Was ist KI-Energie? Die Grundlagen erklärt

Künstliche Intelligenz (KI) modernisiert die Erzeugung, Verteilung und Nutzung von Energie und verändert damit die Spielregeln im Energiesektor. Die fortschrittliche Technologie optimiert nicht nur Abläufe und senkt Kosten, sondern stärkt auch die Zuverlässigkeit heutiger Energiesysteme. Trotz ihrer zahlreichen Vorteile steht KI im Energiebereich jedoch auch vor ernsthaften Herausforderungen, die bewältigt werden müssen – etwa im Zusammenhang mit dem Energieverbrauch der Technologie. 

Während die Welt von fossilen Brennstoffen auf nachhaltige Alternativen umsteigt, ist es entscheidend, die Fähigkeiten von KI zu verstehen, umfangreiche Datensätze aus Stromnetzen zu analysieren und Echtzeitprognosen zur Optimierung der Energieerzeugung zu erstellen. So lassen sich Schwankungen bei Energieangebot und -nachfrage vorhersehen. Dieses Verständnis ermöglicht eine bessere Nutzung erneuerbarer Energiequellen und ebnet den Weg in eine stabilere und umweltfreundlichere Energiezukunft.

DIE WICHTIGSTEN ERKENNTNISSE

• •Der Einsatz von KI in der Energiebranche bietet zahlreiche Vorteile, darunter höhere Effizienz und geringere Kosten, einen verbesserten Energieschutz, datengestützte Entscheidungsfindung sowie zuverlässigere Sicherheitsmaßnahmen. (Zum Abschnitt springen)
• •Zu den Herausforderungen beim Einsatz von KI im Energiesektor gehören Datenschutz und Datensicherheit, eine kostspielige Implementierung, technologische und betriebliche Anforderungen sowie ein erheblicher Energiebedarf. (Zum Abschnitt springen)
• •GE Vernova, Constellation und Siemens Energy gehören zu den Unternehmen, die bei der Integration von KI in energiebezogene Prozesse und die vorausschauende Wartung führend sind. Sie zeigen, wie KI den Energiesektor neu gestalten kann. (Zum Abschnitt springen)

Was ist KI-Energie?

„KI-Energie bezeichnet die Anwendung von künstliche Intelligenztechnologien im Energiesektor, um die Effizienz und Wirksamkeit der Energieerzeugung, -verteilung und des Energieverbrauchs zu steigern. Dieser bahnbrechende Fortschritt nutzt fortschrittliche Rechenverfahren, um umfangreiche Datensätze aus miteinander verbundenen Stromnetzen zu analysieren. Durch die Verbesserung der betrieblichen Zuverlässigkeit spielt KI-Energie eine wichtige Rolle bei der Prognose von Stromangebot und -nachfrage, der Integration erneuerbarer Energiequellen und der Automatisierung von Entscheidungsprozessen. KI definiert neu, wie die Energiebranche zentrale Herausforderungen bewältigt und ihre Gesamtleistung steigert.

Fünf Anwendungen von KI im Energiebereich

KI macht Fortschritte im Energiesektor, indem sie das Energiemanagement systematisiert und nachhaltige Praktiken in verschiedenen Bereichen unterstützt.

Zu den KI-Anwendungen im Energiesektor gehören die Regulierung erneuerbarer Energien, Netzmanagement und Netzstabilität, die Modernisierung der Infrastruktur und Optimierung des Verbrauchs, die Unterstützung der vorausschauenden Wartung sowie Prognosen für die Energiemärkte.

KI bei erneuerbaren Energien

KI optimiert verschiedene Prozesse, darunter Energieerzeugung, -speicherung und -prognosen. Sie spielt eine wichtige Rolle bei der Verbesserung der Zuverlässigkeit, Skalierbarkeit und Verwaltung erneuerbarer Energiesysteme – auf folgende Weise:

• Management erneuerbarer Energien: KI-Algorithmen passen den Betrieb erneuerbarer Systeme wie Windturbinen und Solarmodule an und verbessern die Energieerzeugung, damit sie dem Echtzeitverbrauch und den Anforderungen des Stromnetzes entspricht.
• Prognosen für erneuerbare Energien: Durch die Analyse historischer Daten, von Wettermustern und Verbrauchstrends prognostizieren KI-Modelle die Energienachfrage. Dies führt zu einer ausgewogeneren Energieverteilung.
• Management der Energiespeicherung: Fortschrittliche Machine-Learning-Verfahren unterstützen das Energiespeichermanagement und optimieren Lade- und Entladezyklen, um die Stromversorgung zu maximieren. Außerdem stabilisieren sie das Netz in Umgebungen mit schwankender erneuerbarer Energieerzeugung.

