Tom Nudell, CEO und Mitgründer von Piq Energy – Interviewreihe

Tom Nudell, CEO und Mitgründer von Piq Energy, ist Energiesystemingenieur und Technologie-Führungskraft mit umfassender Erfahrung in Netzanalyse, Übertragungsnetzplanung und Energieinfrastruktur. Vor der Gründung von Piq Energy war er fast sieben Jahre bei Smart Wires tätig. Dort durchlief er mehrere Führungspositionen im Analysebereich und war zuletzt Director of Product and Solution Analytics. In dieser Funktion leitete er interdisziplinäre Teams aus Übertragungsnetzplanern, Softwareingenieuren und Analysten, die an fortschrittlichen Netzplanungsstudien und automatisierten Analysesystemen arbeiteten. Zuvor war Nudell Postdoctoral Research Associate am MIT, wo er sich mit der Resilienz vernetzter Energiesysteme, dem Energiemanagement von Mikronetzen und transaktiver Regelung befasste. An der North Carolina State University forschte er außerdem daran, Störungen in großräumigen Stromnetzen mithilfe von Echtzeitmessungen, physikgestütztem maschinellem Lernen, Regelungstheorie und Optimierung zu lokalisieren.

Piq Energy ist ein Softwareunternehmen für Netzplanung, das den Anschluss neuer Energieprojekte, Rechenzentren und anderer großer Stromverbraucher an das Stromnetz beschleunigen will. Die Plattform ermöglicht es Projektentwicklern und Versorgungsunternehmen, komplexe Netzstudien intern durchzuführen, technische Arbeitsabläufe zu automatisieren, mögliche Netzverknüpfungspunkte zu bewerten und zahlreiche Projekt- und Netzszenarien schneller zu prüfen. Piq entwickelt eine agentenbasierte Plattform für die Netzplanung, die Stromnetzmodelle, Daten, technische Werkzeuge und KI-gestützte Arbeitsabläufe in einer einheitlichen Umgebung zusammenführt. Die Anwendungen reichen von Solar- und Windenergie über Batteriespeicher bis zur Entwicklung großer Lasten. Nach Angaben des Unternehmens verwaltet die Technologie mehr als 1.000 Übertragungsnetzmodelle und wurde für mehr als 10.000 technische Arbeitsabläufe eingesetzt. Damit will Piq einen der größten Engpässe für neue Energie- und Recheninfrastruktur verringern: langwierige Netzanschlussverfahren.

Ihre Laufbahn umfasst Forschung zu physikgestütztem maschinellem Lernen, Arbeiten zur Netzresilienz am MIT und sieben Jahre, in denen Sie bei Smart Wires Analytik für die Übertragungsnetzplanung aufgebaut haben. Wie führten diese Erfahrungen dazu, dass Sie genau das Problem erkannten, aus dem Piq Energy entstand?

Meine Promotion befasste sich mit rechnergestützten Energiesystemen, wobei ich mich auf die großräumige Echtzeitüberwachung und -regelung konzentrierte. Anschließend absolvierte ich am MIT ein Postdoc-Projekt zu resilienten Stromnetzen und dynamischen Marktmechanismen. Danach wechselte ich zu Smart Wires, wo ich sieben Jahre lang das Analyseteam gründete und ausbaute. Mein Team deckte die Energiesystemtechnik auf vier Kontinenten ab und verfügte über Fachwissen in Lastflussrechnung, Marktsimulation, Dynamik, elektromagnetischen Transienten (EMT) und Hardware-in-the-Loop.

