Guten Tag Herr Kunze, fassen Sie doch bitte einmal die Rolle von ESA² in MethSys zusammen.

Wir sind das Bindeglied zwischen den einzelnen Partnern, die im Rahmen der Systemanalyse jeweils ihr eigenes Modell in das Projekt einbringen. Das sind zum einen Modelle, welche die Gesamtsystemsicht auf einer etwas höheren Flugebene einnehmen. Zum anderen haben wir Modelle, die von der räumlichen und technischen Auflösung her weiter ins Detail gehen, zum Beispiel Verteilnetze auf der Landkreisebene oder verschiedene Antriebstechnologien von Fahrzeugen bis hin zu einzelnen Akteuren betrachten.

Woher kommt diese Vielfalt an unterschiedlichen Modelltypen?

Früher wurden vorrangig Modelle zur Analyse des Gesamtsystems entwickelt. Die Energienachfrage ließ sich relativ gut abschätzen, da war wenig Dynamik drin. Auf der Energiebereitstellungsseite gab es Monopole. Es ging bei der Modellierung vor allem darum, wie man die Nachfrage deckt. Aber inzwischen sind im Zuge des Klimaschutzes und im Rahmen der Energiewende sehr viel mehr Themen dazugekommen, z. B. Sektorenkopplung und Prosumer, aber auch Fragen der Akzeptanz in der Gesellschaft. Die vielen Möglichkeiten, die sich im Rahmen der Energiewende auftun, führen zu wesentlich komplexeren Fragestellungen, die man mit einem einzelnen, alle Bereiche umfassenden Energiesystemmodell nicht mehr mit dem gebotenen Detailgrad analysieren und beantworten kann. Daher wurden in den letzten Jahren viele Modelle entwickelt, die sehr spezifisch einzelne Aspekte des Energiesystems betrachten, aber eben nicht mehr den Gesamtsystemblick haben.

Und diese Modelle zu Detailaspekten bringen Sie in MethSys zusammen.

Genau, denn man braucht die Gesamtsystemsicht, um die Wechselwirkungen zwischen den einzelnen Teilaspekten des Systems adäquat zu berücksichtigen, und dafür muss man die Modelle miteinander koppeln. Dieses Koppeln ist ein Trend seit gut sechs, sieben Jahren, um die Ergebnisse eines Modells als Inputgrößen in andere Modelle zu überspielen. Einfachstes Beispiel: die erzeugungsseitigen Modelle projizieren einen Preis für den Strom. Die nachfrageseitigen Modelle analysieren dann, wie sich die Nachfrage mit diesem Preis entwickelt und spielen diese Information an die erzeugungsseitigen Modelle zurück. Das Ziel ist es, durch mehrere Iterationen einen stabilen Systemzustand für diese Modellierung zu bekommen, sodass man dann am Ende wieder die komplette Systemsicht hat.

Können Sie genauer beschreiben, worin Ihre Aufgaben beim Koppeln der Modelle besteht?

Unsere Aufgabe ist sicherzustellen, dass die Modelle konsistent miteinander arbeiten. Da die Modelle in der Regel als Stand-Alone-Anwendungen entwickelt wurden, haben sie ihre eigene Datenbank mit ihren eigene Datenstrukturen und Bezeichnungen.  Also müssen wir zunächst die grundsätzlichen Szenariodaten harmonisieren, dass also alle Modelle zum Beispiel mit denselben Ölpreisen rechnen. Dann müssen wir natürlich sicherstellen, dass die Daten, die zwischen den Modellen ausgetauscht werden, ebenfalls konsistent sind. Zum Beispiel ist ein Preis ja nicht gleich ein Preis: in einem Modell ist es ein Großhandelspreis, in einem anderen Modell ist es ein Endnutzerpreis. Wir erstellen das Konzept, welche Daten zwischen welchen Modellen ausgetauscht  werden. Dafür haben wir ein „Data Warehouse“ als Cloudlösung entwickelt, das diese Datenübergabe erleichtert. Ein Modellierer kann einen erstellten Datensatz einfach darin hochladen, so, wie er von seinem Modell ausgegeben wird. Dieser Datensatz wird dabei in die Datenstruktur gemappt, die das nächste Modell benötigt. Dieses Mapping ist erforderlich, da in den einzelnen Modellen durchaus sehr unterschiedliche Begriffe verwendet werden. Beispielsweise wird in einem Modell für Deutschland „DE“ verwendet, beim nächsten „Germany“, beim dritten „Deu“, und das muss dann jeweils übersetzt werden. Unser Data Warehouse übernimmt diese Übersetzung automatisch, sodass dieser Aufwand für die Modellierer entfällt. Damit gestaltet sich der Austausch von Datensätzen bei mehreren Iterationsschleifen und Szenarien deutlich effizienter. Gleichzeitig ist sichergestellt, dass alle Modellierer auf die gleichen harmonisierten Basisdaten im Data Warehouse zurückgreifen.

