RWE setzt mit HPE Private Cloud AI auf KI-gestützte Wettermodellierung

Der deutsche Energiekonzern nutzt als führendes Unternehmen im Bereich der erneuerbaren Energien die schlüsselfertige KI-Infrastrukturlösung von Hewlett Packard Enterprise (HPE), um die Prognosegenauigkeit zu verbessern und das Energieressourcenmanagement zu optimieren. [...]

RWE erweitert sein Erzeugungsportfolio durch den Bau neuer Onshore- und Offshore-Wind- und Solarparks sowie Batterien. Dabei hat die Weiterentwicklung der Wettermodellierung oberste Priorität, da das Wetter ein grundlegender Treiber für Energieangebot und -nachfrage ist, sei es für den Verbrauch oder die Produktion. (c) RWE

Hewlett Packard Enterprise (HPE) hat bekannt gegeben, dass der deutsche Energiekonzern RWE sich für HPE Private Cloud AI entschieden hat, um neue Informationen aus Wetterdaten zu erschließen. Die Forscher im RWE AI Research Laboratory werden die KI-optimierte, schlüsselfertige Private Cloud nutzen, um Wettermodelle zu bewerten, zu verfeinern und operativ einzusetzen. Damit wollen sie die Entscheidungsfindung verbessern und ihre globale Führungsrolle im Bereich der erneuerbaren Energien ausbauen.

„Als führender Anbieter erneuerbarer Energien steht RWE an vorderster Front, wenn es darum geht, den steigenden Strombedarf der modernen Welt mit der gesellschaftlichen Herausforderung des Klimaschutzes in Einklang zu bringen“, sagt Simon Tarplee, Head of Commercial AI bei RWE Supply & Trading. „Wir sehen KI als einen wichtigen Enabler, um unsere Prozesse zu optimieren und neue, nachhaltige Lösungen zu schaffen; und wir setzen uns das ehrgeizige Ziel, bis Ende 2024 eine Trainings-Lösung im produktiven Einsatz zu haben. Mit HPE Private Cloud AI erhalten wir eine schlüsselfertige Lösung, die uns hilft, unsere Prognosegenauigkeit zu verbessern und das Energieressourcenmanagement weltweit zu optimieren.“

Wettermodellierung als oberste Priorität

Mit seiner Investitions- und Wachstumsstrategie „Growing Green“ leistet RWE einen wesentlichen Beitrag zum Gelingen der Energiewende und erweitert sein Erzeugungsportfolio durch den Bau neuer Onshore- und Offshore-Wind- und Solarparks sowie Batterien. Das Unternehmen dekarbonisiert sein Geschäft im Einklang mit dem 1,5-Grad-Reduktionspfad und wird bis 2040 Netto-Null erreichen. Dazu nutzt RWE das enorme Potenzial der künstlichen Intelligenz, um neue Effizienzniveaus zu erreichen. Dabei hat die Weiterentwicklung der Wettermodellierung oberste Priorität, da das Wetter ein grundlegender Treiber für Energieangebot und -nachfrage ist, sei es für den Verbrauch oder die Produktion.

„Die Möglichkeit, KI-gesteuerte Wettermodelle fein abzustimmen und einzusetzen, wird ein wichtiger Faktor sein, um höhere Effizienzen für das RWE-Portfolio an erneuerbaren Energien zu erzielen und ihnen einen erheblichen Wettbewerbsvorteil auf dem Markt zu verschaffen“, sagte Fidelma Russo, Leiterin des Geschäftsbereichs Hybrid Cloud und Chief Technology Officer bei HPE. „HPE Private Cloud AI ist eine einzigartige, schlüsselfertige Lösung, die es den Forschern von RWE ermöglicht, Lösungen schneller auf den Markt zu bringen und riesige Datensätze zu verarbeiten.“

Schnell und einfach neue Private-Cloud-KI-Infrastrukturen bereitstellen

Mit HPE Private Cloud AI, einem wichtigen Angebot des Portfolios NVIDIA AI Computing by HPE, hat sich RWE für eine Private-Cloud-Lösung entschieden, die mit nur drei Klicks installiert werden kann, das für Wettermodelle erforderliche Datenvolumen problemlos verarbeitet und Informationen mit Retrieval Augmented Generation (RAG) effizient extrahiert. Mit dieser lokal installierten Lösung können die RWE-Forscher schnell und einfach neue Private-Cloud-KI-Infrastrukturen im Rahmen ihrer eigenen Richtlinien bereitstellen und damit KI-Projekte und -Modelle schneller über Domänen und Regionen hinweg testen und skalieren.

HPE Private Cloud AI, das gemeinsam mit NVIDIA entwickelt wurde, wird RWE über die Plattform HPE GreenLake Cloud bereitgestellt. Darüber kann das Team die Infrastruktur verwalten und beobachten, Prozesse automatisieren und Endpunkte, Workloads und Daten, einschließlich Nachhaltigkeitskennzahlen, orchestrieren. Damit kann sich das Forschungsteam voll und ganz auf die Modellentwicklung konzentrieren, Entwicklungszeiten verkürzen und RWE einen Wettbewerbsvorteil verschaffen.


Mehr Artikel

News

Große Sprachmodelle und Data Security: Sicherheitsfragen rund um LLMs

Bei der Entwicklung von Strategien zur Verbesserung der Datensicherheit in KI-Workloads ist es entscheidend, die Perspektive zu ändern und KI als eine Person zu betrachten, die anfällig für Social-Engineering-Angriffe ist. Diese Analogie kann Unternehmen helfen, die Schwachstellen und Bedrohungen, denen KI-Systeme ausgesetzt sind, besser zu verstehen und robustere Sicherheitsmaßnahmen zu entwickeln. […]

Be the first to comment

Leave a Reply

Your email address will not be published.


*