Wir sind Ihr Partner für Lösungen rund um Data Science und Machine Learning im Energiemarkt

Unsere langjährige Erfahrung im Energiemarkt kombiniert mit der Expertise unserer Data Scientists und der engen Zusammenarbeit mit Partnern wie SAP und Google Cloud verspricht Ihnen beste Beratung entlang der gesamten ML-Wertschöpfungskette: von der Definition Ihrer Datenstrategie bis hin zur Umsetzung und Integration von ML-Modellen. 

Machine Learning

Dabei bieten wir unter anderem folgende Leistungen:

  • Schulung von Fachbereichen, Management und IT
  • Strategieberatung sowie Identifikation und Definition von Use Cases
  • Machbarkeitsanalyse und wirtschaftliche Bewertung von Projekten
  • Lösungsentwicklung von Datenanalysen und –aufbereitung bis Modelltraining
  • Lösungsbereitstellung lokal oder in der Cloud (Google Cloud, AWS, MS Azure, …)
  • Visuelle und funktionale Integration in verschiedene Quellsysteme (IS-U, S/4U, …)
  • Durchführung von Jumpstarts und anderen Workshopformaten

Holen Sie sich unsere App mit allen Informationen zu unseren JumpStarts und Use Cases: 

Was ist Machine Learning und warum ist es relevant?

In diesem kurzen Video erklären wir, was hinter dem Begriff steht, wie ein solches Projekt abläuft und warum es einen Schlüsselfaktor in der Modernisierung der Energiebranche darstellt.

Wir helfen Ihnen, den größtmöglichen Mehrwert aus dieser Technologie zu ziehen

Zum Beispiel mit unseren renommierten Use Cases, welche individuell auf Ihre Prozesse zugeschnitten sind und flexibel in diverse Systeme (IS-U, S/4 Utilities Core, kVASy, …) integriert werden können.

Endkunden melden einmal jährlich ihren Zählerstand an ihren Energieversorger. Nach der Meldung durchläuft der Zählerstand eine Vielzahl statischer Prüfungen im ERP-System. Schlägt eine Prüfung fehl, wird der Stand ausgesteuert und muss manuell von einem Sachbearbeiter bewertet und ggf. korrigiert werden. 

80% dieser ausgesteuerten Zählerstände werden im Durchschnitt ohne weitere Korrekturen freigegeben. Ziel unseres Ansatzes ist es, diese Fälle zu identifizieren und automatisch freizugeben. Der Sachbearbeiter bearbeitet nur noch die Fälle, die eine Korrektur erfordern. 

In Datenbanken können im Laufe der Zeit Dubletten entstehen. So kann ein und derselbe Kunde in unterschiedlichen Schreibweisen mehrmals vorhanden sein. Dies führt zu vielfältigen Problemen, beispielsweise im Zuge von Marketing-Kampagnen und Auswertungen.  

Mit Hilfe von Simularity Measurement-Verfahren identifiziert unser Modell Geschäftspartner und Adressinformationen, die sich „ähneln“ und somit derselben Entität entsprechen. 


In diesem MaKo-Prozess geht es für die Energieversorger, abhängig ihrer Marktrolle, um die Verarbeitung von bestimmten vertragsbezogenen Kundenaktivitäten. So erhalten Lieferanten bspw. Kündigungen, Netzbetreiber Anmeldungen oder Lieferantenwechsel.

Anhand mitgelieferter Informationen (Name, Adresse, Gerät) müssen eingehende Marktnachrichten zu im System bestehenden Marktlokationen / Zählpunkten zugewiesen werden. Dies erfolgt durch einen Abgleich der vorliegenden Daten und wird, sofern alle Felder weitestgehend identisch sind, automatisiert vom System durchgeführt. Häufig sind die in der Marktnachricht befindlichen Angaben jedoch fehlerhaft (bspw. Zahlendreher, Abkürzungen, Spitznamen, Doppelnamen)oder sogar nicht für das System gedacht, was in einer schwierigen oder unmöglichen Identifikation resultiert. Die Prüfung derartiger Klärfälle obliegt für gewöhnlich dem Fachbereich und wird manuell von Sachbearbeitern durchgeführt. Sie ist eine repetitive Aufgabe und ein Aufwandstreiber in vielen EVUs.