KI im Netzmanagement und bei der Netzstabilität

Der Umgang mit der Netzinfrastruktur wird durch die Integration von KI immer anspruchsvoller, wodurch die Stabilität steigt und Reaktionszeiten verkürzt werden. Zu den häufigsten Anwendungen gehören:

• Management intelligenter Stromnetze: Cloud-verbundene KI-Systeme erleichtern das bessere Management von Energieerzeugung und -verteilung in intelligenten Stromnetzen. Diese Systeme erkennen Phasen hoher Nachfrage im Voraus und leiten Energie effektiv um, um die Netzleistung aufrechtzuerhalten.
• Netzstabilität und Anomalieerkennung: Durch die automatisierte Überwachung mit KI können Unternehmen den Zustand des Stromnetzes kontinuierlich bewerten. Sie hilft dabei, potenzielle Fehler vorherzusagen und auf Störungen zu reagieren, bevor diese zu größeren Problemen eskalieren.
• Optimierung der Laststeuerung: Durch die Analyse von Verbrauchsdaten regulieren KI-Tools die Energielasten während Spitzenzeiten intelligent. Das reduziert die Belastung des Stromnetzes, verhindert Stromausfälle und verbessert zugleich die Abläufe.

KI in Infrastruktur und Verbrauch

KI verändert die Art und Weise, wie Energie in Haushalten, Gebäuden und Verkehrssystemen verbraucht und verwaltet wird. Zu den weit verbreiteten Anwendungen gehören:

• Intelligente Häuser und Gebäude: KI-gestützte Systeme in intelligenten Häusern und Gebäuden automatisieren den Energieverbrauch. Diese Tools passen Beleuchtung, Heizung und Kühlung anhand von Echtzeitinformationen an, um den Komfort zu priorisieren und den Verbrauch zu senken.
• Ladeinfrastruktur für Elektrofahrzeuge: KI-Technologien verbessern die Ladeinfrastruktur für Elektrofahrzeuge, indem sie Ladepläne anpassen. Dadurch wird die Lastverteilung ausgeglichen, um das Stromnetz zu entlasten und die Umweltbelastung zu minimieren. Außerdem ermöglichen KI-Apps eine positive Nutzererfahrung, indem sie über die Verfügbarkeit von Ladestationen, Wartezeiten und Ladekosten informieren.
• Optimierung des Energieverbrauchs: Datengestützte Algorithmen verfolgen den Energieverbrauch in Gebäuden und decken Ineffizienzen auf. Darüber hinaus nehmen KI-Lösungen automatisch Korrekturen vor, um Verschwendung zu reduzieren, die Nachhaltigkeit zu verbessern und letztlich Kosten zu senken.

KI bei der vorausschauenden Wartung

In Energiesystemen optimiert KI Wartungsprotokolle, verlängert die Lebensdauer von Anlagen und verringert unerwartete Ausfälle. Sie wird häufig in folgenden Anwendungen eingesetzt:

• Wartung von Energiesystemen: Prognosemodelle sagen Geräteschäden voraus, indem sie Nutzungsmuster, Wetterdaten und Betriebskennzahlen analysieren. So können Unternehmen rechtzeitig eingreifen, bevor kostspielige Ausfälle auftreten.
• Überwachung von Kernkraftwerken: Die kontinuierliche KI-gestützte Überwachung kerntechnischer Anlagen erkennt Anomalien frühzeitig. Dadurch können Energieunternehmen das Risiko einer Strahlenbelastung und Fehlfunktionen der Systeme verhindern.
• Überwachung von Windturbinen: KI wertet Daten von Sensoren aus, die an Komponenten von Turbinen wie Rotorblättern und Generatoren installiert sind. Diese Sensoren erfassen kontinuierlich Vibrationen, Temperatur und Betriebsleistung, um frühe Anzeichen von Verschleiß und mögliche Ausfälle zu erkennen. So können Betreiber Wartungen planen, bevor ernsthafte Probleme entstehen, und Ausfallzeiten minimieren.