Innerhalb von drei Monaten nach meinem Einstieg bei Smart Wires erkannte ich, dass Netzplanung im Grunde ein riesiges und komplexes Data-Science-Problem ist. Ich begann darüber nachzudenken, wie sich die teuersten Teile des Prozesses vereinfachen und automatisieren lassen: die Definition der Analyse, die Abstimmung zwischen unterschiedlichen Fachexperten sowie der Aufbau und die Validierung von Modellen. Um diesen Netzplanungsprozess zu verbessern, entwickelten wir einige zentrale Ideen. Die erste war Reproduzierbarkeit: Ist eine Analyse zu 100 Prozent reproduzierbar, sollten die Grenzkosten dafür, dass eine weitere Person oder ein weiterer Experte sie erneut ausführt, bei null liegen. Diese Reproduzierbarkeit ist entscheidend, damit Projektentwickler, Versorgungsunternehmen und andere Dritte bei Netzstudien nahtlos zusammenarbeiten können. Die zweite Idee bestand darin, den Grundsatz „Alle Modelle sind falsch, aber manche sind nützlich“ anzuwenden und zu prüfen, ob wir für die jeweilige Aufgabe ein nützliches Modell haben, statt für alles das „genaueste“ Modell erstellen und verwalten zu wollen. (Wenn wir hier von „Modellen“ sprechen, meinen wir Netzmodelle sowie dynamische Modelle von Geräten, Anlagen und Ähnlichem.)

Diese ersten Erkenntnisse brachten meinen Mitgründer Dio und mich dazu, von einer anspruchsvollen Softwareplattform zu träumen, die unsere Arbeit automatisiert. Gleichzeitig beobachteten wir, wie die Anschlusswarteschlange zu einem enormen Engpass für das Stromnetz wurde. Wir sahen außerdem die wachsenden Schwierigkeiten beim Anschluss neuerer Netztechnologien, darunter umrichterbasierte Ressourcen (IBR, zu denen alle neuen Projekte für erneuerbare Energien gehören) und netzoptimierende Technologien wie die SmartValve-Hardware, die Smart Wires vertrieb. Dio und mir wurde klar, dass wir wussten, wie sich diese Probleme lösen lassen, dafür aber ein Softwareunternehmen gründen mussten.

Es sind drei Bausteine: Erstens bildeten mein Hintergrund in rechnergestützten Energiesystemen und meine Erfahrung mit der Leitung eines globalen Analyseteams das Fundament. Zweitens bewies die Arbeit, die wir bereits bei Smart Wires geleistet hatten, dass sich ein echter, greifbarer Wert schaffen ließ. Und schließlich war das gesamtwirtschaftliche Umfeld – das Ausmaß der Herausforderung, das zugleich dem Ausmaß der Chance entspricht – der Auslöser für den Schritt zur Gründung von Piq Energy.

Piq bezeichnet sich als „agentenbasierte Plattform für die Netzplanung“. Was macht das System agentenbasiert und nicht nur zu einer Automatisierungs- oder Analyseplattform, und welche Aufgaben können seine KI-Agenten selbstständig planen und ausführen?

Piq beschleunigt Netzanschlüsse. Technische Analysen sind derzeit der größte Engpass im Anschlussverfahren. Deshalb bauen wir eine autonome Plattform für die Netzplanung, um diese technischen Analysen zu beschleunigen.

Es gibt verschiedene Automatisierungsstufen. Für Netzplanung und Netzanschlüsse sind diese Stufen heute noch nicht ausdrücklich definiert, doch man kann sich etwas Ähnliches wie die SAE-Automatisierungsstufen für das Fahren vorstellen. Auf diese Idee habe ich bereits in meinem 2018 beim CIGRE-Weltkongress veröffentlichten Beitrag angespielt [T. Nudell et al., „On Developing Automated Tools for Reliability Planning“, CIGRE Paris C1-201, 2018.].

Mit großen Sprachmodellen verfügen wir nun über eine erstaunliche Allzwecktechnologie. Bei Piq finden wir heraus, wie wir agentenbasierte Autonomie nutzen und zugleich sicherstellen können, dass Physik und Ingenieurarbeit jedes Mal korrekt, vollständig reproduzierbar und prüfbar ausgeführt werden.

Heute konfiguriert unser Agent Modelle und Szenarien, startet Studien, gleicht veröffentlichte Berichte miteinander ab, analysiert Ergebnisse und verfasst neue Berichte, die auf die Daten der jeweiligen Studie zurückgeführt werden können.

