Echtzeitdaten sind oft schwer vollständig zu bekommen. Was tun?
Für viele Anwendungen, die eine Reaktion auf aktuelle Situationen erfordern – sei es durch manuelle Eingriffe oder Automatisierung –, sind Echtzeit- oder Near-Realtime-Daten von zentraler Bedeutung. Häufig stehen diese jedoch nicht, nur unvollständig oder nicht rechtzeitig zur Verfügung. Am Beispiel des Energiemanagements wird die Problematik besonders deutlich: Ziel ist es, Energie dann zu nutzen, wenn sie erzeugt wird, etwa durch Photovoltaikanlagen. Um flexible Verbraucher zu steuern oder gezielte Anreize für einen zeitlich optimierten Verbrauch zu schaffen, ist ein aktuelles und umfassendes Datenbild notwendig. Allerdings ist es in der Praxis oft nicht realisierbar, sämtliche Verbrauchsdaten als Echtzeitströme zu verarbeiten. Dieser Beitrag untersucht, wie Prognosen eine sinnvolle Alternative oder Ergänzung zu Echtzeitdaten darstellen können.