Digital-Twin-Architektur für mobile EV-Schnelllader

Überblick

Uniper AG ist ein führendes internationales Energieunternehmen mit Aktivitäten in den Bereichen Stromerzeugung, Energiehandel und Infrastruktur. Im Rahmen seiner Tätigkeit im EV-Bereich betreibt Uniper zwei mobile Schnellladegeräte (MFCs), die das wachsende Ladeökosystem unterstützen. Um das Beste aus diesen Geräten herauszuholen, benötigte die Einrichtung mehr als nur die Hardware allein: ein vernetztes, Edge-Cloud-Hybridsystem, das die Ladegeräte intelligent verwaltet und gleichzeitig die Kontrolle durch Menschen gewährleistet.

Herausforderung

Der Betrieb einer verteilten Flotte mobiler EV-Schnellladegeräte ist mit einem komplexen Bündel operativer Anforderungen verbunden. Jedes Ladegerät ist ein IoT-Gerät, das im Feld eingesetzt wird, oft an dynamischen oder abgelegenen Standorten, was physische Inspektionen und manuelle Fehlerbehebung kostspielig und langsam macht.

Uniper stand vor drei miteinander verbundenen Herausforderungen:

1. Keine Echtzeit-Transparenz über den Gerätezustand, was es schwierig machte, Fehler zu erkennen und zu diagnostizieren, bevor sie die Verfügbarkeit beeinträchtigten.
2. Hoher Betriebsaufwand in Logistik und Geräteverwaltung, da Transportaufträge und Bereitstellungsprozesse eine manuelle Koordination mit Logistikpartnern erforderten. Dies führte zu Ineffizienzen und verlangsamte die operativen Arbeitsabläufe, während die Flotte wuchs.
3. Logistikinefizienz, da kein Prognosemodell vorhanden war, um zu optimieren, wo und wann Ladegeräte an den verschiedenen Standorten eingesetzt wurden.

Das Fehlen einer einheitlichen, intelligenten Architektur bedeutete, dass die Betriebsteams reaktiv statt proaktiv handelten – eine erhebliche Einschränkung für eine schnell wachsende EV-Infrastruktur.

Unsere Lösung

Uniper hat mit unserem Team bei iits-consulting zusammengearbeitet, um eine Digital-Twin-Architektur für ihre Flotte mobiler EV-Schnellladegeräte zu entwerfen und umzusetzen. Diese skalierbare, cloud-verbundene Lösung ersetzt fragmentierte, manuelle Abläufe durch eine einheitliche Plattform, die dem Betriebsteam vollständige Transparenz und Kontrolle über jedes Gerät im Feld in Echtzeit gibt.

Auf Geräteebene ist jedes Ladegerät mit einer lokalen Edge-Computing-Einheit ausgestattet, die kontinuierlich Sensordaten erfasst, den Hardwarestatus überwacht und KI-gestützte Anomalieerkennung lokal durchführt. Das bedeutet, dass Fehler sofort identifiziert und gemeldet werden können, ohne darauf warten zu müssen, dass die Daten die Cloud erreichen. Eine sichere, bidirektionale Verbindung zur Cloud ermöglicht Remote-Monitoring und -Steuerung, sodass Teams Probleme von überall aus diagnostizieren und darauf reagieren können. Zu den implementierten Fernsteuerungsfunktionen gehören das Ändern von Geräteeinstellungen, das Auslösen eines Notabschaltung, das Ausspielen von Werbeanzeigen, das Anpassen der Bildschirmhelligkeit sowie die Steuerung von LEDs.

In der Cloud nimmt eine speziell entwickelte IoT-Plattform Daten aus der gesamten Flotte auf, leitet sie durch dedizierte Dienste zur Anreicherung, Ereigniserkennung und Prozessverwaltung und stellt sie den Betriebsteams über intuitive Webanwendungen zur Verfügung. Eine vollständig simulierte Geräteumgebung wurde parallel zur physischen Hardware aufgebaut, sodass das Team die gesamte IT-Infrastruktur im großen Maßstab entwickeln und Stresstests durchführen konnte. Damit wurde nachgewiesen, dass die Plattform in der Lage ist, eine Flotte von 1.000 Geräten zu verwalten – zu einem Zeitpunkt, als nur eine begrenzte Anzahl von Hardware-Prototypen verfügbar war.

Machine-Learning-Modelle sind durchgehend in die Plattform integriert, um die Ladernachfrage nach Standort und Uhrzeit vorherzusagen. Dies ermöglicht intelligentere Logistikentscheidungen und eine effizientere Flottenpositionierung im gesamten Netzwerk von Uniper.

Geschäftlicher Nutzen

Live-Monitoring und Remote-Diagnose reduzierten den Bedarf an Vor-Ort-Einsätzen, verbesserten die Flottenauslastung und die operative Reaktionszeit.

Virtuelle Inbetriebnahme ermöglichte eine schnellere, risikofreie Einführung neuer Geräte und Konfigurationen, indem Tests von der physischen Bereitstellung entkoppelt wurden.

ML-gestützte Logistikoptimierung verbesserte die Entscheidungen zur Ladegerätplatzierung und steigerte die Effizienz der Flottenauslastung.

Eine skalierbare, wiederverwendbare IoT-Cloud-Architektur wurde geliefert, die auf andere Asset-Typen und über den EV-Ladebereich hinaus anwendbar ist (Industrieanlagen, Gebäude und mehr).

Das auf Microservices basierende Design stellt sicher, dass die Plattform unabhängig skaliert werden kann – je nach Dienst –, um Unipers langfristiges Wachstum in der E-Mobilitätsinfrastruktur zu unterstützen.