Energie: Unterstützung für die Energiewende

Ein zentrales gesellschaftliches Thema für die kommenden Jahrzehnte bleibt die Energiewende. Deutschland, Europa und die internationale Gemeinschaft wollen zügig auf erneuerbare statt fossiler Energieträger umstellen, damit die Folgen des Klimawandels in einem tragbaren Rahmen und unsere Lebensgrundlagen erhalten bleiben.

Datengrundlagen

Wissenschaft, Behörden, Wirtschaft und Gesellschaft müssen dazu an einem Strang ziehen und mutig investieren. Einen großen Beitrag können Satellitendaten leisten. Denn sie liefern Grundlagen für die richtigen Investitionsentscheidungen: Wo gibt es geeignete Standorte für die Windenergieanlagen oder Solarparks? Wo sind Flächen frei, wie viel Wind oder wie viel Sonne stehen zur Verfügung? Liegen Beschränkungen durch Siedlungsnähe, Naturschutzgebiete oder Populationen bedrohter Tierarten vor? Wo können Stromleitungen verlaufen und andere notwendige Infrastruktur wie Umspannstationen installiert werden? Wo und wie fließt das Wasser am Standort zu und ab? Wo sind kommunale Bestände und Potenziale für erneuerbare Energieträger, um die Wärmeplanung voran zu bringen? Viele solcher Fragen lassen sich anhand von aktuellen Bildern und Messungen aus dem Erdorbit und darauf basierenden Karten und Analysen beantworten.

Das Angebot an Datengrundlagen wird ergänzt durch Modell- und insitu-Daten, die insbesondere für Windanalysen verwendet werden (z.B.: ERA5 von Copernicus).

Zwei der in der Energiebranche meistverwendeten Datensätze sind zum einen der klimatologische Strahlungsdatensatz SARAH-3 des EUMETSAT Satellite Application Facility on Climate Monitoring (CM SAF), zum anderen den CAMS-Strahlungsdatensatz (Copernicus Atmosphere Monitoring Service), Beide basieren auf Beobachtungen der METEOSAT-Satelliten und dienen etwa zur Planung und Analyse von Photovoltaik-Anlagen.

Basierend auf den punktspezifischen Zeitserien des CAMS Solarstrahlungs-Service wird einmal pro Jahr ein gegitterter Datensatz erzeugt. Dieser umfasst historische Werte (2004 – Ende des Vorjahrs) der globalen, direkten, direkt-normalen und diffusen Einstrahlung und wird in einer reduzierten Auflösung von 15 min und 0.1° Auflösung prozessiert. Die Daten liegen in monatsweisen Dateien vor und eignen sich insbesondere für Nutzer die flächige Einstrahlungsdaten benötigen (z.B. für die Energiesystemanalyse, die Netzausbauplanung, etc.) und auf die lokal optimierte Genauigkeit der Einzelzeitserie verzichten können. Credit: CAMS Solarstrahlungs-Service/ DLR

Vielfältige Energieträger

Auch zur Beurteilung der Potentiale weiterer Energieträger wie Biomasse, Wasserkraft, Geothermie und Wasserstoff werden Satellitendaten herangezogen (zum Beispiel zur Oberflächengeothermie als Wärmequelle der Stadt Dresden (KIT)). Forschung, Kommunen, Projektierer, Netz- und Analgenbetreiber brauchen verlässliche Informationen für eine effiziente Planung. Und wenn neue Anlagen gebaut sind, gilt es, Monitoring zu betreiben: Erfüllen sich die Prognosen zum Potenzial des Standorts und der Wirtschaftlichkeit der Anlage? Oder sollte man umplanen?

