KI ist kein Innovationsbonus, sondern wirtschaftliche Notwendigkeit für die Energiewende

Grüner Wasserstoff soll in der Energiewende eine zentrale Rolle als Bindeglied zwischen erneuerbarer Stromerzeugung, Speicherung und industrieller Nutzung spielen. Ob Wasserstoff jedoch wirtschaftlich und skalierbar produziert werden kann, entscheidet sich deshalb auch an der Schnittstelle von Datenintegration, künstlicher Intelligenz und digitaler Souveränität. 

Weil sich nicht alle industriellen Prozesse direkt elektrifizieren lassen, braucht die Energiewende grüne Gase. Die Stärke von Wasserstoff liegt dabei weniger im Ersatz fossiler Moleküle als in seiner Rolle als physisches Speichermedium für erneuerbaren Strom und damit als physische Absicherung gegen volatile Strommärkte. 

Gerade in Zeiten hoher Einspeisung aus Wind und Sonne entstehen an den Strommärkten immer häufiger Stunden mit sehr niedrigen oder sogar negativen Preisen von bis zu -600 Euro pro MW/h. Strom, der in diesen Phasen aus netzdienlichen Gründen abgenommen und vergütet werden muss, kann in grünen Wasserstoff umgewandelt werden. Damit wird aus einem systemischen Stromüberschuss ein speicherbarer Energieträger, der für energieintensive Industrien relevant ist und zusätzlich unser Stromnetz entlastet. 

Die vertikale Integration von Daten und deren KI-gestützte Auswertung sind kein optionales Add-on, sondern eine betriebliche Voraussetzung. Machen wir das einem Beispiel an der Nordseeküste klar: ein 100-Megawatt-Elektrolyseur, gekoppelt an einen Windcluster von 250 Megawatt, eine Salzkaverne mit rund 1.500 Tonnen Speicherkapazität und eine 60 Kilometer lange Pipeline zu einem DRI-Stahlproduzenten und einem Ammoniakhersteller. An einem windreichen Sonntagnachmittag im Herbst kommen dort drei Ereignisse zusammen, an denen an denen sich der Unterschied zwischen fragmentierter und integrierter Datenverarbeitung zeigt. 

Erstens drückt eine Sturmfront die Windeinspeisung über den Bedarf, der Strompreis liegt für mehrere Stunden im negativen Bereich. Dazu meldet das Degradationsmodell für eines von zwölf Stack-Modulen eine leicht erhöhte Zellspannung gegenüber dem Erwartungspfad, ein Indikator, der bei unverändertem Betrieb auf eine Notabschaltung des Clusters in rund 18 Monaten hindeutet. Drittens hat der Stahlabnehmer für den kommenden Dienstagmorgen eine 18-stündige Hochofenwartung angekündigt, in der seine Wasserstoffabnahme auf 15 Prozent fällt. 

In einer klassisch aufgestellten Anlage werden diese Informationen in drei getrennten Systemen verarbeitet, in Leitwarte, Energiehandel und Asset-Management. Die Anlage fährt unter Volllast einschließlich des angeschlagenen Moduls, die Wartung läuft nach festem Intervall, anderthalb Jahre später reisst das defekte Modul den gesamten Cluster für rund 36 Stunden vom Netz. 

In einer integrierten Architektur liegen Zellspannungen, Windleistung, Kavernendruck, Pipelinetelemetrie, Spotpreiskurve und Wartungskalender des Kunden auf derselben Datenplattform. Daraus entstehen innerhalb von Minuten drei Entscheidungen. Das auffällige Modul wird auf 45 Prozent Last gedrosselt und die freie Kapazität auf die übrigen elf Module verteilt, was die Degradationsrate um rund zwei Drittel senkt. Die Gesamtanlage fährt bis in den Abend auf 105 Prozent Nennlast, der überschüssige Wasserstoff wandert in die Salzkaverne und wird rechnerisch zu 1,82 Euro pro Kilogramm erzeugt. Die Wartung des betroffenen Moduls wird auf Dienstagmorgen verschoben, exakt in das Wartungsfenster des Stahlabnehmers, der Ammoniakkunde wird in dieser Zeit aus der Kaverne bedient. Aus 36 Stunden ungeplantem Cluster-Ausfall werden 22 Stunden geplante Modulwartung ohne Produktionsverlust. 