Mithilfe unserer Machine Learning Lösung kann die Übereinstimmung von Marktnachrichten und Zählpunkten präzise bestimmt und anhand flexibel definierbarer Schwellwerte die Zuweisung oder Ablehnung der zuvor manuell bearbeiteten Klärfälle zuverlässig automatisiert werden.

Klingt zu schön, um wahr zu sein?

Probieren Sie es mit unserer Demoanwendung selbst aus und machen Sie sich mit der Vorhersagefähigkeit für klassische Fehlerfälle (bspw. fehlende Stellen in der Zählernummer) oder sogar Ihre ganz eigenen Klärfallszenarien vertraut:
(Als Demo steht derzeit nur das Marktrollenmodell für Netzbetreiber zur Verfügung)

Täglich müssen die Mitarbeiter Ihrer Fachabteilungen und Support-Teams hunderte von E-Mails oder Tickets bearbeiten, wobei die tatsächliche Anzahl pro Tag oder Woche stark unterschiedlich sein kann. Regelmäßig kommt es deswegen zu einem Rückstau, der unter anderem auch die Qualität Ihrer Arbeit beeinflusst.

Mit unserer KI-Lösung für automatische Text-Bearbeitung „ACE“ (Automated Content Extraction) können wir Ihnen mit diesem Problem zielgenau helfen. Vom Erkennen der Anliegen, dem Extrahieren aller relevanten Informationen bis hin zur automatisierten Bearbeitung dieser Anliegen und der Beantwortung. Etwa 30-50% der Anfragen können Sie dadurch vollautomatisch bearbeiten.

Integrieren Sie unsere Lösung nahtlos und unkompliziert in Ihre bestehende Systemlandschaft und bauen Sie mit E4U ACE auf Ihren bereits digitalisierten und automatisierten Prozessen auf.  

Kundenstimmen:

Zählpunktidentifikation

„Die Zählpunktidentifikation ist aufgrund der Vielzahl jährlich anfallender Klärfälle seit Langem ein Aufwandstreiber für unsere Sachbearbeiter. Mithilfe der ENERGY4U und ihrem Machine Learning Ansatz ist es uns gelungen, die Bearbeitung von über 80% unserer Klärfälle zuverlässig zu automatisieren und damit den Fachbereich entscheidend zu entlasten.”

Machine Learing
Sylke Görner, Leiterin Wechselmanagement & EDM, NBB NetzgesellschaftBerlin-Brandenburg mbH & Co. KG

Zählerstandsvalidierung

„Dank ENERGY4U konnten wir unseren Prozess Zählerstandsvalidierung (teil-)automatisieren und haben wichtige erste Erfahrungen mit Machine Learning im Unternehmen gesammelt. Darauf wollen wir nun aufbauen und freuen uns auf die weitere Zusammenarbeit.“

EnBW I ODR

Steffen Schlosser, Teamleiter Kundenservice, EnBW ODR AG

Machine Learning

“Die Verwendung von Machine Learning zur Optimierung von Prozessen birgt auch in der Versorgungsindustrie enorme Potenziale, die ausgeschöpft werden sollten. Durch die maßgeschneiderte Schulung der ENERGY4U mit Anwendungs- und Branchenbezug haben wir ein grundlegendes Verständnis für Machine Learning erlangt und damit eine wichtige Voraussetzung geschaffen, um Projekte eigenständig zu identifizieren und zu begleiten.”

Machine Learing
Marc Voslamber, Leiter Netz IS-U, NBB NetzgesellschaftBerlin-Brandenburg mbH & Co. KG

Textautomatisierung

“Die schnelle und korrekte Bearbeitung von Kunden E-Mails ist für unser Unternehmen von hoher Priorität. Um noch effizienter auf die Anfragen unserer Kunden reagieren zu können, haben wir gemeinsam mit ENERGY4U mögliche Technologien zur Automatisierung evaluiert. Durch die Workshop-Reihe konnten wir unterschiedliche Ansätze kennenlernen und bewerten.”

BAS-GASAG-Logo
Mona Wegner, Leiterin Transformationsteam, BAS Kundenservice GmbH & Co. KG

Sie haben noch Fragen oder möchten gerne ein Angebot von uns?

Wir freuen uns auf Ihre Nachricht!

Bettina Holz
Sales & Marketing
Telefon: +49 (0) 163 / 390 51 62
E-Mail: bettina.holz@atos.net


Bettina Holz