Anwendungsbeispiele

Abbildung Geothermie in Dresden
Geothermisches Potenzial Dresden. In dieser Fallstudie wird das geothermische Potenzial des oberflächennahen Untergrunds in Dresden untersucht, basierend auf EO-Daten (z. B. Lufttemperatur des DWD, Bebauung aus dem Copernicus Land Monitoring Service) sowie in-situ-Messungen der Stadt Dresden. Die Ergebnisse zeigen, dass die im Untergrund gespeicherte Wärme (a) ausreichen könnte, um den Heizbedarf der Stadt für bis zu drei Jahre zu decken, bevor das ursprüngliche Temperaturniveau wieder erreicht wird (b). Zudem werden verschiedene Klimaszenarien herangezogen, um die Nachhaltigkeit und Wirtschaftlichkeit dieser Energiequelle zu bewerten. Das Projekt wird durch ein Freigeist-Fellowship der VolkswagenStiftung gefördert (DOI: 10.1098/rsta.2025.0013) (KIT 2026).
Abbildung Potentialanalyse von PV-Anlagen
Potentialanalyse von PV-Anlagen entlang der Lärmschutzwände. Als Datenbasis dient die Solarstrahlung aus Beobachtungen der METEOSAT-Satelliten (linkes Bild). Das rechte Bild zeigt, wie viel Energie erzeugt werden könnte, wenn deutschlandweit alle Lärmschutzwälle entlang der Bundesstraßen mit PV-Anlagen ausgestattet würden. Credit: DWD/CMSAF
Schematische Darstellung des Projekts Co-DatES
Im Projekt Co-DatES wird untersucht, wie Erdbeobachtungsdaten für Energy Sharing genutzt werden können. Hierfür werden unter Anderem die Solarstrahlungsdaten von CAMS genutzt, um genauere Aussagen über die räumliche und zeitliche Verteilung von Solarstrahlung innerhalb einer Energie-Gemeinschaft zu erhalten. Credit: DLR, Stadt Oldenburg, Oldenburger Energiecluster OLEC e. V., greenventory GmbH
Visualisierung von Offshore-Windparks an der Küste Chinas sowie in der Nord- und Ostsee
Sentinel-1-Daten ermöglichen es, den Ausbau von Offshore-Windenergieanlagen weltweit zu monitoren. Mit Hilfe künstlicher Intelligenz werden Infrastrukturstandorte aus globalen Satellitendatenarchiven detektiert und standortspezifische Parameter wie Ausbauzustand und zeitliche Veränderungen anlagengenau abgeleitet. Credit: DLR
Veranschaulichung, dass Geodaten durch KI und Algorithmen zu erneuerbaren Energieinfrastruktur und CO2-Neutralität beitragen können
Im Forschungsprojekt EPOS entwickelt greenventory gemeinsam mit der ESA Methoden, um Satellitendaten für die strategische Energieplanung nutzbar zu machen. Kern der Lösung ist die greenventory Plattform, die Geodaten in einem Digitalen Zwilling zusammenführt und eine integrierte Entscheidungsgrundlage für alle Sparten bietet: von der gebäudescharfen Wärmeplanung über die Simulation von Stromnetz-Szenarien bis hin zur integrierten Energienetz-Planung. Durch die Kombination von Erdbeobachtungsdaten mit Klimamodellen (ERA5) liefert EPOS belastbare Kennzahlen für die Transformation ganzer Kommunen hin zu zukunftsfähigen Energielösungen. Credit: greenventory GmbH, ESA
Fotografie einer Photovoltaikanlage auf einer Wiese
Die CAMS-Dienste von Copernicus liefern präzise
Solarstrahlungsdaten, die Enertec in Slowenien nutzt, um über 1.700 PV-Anlagen
und 250 Batteriespeicher zentral mit der PVisto®-Plattform zu überwachen. Diese
Daten ermöglichen performante Benchmarking auch ohne lokale Sensoren,
schnelleres Fehlerspotting und zuverlässigere Ertragsprognosen. So wird die Betriebsführung wirtschaftlicher und zuverlässiger und der Übergang zu erneuerbarer Energie wird beschleunigt. Credit: Enertec
Karte Europa
Das DLR entwickelt basierend auf der Pan-European Climate Database (PECD), ein Produkt des Copernicus Climate Change Service‘, innovative Methoden zur Identifikation kritischer Szenarien in großen energiemeteorologischen Datenbanken. Diese Szenarien sind die Grundlage vieler Untersuchungen zur Versorgungssicherheit im deutschen und europäischen Stromsystem. Die Arbeiten des DLR unterstützen somit wichtige Entscheidungsprozesse mit dem Ziel, die sichere Versorgung mit günstiger und nachhaltiger Energie auch unter sich verändernden klimatologischen Bedingungen zu gewährleisten. Credit: DLR