KI auf den Energiemärkten

KI prägt die Funktionsweise der Energiemärkte, treibt die Öl- und Gasexploration voran und liefert Unternehmen wie Verbrauchern wertvolle Erkenntnisse. Durch die Optimierung betrieblicher Prozesse ermöglicht sie eine bessere Servicequalität auf breiter Ebene. Zu den häufigsten Anwendungen im Energiebereich gehören:

• Energiehandel: KI-Modelle können Marktvariablen wie Nachfrage, Angebot und Wetterbedingungen analysieren, um Trends vorherzusagen und Handelsstrategien entsprechend anzupassen. Darüber hinaus kann KI durch die Analyse historischer Daten wiederkehrende Verhaltensmuster von Wettbewerbern erkennen.
• Öl- und Gasexploration: KI unterstützt die Exploration, indem sie geologische Daten bewertet, Bohrstrategien überarbeitet und das Potenzial von Lagerstätten präzise ermittelt. KI-Modelle helfen dabei, optimale Bohrlochstandorte zu identifizieren und Produktionsergebnisse vorherzusagen. Sie fördern eine effizientere Rohstoffgewinnung und steigern dadurch die Rentabilität von Öl- und Gasbetrieben.
• Generative KI für Energieempfehlungen: Auf Grundlage des bisherigen Verbrauchsverhaltens von Kunden, der Marktpreise und der Energieverfügbarkeit kann generative KI personalisierte Empfehlungen zur Energienutzung, zu Tarifplänen und zu Sparstrategien geben. Das stärkt die Kundenbindung von Unternehmen.

Vorteile von KI in der Energiebranche

Die Einführung von KI in der Energiebranche verändert Energieerzeugung, -management und -verbrauch und bringt eine Reihe wichtiger Vorteile mit sich. Diese Fortschritte fördern Innovationen und unterstützen globale Nachhaltigkeitsziele. Damit wird der Energiesektor auf eine sauberere und widerstandsfähigere Zukunft vorbereitet.

Höhere Effizienz und geringere Kosten, ein besserer Energieschutz sowie datengestützte Entscheidungsfindung gehören zu den Vorteilen von KI im Energiesektor.

Höhere Effizienz und geringere Kosten

KI steigert die Effizienz deutlich, indem sie komplexe Prozesse automatisiert und umfangreiche Datensätze aus Energiesystemen analysiert. Sie optimiert die Energieerzeugung, indem sie die Nachfrage präzise vorhersagt und Produktionspläne anpasst. Diese Abstimmung reduziert Energieverschwendung und senkt Kosten, da Kraftwerke ihre Leistung an die Verbrauchsmuster anpassen können. Darüber hinaus minimiert die KI-gestützte vorausschauende Wartung die Ausfallzeiten von Anlagen und senkt Wartungskosten, was zu erheblichen Einsparungen führt.

Verbesserter Energieschutz

KI erkennt Prozessineffizienzen und empfiehlt durch die Untersuchung von Energieverbrauchsmustern Anpassungen an Strategien. Intelligente Stromnetze regulieren beispielsweise Energieflüsse dynamisch, ermöglichen eine reibungslose Energieverteilung und reduzieren unnötigen Verbrauch. KI-Technologien gleichen zudem die schwankende Erzeugung aus Wind- und Solarenergie mit dem Bedarf des Stromnetzes ab und minimieren so Energieverschwendung.

Verbesserte Entscheidungsfindung

Die großen Datenmengen, die von Energiesystemen erzeugt werden, können menschliche Bediener überfordern und es schwierig machen, aussagekräftige Erkenntnisse zu gewinnen. Mit fortschrittlicher Analytik und Machine-Learning-Algorithmen ermöglicht KI Energieunternehmen jedoch, diese Daten effektiv zu verstehen und umsetzbare Erkenntnisse daraus abzuleiten. Neben der Stabilisierung von Energieerzeugung und -verteilung erhöht dies die Zuverlässigkeit des Stromnetzes, indem Anomalien erkannt und Ausfälle vorhergesagt werden. Mit präziseren Prognosen können Entscheidungsträger Energiequellen effektiv verwalten und Umweltziele erreichen.

