Mit dem massiven Ausbau Erneuerbarer Energien hat die deutsche Energiewende Geschwindigkeit aufgenommen und erreicht nun die Phase, in der die intelligente Verknüpfung der zunehmend volatilen Energieerzeugern mit Energieverbrauchern, -speichern und -netzen zur zentralen Aufgabe wird. Dabei nimmt die Industrie als Energieverbraucher eine wichtige Rolle ein und das Energiemanagement innerhalb produzierender Unternehmen rückt in den Fokus. Die Dezentralisierung der Energieerzeugung sorgt für eine erhöhte Komplexität des gesamten Energiesystems, welche sich auch im Energiemanagement niederschlägt und dort eine leistungsstarke Unterstützung durch Energieinformationssysteme notwendig werden lässt. Die Industrie befindet sich zurzeit bereits in einem Wandel bedingt durch den Einzug der Konzepte der Industrie 4.0. Die damit einhergehende Fokussierung auf Datenanalytik bietet auch einen vielversprechenden Ansatz zum Management des Einsatzes der Ressource Energie im Rahmen von Energieinformationssystemen. An dieser Stelle fehlen jedoch Ansätze, die die notwendige Verarbeitung der Daten strukturieren und im Detail beschreiben, um eine konkrete Umsetzung ermöglichen zu können.
Datenanalytik beschreibt den Prozess zur Transformation von Daten zu Informationen, welche für eine Entscheidungsfindung nützlich sind. Diese Arbeit expliziert diesen Prozess im Kontext des industriellen Energiemanagements und liefert Lösungsansätze für verschiedene Teilaufgaben, die sich dabei ergeben. Im ersten Schritt wird die zugrundeliegende Datenbasis abstrahiert und in einem konzeptionellen Datenmodell basierend auf OPC UA dargestellt. Die Zusammenhänge der verschiedenen Daten werden im Rahmen eines Analysemodells durch ein probabilistisches graphisches Modell beschrieben. Auf Grundlage dieser mathematischen Beschreibung können stochastische Simulationen genutzt werden, um für verschiedene Szenarien Prognosen abzuleiten. Dadurch können Handlungsalternativen bei Entscheidungsproblemen im industriellen Energiemanagement miteinander verglichen und im Rahmen eines Optimierungsmodells die optimale Entscheidung abgeleitet werden. Die Herausforderung, verschiedene Teilsysteme in die Optimierung zu integrieren, wird mit einem Auktionsmechanismus mithilfe von Reinforcement Learning aufgelöst. Zum Abschluss der Arbeit wird das gesamte Vorgehen zur Gestaltung der Datenanalytik zusammengefasst, um eine Grundlage für die Umsetzung in der Praxis zu liefern.