Weiterführende Anwendungsbeispiele

Anwenderoberfläche des Simluation Explorers zeigt die Oberflächentemperatur zweier Orte
Die Stadtklima-Simulation mit Gebäudeenergie-Daten sind ein datengetriebener Service zur Unterstützung von Kommunen in Deutschland bei Klimaanpassung und Energieeffizienzplanung. Im Fokus stehen dabei Energiefragen sowie die Nutzung von Erdbeobachtungsdaten aus dem europäischen Copernicus Programm. Die Lösung kombiniert u.a. Sentinel- und Landsat-basierte Land Surface Temperature Daten (LST), die durch einen Deep-Learning Algorithmus in einer Super-Resolution-Auflösung von 10 m bereitgestellt werden. Dadurch entstehen für flächendeckende detaillierte Stadtklima-Parameter, die urbane Wärmeinseln und klimarelevante Strukturen abbilden. Ergänzt werden diese Klimainformationen durch umfassende Gebäudeenergie- und Sanierungsmerkmale. Die Verknüpfung von stadtklimatischen Kennwerten mit energetischen Gebäudedaten ermöglicht es Kommunen, gezielte Maßnahmen zur Klimaanpassung zu definieren und gleichzeitig die Energieeffizienz im Gebäudebestand strategisch zu verbessern. Credit: Geosystem GmbH, OHB
Ziel des Forschungsprojekts KIBI ist die Kartierung geschützter Fauna- & Flora-Habitate (FFH) aus Satelliten- und Luftbilddaten. Dafür wird ein KI-Modell entwickelt, das sieben FFH-Lebensraumtypen automatisiert identifiziert und klassifiziert. Im Projekt wird untersucht, mit welcher Genauigkeit die Flächen, basierend auf verschiedenen Eingangsdaten, kartiert werden können. Die resultierenden Kartierungen unterstützen Planungs- und Genehmigungsverfahren, indem sie veraltete Grundlagen ergänzt und frühzeitig auf rechtlich geschützte Flächen hinweisen, sodass Fehlplanungen vermieden werden. Credit: CISS TDI, Forschungszentrum Jülich, mundialis, Hochschule Koblenz
Karte mit Feldfruchtarten im landwirtschaftlichen Gebiet um Schmatzfeld
Die Klassifizierung landwirtschaftlicher Nutzflächen erfolgt durch ein Deep Learning Modell, das auf multitemporalen und multispektralen Sentinel 2 Satellitendaten basiert. Dadurch lassen sich Feldfrüchte präzise identifizieren und unterschiedlichen Nutzungsklassen zuordnen. Für den Energiesektor entsteht so eine hochauflösende Datengrundlage, um Flächenverfügbarkeit, Ertragspotenziale und ökologische Auswirkungen von Bioenergie oder Agri PV Projekten fundiert zu bewerten. Die Analyse ist objektiv, skalierbar und ermöglicht eine verlässliche Planung sowie Optimierung energiebezogener Landnutzungskonzepte. Credit: ESRI Deutschland

Copernicus Fachnetzwerk

Zur fachlichen Unterstützung wurde das nationale Copernicus Fachnetzwerk eingerichtet. Es besteht aus Fachkoordinatorinnen und Fachkoordinatoren, Fachexpertinnen und Fachexperten sowie den Copernicus Netzwerkbüros.

Unternehmen und Forschungsinstituten wie diesen und anderen Akteuren im Energiebereich dient das am Deutschen Wetterdienst angesiedelte Copernicus Netzwerkbüro Energie als Plattform und Informationsdrehscheibe. Um die Nutzung von Satellitendaten zu fördern, beraten seine Fachleute Interessierte zu Datenzugang und Anwendungsmöglichkeiten, sie bieten Schulungen und Möglichkeiten zur Kooperation an und sammeln Informationen zu Fördermöglichkeiten, sowie Bedarfen und Hemmnissen. Diese geben sie gezielt an die Fördergeldgeber oder Erzeuger der Daten weiter, um die Dienste zu verbessern. Das Büro dient also auch als Sprachrohr für die Anforderungen der Energiebranche.