Lastprognose-Challenge 2026: Zertifikatsübergabe und Prognosen auf Spitzenniveau
Lastprognose-Challenge 2026: Zertifikatsübergabe und Prognosen auf Spitzenniveau
27. Juli 2026
Mit der Übergabe der Zertifikate an die studentischen Teams beider Lehrveranstaltungen ist die Live-Lastprognose-Challenge 2026 an der TH Köln am 27. Juli 2026 offiziell zu Ende gegangen. Sowohl die „Numerische Mathematik” als auch „Data-Driven Modeling and Optimization” (DDMO) haben die Challenge abgeschlossen, ihre Ansätze präsentiert und ihre Zertifikate erhalten. Sie bildete den Abschluss eines Semesters, in dem elf studentische Teams über sechs Wochen hinweg Tag für Tag den deutschen Strombedarf prognostiziert haben. Den Verlauf hatten wir bereits im Rückblick auf die Abschlusspräsentationen geschildert. Nun standen die Ergebnisse und die Studierenden im Mittelpunkt.
Sechs Wochen lang reichte jedes Team vor Mitternacht eine neue 24-Stunden-Prognose der deutschen Netzlast ein, die am Folgetag automatisch an der tatsächlichen Last der ENTSO-E Transparency Platform bewertet wurde. Gewertet wurde über 41 Prognosetage anhand des mittleren absoluten Fehlers (MAE) in Megawatt (MW).
Fachlich lag das Niveau bemerkenswert hoch. Zehn der elf Teams unterboten die offizielle Day-Ahead-Prognose der ENTSO-E, und alle elf schlugen die naiven Vergleichsmodelle deutlich. Das beste studentische Team, Hot Rod, erreichte einen MAE von rund 1.230 MW bei einem mittleren absoluten prozentualen Fehler (MAPE) von etwa 2,4 Prozent. In der Gruppe „Numerische Mathematik” setzte sich Das A Team an die Spitze, in der Gruppe „DDMO” das Team Hot Rod.
Die Challenge lieferte zugleich belastbare Einsichten in die Prognose des deutschen Strombedarfs, etwa dazu, wie stark Kalenderstruktur wie Feiertage und Brückentage sowie Wetterkovariaten zur Prognosegüte beitragen und wie gut sorgfältig konstruiertes Gradient Boosting gegenüber modernen Foundation-Modellen für Zeitreihen besteht. Ebenso wichtig war die methodische Strenge. Alle Teams veröffentlichten Model Cards und OpenSSF-Security-Scorecards, und die Ergebnisse jedes Teams wurden von einem anderen Team unabhängig reproduziert und auf diese Weise zertifiziert. Damit setzten die Teams die Anforderungen des EU AI Act an sicherheitskritische Infrastruktur praktisch um. Das Erlernen dieser rechtlichen Vorgaben war für beide Gruppen ein zentraler Bestandteil des Projekts. Offene, überprüfbare Forschung war damit kein Zusatz, sondern Teil der Aufgabe.
Hervorzuheben ist das Engagement der Studierenden. Über Wochen hinweg reichten die Teams zuverlässig Tag für Tag ihre Prognosen ein, verfeinerten ihre Modelle und diskutierten ihre Ansätze in den Abschlusspräsentationen. Zum Semesterausklang lud Prof. Dr. Thomas Bartz-Beielstein die internationalen Masterstudierenden des Studiengangs „Automation & IT” (AIT), aus dem die DDMO-Teams stammten, sowie die beteiligten Kolleginnen und Kollegen zu einem Gartenfest zu sich nach Hause ein, um die Erfolge gemeinsam zu feiern. Für ihn war die Challenge ein voller Erfolg: „Ich bin beeindruckt, mit welcher Ausdauer und Sorgfalt die Teams gearbeitet haben. Dass die Studierenden unter realen Bedingungen die offizielle Netzprognose schlagen und ihre Ergebnisse gegenseitig reproduzieren, ist genau die Art von offener, überprüfbarer Forschung, die wir vermitteln wollen. Dass die Teams dabei die rechtlichen Vorgaben für kritische Infrastruktur eigenständig umgesetzt haben, war mir eine besondere Freude.”
Mit dem Ende des Semesters ist die Challenge nicht abgeschlossen, sondern wird auf freiwilliger Basis fortgeführt. Aktuelle Ergebnisse der fortlaufenden Prognosen sind im laufenden Leaderboard einsehbar.
Impressionen zum Abschluss der Challenge
Datengrundlage der Challenge war die ENTSO-E Transparency Platform. Die Challenge-Infrastruktur stellte das SpotSeven Lab am Institut für Data Science, Engineering, and Analytics (IDE+A) der TH Köln bereit. Die vollständige Rangliste ist im öffentlichen Leaderboard einsehbar. Ansprechpartner ist Prof. Dr. Thomas Bartz-Beielstein.