Jobs im maschinellen Lernen

Jobs im Bereich Künstliche Intelligenz und maschinelles Lernen in der erneuerbaren Energie

Fachleute für künstliche Intelligenz und maschinelles Lernen entwickeln, trainieren und betreiben die Modelle, die Erzeugung prognostizieren, Batterien steuern, Anlagenfehler erkennen und Strompreise vorhersagen. Das Modell ist hier das Arbeitsergebnis selbst, kein Bürowerkzeug nebenbei. Genau solche Leute fehlen der Branche: Laut dem IEA-Bericht Energy and AI sind KI-Kompetenzen im Energiesektor deutlich seltener als in anderen Branchen, obwohl KI-gestützte Netzwerkzeuge nach Schätzung der Agentur bis zu 175 Gigawatt Übertragungskapazität freisetzen könnten, ohne dass eine einzige neue Leitung gebaut wird.

Prognose, Speicher, Anlagenzustand

Der kommerziell klarste Anwendungsfall bleibt die Prognose. Wer die Einspeisung eines Wind- oder Solarparks für den nächsten Tag zuverlässig vorhersagt, verkauft den Strom am Day-Ahead-Markt, statt später teure Ausgleichsenergie zu bezahlen. Solche Modelle gehören bei Direktvermarktern und im Energiehandel längst zur Grundausstattung. Die Arbeit hat sich deshalb verschoben: Es geht weniger um den Nachweis, dass es funktioniert, als darum, Hunderte Modelle genau zu halten, während Anlagenparks, Wetterlagen und Marktregeln sich ändern.

Batteriespeichersysteme sind das zweite große Feld. Ein Speicher verdient Geld, indem er im richtigen Moment lädt und entlädt, am Großhandelsmarkt ebenso wie am Regelenergiemarkt, und Optimierungsmodelle treffen diese Entscheidungen im Minutentakt. Das dritte Feld ist der Anlagenzustand: Modelle, die aus Schwingungs-, Temperatur- und SCADA-Daten ein versagendes Getriebelager oder einen alternden Wechselrichter herauslesen, bevor die Anlage ausfällt. Im Netz verkürzt KI-gestützte Fehlerortung Ausfälle nach Angaben der IEA um 30 bis 50 Prozent.

Dynamische Tarife als Treiber in Deutschland

Hierzulande hat ein Gesetz einen eigenen Markt geschaffen. Seit dem 1. Januar 2025 muss nach § 41a Energiewirtschaftsgesetz jeder Stromlieferant Kunden mit intelligentem Messsystem einen dynamischen Tarif anbieten. Damit werden Verbrauchsprognosen, Preismodelle und die Steuerung von Wärmepumpe, Heimspeicher und Wallbox zum Kerngeschäft von Energieanbietern, die sich als Softwarefirmen verstehen.

Das spiegelt sich in unseren Anzeigen. Der Hamburger Anbieter Rabot Energy schreibt die meisten Stellen dieser Kategorie aus, dicht gefolgt von Siemens Energy und NextEra Energy. Dazu kommen Versorger wie EDP Renewables und Scottish Power sowie britische Plattformanbieter wie OVO Energy, die mit maschinellem Lernen Tarife kalkulieren und Kundengeräte steuern. London und Hamburg sind die wichtigsten Standorte, Berlin, Glasgow und Lissabon folgen.

Gefragte Profile

Data Scientist ist der mit Abstand häufigste Titel, gefolgt von Senior Data Scientist, Machine Learning Engineer und AI Engineer. Neu hinzugekommen sind hybride Rollen wie Product Engineer für KI und Innovation oder Forward Deployed Engineer, die Modelle direkt beim Kunden in Prozesse einbauen. Die Grenzen zu Data Science und Datenanalyse, Data Engineering und Softwareentwicklung sind fließend; viele Stellen verlangen, dass man ein Modell nicht nur baut, sondern auch in Produktion bringt und überwacht.

Fachliche Grundkenntnisse entscheiden oft mehr als ein weiteres Framework. Wer Zeitreihen und probabilistische Prognosen beherrscht und zugleich erklären kann, wie sich die Erlöse eines Batteriespeichers zusammensetzen oder warum Anlagen abgeregelt werden, hat gegenüber reinen ML-Generalisten einen deutlichen Vorsprung.