Mehr Sicherheit und Schutz

Der Einsatz von KI stärkt Sicherheitsmaßnahmen und bietet robusten Schutz sowohl vor betrieblichen Gefahren als auch vor Cyberbedrohungen. KI untersucht Muster und Verhaltensweisen in Energiesystemen und markiert Unregelmäßigkeiten, die auf Cyberangriffe hindeuten können. So können Cybersicherheitsteams schnell eingreifen und die Systemabwehr stärken. Darüber hinaus gewährleistet KI die Sicherheit am Arbeitsplatz, indem sie Umweltbedingungen und betriebliche Prozesse überwacht. Unternehmen können darauf vertrauen, dass Protokolle eingehalten werden und Maschinen ordnungsgemäß funktionieren. Energieunternehmen können Unfallrisiken reduzieren und Beschäftigte vor gefährlichen Situationen schützen.

Herausforderungen und Grenzen von KI im Energiebereich

KI besitzt zwar ein enormes Potenzial, den Energiesektor umzugestalten, steht aber auch vor zahlreichen Herausforderungen und Einschränkungen, die bewältigt werden müssen. Diese Hürden zu überwinden ist notwendig, um die Fähigkeiten von KI optimal zu nutzen und die Stabilität und Sicherheit der Energieversorgung der Zukunft zu gewährleisten.

Zu den Herausforderungen und Grenzen von KI im Energiesektor gehören Datenschutz und Datensicherheit, kostspielige Implementierung, technologische und betriebliche Anforderungen sowie ein enormer Energiebedarf.

Bedenken hinsichtlich Datenschutz und Datensicherheit

Unternehmen der Energiebranche erzeugen und verarbeiten große Mengen sensibler Daten – von Verbrauchsmustern bis hin zu Netzbetriebsdaten. Da KI-Lösungen für das Training von Modellen und die Erstellung von Prognosen stark auf diese Daten angewiesen sind, steigt das Risiko von Datenschutzverletzungen und Cybersicherheitsbedrohungen. Der Schutz dieser Daten und die Einhaltung der Datenschutzvorschriften bleiben ein zentrales Anliegen – insbesondere heute, da sich Vorschriften ständig ändern und Cyberangriffe immer ausgefeilter werden.

Hohe Implementierungskosten

Die Integration von KI in bestehende Energieinfrastrukturen ist teuer. Die Anschaffung neuer Hardware, die Aktualisierung von Software und die Schulung von Personal können kostspielig und für manche Unternehmen unerschwinglich sein. Zudem erfordert das Training von KI-Modellen erhebliche Rechenleistung – insbesondere bei generativen KI-Technologien, die deutlich mehr Strom verbrauchen als herkömmliche Systeme. Mit zunehmender Leistungsfähigkeit von KI steigt auch der Bedarf an weiteren Rechenzentren, was die Betriebskosten zusätzlich in die Höhe treibt.

Technologische und betriebliche Herausforderungen

Der Einsatz von KI im Energiesektor bringt eine Mischung aus technologischen und betrieblichen Herausforderungen mit sich. Zunächst wurden viele Altsysteme lange vor dem Aufkommen von KI entwickelt und sind nicht auf diese Technologie ausgelegt. Das führt zu Kompatibilitätsproblemen und verlangsamt die Implementierung. Erneuerbare Energiequellen wie Solar- und Windenergie sind unvorhersehbar, und KI muss flexibel genug sein, um diese Schwankungen zu bewältigen und gleichzeitig das Stromnetz stabil zu halten. Schließlich erfordert die Skalierung von KI-Lösungen in umfangreichen Netzwerken Ressourcen im großen Maßstab, was die Einführung zusätzlich erschwert.

Erheblicher Energiebedarf

KI kann Energiesysteme zwar erheblich optimieren, doch es gibt berechtigte Bedenken hinsichtlich des erheblichen Energiebedarfs im Zusammenhang mit ihrer Implementierung. Da leistungsfähige KI-Modelle mehr Energie benötigen, können sie unsere ohnehin überlasteten Stromnetze zusätzlich belasten. Die fortlaufende Entwicklung von KI-Technologien wirft die Frage auf, ob ihr Energieverbrauch tatsächlich den Zielen der Branche widerspricht, die CO2-Emissionen zu senken und Nachhaltigkeit zu fördern.

