Zentur.io GmbH

Zentur.io erstellt KI-basierte Fahrpläne für die Erzeuger in Nah- & Fernwärmenetzen. Dadurch können mehr erneuerbare Energiequellen integriert und fossile Brennstoffe effizienter eingesetzt werden. Das spart CO2, Kosten und erhöht den Anteil erneuerbarer Energie in der Wärmeversorgung. Über unsere Cloud SaaS Lösung können Sie unseren Service ganz einfach in einem eigenen Dashboard beziehen oder wahlweise mit Ihren bestehenden IT-Systemen per API verknüpfen.

Was denkt ihr in welchem Sektor wir Deutschen die meiste Energie verbrauchen? Ist es Strom, Verkehr oder Wärme? Tatsächlich verbrauchen wir über 52% der Energie im Wärmesektor. Dabei wird nur 14% aus erneuerbaren Energiequellen gewonnen. Um die Energiewende erfolgreich umzusetzen, muss also besonders die Wärmeversorgung sehr viel grüner werden!

Das verspricht man sich von Nah-, Fernwärme und Quartierslösungen, die bis 2050 knapp 40% der Wärmeversorgung abdecken werden. Die größte Herausforderung hierbei ist die smarte Integration von i.d.R. wetterabhängigen erneuerbaren Energiequellen bei gleichzeitiger Optimierung der fossilen Erzeugungsanlagen. Deswegen haben wir Zentur.io gegründet.

Wir machen Wärmenetze mit unserer KI-Lösung smart. Wir verarbeiten Daten von Erzeugern, Verbrauchern und Wetterprognosen in Machine Learning Modellen, um so besonders die Fahrpläne der fossilen Erzeugungsanlagen zu optimieren und die wetterabhängigen erneuerbaren Energien besser einplanen zu können. Dadurch erreichen wir eine geringere Rücklauftemperatur, wodurch Wärme aus erneuerbaren Quellen z.B. Solarthermie auch bei einer verschatteten Sonne mit geringerer Wärmeleistung eingespeist werden kann. Die prognostizierte Wärmemenge der erneuerbaren Energien dient dann als Grundlage für die Erstellung der Fahrpläne für fossile Wärmeerzeuger (Öl, Gas, etc.), die weniger Brennstoff verfeuern müssen bzw. ein unnötiges Verfeuern durch unsere Fahrpläne vermieden wird. Das spart Brennstoff, Kosten und CO2-Emissionen.

Eine erste Schätzung eines Pilotkunden beziffert die Einsparung auf 10-15%. Die Einberechnung von Verbraucherprofilen (Haushalte & Industrie) rundet das Konzept ab. Dadurch können wir die Netzplanung validieren und simulieren, um z.B. für die Erweiterung oder Neuplanung von Wärmenetzen wichtige Ergebnisse zu liefern. Diese Ergebnisse stellen wir über ein SaaS Modell zur Verfügung. Unsere Machine Learning Pipeline ist in der AWS Cloud aufgebaut und als MVP bereits einsatzbereit.

Durch das Gesetz zur Digitalisierung der Energiewende müssen Versorger nicht nur Wärmenetze mit Smart Metern digitalisieren. Auch die erst vor Kurzem (Oktober 2021) veröffentlichte FFVAV Regelung zwingt die Wärmeversorger zur Fernauslesung von Zählern. Daraus verspricht man sich besonders die Kundenseite (Verbraucher) besser zu verstehen. Hier besteht – laut Kundeninterviews – noch ein blinder Fleck im Management von Wärmenetzen 4.0

Stammdaten

Gründungsjahr:

Handelsregister:

Stammkapital:

Kontakt