Wie das National Renewable Energy Laboratory in den USA bestätigt, ermöglicht das IBM-System eine um rund 30 Prozent genauere Prognose als die derzeit eingesetzten Wettervorhersagesysteme. "Es bietet eine Vorhersage für Sonne, Wind und andere Umweltparameter", erklärt Hendrik Hamann, Research Manager beim IBM T.J. Watson Research Center. "STM lernt ständig durch Datenauswertungen von Solaranlagen und Wetterstationen. Die Prognosen werden kontinuierlich besser."

Weil das System berechnet, in welchen Mengen erneuerbare Energien über Tage und Wochen zur Verfügung stehen werden, lassen sich diese besser in das Stromnetz einspeisen - in Abstimmung mit Energie aus herkömmlichen Quellen wie Atom-, Kohle- und Wasserkraft. IBM nennt das System "Self-Learning Weather Model and Renewable Forecasting Technology" (SMT). Die Technik basiert im Wesentlichen auf Big-Data-AnalyticsundMachine-Learning-Algorithmen.

SMT stützt sich auf täglich mehr als ein Terabyte an Daten, die über Wetterstationen, Solar- und Windanagen sowie über Wettersatelliten eingesammelt werden. "Je mehr Daten verfügbar sind, desto genauer arbeitet SMT", sagt Hamann. Siyuan Lu, Physical Analytics Researcher bei IBM, ergänzt: "Das System trainiert sich kontinuierlich selbst anhand von historischen Daten Tausender von Wetterstationen und Realtime-Messungen. So kombiniert es die Vorhersagen einer Vielzahl von Wettermodellen mit geografischen Informationen und anderen Daten, um zu einer genauen Prognose zu gelangen."

In den USA wächst wie in Europa permanent der Anteil der erneuerbaren Energien am Strommix. Deshalb ist es für Kraftwerksbetreiber wichtig zu wissen, wie groß dieser Anteil exakt ist. Während sich Energie aus herkömmlichen Quellen gut planen lässt, stehen die Betreiber bei der Kalkulation erneuerbarer Energien vor Problemen. IBMs SMT-System soll helfen, Wettereinflüsse kalkulierbar zu machen und so die regenerativen Energien intensiver nutzen zu können.