Konferenzprogramm

Die im Konferenzprogramm der TDWI München 2024 angegebenen Uhrzeiten entsprechen der Central European Time (CET).

Hier kannst Du die Programmübersicht der TDWI München 2024 mit einem Klick als PDF herunterladen.

 

Track: INNOVATE & EXPLORATE

Nach Tracks filtern
Alle ausklappen
  • Dienstag
    11.06.
16:00 - 16:45
Di 4.4
Data Analyctics Escape Room
Data Analyctics Escape Room

Beim 'Data & Analytics Escape Room' sind analytische Fertigkeiten Schlüssel zum Erfolg. In diesem interaktiven Spiel bewältigen Teams von 3-6 Mitgliedern gemeinsam Daten-Herausforderungen. Nutzen Sie SQL für Spurensuche, konfigurieren Sie ML-Modelle für Hinweise und bereinigen Sie fehlerhafte Daten, um voranzukommen. Sind Sie bereit, Ihre analytischen Fähigkeiten in einem Rennen gegen die Zeit zu testen?

Zielpublikum: Data Analysts, Data Engineers, Data & Analytics Enthusiasts, Data Practioners, Data Scientists, ML Engineers
Voraussetzungen: SQL, Data Analysis, Python(basic)
Schwierigkeitsgrad: Advanced

Florian Dindorf ist Consultant bei b.telligent. Er arbeitet seit 7 Jahren im BI-Bereich. Erst als dualer Student und Entwickler in einem Handelsunternehmen und anschließend als Berater. Der Fokus liegt dabei im BI-Backendbereich und im Data Engineering mit einer Passion für den Modern Data Stack.

Lennart Dangers baut bei linkFISH Consulting GmbH Brücken zwischen fachlichen Anforderungen, Konzeption und technischer Umsetzung. Als Consultant für Business Intelligence und Data Analytics sind seine Schwerpunkte Advanced Analytics und Weiterentwicklung im Modern Data Stack.

Florian Dindorf, Lennart Dangers
Florian Dindorf, Lennart Dangers
Vortrag: Di 4.4

Vortrag Teilen

17:15 - 18:00
Di 4.5
Erneuerbare Energiegemeinschaften: Erfolg durch Datenanalyse
Erneuerbare Energiegemeinschaften: Erfolg durch Datenanalyse

Die EU-Richtlinie für erneuerbare Energien ermöglicht den direkten nachbarschaftlichen Stromhandel, z.B. von PV-Überschüssen. Ziel solcher erneuerbaren Energiegemeinschaften (EEG) ist die Optimierung der sog. Eigendeckung. Das bedingt eine Verhaltensanpassung, etwa beim Laden von Elektroautos. Hierzu müssen die Mitglieder gut über Überschussmengen und -zeiten informiert sein. Der Beitrag stellt eine Datenanalyselösung vor, aktuell in zwei Pilot-EEGs im Einsatz. Themen sind Aufbereitung und Visualisierung der Zeitreihendaten sowie Prognosen.

Zielpublikum: Interessierte Bürger, Datenanalysten, Datenarchitekten
Voraussetzungen: keine
Schwierigkeitsgrad: Basic

Extended Abstract:
Die EU-Richtlinie über erneuerbare Energien (RED II) ermöglicht die Gründung sogenannter erneuerbarer Energiegemeinschaften (EEG). Konkret geht es um Stromhandel in der Nachbarschaft, beispielsweise von Überschüssen aus PV-Anlagen, die nicht an Energiekonzerne, sondern direkt an Nachbarn verkauft werden. Durch das Entfallen eines Zwischenhändlers ergeben sich Preisvorteile, sowohl beim Einspeisen als auch beim Bezug.

In Deutschland ist die Entwicklung noch schleppend aufgrund der großen bürokratischen Hürden, aber auch hier ist das Thema im Kommen. In Österreich ist man schon weiter, Smart Meter Rollout, vereinfachte Verfahren und Anreize wie Rabatte auf die Netznutzung haben dazu geführt, dass in der Alpenrepublik bereits Hunderte solcher EEGs in Betrieb sind.

Ziel einer EEG ist es, möglichst viel Energie innerhalb der Gemeinschaft zu verbrauchen, und zwar genau zu der Zeit, in der sie (beispielsweise durch Photovoltaik) erzeugt wird. Hierzu müssen die Mitglieder gut über Überschussmengen und -zeiten informiert sein. Kann man das Laden von Elektroautos, Warmwassererzeugung etc. in diese Zeiten verlegen, muss weniger externer Strom zugekauft werden. Das gleiche gilt im Kleinen natürlich auch für einzelne Haushalte (ohne Energiegemeinschaft).

Der Beitrag stellt eine Datenanalyselösung für erneuerbare Energiegemeinschaften vor, die aktuell in zwei EEGs im Pilotbetrieb verwendet wird. Behandelt wird die Datenaufbereitung, ein Dashboard zur Analyse der Energieüberschüsse und der Fremddeckung, sowie eine KI-basierte Vorhersagekomponente. Es ist geplant, die Lösung als Open Source weiteren Energiegemeinschaften zugänglich zu machen.

Prof. Dr. Torsten Priebe ist Dozent für Data Analytics an der Fachhochschule St. Pölten und leitet dort die Forschungsgruppe Data Intelligence. Zuvor war er in leitenden Positionen bei verschiedenen Beratungsunternehmen tätig. Sein Doktorat erwarb er 2005 an der Universität Regensburg mit einer Dissertation über semantische Technologien zur Integration von strukturierten und unstrukturierten Daten. Seit August 2023 ist er außerdem Gründer und Obmann der Energiegemeinschaft Ratzersdorf.

Mehr Inhalte dieses Speakers? Schaut doch mal bei sigs.de vorbei: https://www.sigs.de/autor/torsten.priebe

Christian Hofmann ist Gründer und Obmann der Energiegemeinschaft Göttweigblick, einer der größten erneuerbaren Energiegemeinschaften in Österreich. Mittlerweile hat der Pionier der österreichischen Energiewende über ein Dutzend weitere Energiegemeinschaften bei der Gründung unterstützt. Darüber hinaus ist er als selbstständiger Coach und Digitalisierungsexperte tätig.

Torsten Priebe, Christian Hofmann
Torsten Priebe, Christian Hofmann
Vortrag: Di 4.5

Vortrag Teilen

Zurück