Von Maschinen lernen

Drei Tage programmieren sie am Fusse des Pumpspeicherwerks Limmern. ETH-Studenten tüfteln zusammen mit Stromhandel-Spezialisten von Axpo an neuen Prognosemodellen fürs Energiegeschäft. Was ist ein Hackathon überhaupt? Und was hat der Anlass mit Machine Learning zu tun? Hier wird es erklärt.

Martine Graziano, Head Governance & Portfolio Management von Axpo, sieht in Hackathons grosses Potenzial: Knowhow kann einfach zwischen internen und externen Spezialisten ausgetauscht und weitergehende Fragestellungen angegangen werden. Wie sie die Art der Zusammenarbeit einschätzt:

Martine, wie seid ihr eigentlich auf die Idee gekommen, einen Hackathon zu veranstalten?
Die Idee, Hackathons zu veranstalten, entstand während eines Innovationsworkshops in Madrid innerhalb des Digital Innovation Teams von Axpo Trading und ist Teil der Initiative "Forecasting Lab". Hackathons sind eine Möglichkeit, wie wir den Knowhow-Aufbau und -Austausch zwischen den internen und externen Spezialisten bezüglich Modellentwicklung für Prognosen und weitergehende Fragestellungen verbessern können. Als Prototyp wurde im Februar ein interner Hackathon veranstaltet, bei welchem mittels Machine Learning mit 28 Teilnehmern aus den verschiedenen Divisionen und Hubs ein Prognosemodell unserer Kollegen von Axpo Iberia adressiert wurde. Die Erfahrungen des internen Hackathons sind in die Durchführung des dreitägigen Hackathon‘s in Tierfehd mit den Studenten eingeflossen. Die Idee, einen Hackathon mit Studenten durchzuführen, war, anschliessend besser beurteilen zu können, wie gross der Mehrwert durch Studenten mit neuen Ansätzen und Ideen für solche Events ist.

Was war das Ziel dieses Hackathons und wie sehen die Ergebnisse aus?
Die Aufgabe an die sechs Teams – jeweils bestehend aus einem Axpo Mitarbeiter und zwei Studenten – war, mit Machine Learning die Systemposition von Swissgrid zu prognostizieren. Das Thema ist ähnlich demjenigen desersten Hackathons und ermöglicht somit den Vergleich der beiden Fragestellungen. Die Teams erarbeiteten dabei in sehr kurzer Zeit verschiedene Ansätze bezüglich der Verwendung vorhandener Daten und geeigneter Modelle und testeten verschiedene Kombinationen auf deren Relevanz. Die Modelle und Erkenntnisse werden nun aufbereitet und mit Prognoseexperten von SEM, Nordics, Spanien und CMT besprochen und weiterentwickelt bis diese operativ genutzt werden können.  Zudem haben wir implizit das Prinzip "protoype – measure – scale" angewendet, um das Vorgehen zu verbessern, und auch gleich Erfahrungen diesbezüglich gesammelt.

Kann man den Hackathon demnach als einen Erfolg verbuchen? Will man vielleicht sogar zu einem späteren Zeitpunkt ein Folgeprojekt starten?
Ich denke, dass wir den Hackathon als vollen Erfolg bezeichnen dürfen. Neben den gewonnen technischen Erkenntnissen, konnten sich die Axpo Mitarbeiter innerhalb kürzester Zeit neues Wissen aus dem Hochschulumfeld bezüglich Maschine Learning aneignen. Das Feedback aller Studenten war durchwegs sehr positiv. Sie haben Axpo als innovativen, internationalen und dynamischen Arbeitgeber wahrgenommen und würden die Teilnahme an einem Axpo Hackathon ihren Studienkollegen weiterempfehlen. Vier Teilnehmer habe sich schon auf das Axpo Trainee Programm oder eine Praktikumsstelle beworben. Wir werden uns überlegen, in welchem Rahmen und zu welchem Thema in Zukunft weitere Axpo Hackathons durchgeführt werden sollen.

Und welchen Preis haben die Gewinner erhalten?
Die drei Gewinner haben je ein LORA-Starter Kit (vgl. auch nebenstehenden Artikel) erhalten. Dieses Kit enthält einen programmierbaren Mikroprozessor und ein paar Sensoren, welche das Low-Power GSM Netz für den Datenaustausch nutzen. LORA-Sensoren haben viel Potential, zu sehr geringen Kosten diverse Parameter messen zu können. Eventuell sind diese für Teile unseres Geschäfts als Input für Prognosen nutzbar – entsprechend wurden die Gewinner aufgefordert, sich zu melden, wenn sie das Kit erfolgreich in Betrieb genommen haben….