Post by Torsten S.

🚄⚡ KI macht Schweizer Bahnstrom-Prognosen deutlich präziser Ein Forschungsteam der EPFL hat gemeinsam mit den SBB CFF FFS ein KI-Modell entwickelt, das den Strombedarf im Bahnnetz für den Folgetag wesentlich genauer vorhersagt als bisherige Ansätze. Der Schlüssel: Statt sich nur auf historische Verbrauchsdaten zu stützen, fliessen zusätzlich Fahrpläne, Betriebsdaten und Wetterprognosen in die Vorhersage ein. Die Ergebnisse sind beeindruckend: 📉 -26,6% durchschnittlicher Prognosefehler 📉 bis zu -80% Fehlerreduktion an atypischen Betriebstagen (z.B. bei Grossanlässen oder Störungen) Doktorand Raffael Theiler bringt es auf den Punkt: "Ich glaube nicht an Prognosen, die ausschliesslich auf Vergangenheitsdaten beruhen. Planungsdaten der Betreiber liefern oft deutlich bessere Hinweise." Spannend: Die Forschenden sehen grosses Potenzial, den Ansatz auf andere Branchen zu übertragen – etwa Fertigung, Logistik oder Supply-Chain-Management. Ein weiteres gutes Beispiel dafür, wie durch die intelligente Kombination von Kontextdaten und KI reale operative Verbesserungen erzielt werden können – nicht nur im Energiesektor. Inside IT 👉 Wer nutzt in seinem Unternehmen bereits ähnliche Ansätze zur Prognoseoptimierung? #KI #MachineLearning #EPFL #SBB #Energiemanagement #Innovation #Schweiz