3 fortschrittliche KI-Energieunternehmen im Blick

Mehrere renommierte Unternehmen geben im Energiesektor das Tempo für KI-gestützte Innovationen vor und setzen diese fortschrittliche Technologie ein, um zentrale Herausforderungen zu bewältigen. Von der Steigerung der betrieblichen Effizienz bis zur Sicherung einer nachhaltigen Zukunft zeigen diese KI-Unternehmen wie KI die Verwaltung von Energie verändert.

GE Vernova

General Electric (GE) Vernova ist mit einem breiten Spektrum an Lösungen für erneuerbare Energien, Energieerzeugung und digitale Technologien führend im Bereich KI-Energie. GE Vernova setzt KI ein, um die Energieerzeugung zu regulieren und die Netzstabilität zu sichern. Eine bemerkenswerte KI-Anwendung ist die Asset-Performance-Management-(APM-)Software, die die Überwachung und Inspektion von Energieanlagen automatisiert. Das autonome Inspektionswerkzeug wandelt visuelle Daten in verwertbare Erkenntnisse um und verringert Sicherheitsrisiken, etwa für Beschäftigte, die gefährliche Inspektionen in großer Höhe durchführen. Mit einem starken Fokus auf Dekarbonisierung verfolgt das Unternehmen das Ziel, verantwortungsvolle und erschwingliche Energielösungen bereitzustellen und gleichzeitig die Klimaneutralität bis 2030 anzustreben. Die Integration von KI in sein vielfältiges Portfolio macht GE zu einem wichtigen Akteur beim anhaltenden Übergang zu sauberer Energie.

Constellation

Constellation, auch Constellation Energy genannt, ist eines der größten Unternehmen für CO2-freie Energieerzeugung in den USA. Das Unternehmen setzt KI aktiv in seinen Betriebsabläufen ein, insbesondere in seiner Flotte von Kernreaktoren. Durch die Zusammenarbeit mit Blue Wave AI Labs nutzt Constellation Machine-Learning-Tools, um Reaktorsensoren zu überwachen und zu erkennen, wenn diese ihre Kalibrierung verlieren. So werden unerwartete Abschaltungen verhindert und die Sicherheit erhöht. Diese Tools helfen außerdem dabei, den Brennstoffverbrauch zu optimieren, Abfall zu minimieren und die Kosten in den Reaktoren des Unternehmens zu senken. Constellation hat kürzlich einen 20-jährigen Stromabnahmevertrag mit Microsoft abgeschlossen. Dieser Vertrag wird Microsoft mit 835 Megawatt CO2-freiem Strom für seine KI-Rechenzentren versorgen. Die Partnerschaft unterstreicht das Engagement des Unternehmens für die Dekarbonisierung, indem Kernenergie als zuverlässige, CO2-freie Energiequelle zur Unterstützung technologischer Fortschritte genutzt wird.

Siemens Energy

Siemens Energy, ein weiterer Vorreiter im Energiesektor, setzt KI umfassend in seinen Betriebsabläufen ein, insbesondere zur Verbesserung von Netzmanagement, Energieerzeugung und Systemleistung. Das DynaGridCenter in Deutschland nutzt Echtzeit-Datenanalysen, um komplexe Energieflüsse aus erneuerbaren Quellen wie Wind- und Solarenergie zu steuern. Siemens Energy konzentriert sich auf digitale Zwillingstechnologien, um die Leistung von Energieanlagen zu simulieren. So wird sichergestellt, dass sie unter optimalen Bedingungen arbeiten und gleichzeitig Ausfallzeiten reduziert werden. Zudem hat das Unternehmen die Energiemanagement-Tools Power Intelligence entwickelt, die Lastabwurf zur Vermeidung von Stromausfällen mit der Steuerung der Energieerzeugung verbinden und so eine stabilisierte Energienutzung ermöglichen.

3 KI-Energiekurse zum Weiterlernen

Diese Online-Kurse zu KI und Energie untersuchen, wie KI unseren Umgang mit Energie verändert und Herausforderungen des Klimawandels bewältigt. Sie erläutern, wie KI erneuerbare Energien unterstützen, Netzabläufe vereinfachen und Umweltprobleme bekämpfen kann. Außerdem vermitteln sie Lernenden die nötigen Werkzeuge, um moderne Energieprobleme zu bewältigen und zu verstehen, wie Technologie grüne Initiativen stärken kann.