Netzstudien beruhen auf etablierter Ingenieursoftware, detaillierten Netzmodellen und strengen physikalischen Randbedingungen. Wie verbindet Piq KI mit diesen deterministischen Werkzeugen, ohne zuzulassen, dass ein probabilistisches Modell die zugrunde liegende Physik des Stromnetzes außer Kraft setzt?

Sie haben recht: Netzstudien beruhen auf etablierter Software, detaillierten Modellen und bekannten physikalischen Gesetzen. Unsere Plattform ermöglicht es Agenten, menschliches Fachwissen zu ergänzen. Dabei stützen sie sich auf unsere Daten und unseren Kontext dazu, welche Studien durchzuführen und wie Szenarien zu konfigurieren sind, und verankern die Analyse anschließend in konkreten Ergebnisdaten.

Alles dazwischen ist jedoch skalierbare, deterministische Automatisierung. Agenten schreiben niemals neuen Code, und es kommen keine unbekannten Physiksimulatoren zum Einsatz. Dadurch ist unsere Plattform wesentlich vertrauenswürdiger als andere Ansätze, weil die Arbeit eines Agenten reproduzierbar und prüfbar ist und jedes Mal auf die richtige Weise ausgeführt wird. Anders ausgedrückt: Prüft ein menschlicher Ingenieur die Ausgabe, sollte er jeden Prozessschritt nachvollziehen und dieselben Ergebnisse erzielen können.

Welche Teile einer herkömmlichen Netzanschluss- oder Übertragungsnetzplanungsstudie kann Piq heute automatisieren, und welche Entscheidungen müssen weiterhin von einer qualifizierten Fachkraft geprüft und genehmigt werden?

Heute stellt Piq Projektentwicklern eine Reihe von Werkzeugen für den gesamten Prozess einer Netzanschlussstudie zur Verfügung.

Das erste ist eine übergeordnete Greenfield-Prüfung großer Gebiete, die wir regionale Screening-Analyse nennen. Sie erzeugt für jeden Knoten einer Region eine Heatmap der N-1-Reservekapazität. So lässt sich erkennen, wo das Netz tatsächlich noch Spielraum bietet, bevor man sich auf einen Standort festlegt.

Das zweite ist eine tiefergehende Prüfung an einem bestimmten Standort – eine POI-Studie beziehungsweise ein Punkt-Screening. Diese Studien untersuchen einen einzelnen Netzverknüpfungspunkt detailliert: sämtliche Netzengpässe, mögliche Ausbaumaßnahmen und die Kosten, die diese Maßnahmen für ein dort angeschlossenes Projekt verursachen würden.

Das dritte ist das Warteschlangenmanagement. Hier können Projektentwickler die Spieltheorie einer Clusterstudie durchspielen, indem sie die detaillierte Kostenaufteilung und deren Veränderung nachvollziehen, wenn sich die Gruppe der Erzeuger verändert. Projekte ändern ihre Größe, Projekte steigen aus, andere Entwickler handeln, und damit verschiebt sich auch die eigene Kostenaufteilung. Das ist ein dynamisches Problem. Heute erfahren die meisten Entwickler erst im Nachhinein davon, statt es im Voraus zu modellieren.

Piq automatisiert außerdem den Aufbau und die Validierung dynamischer Anlagenmodelle – also der Betriebsmittel und Regelungen, die Rechenzentren, Solarparks und andere Akteure im Netz abbilden.

Für all diese Modelle, Ergebnisse und Berichte ist ein Mensch in der Überwachungsschleife erforderlich, der Eingaben lenken und Ausgaben prüfen kann. Wir behaupten noch nicht, ein vollständig selbstfahrendes System zu haben, und ich würde niemandem vertrauen, der das von sich behauptet.

Piq hat mehr als 10.000 Produktionsstudien abgeschlossen. Was hat Sie der Betrieb in diesem Maßstab darüber gelehrt, Modellgenauigkeit aufrechtzuerhalten, sich verändernde Netzbedingungen nachzuverfolgen und Ergebnisse zu liefern, die Ingenieure reproduzieren und prüfen können?

