Die Lösung E-ChargePredict ermittelt anhand von Daten wie Kundenfrequenz, Bevölkerungsprofil und Wettbewerbsumfeld die besten Ladesäulen-Standorte.
©Brunet-Monié Photographie
Wird künstliche Intelligenz den Markt für Stromtankstellen verändern? Heute ist KI in diesem Bereich zumeist für die prädiktive Instandhaltung der Ladestationen im Einsatz. Aber welche Rolle könnte sie zukünftig bei der Ausgestaltung des Ladenetzes übernehmen? Wobei der Begriff „zukünftig“ an der Realität vorbeigeht, denn bereits heute kommt KI zur Ermittlung der besten Ladesäulenstandorte, der Abschätzung der langfristigen Rendite unterschiedlicher Anlagetypen sowie zur Festlegung der Preispolitik zwecks Gewinnmaximierung zur Anwendung.
So führte das 2017 von VINCI Energies und VINCI Concessions zur Finanzierung und Verwaltung von Ladeinfrastrukturen gegründete Joint Venture EASYCHARGE vor kurzem eine KI-gestützte Lösung ein, die auf Grundlage der Daten von drei frankreichweit vertretenen Ladenetzen mit insgesamt 4.000 Ladepunkten (Easy Charge Services, AVIA VOLT by EASYCHARGE und eborn) den zukünftigen Stromverbrauch dieser Anlagen hochrechnet.
„Die Wirtschaftlichkeit einer neuen Ladestation hängt unmittelbar mit dem prognostizierten Verbrauch der zukünftigen Nutzer:innen zusammen. Daher ist es für uns und unsere Investitionspartner:innen wichtig, in jeder Region unseren kurz-, mittel- und langfristigen Marktanteil zu schätzen, d. h. innerhalb der Vertragslaufzeit von 15 bis 20 Jahren. Aus diesem Grund haben wir die E-ChargePredict-Lösung entwickelt“, erklärt Mohamed Belahrach, Entwickler bei EASYCHARGE.
Verbrauchsprognosen für die nächsten 15 bis 20 Jahre
Strukturgebend für das Tool sind drei wissenschaftliche Herangehensweisen: Die Schätzung der Nachfrage in einem eng umrissenen Gebiet, die Vorhersage der Nachfrageentwicklung sowie die computergestützte Festlegung der strategisch günstigsten Standorte innerhalb der jeweiligen Gemeinden.
„Das beste Preis-Leistungs-Verhältnis sicherstellen und die volle Kontrolle über die Lösung behalten.”
Wie funktioniert die Lösung konkret? KI-Modelle werden für jedes Gebiet mit Daten aus unterschiedlichen Quellen (Anteil Elektrofahrzeuge, vorhandene Gewerbeansiedlungen, Durchschnittseinkommen, Straßennetz) trainiert. Diese werden dann mit den Daten aus den Ladenetzen abgeglichen. Die auf dieser Grundlage ermittelten Verbrauchsprognosen werden dann auf eine Betriebsdauer von fünfzehn bis zwanzig Jahren hochgerechnet, um eine Rangliste der besten Standorte für die Installation neuer Ladesäulen festzulegen.
Außerdem bietet die Lösung die Möglichkeit einer Gewichtung der zwei bis drei Jahre alten Verkehrsprognosen, falls doch mehr Elektrofahrzeuge zugelassen werden als zunächst erwartet.
Acht Monate Förderung durch Leonard
„Bei Projektstart gab es nur sehr wenige Lösungen auf dem Markt. Das ändert sich jetzt allmählich – der Bedarf ist also da. Das wir uns für die Entwicklung einer hauseigenen Lösung entschieden haben, hat zwei Gründe: Wir wollten das beste Preis-Leistungs-Verhältnis sicherstellen und gleichzeitig die volle Kontrolle über die Lösung, die Architektur und die Daten behalten“, so Eric Mendels, BU-Leiter von EASYCHARGE.
Zur Perfektionierung des Berechnungsmodells wurde EASYCHARGE acht Monate lang von Leonard gefördert, der Innovations- und Zukunftsforschungsplattform des VINCI-Konzerns. Heute funktioniert E-ChargePredict reibungslos und kann für die gesamte von VINCI verwaltete Ladeinfrastruktur angeboten und aktiviert werden.
Wie jede KI-basierte Lösung verbessert E-ChargePredict ihre Leistung durch ständiges Hinzulernen. So wird sie immer schneller, robuster und benutzerfreundlicher. „Derzeit wird das Tool vom und für den VINCI-Konzern eingesetzt, aber wir planen, den Anwendungsbereich zu erweitern. Beispielsweise ist eine Version für den Schwerlastverkehr denkbar. Wir möchten das Tool weiterentwickeln und europaweit ausrollen“, so Mendels abschließend.
10/09/2026