KI und Klimawandel auf Coursera

Der Kurs „AI and Climate Change“ auf Coursera ist Teil der Spezialisierung „AI for Good“ von DeepLearning.AI. Er bietet eine umfassende Einführung in den Einsatz von KI zur Bewältigung der Herausforderungen des Klimawandels, einschließlich ihrer Rolle im Energiesektor. Der Lehrplan umfasst vier Module und behandelt die Mechanismen des Klimawandels, die Überwachung der biologischen Vielfalt sowie die Modellierung erneuerbarer Energiequellen wie Windkraft mithilfe von KI-Verfahren. Außerdem wird erläutert, wie KI Energieverbrauchsmuster regulieren und das Netzmanagement verbessern kann. Der Kurs umfasst Videos, Lektüren und Quizze und dauert schätzungsweise insgesamt 14 Stunden. Für die Anmeldung ist ein monatliches Abonnement von Coursera Plus für 59 US-Dollar erforderlich. Der Kurs richtet sich an Anfänger und setzt keine Vorkenntnisse in KI voraus.

Transforming the Grid: AI, Renewables, Storage, EVs, and Prosumers auf Stanford Online

Der von der Stanford University angebotene Kurs „Transforming the Grid: AI, Renewables, Storage, EVs, and Prosumers“ bietet eine eingehende Untersuchung von Technologien für Stromnetze mit Schwerpunkt auf der Integration von KI und Machine Learning. Behandelt werden grundlegende Themen wie die Rolle von KI beim Management erneuerbarer Energiequellen, von Energiespeichersystemen und von Elektrofahrzeugen. Außerdem lernen die Teilnehmenden, Preis- und Tarifmodelle für Speicher- und Szenarien mit erneuerbaren Energien zu berechnen. Der Online-Kurs dauert sechs Stunden und gibt den Lernenden 60 Tage Zeit, die Materialien im eigenen Tempo zu bearbeiten. Der Kurs kostet 395 US-Dollar und ist Teil des einjährigen Abonnementplans von Stanford Online für 1.975 US-Dollar. Er richtet sich an Fachleute aller Erfahrungsstufen; ein Hintergrund in Ingenieurwesen oder Energie ist nicht erforderlich.

Intelligent and Integrated Energy Systems auf edX

Der Kurs „Intelligent and Integrated Energy Systems“ von DelftX auf edX vermittelt Lernenden die Fähigkeiten, Energiesysteme mithilfe von Digitalisierung und KI zu modernisieren. Das Programm konzentriert sich darauf zu bewerten, wie KI und Machine Learning die Flexibilität von Stromnetzen und das Energiemanagement verbessern und durch Elektromobilität und elektrifizierte Wärmeversorgung den CO2-Fußabdruck reduzieren. Es besteht aus vier Kursen zum Kompetenzaufbau, die in etwa sechs Monaten abgeschlossen werden können, und umfasst benotete Aufgaben und Prüfungen. Obwohl auf der Website keine besonderen Voraussetzungen genannt werden, kann ein grundlegendes Verständnis von Energiesystemen hilfreich sein. Das gesamte Zertifikatsprogramm kostet 596 US-Dollar.

Häufig gestellte Fragen (FAQs)

Fazit: Die Rolle der KI bei der Gestaltung der Energiezukunft

Die KI entwickelt sich weiter, und ihre Fähigkeit, Effizienz und Nachhaltigkeit voranzutreiben, wird zunehmend unbestreitbar. Dennoch ist es unerlässlich, die Herausforderungen, die die Einführung von KI in der Energiebranche mit sich bringt, sorgfältig abzuwägen – insbesondere den Energieverbrauch. Innovation und Verantwortung miteinander in Einklang zu bringen, ist ein Muss , da immer mehr Unternehmen auf KI zu setzen beginnen. Die laufenden Entwicklungen im Bereich KI und Energie werden sich erheblich auf die betrieblichen Abläufe und das Ressourcenmanagement sowohl von KI-Start-ups als auch von globalen Unternehmen auswirken und die künftige Ausrichtung der Branche prägen.

Lesen Sie unseren Artikel über 10 KI-Trends , um der Entwicklung voraus zu sein und Einblicke in die aufkommenden Entwicklungen im Bereich KI zu gewinnen.