Die Zahl von 10.000 ist inzwischen überholt. Seit Januar, als diese Zahl veröffentlicht wurde, führen wir nun 2.000 Studien pro Monat durch, Tendenz steigend. Das ist das Ergebnis einer wachsenden Nutzerbasis und davon, dass immer mehr Nutzer ebenfalls skalierbare interne Systeme aufbauen.

Bei diesem Tempo lernt man, dass Reproduzierbarkeit keine Funktion ist, die man nachträglich hinzufügt. Sie ist die Randbedingung, die bestimmt, ob man überhaupt in diesem Tempo arbeiten kann. Lässt sich eine Studie nicht reproduzieren, kann sie nicht geprüft werden. Kann sie nicht geprüft werden, kann niemand auf ihrer Grundlage handeln. Sind Studien nicht handlungsrelevant, erzeugt man lediglich Volumen und keinen Wert. Der gesamte Aufbau unserer Plattform folgt deshalb der Idee, nützliche Modelle zu erstellen und wertvolle Studien durchzuführen.

Piq ermöglicht es Entwicklern von Rechenzentren und anderen Großverbrauchern, potenzielle Standorte und Anschlussszenarien zu bewerten, bevor sie an ein Versorgungsunternehmen herantreten. Wie können diese vom Entwickler geleiteten Studien den Prozess beschleunigen, ohne widersprüchliche Annahmen zu erzeugen oder die offizielle Analyse des Versorgers doppelt auszuführen?

Das Versorgungsunternehmen muss weiterhin seine eigene offizielle Studie durchführen, doch unsere Kunden können nicht so lange warten. Heute kann es mehr als ein Jahr dauern, bis diese offiziellen Studienergebnisse vorliegen. Währenddessen stehen bei unseren Kunden Investitionen in Höhe von Hunderten Millionen Dollar auf dem Spiel. Sie müssen Anlagen beschaffen, Grundstücke erwerben und sich im ganzen Land Positionen in den Anschlusswarteschlangen sichern. Wir versetzen unsere Kunden in die Lage, diese Entscheidungen schon vor der offiziellen Studie des Versorgers zu treffen. Wir haben außerdem gesehen, wie unsere Kunden die Richtung des Versorgers beeinflussen können, wenn sie Erkenntnisse zu flexiblen Anschlusslösungen oder alternativen Ausbaumaßnahmen mitbringen, durch die sich zusätzliche Kapazität anschließen lässt.

Wir bieten eine schnelle, effiziente Möglichkeit, einen Blick in die Zukunft zu werfen. Niemand besitzt eine Kristallkugel – und man weiß nicht, gegen wen man in der Warteschlange antritt. Sind Studien jedoch bezahlbar und schnell, hilft die Untersuchung vieler Szenarien unseren Kunden, fundiertere Entscheidungen über ihr Kapital zu treffen. Außerdem ermöglichen wir ihnen, alternative Ausbaumaßnahmen zu prüfen, um vorhandene Kapazität in ihrem System zu erschließen, und Hand in Hand mit den Versorgungsunternehmen als echte Partner an Lösungen zu arbeiten.

Kalifornische Versorgungsunternehmen haben Anfragen über rund 18,7 GW neue Anschlussleistung für Rechenzentren erhalten, obwohl viele der geplanten Projekte womöglich nie gebaut werden. Kann KI den Versorgern helfen, glaubwürdige Projekte von spekulativen oder doppelten Anfragen zu unterscheiden und zu verhindern, dass „Phantomlasten“ die langfristige Netzplanung verzerren?

Spekulation ist nicht irrational. Angesichts der langen Zeit, die es dauert, ein Projekt untersuchen und anschließen zu lassen, wird jeder, der sich spekulative Anschlussanträge leisten kann, solche Anträge stellen. Das ist die rationale Reaktion auf das heutige Anschlussverfahren. Aus unserer Sicht gäbe es von vornherein keinen Anreiz zur Spekulation, wenn Projekte genauso schnell untersucht und angeschlossen werden könnten, wie sie gebaut werden.

