KI-Ertragsoptimierung im Windpark

Einleitung: KI in der Windenergie – Potenzial und Grenzen

Künstliche Intelligenz verspricht, Windparks effizienter zu betreiben. Kernidee: Anstatt jede Turbine isoliert auf maximalen Eigenertrag zu regeln, optimiert ein KI-System den Gesamtertrag auf Parkebene. Das klingt nach einem Paradigmenwechsel – doch zwischen Forschungsergebnis und bankfähigem Jahresertrag klafft eine erhebliche Lücke.

Wake-Verluste können in eng stehenden Parks bis zu 30 % der theoretischen Energieausbeute kosten (Quelle: turbit.com). KI-Wake-Steering versucht, einen Teil dieser Verluste zurückzugewinnen. Wie viel davon tatsächlich im Jahres-AEP ankommt, hängt von zahlreichen Faktoren ab: Parkgeometrie, Windrichtungsverteilung, atmosphärische Stabilität und Turbinentyp.

Wake Steering erklärt

Wake Steering bedeutet, vorgelagerte Turbinen absichtlich leicht aus dem Wind zu drehen (Yaw-Misalignment). Dadurch wird der Nachlauf (Wake) von nachgelagerten Anlagen weggelenkt. Die nachgelagerten Turbinen erhalten weniger gestörten Wind und können mehr Energie ernten – obwohl die vorgelagerte Turbine selbst leicht an Ertrag verliert.

Klassische analytische Wake-Modelle (Jensen, Bastankhah-Porté-Agel) vereinfachen die Strömung stark. Neuere Ansätze nutzen Large-Eddy-Simulationen (LES) und CFD-Rechnungen, die von KI-Algorithmen (Reinforcement Learning, Bayesian Optimization) durchsucht werden, um bessere Yaw-Konfigurationen zu finden als analytische Modelle allein liefern (Quelle: arXiv 2407.20832).

Forschungsergebnisse im Überblick

Die folgende Tabelle fasst zentrale Studienergebnisse zusammen. Entscheidend: Spalte „Bedingung“ und „Einordnung“.

Einordnung: Was kommt im Jahres-AEP an?

Die oben genannten Zahlen beschreiben Momentaufnahmen unter optimalen Bedingungen. Im realen Betrieb treten diese Bedingungen nur während eines Bruchteils der Jahresstunden auf:

• Wake Steering wirkt primär bei Windrichtungen, die exakt entlang der Turbinenreihen verlaufen.
• Bei hohen Windgeschwindigkeiten (Nennleistungsbereich) gibt es kaum Wake-Verluste – und damit kaum Optimierungspotenzial.
• Bei instabiler Atmosphäre (konvektive Durchmischung) lösen sich Wakes schneller auf.
• Yaw-Misalignment erhöht mechanische Lasten – Turbinenhersteller begrenzen daher oft den zulässigen Winkel.

Konsequenz: Der jährliche Netto-Mehrertrag auf Parkebene liegt nach aktueller Einschätzung im niedrigen einstelligen Prozentbereich. Ob 1 %, 3 % oder 5 % – das hängt stark vom konkreten Park ab. Wir verzichten bewusst auf eine einzelne „KI bringt X % mehr“-Aussage, weil eine belastbare, unabhängig verifizierte Feldstudie hierfür Stand 2026 noch aussteht.

KI-Layout-Optimierung bei Neuplanung

Neben der Betriebsoptimierung bestehender Parks nutzen Projektierer KI-Algorithmen für die Layout-Planung neuer Windparks. Iterative Algorithmen optimieren Turbinenstandorte unter Nebenbedingungen wie Mindestabständen, Topografie, Hauptwindrichtung und Schallrestriktionen (Quelle: turbit.com). Dies ist ein anderer Anwendungsfall als Wake Steering im Bestand.

Predictive Maintenance: Verfügbarkeit sichern

Ein zweites KI-Anwendungsfeld ist die vorausschauende Wartung. SCADA-Daten (Temperatur, Vibration, Leistung) werden von ML-Modellen auf Anomalien überwacht, um drohende Ausfälle frühzeitig zu erkennen. Das senkt nicht die Wake-Verluste, sondern erhöht die technische Verfügbarkeit – ein anderer Hebel zum Jahresertrag.

Ausblick und offene Fragen

• Felddaten fehlen: Für eine belastbare Jahres-AEP-Aussage braucht die Branche mehrjährige, unabhängig geprüfte Betriebsdaten aus realen Parks mit und ohne Wake Steering.
• Herstellerfreigabe: Nicht alle Turbinenhersteller erlauben Yaw-Offset-Strategien, da erhöhte Lasten die Lebensdauer beeinflussen können.
• Bankfähigkeit: Finanzierungspartner akzeptieren KI-Mehrerträge bislang selten als P50-Aufschlag in Ertragsgutachten.
• Regulierung: Es gibt noch keine etablierte Zertifizierungs-Richtlinie für KI-gestützte Yaw-Strategien (vergleichbar FGW TR6 für Ertragsgutachten).

Häufige Fragen

Wie viel Mehrertrag bringt KI-Wake-Steering wirklich?

Laborstudien zeigen bis zu +12–17 % unter idealen Bedingungen (ausgerichtete Turbinenreihen, stationärer Wind). Der tatsächliche Jahres-AEP-Gewinn eines realen Parks liegt deutlich niedriger, typischerweise im niedrigen einstelligen Prozentbereich. Ein belastbarer Feldstudien-Wert ist Stand 2026 noch nicht breit publiziert.

Was ist Wake Steering?

Wake Steering bedeutet, vorgelagerte Turbinen absichtlich leicht aus dem Wind zu drehen (Yaw-Misalignment), um deren Nachlauf (Wake) von nachgelagerten Anlagen wegzulenken. Die nachgelagerten Turbinen erhalten dadurch weniger gestörten Wind und können mehr Energie ernten.

Ersetzt KI ein klassisches Ertragsgutachten nach FGW TR6?

Nein. KI-gestützte Optimierung ist ein Betriebswerkzeug, das auf bestehende Windpark-Layouts angewendet wird. Das bankfähige Ertragsgutachten nach FGW TR6 bleibt Pflicht für Finanzierung und Genehmigung.

Welche Daten braucht ein KI-System zur Ertragsoptimierung?

Typisch: hochaufgelöste SCADA-Daten (Leistung, Windgeschwindigkeit, Windrichtung, Yaw-Winkel je Turbine), meteorologische Messmast- oder LiDAR-Daten, Topografie-Modell und Turbinen-Layout mit Leistungskurven.

KI-Ertragsoptimierung – Wake Steering, Predictive Maintenance und Layoutplanung