SEERI (Solar Energy Estimator for Rooftop in Indonesia)
Bis 2025 hat sich Indonesien das Ziel gesetzt einen Anteil von 23 Prozent an erneuerbaren Energien im nationalen Energiemix zu erreichen. Das Land konzentriert sich auf die Einführung erneuerbarer Energien und konzipiert Photovoltaik-Dachanlagen (PV). Um die Nutzung von PV-Dachanlagen zu fördern, wurde in Zusammenarbeit mit der Deutschen Gesellschaft für Internationale Zusammenarbeit (GIZ), der GSMA und Bappenas, dem Hauptpartner des Digitalzentrum Indonesiens, ein innovatives Pilotprojekt namens SEERI (Solar Energy Estimator for Rooftop in Indonesia) entwickelt.
SEERI kombiniert Satellitenbilder und künstliche Intelligenz (KI) zur automatischen Erkennung von Dachflächen und bewertet das Potenzial für Photovoltaikanlagen auf Dächern. Die Provinz Bali wurde für die Umsetzung von SEERI ausgewählt, mit voller Unterstützung der Provinzregierung und des Center for Community-based Renewable Energy (CORE) LPPM Udayana University. Dieses Projekt hat das Potenzial wirtschaftliche und ökologische Vorteile für Indonesien zu bringen. Um die erfolgreiche Umsetzung von SEERI zu gewährleisten, sollte folgendes berücksichtigt werden:
- Relevanz und Skalierbarkeit der Lösung: SEERI geht auf die wachsende Nachfrage ein und kann einen erheblichen Einfluss auf die Ziele Indonesiens im Bereich der erneuerbaren Energien haben. Das Projekt ist auch für andere Länder relevant, die an der Ausweitung der Photovoltaikanlagen interessiert sind.
- Partner für die Lösungsentwicklung: Die Zusammenarbeit mit verschiedenen Interessengruppen und weitere Kooperationen mit Universitäten und Forschungseinrichtungen können die Reichweite des Projekts erhöhen.
- Interessengruppen: Zu den wichtigsten Interessengruppen gehören die indonesische Regierung, die Öffentlichkeit und potenzielle Nutzer*innen von PV-Dachanlagen.
- Ressourcen: Ein umfassender Datensatz ist für das Training des Erkennungsmodells erforderlich. SEERI verfügt bereits über ein Datenmodell für Gebäude auf Bali, aber es werden zusätzliche Daten benötigt, um die regionalen Unterschiede bei Gebäuden zu berücksichtigen.
- Fachwissen: Es ist notwendig, den lokalen PV-Dachmarkt und seine Vorschriften zu kennen. Fachwissen in KI und maschinellem Lernen (ML) in Bezug auf die Entwicklung des Systems und das Verständnis der Einstrahlungsdaten in der Region, der lokalen Vorschriften und der Preisgestaltung von Komponenten ist unerlässlich.
- Erste Schritte: Die Beschaffung zusätzlicher Datensätze für das Training des Erkennungsmodells, die Zusammenarbeit mit lokalen Expert*innen für PV-Dachvorschriften und Marktdynamik sowie die Verwendung von hochauflösenden Satellitenbildern werden benötigt. Eine Zusammenarbeit mit Dienstleister*innen oder PV-Anbieter*innen wird ebenfalls empfohlen.
SEERI kann erneuerbare Energien in Indonesien voranbringen und als Modell für andere Regionen dienen, die vor ähnlichen Herausforderungen der Energiewende stehen.