Die Antwort liegt daher nicht darin, KI zur Erkennung von Spekulation einzusetzen. Stattdessen geht es darum, den Prozess mithilfe von KI tatsächlich zu verbessern und mehr Last effizienter anzuschließen. Dazu muss KI sowohl das Anschlussstudienverfahren selbst beschleunigen als auch alternative Abhilfemaßnahmen finden, darunter netzoptimierende Technologien und flexible Anschlüsse. Zusammen mit regulatorischen Änderungen, etwa höheren Antragskosten oder größeren Sicherheitsleistungen und überarbeiteten Anschlusstarifen, kann KI ein wesentlich effizienteres System mit deutlich weniger Spekulation ermöglichen.

Ohne Veränderungen werden sich die Schwierigkeiten durch Phantomlasten jedoch weiter verschärfen. Mehr Phantomlast bedeutet mehr zu untersuchende Szenarien. Das erschwert Versorgungsplanern die langfristige Planung und verlangsamt das gesamte System. Ein langsameres System erhöht wiederum den Anreiz zur Spekulation. Genau das haben wir bei den Anschlusswarteschlangen für Erzeuger beobachtet, die uns 2023 zur Gründung von Piq veranlassten. Und genau diese Rückkopplungsschleife wollen wir durchbrechen.

Nach Angaben von Piq hat seine Arbeit dazu beigetragen, durch flexible Lösungen und netzoptimierende Technologien fast 1 GW Netzkapazität zu identifizieren. Welche betrieblichen Änderungen oder Technologien erschließen diese Kapazität, und können Sie ein Beispiel erläutern, bei dem ein Projekt einen umfangreichen Netzausbau vermied?

Nur drei Dinge können Kapazität erschließen. Sie alle sind Formen betrieblicher Flexibilität, die dem Netz bis vor Kurzem nicht zur Verfügung standen. Wir nennen diese drei Arten Punktflexibilität, aggregierte Flexibilität und Netzflexibilität.

Punktflexibilität bezeichnet Änderungen am Netzverknüpfungspunkt. Dazu gehören Lösungen wie eigene Stromerzeugung (Bring Your Own Generation, BYOG), Begrenzungen des Nettobezugs, Lastabregelung beziehungsweise steuerbare Lasten und weitere Maßnahmen. Aggregierte Flexibilität umfasst dezentrale Ressourcen im gesamten Netz, etwa virtuelle Kraftwerke (VPP) und aggregierte dezentrale Energieressourcen (DER), mit denen Übertragungsengpässe bewältigt werden. Netzflexibilität betrifft die Netzparameter und die Konfiguration selbst – fortschrittliche Leistungsflussregelung, Topologieoptimierung und dynamische Leiterseilbewertung. Entscheidend ist, dass alle drei Formen modelliert, geplant und schließlich in einer Leitwarte eingesetzt werden können.

Das anschaulichste Beispiel ist Netzflexibilität. Wir untersuchten einen Fall, bei dem der bindende Engpass ein einzelnes Netzelement war. Eine direkt an diesem Engpass eingesetzte Leistungsflussregelung von 70 MVAr erschloss rund 600 MW zusätzliche Kapazität. Keine neuen Übertragungsleitungen, keine mehrjährigen Genehmigungsverfahren – nur eine kleine Netzaufrüstung, um 600 MW Kapazität freizusetzen.

Die Auslastung der Übertragungsnetzkapazität beträgt selbst unter ungünstigsten Planungsbedingungen nur etwa 35 Prozent. Das Netz ist nicht voll. Obwohl die Netzkapazität heute die größte Hürde beim Anschluss großer Lasten darstellt, ist das Netz nur an bestimmten Orten und unter bestimmten Bedingungen eingeschränkt. Für die meisten dieser Engpässe gibt es eine Lösung, bei der man nicht ein Jahrzehnt auf neue Leitungen warten muss. Diese Lösung lässt sich durch eine bessere Untersuchung des Netzes finden.

