Wie Amprion mit seinen Daten chattet

Steigende Komplexität im Netzbetrieb

Amprion betreibt eines der größten Hochspannungsübertragungsnetze Deutschlands von der Nordsee bis zur Schweizer Grenze und bildet eine kritische Infrastruktur für die Versorgungssicherheit im westlichen Teil der Bundesrepublik. Mit dem fortschreitenden Umbau des Energiesystems – große Kraftwerke gehen vom Netz, Windkraft und hunderttausende kleine Solaranlagen kommen hinzu – wächst die Dynamik im System erheblich.

Für Netzbetreiber bedeutet das einerseits, dass sie in den physischen Netzausbau investieren müssen, andererseits jedoch auch einen deutlich höheren Informationsbedarf. Analysen müssen belastbarer, Szenarien flexibler und technische Informationen jederzeit verfügbar sein. Die Qualität und Zugänglichkeit von Netzassetdaten gewinnen damit an strategischer Bedeutung.

Verteilte Datenlage als strukturelles Problem

Die Netzassetdatendomäne bei Amprion verantwortet die qualitätsgesicherte Bereitstellung technischer Stammdaten zu sämtlichen Betriebsmitteln des Übertragungsnetzes – darunter Leitungen, Masten, Transformatoren und Schaltanlagen. Diese Daten sind Grundlage für Instandhaltungsmaßnahmen, Netzmodelle und Auslegungsentscheidungen.

In der Praxis sind die relevanten Informationen jedoch über verschiedene IT-Systeme verteilt. Ergänzt werden sie durch technische Dokumentationen und Herstellerunterlagen, die heterogen strukturiert und teils nur schwer maschinell auswertbar sind. Wer eine spezifische Fragestellung beantworten will, muss sich also häufig mehrere Quellen manuell erschließen, Informationen zusammenführen und interpretieren. Dieser Prozess wird mit wachsender Datenmenge immer aufwändiger.

Generative KI als Lösungsansatz

Doch die rasante Weiterentwicklung generativer KI-Modelle und von Multi-Agenten-Architekturen eröffnete einen neuen Lösungsraum. Amprion startete gemeinsam mit Materna zunächst einen Proof of Concept mit einer zentralen Fragestellung: Lassen sich bestehende Datenbestände so erschließen, dass technisches Wissen schneller verfügbar wird, ohne dabei Anforderungen an Sicherheit, Nachvollziehbarkeit und Datenqualität zu kompromittieren?

Aus diesem ersten Proof of Concept entwickelte sich eine übergreifende GenAI-Strategie für die Netzassetdomäne.

Maßnahmen gegen Halluzination

Materna hat einen strukturierten Evaluationsprozess etabliert, bei dem Agenten systematisch anhand definierter Testfälle geprüft werden. Ziel ist es, eine konsistente und reproduzierbare Antwortqualität zum Beispiel ohne Halluzinationen sicherzustellen, sodass korrekte Ergebnisse gewährleistet sind. Die Bewertung erfolgt anhand klar definierter Kriterien wie Genauigkeit, Vollständigkeit, Kontexttreue und konkreter Toolnutzung.

Die Ergebnisse werden kontinuierlich über entsprechende Dashboards überwacht und ausgewertet. Dadurch können Abweichungen frühzeitig erkannt, Trends analysiert und gezielte Optimierungsmaßnahmen abgeleitet werden, um die Qualität und Leistungsfähigkeit von Agenten nachhaltig auf einem hohen Niveau zu halten.

Iteratives Vorgehen als Erfolgsfaktor

Gemeinsam mit dem Produktteam wurden Kernfunktionen entwickelt und getestet. Dabei zeigte sich das Potenzial des Ansatzes: Systematisch eingesetzt, kann KI dazu beitragen, Datenkonsistenz langfristig zu verbessern und manuelle Prüfprozesse effizienter zu gestalten.

Die Geschwindigkeit, mit der erste verwertbare Ergebnisse erzielt wurden, ist wesentlich auf das gewählte Vorgehensmodell zurückzuführen. Bereits nach dem ersten Entwicklungssprint rund drei Wochen nach Projektstart stand eine funktionsfähige Oberfläche bereit, mit der Fachanwender erstmals reale Systemdaten interaktiv abfragen konnten.

Diese frühe Nutzbarkeit erwies sich als Sprungbrett für weitere Entwicklungen: Neue Anwendungsideen entstanden im direkten Umgang mit dem System, während gleichzeitig Verbesserungspotenziale identifiziert wurden – Erkenntnisse, die in einem rein konzeptgetriebenen Vorgehen erst deutlich später zutage getreten wären.

Begünstigt wurde der Projektverlauf durch die bestehende Zusammenarbeit beider Unternehmen: Materna hatte bereits das IT-System für Stationsdaten bei Amprion entwickelt und verfügte damit über ein tiefes Verständnis der relevanten Datenmodelle, Schnittstellen und Systemstrukturen.