Und ein dritter Punkt: Im Data Warehouse haben wir gleichzeitig einen Bereich zur Online- Veröffentlichung von Datensätzen implementiert. Dies ist ein wichtiger Aspekt in der heutigen Forschungslandschaft, da immer größere Anforderungen an die Transparenz der Ergebnisse und der Modellrechnung gestellt werden. So lässt sich dann in projektbegleitenden Veröffentlichungen einfach auf das Data Warehouse verweisen, von dem die öffentlich freigegebenen Datensätze auch heruntergeladen werden können.

Dieses Data Warehouse ist also ein Alleinstellungsmerkmal von ESA²?

Hinsichtlich des vereinfachten Datenaustausches zwischen verschiedenen Modellen, ja. Mir ist kein anderes derart spezialisiertes Tool zur Unterstützung von Systemanalysen am Markt bekannt. Die Entwicklung des Data Warehouse ist eng mit der Geschichte von ESA² verknüpft, die als Gründungsvorhaben aus einem EU-Projekt im Rahmen der KIC InnoEnergy-Initiative ins Leben gerufen wurde. In diesem Projekt kamen Modellierer aus verschiedenen Fachdisziplinen und EU-Ländern zusammen, um ihre Modelle für eine umfassende Systemanalyse miteinander zu koppeln. Dabei wurden die Schwierigkeiten beim Datenaustausch zwischen den Modellen offensichtlich. Mit dieser Erfahrung haben wir dann in weiteren Projekten das Data Warehouse entwickelt, um genau dieses Verschalten nicht nur konzeptionell, sondern auch von der technischen Seite her zu unterstützen.

Muss man dann auch lernen, die unterschiedlichen Sprachen der Partner zu sprechen?

Wenn Strommarktmodellierer unter sich sind, braucht man nicht viel zu moderieren. Schwieriger wird es schon, wenn man fachbereichsübergreifend unterwegs ist. Wir haben ja in MethQuest auch Partner aus dem Gasbereich dabei und dazu noch sehr versierte Ingenieure mit Kenntnissen zu einzelnen Prozessketten, beispielsweise bei der Elektrolyse und der Methanisierung. Das ist eine Ebene, die in der Regel viel zu detailliert für große Systemmodelle mit dem Fokus auf Energiemärkte ist. Da müssen wir schon schauen, wie wir ein gemeinsames Verständnis für die Modellierung finden. Das ist aber letztlich nicht so herausfordernd wie das Zusammenspiel völlig verschiedener Wissenschaftsbereiche.

Wenn Sie sich ein Jahr in die Zukunft versetzen: Woran würden Sie merken, dass das Projekt erfolgreich abgeschlossen ist?

Unser Ansporn, weshalb wir uns in MethQuest beteiligen, ist zum einen die Verbesserung unseres Data Warehouse aber auch unserer Expertise zur Konzeption komplexer Systemanalysen mit Kopplung verschiedenster Modelle. Denn wir können unsere Kompetenzen und Tools natürlich besonders gut in solchen Forschungsprojekten testen und weiterentwickeln. So lernen wir beispielsweise mehr über Features, die wir noch integrieren sollten. In MethQuest mussten wir optimierende mit simulierenden Modellen zusammenbringen – das war besonders herausfordernd, weil diese beiden Ansätze teilweise sehr unterschiedliche Datenstrukturen verwenden. Zum anderen wollen wir natürlich auch zeigen, was man durch so eine umfassende Energiesystemmodellierung erreichen kann. Nicht zuletzt ist es aber auch wichtig zu lernen, wie relevant bestimmte modellierte Aspekte sind: muss man sie wirklich detailliert mitmodellieren oder kann man das System doch ein bisschen einfacher abbilden, ohne die Qualität der Ergebnisse zu mindern?

Haben Sie auch bestimmte Zielsetzungen zum inhaltlichen Thema der Modellierungen, also zur Energiewende?

Wir betreiben ja nicht nur unser Data Warehouse, sondern sind auch in der Auftragsforschung und Unternehmensberatung aktiv und setzen dafür Systemmodelle zusammen mit unseren Partnern ein. Da wir hier bislang eher etwas „stromlastig“ unterwegs sind, ist der Austausch mit Modellierern in den Bereichen der Gasversorgung und des Verkehrs für uns sehr interessant. Wir lernen durch das Projekt sehr viel, insbesondere über gasseitige Infrastrukturen, und wie wir diese mit der Stromseite adäquat verknüpfen können. Denn das Thema der Sektorenkopplung ist für eine erfolgreiche Umsetzung der Energiewende essenziell.