Forscher der Eidgenössischen Technischen Hochschule Lausanne (EPFL) um Fernando Porté-Agel haben ein neuronales Netz zur besseren Prognose der Windstromerzeugung trainiert. (WK-intern) - Porté-Agel und sein Postdoc Wenlong Liao haben Eingabevariablen aus einem Wettermodell mit einem signifikanten Einfluss auf die Windenergieerzeugung - Windrichtung, Windgeschwindigkeit, Luftdruck und Temperatur - mit Daten aus Windparks in der Schweiz und weltweit ausgewählt. Das Ziel: Mit besseren Windprognosen könnte die Stromproduktion in Kohle- und Erdgaskraftwerken deutlich reduziert werden. Fossile Kraftwerke laufen dank KI seltener Genau das gelingt mit "Explainable Artificial Intelligence" (XAI), die nachvollziehbar macht, auf welche Weise dynamische und nicht linear programmierte Systeme wie künstliche neuronale Netze, Deep-Learning-Systeme und