Die Frage nach dem Einsatz von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) bei der Entwicklung intelligenter Netze ist Teil der öffentlichen Debatte über die Energiewende geworden. Der Schwerpunkt der Technikfolgenabschätzung (TA) und der sozialwissenschaftlichen Forschung lag jedoch lange Zeit auf der angestrebten Veränderung der Energieverbraucher zu „Prosumenten“ (Verbraucher + Erzeuger) durch KI-/ML-basierte Maßnahmen. Die Dimension des Netzbetriebs sowohl auf der überregionalen Ebene des Übertragungsnetzbetreibers (ÜNB) als auch auf der regionalen Ebene des Verteilernetzbetreibers (VNB) wurde dabei eher wenig spezifiziert – trotz der grundlegenden Umstrukturierungen und den daraus resultierenden Implikationen, die der angestrebte Umbruch innerhalb sowie zwischen diesen Domänen mit sich bringt.

Die Dissertation zielt darauf ab, diese bisher wenig erforschten Dimensionen anzugehen, indem sie die Herausforderungen untersucht, die sich aus der Implementierung von KI- und ML-gestützten Verfahren ergeben. Insbesondere werden die Auswirkungen auf etablierte Standards der Verständlichkeit und Nachvollziehbarkeit von Entscheidungen, die erhöhte Komplexität und Notwendigkeit der Koordination zwischen der ÜNB- und VNB-Ebene sowie die Notwendigkeit des Verständnisses und Managements von Verhaltensprofilen der wachsenden Anzahl von Akteuren als Vertrauensfragen für den Netzbetrieb untersucht. Um die Bedeutung von Vertrauen als entscheidenden Faktor bei den geplanten Veränderungen des Energienetzes als soziotechnische Konfiguration zu unterstreichen, stützt sich diese Dissertation auf Literatur aus den Bereichen Energiepolitik, Technikfolgenabschätzung sowie verwandter Disziplinen. Der konzeptionelle Rahmen umfasst Perspektiven aus der Technikfolgenabschätzung, den Science Technology Studies und der Erwartungssoziologie (sociology of expectations).

Methodisch verfolgt dieses Dissertationsprojekt einen kumulativen Ansatz vor dem Hintergrund der sozio-technischen Integrationsforschung (STIR) mit ihren Entscheidungsprotokollen, qualitativen Experteninterviews und der Dokumentenanalyse. Die empirische Untersuchung konzentriert sich auf die am Karlsruher Institut für Technologie durchgeführte Forschung zu zukünftigen Energiesystemen sowie auf die Prognosen der Energieerzeugung und -nachfrage, die Flexibilitätsmodellierung und den Aufbau eines reaktionsfähigen Systems durch Betreiber auf der Ebene der ÜNB und VNB.

Dieses kumulative Dissertationsprojekt betont die Dringlichkeit, mit der Vertrauen bei der Transformation des Systems zur Energieerzeugung, -verteilung und -nutzung berücksichtigt werden muss. Es unterstreicht, dass dieses transformative Vorhaben kein (rein) technisches, sondern ein sozio-technisches Unterfangen mit tiefgreifenden Auswirkungen auf unsere gesellschaftliche Zukunft ist.

Dieses Dissertationsprojekt wird von den folgenden Fragen geleitet:

• Welche Rolle spielt Vertrauen bei der Entwicklung und Einbettung von KI- und ML-gestützten sozio-technischen Energienetzkonfigurationen und entsprechenden Praktiken („Smart Grid“), insbesondere auf den Ebenen des Netzbetriebs?
• Wie sind Konzeptionen von Vertrauen, von KI- und ML-gestützten Praktiken und von Flexibilität als zentrale Ressourcen im Diskurs über das Energienetz als KI- und ML-gestütztes sozio-technisches System miteinander verknüpft und miteinander korrespondierend?
• Welche Vertrauensdimensionen, die im Rahmen der ersten Projektphase des ITAS-Projekts „Gesellschaftliches Vertrauen in lernende Systeme“ identifiziert wurden, sind im Diskurs über das Energienetz als KI- und ML-gestütztes sozio-technisches System besonders hervorstechend und/oder umstritten?
• Wie ist Vertrauen in die Art und Weise eingebettet, wie die universitäre Forschung die Wechselwirkungen der Komponenten zukünftiger Energiesysteme konzeptualisiert, erforscht und analysiert, um daraus Lösungen für eine erfolgreiche Einbindung der fluktuierenden erneuerbaren Energiequellen zu generieren?
• Wie ist Vertrauen in die KI- und ML-gestützte Vorausplanung der Energieerzeugung und -nachfrage, in die Flexibilitätsmodellierung und in den Aufbau reaktionsfähiger Systeme durch Netzbetreiber eingebettet, insbesondere in Bezug auf die Anforderungen an den Netzbetrieb und die erwarteten Verantwortlichkeiten der Netzbetreiber, die sich aus der Entwicklung und Einbettung KI- und ML-gestützter soziotechnischer Energienetzkonfigurationen und entsprechender Praktiken („Smart Grid“) ergeben?

Tel.: 0721 608-26195
E-Mail