River

River

Energyfish: KI-gestützte Energie aus Flussströmungen

River

Der Energyfish ist ein hydrokinetisches Kraftwerk, das erneuerbare Energie aus Flussströmungen gewinnt und mithilfe digitaler Zwillinge, generativer KI und moderner IoT-Infrastruktur effizient simuliert, betrieben und skaliert wird. KI-gestützte Wartung und Umweltsensorik senken Betriebskosten, verbessern Hochwasserfrüherkennung und ermöglichen die wirtschaftliche Skalierung in Bayern und international.

Projektbeschreibung

RIVER (Resiliente Infrastruktur zur Virtualisierung, Energiegewinnung und vorrauschauenden WaRtung) entwickelt eine resiliente, KI-gestützte Infrastruktur für hydrokinetische Kraftwerke am Beispiel des Energyfish. Ziel ist es, durch digitale Zwillinge, generative KI und eine moderne IoT-Edge-Cloud-Architektur die Simulation, den Betrieb und die Skalierung von Energiegewinnung aus Flussströmungen grundlegend zu verbessern. Reale Betriebs- und Umweltdaten werden kontinuierlich erfasst, mit Simulationen kombiniert und zur präzisen Abbildung der Anlagen genutzt. Darauf aufbauend ermöglicht KI-gestützte vorausschauende Wartung eine deutliche Reduktion von Serviceeinsätzen, Betriebskosten und Ausfallzeiten bei gleichzeitiger Verlängerung der Lebensdauer. Zusätzliche Sensorik unterstützt Hochwasserfrüherkennung, Umweltmonitoring und Gewässermanagement. Die im Projekt entwickelten Technologien sind auf klassische Kleinwasserkraft übertragbar und schaffen die Grundlage für eine wirtschaftliche, nachhaltige und gesellschaftlich akzeptierte Skalierung in Bayern und international.

Forschungsbeitrag

Das Projekt leistet einen wesentlichen Beitrag zur Analyse, zum Testen und zur Validierung digitaler Zwillinge kritischer Infrastrukturen, insbesondere von Energie- und Fluss- bzw. Gewässersystemen. Es erweitert den Stand der Technik durch die Kombination automatisierter Testfallgenerierung, datengetriebener Modellierung und simulationsbasierter Experimente zur Untersuchung von Systemverhalten, Robustheit und Fehlermodi von Digital Twins unter realistischen und extremen Szenarien. Ein zentraler Beitrag ist die integrierte Betrachtung von Simulation, testnahen Umgebungen und realen Referenzdaten zur Analyse und Reduktion der Sim-to-Real-Lücke. Darüber hinaus entstehen empirisch fundierte Erkenntnisse, wiederverwendbare Softwareartefakte sowie methodische Leitlinien zur Verbesserung der Zuverlässigkeit, Prognosegüte und Entscheidungsunterstützung digitaler Infrastrukturdigitalzwillinge.

Projektdauer

15.01.2026 – 14.06.2026

Prof. Dr. Andrea Stocco

Ihr Kontakt

Prof. Dr. Andrea Stocco

+49 89 3603522 271
stocco@fortiss.org

Projektpartner