Der wirtschaftliche Effekt ist gut belegt. Aktuelle Studien zeigen für ML-gestützte vorausschauende Wartung von Elektrolyseuren eine Verlängerung der Stack-Lebenszeit um 15 bis 25 Prozent, eine Reduktion ungeplanter Ausfälle um 30 bis 45 Prozent und Wirkungsgradgewinne von 3 bis 7 Prozent. Auf eine 100-Megawatt-Anlage hochgerechnet ergeben sich daraus jährliche Einsparungen von 0,6 bis 1,1 Millionen Euro aus verlängerter Stack-Standzeit, 0,4 bis 1,5 Millionen Euro aus vermiedenen Ausfällen, 2 bis 3,5 Millionen Euro aus der Nutzung von Negativpreisstunden und 0,8 bis 2,8 Millionen Euro aus dem Wirkungsgradgewinn. In Summe 4 bis 9 Millionen Euro pro Jahr und 100 Megawatt Elektrolyseleistung. Bezogen auf ein typisches Levelized Cost of Hydrogen (LCOH) von 4 bis 6 Euro pro Kilogramm entspricht das 10 bis 25 Prozent der Produktionskosten. Genau die Spanne, die darüber entscheidet, ob ein Wasserstoffprojekt dauerhaft auf Förderlogiken angewiesen bleibt oder am Markt bestehen kann. Ohne integrierte Betriebsdaten bleiben diese Effekte theoretisch. 

Neben der wirtschaftlichen Dimension gewinnt dabei auch die Frage der digitalen Souveränität an Bedeutung. Wer Datenplattformen und KI-Infrastruktur für Wasserstoffprojekte ausschließlich von außereuropäischen Anbietern bezieht, gibt zentrale Steuerungs- und Wertschöpfungskompetenzen aus der Hand. Betriebsdaten von Energieinfrastrukturen sind nicht nur technisch sensibel, sondern strategisch relevant. Sie bestimmen, wie Anlagen gefahren werden, wie schnell auf Störungen reagiert wird und wo langfristige Optimierungspotenziale liegen. Wer diese Steuerung vollständig aus der Hand gibt, schafft neue Abhängigkeiten. 

Für einen Industriestandort wie Deutschland bedeutet das, die digitale Dimension der Energiewende von Anfang an mitzudenken. Resilienz gegenüber geopolitischen Abhängigkeiten entsteht nicht allein durch neue Energieträger, sondern auch durch Kontrolle über die digitalen Systeme, die diese Energieträger steuern. Offene Schnittstellen, klare Data-Governance-Strukturen und der Betrieb in europäischen Cloud-Umgebungen sind dabei zentrale Bausteine. Sie ermöglichen Kooperation, ohne Kontrolle abzugeben, und Innovation, ohne neue Abhängigkeiten zu schaffen. 

Digitalisierung kann so also mehr leisten als Kostensenkung. Sie schafft Transparenz, Planbarkeit und Vertrauen für Betreiber, Investoren und Abnehmer gleichermaßen. Wasserstoff wird damit nicht nur ein technologisches, sondern ein systemisches Element der Energiewende. Ob dieses System tragfähig wird, entscheidet sich weniger an einzelnen Komponenten als an der Qualität der Daten, die es zusammenhalten. 

Als Industriestandort Deutschland stehen wir nicht nur vor der Herausforderung einer leist- und bezahlbaren grünen Transformation, sondern wir brauchen auch sichere Infrastrukturen. Gehen wir doch am besten beides an und schaffen einen digitalen Raum, der unserer Industrie hilft und die Zukunft ein bisschen grüner macht.