Neue Technologien und IT-Lösungen tragen wesentlich dazu bei, das Unternehmen RWE für die Herausforderungen der Zukunft zu wappnen. Um einen entsprechenden Mehrwert generieren zu können, werden Informationen in Form von Analysen und Modellierungen so sichtbar wie nie zuvor. Die Digitalisierung macht Prozesse transparent – im Kraftwerk ebenso wie auf dem Trading Floor oder bei Projekten mit Partnern.
RWE ist stolz darauf, einige hundert Apps und diverse Cloud Services im großen Stil in bestehende Geschäftsprozesse integriert zu haben. Den Beschäftigten des Unternehmens eröffnet dies mannigfaltige Möglichkeiten.
Jederzeit bestmöglich auf die Bewegungen im Energiemarkt reagieren – Algo Trading macht es möglich. Was für viele Marktteilnehmer noch immer ein relativ neues Thema ist, ist bei der RWE Supply & Trading bereits seit 2015 im Tagesgeschäft etabliert. Der digitalisierte und automatisierte Weg des Tradings ermöglicht es der Handelsgesellschaft, kontinuierlich, effizient und sicher optimale Ergebnisse am Markt zu erzielen. Vor allem im Intradaymarkt, wo sich Preise innerhalb von Sekunden ändern, sichern die komplexen, selbstentwickelten Algorithmen entscheidende Vorteile. Neben den Flexibilitäten der RWE-Kraftwerke werden auch zahlreiche Kundenpositionen mithilfe der Algorithmen bewirtschaftet. Auf diese Weise profitieren die Kunden von ständiger Marktnähe und effizienten Handelsentscheidungen bei gleichzeitigem minimalem eigenem manuellem Aufwand. Um das Potenzial des automatisierten Handels voll auszuschöpfen, arbeiten die erfahrenen Trader der RWE Supply & Trading jeden Tag daran, die Performance der Algorithmen zu verbessern und diese an die sich schnell ändernden Marktbedingungen anzupassen.
Der innovative und webbasierte Dienst “Easy Commodity Trader” (ECT) bietet den B2B-Kunden der RWE Supply & Trading eine professionelle Lösung für den bilateralen Commodity-Handel. Das selbstentwickelte Portal ermöglicht den Kunden einen einfachen, schnellen und zuverlässigen Zugang zu den wichtigsten europäischen Strom- und Gasmärkten. Dank des personalisierbaren Handelsbildschirms können die Nutzer sowohl Standard- als auch Nicht-Standardprodukte den eigenen Präferenzen entsprechend ganz einfach vom eigenen Bildschirm handeln. ECT kann über eine API-Schnittstelle problemlos in bestehende Systeme integriert werden und ist für die Nutzer kostenlos. Eine Zwei-Faktor-Authentifizierung sowie die Anwendung eines Session-Tokens garantieren die Sicherheit des Handels bei gleichzeitiger Unterstützung eines professionellen Handelserlebnisses.
„Lead in Data“ (LiD) ist eine cloudbasierte Datenplattform, die eine völlig neue Art des Datenmanagements bei der RWE Supply & Trading ermöglicht. Die zukunftsfähige, skalierbare Plattform ist optimal auf die kommerzielle Strategie des Unternehmens angepasst und ist in der Lage einen effizienten Zugriff auf Daten und die Arbeit mit extrem großen Datenmodellen zu ermöglichen. Um das volle Potenzial der Plattform bestmöglich auszuschöpfen, wurden für die mehr als 350 täglichen Nutzer:innen sowohl ein spezielles Training als auch eine User-Community entwickelt. Durch die Möglichkeit des kollaborativen Arbeitens sowie dem Zugriff auf einen zentralen Datenkatalog ist LiD die ideale Lösung für die teamübergeifende Kommunikation innerhalb der Analysten Community.
Machine Learning revolutioniert die Verarbeitung von Dokumenten bei RWE Renewables Europe & Australia. Das “Digital Transformation & Innovation”-Team (IT/OT) hat sich zum Ziel gesetzt, Verarbeitungsprozesse von Dokumenten zu optimieren und zu automatisieren, um die manuellen und monotonen Prozesszeiten zu reduzieren.
Das Machine Learning entstammt dem Gebiet der künstlichen Intelligenz und ermöglicht es, menschliche Fähigkeiten, wie logisches Denken, Lernen, Planen und Kreativität, in unterschiedlichen Anwendungsbereichen zu imitieren und diese mithilfe von Algorithmen aus Daten weiter auszubauen.
