Für ein optimiertes wertebasiertes Asset-Management ist es entscheidend, den Eintritt relevanter Ereignisse möglichst präzise vorherzusagen. Dafür bietet sich ein Predictive-Maintenance-Ansatz an, bei dem insbesondere datenbasierte Zusammenhänge zwischen dem Zustand und der Eintrittswahrscheinlichkeit von Ereignissen abzuleiten sind. Die Kenntnis solcher Zusammenhänge bildet die wesentliche Grundlage zur optimalen Ausrichtung von Instandhaltungs- und Erneuerungs-Strategien zum Beispiel für Ortsnetzstationen. Darauf aufbauend eröffnet die Anwendung von Methoden der Künstlichen Intelligenz ein erhebliches Potenzial, Strategien automatisiert und ganzheitlich zu optimieren. Insbesondere mit Reinforcement Learning lassen sich komplexe Abhängigkeiten und Zielkonflikte systematisch abbilden und bewerten. Zwei Dissertationen des Lehrstuhls für Elektrische Energieversorgungstechnik präsentieren in diesem Kolloquium innovative Modelle zur Optimierung wertebasierter Asset-Management-Strategien am Beispiel von Ortsnetzstationen.

Vorträge:

Realitätsgerechte Prognosemodelle für ein wertebasiertes Asset-Management von Ortsnetzstationen
Dirk Gromoll, M. Sc.

Asset-Management von Stromverteilnetzen durch Methoden der Künstlichen Intelligenz
Arkadius Mateja, Dipl.-Wirtsch.-Ing. (Energieforen Leipzig GmbH)

Zeit:

21.11.2025, 12:00 Uhr – 14:00 Uhr

Veranstaltungsort:

In Präsenz:
Bergische Universität Wuppertal
Campus Freudenberg
Hörsaal FH 3

Anmeldung:

Kostenfrei
bis zum 14.11.2025 bei
Frau Xenia Hartmann
0202 / 439 1797
xenia.hartmann[at]uni-wuppertal.de

Online per Webkonferenz:

Zoom-Meeting-Link:
https://uni-wuppertal.zoom-x.de/j/64181795401?pwd=V95xdkSqnMTvL4VL2EaYHfJk0ZY0am.1

Meeting-ID: 641 8179 5401
Passwort: Uh8Dh3p0

Weitere Informationen zur Veranstaltung finden sich in der angehängten Einladung.