Open-Weight-Modelle in der Lastprognose: Wo sie für Stadtwerke tragen
Quelloffene Prognosemodelle sind reif genug für den Versorger-Alltag. Entscheidend ist nicht das Modell, sondern die Datenbasis.
Die kurzfristige Lastprognose ist für ein Stadtwerk kein akademisches Problem, sondern eine Frage der Beschaffungskosten. Wer den Verbrauch des Folgetags präziser trifft, muss weniger teuren Ausgleichsenergie- oder Intraday-Strom nachkaufen. Genau hier verschiebt sich gerade der Markt: Quelloffene Modelle für Zeitreihen sind in den vergangenen Jahren so weit gereift, dass sie für viele Versorger eine ernsthafte Alternative zu kommerziellen Prognosediensten geworden sind.
Der Algorithmus ist selten das Nadelöhr
In der Praxis entscheidet weniger die Wahl zwischen Gradient-Boosting-Verfahren, klassischen statistischen Modellen oder neuronalen Netzen über die Prognosegüte. Den größeren Hebel bilden die Eingangsdaten: Eine saubere Wetterintegration — Temperatur, Globalstrahlung, Wind — und lückenlose, zeitlich korrekt zugeordnete Messwerte aus dem Smart-Meter-Rollout verbessern die Prognose meist deutlicher als ein Wechsel des Modelltyps.
Was Open Weight konkret ändert
Frei verfügbare Modelle senken die Lizenzkosten und machen die Prognose nachvollziehbar: Versorger können nachvollziehen, welche Merkmale das Ergebnis treiben, und das Modell auf das eigene Netzgebiet zuschneiden. Der Preis dafür ist Eigenleistung — Datenpipeline, Betrieb und Monitoring liegen im Haus. Für Stadtwerke mit knappen Datenkapazitäten kann ein kommerzieller Dienst weiterhin der pragmatischere Weg sein.
Empfehlung für den Einstieg
Sinnvoll ist ein nüchterner Vergleich gegen die bestehende Prognose über mehrere Monate und Lastsituationen — Sommerschwachlast, Winterspitze, Feiertage. Erst dieser Backtest zeigt, ob der Wechsel den internen Aufwand rechtfertigt.