Im Team der RWE Renewables Europe & Australia IT/OT wird Machine Learning in verschiedenen Bereichen im Unternehmen eingesetzt, um Verarbeitungsprozesse von Dokumenten zu automatisieren und zu optimieren.
Durch die Kooperation mit externen Unternehmen entstehen in einigen Abteilungen System- und Prozessbrüche, die den automatisierten Austausch von Daten erschweren. Oftmals werden Daten in Form von PDF-Dokumenten oder gar in Papierform übermittelt, was zu einem hohen manuellen Aufwand in der Weiterverarbeitung der Informationen führt. Die händische Verarbeitung dieser Dokumente ist zudem oftmals mit monotonen und zeitintensiven Aufgaben verbunden. Die Anwendung von Machine Learning ermöglicht es, diesen Prozess zu beschleunigen und zu vereinfachen sowie die Fehleranfälligkeit zu minimieren.
Bei der RWE Renewables Europe & Australia werden erste Tests durchgeführt, um die Machine Learning Modelle auf Text- und Tabellenstrukturen aus Dokumenten wie Briefen oder seitenlangen Reports zu trainieren. Dabei steigert die Zuführung jedes weiteren Dokuments die Effektivität der trainierten Modelle. Die Bereitstellung der Daten in digitaler Form wie beispielsweise in strukturierten Datenbanken oder auch Excel gewährleistet hierbei die Weiterverwendbarkeit.
Um die Betriebsfähigkeit in Abstimmung mit den gesellschaftsweiten Einsparmaßnamen sicherzustellen und auf die weiterwachsende Anwendungslandschaft der RWE Power AG zu reagieren, sahen die Spezialisten in der IT-Abteilung Handlungsbedarf. Das Ziel war es dabei, die vorhandenen Kapazitäten möglichst von aufwändigen Source-Code Pflegearbeiten zu entlasten, um die selbstentwickelten Anwendungen auch in Zukunft weiterhin warten und anpassen zu können.
Um Standard-Code für unterschiedliche digitale Anwendungen nicht immer wieder manuell zu schreiben oder per „copy and paste“ zu übernehmen, ist man in IT-Abteilung der RWE Power, der sogenannten “Power Core IT”, dazu übergegangen, dies durch selbstentwickelte sogenannte „Code-Generatoren“ herstellen zu lassen.
Ein SourceCode-Generator ist ein Softwareprogramm, welches den Quellcode in einer gewählten Programmiersprache aus Modellen (z. B. UML), einer anderen formalen Sprache (bspw. XML) oder anderen Formaten (z. B. Entscheidungsmatrizen) erzeugt. Auf Basis von vorliegenden „Meta-Informationen“ wird somit domänenspezifischer Programmcode generiert.
Diese Source-Generatoren können immer wiederkehrende Programmier-Muster ohne Zeitaufwand für den Entwickler automatisch generieren.
Je nach Einsatzbereich des Softwaremoduls können dies bis zu 80% des Sourcecodes sein, was je nach Größe der Software Hunderttausende von Codezeilen sein können. Die Generatoren verschieben die Entwicklung auch ein Stück weit von der Programmierung hin zur Modellierung. Die Pflege von Modellen ist oft einfacher als die Pflege von Quellcode, da Modelle einen schnelleren Überblick erlauben und unabhängiger vom „Programmierstil“ des einzelnen Entwicklers sind.
Modelle erlauben formale Prüfungen auf Einhaltung von festgelegten Einschränkungen, Vorgaben oder sonstigen Auflagen.
Zudem unterlaufen Code-Generatoren keine „Flüchtigkeitsfehler“. Sie erzeugen Code, welcher definierte Programmierrichtlinien automatisiert einhält. Der generierte Code ist konsistent und durch den Generator qualitätsgesichert.
Die ständige Weiterentwicklung von Programmiersprachen erfordert regelmäßige Wartungsprojekte.
Mit diesen wird die Kompatibilität der Anwendungen mit neuen Sprachen bzw. Sprachversionen gewährleistet und es wird dem Stand der Technik entsprochen. Bei generiertem Code ist „nur“ die Anpassung des Code-Generators notwendig, aber nicht die Anpassung der ganzen Anwendungen.
Mit diesem Vorgehen gelingt es der bei RWE Power sich vollständig auf das Umsetzen der Geschäftslogik und das Implementieren der fachlichen Prozesse zu fokussieren und somit den größtmöglichen Wertbeitrag durch das vorhandene Expertenwissen zu erzielen. Dank dieser Effizienzsteigerung sowie der Produktivität beim Entwickeln von Anwendungen wird der valide Support für die Anwendungslandschaft der RWE Power AG durch einen weiteren Baustein sichergestellt.