Für diese drei Arten von Flexibilität entsteht rasch ein wachsendes Ökosystem. Unternehmen wie Base Power, Voltus, Smart Wires, NewGrid und andere setzen heute bereits reale Lösungen in großem Maßstab ein. Das einzige fehlende Element ist ein analytischer Rahmen, mit dem diese Lösungen überhaupt in Netzanschlussstudien aufgenommen werden können.

Technische Entscheidungen zum Stromnetz können Zuverlässigkeit, Strompreise und Infrastrukturinvestitionen über Jahrzehnte beeinflussen. Welche Schutzmechanismen, Validierungsprozesse, Berechtigungen und Prüfpfade sind erforderlich, bevor Versorgungsunternehmen KI-Agenten zunehmend komplexe Planungsabläufe anvertrauen können?

Dem stimmen wir zu 100 Prozent zu. Damit fundierte technische Entscheidungen getroffen werden können, muss jeder Teil der automatisierten Arbeit prüfbar und reproduzierbar sein. Für jede Aktion muss es einen lückenlosen Nachweis geben, denn niemand möchte, dass eine KI in einer Blackbox arbeitet und außer Kontrolle gerät.

Unsere Prüfpfade sind vielschichtig. Wir speichern die Unterhaltungen der Agenten, ihre Aktionen und die Ausführung der deterministischen Werkzeuge. Jeder Teilschritt und jeder Teilablauf erfasst und verwaltet sämtliche Ein- und Ausgaben, sodass alles von Anfang bis Ende prüfbar ist.

Auch Berechtigungen sind entscheidend. Unsere Agenten übernehmen die Berechtigungen des Nutzers, mit dem sie arbeiten. Ein Agent kann weder Daten sehen noch Aktionen ausführen, die die Person, für die er arbeitet, nicht selbst sehen beziehungsweise ausführen dürfte.

Das hängt mit dem umfassenderen Thema Data Governance zusammen, und Agenten verändern die bisherigen Paradigmen. Historisch bezog sich Governance auf strukturierte Daten, die eng begrenzt in einem einzelnen Silo lagen. Mit Agenten bewegen sich strukturierte, semistrukturierte und unstrukturierte Daten über Silogrenzen hinweg. Genau das ist das Potenzial, das eine Plattform wie Piq verspricht, und genau das erschwert die Governance. Es sind deutlich mehr Daten im Spiel, und ein breiterer Personenkreis interagiert mit ihnen. In einer Energiesystemorganisation ist das in zweifacher Hinsicht relevant: für wettbewerbssensible Investitionsinformationen und für kritische Informationen zur Energieinfrastruktur (CEII). Glücklicherweise arbeiten kluge Menschen daran, darunter die Mitglieder der IEEE Task Force on Data Governance for Power System Organizations.

Piq hat kürzlich eine überzeichnete Seed-Finanzierungsrunde über 5 Millionen US-Dollar abgeschlossen, um seine Plattform auszubauen. Wie wird KI Ihrer Erwartung nach die Netzplanung in den nächsten fünf Jahren verändern, und reichen schnellere Analysen aus, um mit dem Strombedarf durch KI-Rechenzentren, Elektrifizierung und industrielles Wachstum Schritt zu halten?

Ich bin überzeugt, dass der Einsatz von KI zur Beschleunigung der Analysen entscheidend ist, um mit der Stromnachfrage Schritt zu halten. Die zentrale Erkenntnis lautet, dass Automatisierung in diesem Maßstab nicht nur bedeutet, dieselbe Arbeit schneller zu erledigen. Sie ermöglicht auch Analysen, die mit begrenzter menschlicher Arbeitskapazität schlicht nicht durchgeführt werden könnten. Flexible Netzanschlüsse, flexible Übertragungsnetze und netzoptimierende Technologien – all das erschließt latente Kapazität, die heute bereits im Netz vorhanden ist. Wenn wir dies mit beschleunigten Netzanschlussstudien verbinden, werden wir unserer Ansicht nach mit der Nachfrage Schritt halten können.

Vielen Dank für das großartige Interview. Leserinnen und Leser, die mehr erfahren möchten, sollten Piq Energy besuchen.