data Engineers bei Global Hydro in der Lage, die Daten auszulesen und den Machine Learning Modellen zuzuführen.

Kommunikation im Mittelpunkt
Darüber hinaus liegt auch ein Fokus auf der Weiterentwicklung von HEROS Connect, das von einem Monitoringsystem für mehrere Kraftwerke in naher Zukunft zu einem Kommunikationsportal ausgebaut werden soll. Schon heute kann das System Anlagen monitoren, steuern und das Flottenmanagement übernehmen. Aber schon im nächsten Release ist eine völlig neu geschaffene Option integriert, die laut Thomas Stütz als „Ticketsystem“ funktioniert: „Der Betreiber kann damit ein akutes Problem direkt in das Forum der Experten hineinmelden. Da landen nun einerseits die ‚Tickets‘ – also die jeweiligen konkreten Anwendungsfälle – aus den Machine Learning Modellen und anderseits auch die Tickets dieser Kundenanfragen. Der Benefit liegt darin, dass der komplette Datensatz mit einem Knopfdruck durchgeschickt wird und unser Expertenteam den vollständigen Report zu dem Problem vorliegen hat. Etwa: Was war der Auslöser des Fehlers, wie war der Betriebszustand davor, wie danach? Das macht eine Problemlösung effizient und sehr schnell.“ Darüber hinaus arbeiten die Data Engineers auch an der Entwicklung eines eigenen Chatbots, der im Test bereits voll funktionsfähig ist. Er wird mit der gesamten Kraftwerkskommunikation trainiert und wird dann in der Lage sein, allgemeine und einfachere Fragen blitzschnell zu beantworten. Ist die Antwort unzureichend, kann der Kunde immer noch mit den Experten in Echtzeit-Kommunikation treten.

Technologieführerschaft im Visier
Mit ihrer neuen Data Science Plattform stellt Global Hydro heute die Speerspitze einer Entwicklung dar, die in den letzten Monaten rasant Schwung aufgenommen hat – und die auch nicht mehr Halt machen wird. Und damit wird auch die „alte“ Wasserkraft in naher Zukunft von modernsten digitalen Lösungen geprägt und durchdrungen sein. Wo genau die Reise hingeht, weiß wohl niemand ganz genau. Bei Global Hydro hat man allerdings eine ziemlich genaue Vorstellung davon, dass man an vorderster Front dieser Entwicklung dabei sein möchte und dabei sein wird. „Wir als Global Hydro nehmen heute eine Technologieführerschaft ein. Und genau so wollen wir am Markt wahrgenommen werden: Als das innovative Unternehmen, das sich seine Marktanteile über die Technologieführerschaft erarbeitet. Und da spielt natürlich unsere Digitalisierungsinitiative eine wichtige ­Rolle. Wir erarbeiten uns damit auch ein ­Alleinstellungsmerkmal, das zu einem echten Wettbewerbsvorteil wird“, sagt Geschäftsführer Heinz Peter Knaß und ergänzt: „Wir geben uns nicht mit dem aktuellen Status Quo zufrieden, denn wir sind uns bewusst: Da geht noch mehr“

Mehrwert für den Kunden
In der Geschäftsführung von Global Hydro hat man längst erkannt, dass die Geschwindigkeit der Entwicklung am Digitalsektor nicht linear, sondern exponentiell verläuft. Was heute State-of-the-Art ist, kann morgen schon Schnee von gestern sein. „Mit dem Auftreten der Künstlichen Intelligenz ist gerade ein Tipping Point, also ein Kipppunkt, in der Menschheitsgeschichte erreicht worden. Damit tun sich auch komplett neue Geschäftsfelder auf, die wir in unserem Bereich bearbeiten wollen. Wir wollen unser Unternehmen umfassend digitalisieren – eine bewusste Durchdringung aller Prozesse in unserem Haus. Darüber hinaus werden wir den Einsatz von Künstlicher Intelligenz für unsere Zwecke nutzen und werden das digitale Geschäftsfeld weiterentwickeln, weil wir fest daran glauben, dass wir damit einen echten Mehrwert für unsere Kunden schaffen können“, erklärt Heinz Peter Knaß und zeigt sich überzeugt, dass auch in der alten und als konservativ geltenden Wasserkraftbranche mehr und mehr verstanden werde, dass der Einsatz von Daten-analysierenden Tools einen echten Benefit erbringe. „Mir wurde bereits von Kundenseite zu verstehen gegeben, dass der Umgang mit der Digitalisierung bei Global Hydro für sie kaufentscheidend war. Viele Investoren sind sich der Bedeutung dieser Entwicklung bewusst. Und das gilt in verstärktem Maß auch für uns.“

Erschienen in zek HYDRO Ausgabe 4/2024