Die Einführung eines intelligenten Energiemanagements für das sektorengekoppelte Energiesystem bietet Chancen für innovative Lösungen und Technologien. Durch die Integration erneuerbarer Energien wie Photovoltaik, Windkraftanlagen und Blockheizkraftwerke sowie der Nutzung von Wärme- und Kältespeichern können die Systeme flexibler und unabhängiger von externen Energieversorgern werden. Die Reduktion des CO₂-Fußabdrucks, der auftretenden Lastspitzen und der anfallenden Kosten können dabei als Optimierungsziel ausgewählt werden.
Im Rahmen der Bachelorarbeit wird ein bestehendes Lastprofil-Analyse-Tool in eine Python-basierte Webanwendung (Django oder Flask) überführt, die als grafisches Nutzerinterface das Hochladen, Analysieren und Visualisieren von Lastgangdaten ermöglicht. Die Analyseergebnisse (Zeitverläufe, Jahresdauerlinien, Lastspitzenanalysen, Kennzahlen) werden im Browser dargestellt. Zusätzlich werden Large Language Models (LLMs) über eine Python-Schnittstelle integriert, um auf Basis der berechneten KPIs und Lastgangcharakteristiken eine automatisierte textuelle Bewertung zu generieren (z. B. Auffälligkeiten, Einordnung von Lastspitzen, Optimierungspotenziale). Ein zentraler Bestandteil der Arbeit ist der systematische Vergleich verschiedener lokal lauffähiger Sprachmodelle (z. B. Fraunhofer-gehostete Modelle, lokal gehostete Open-Weight-Modelle wie LLaMA, Mistral oder Deepseek) hinsichtlich Korrektheit der Interpretationen, Laufzeit und Modellgröße. Dabei ist entscheidend, dass die Modelle auf normaler Arbeitsplatz-Hardware in akzeptabler Zeit lauffähig sind.
Betreuer: Tobias Beck, Liv Herzer
Für Studienfächer: EEI, Mechatronik, Energietechnik
Frühest möglicher Beginn: sofort
Verantwortlicher: Prof. Dr.-Ing. Martin März