Flexibilitätsoptimierung in der dampfintensiven Industrie: Problemstellung, Lösungsansatz, Ergebnisse

Mit wachsendem Wind- und Solaranteil hat sich die Struktur der Strompreise verändert: Nicht das Preisniveau, sondern die Spreizung innerhalb des Tages bestimmt zunehmend die Ökonomie des Strombezugs. Im Datensatz der Studie zeigt sich das an 573 Negativpreisstunden im Jahr 2025 und Preisspitzen bis 936 €/MWh im Jahr 2024, teils innerhalb derselben Woche. Ein Markt mit dieser Struktur bepreist Flexibilität — die Fähigkeit, Verbrauch zeitlich zu verschieben.

Dampfintensive Werke (Papier, Chemie, Zucker, Molkerei, Brauerei) verfügen technisch über diese Fähigkeit: Eine Dampfschiene mit KWK, Elektrodenkessel und Dampfspeicher kann zwischen Strom und Gas wechseln, Wärme puffern und die Produktion in Grenzen verschieben, ohne den Ausstoß zu reduzieren. Ob sich das rechnet, ist aus drei Gründen schwer zu beantworten.

Erstens ist der Wert stark regimeabhängig. Die gemessene Flexibilitätsprämie derselben Anlage schwankt zwischen 2015 und 2025 um mehr als den Faktor 100. Eine einmal ermittelte Flex-Zahl veraltet mit der Preisstruktur; ein einzelnes Referenzjahr misst vor allem, welches Jahr man erwischt hat. Der Zusammenhang mit dem Preisniveau ist dabei schwach — das zeigt bereits der Vergleich zweier Jahre:

Zweitens interagiert der Energieeinkauf mit der Netzentgeltsystematik. Ein Elektrodenkessel, der bei niedrigen Spotpreisen anfährt, setzt Bezugsspitzen, die der Leistungspreis bepreist, und kann das Bandlastprivileg nach §19 StromNEV gefährden. Wer Spotoptimierung und Entgelte getrennt rechnet, riskiert, dass ein einzelnes Entgelt-Instrument den gesamten Vorteil aufzehrt. Hinzu kommt der laufende Umbau der Regulatorik — ein heutiger Business Case durchlebt bis zur Amortisation zwei Entgeltregime:

Drittens war die werksspezifische Rechnung bisher teuer. Verbundoptimierung über Sortenreihenfolge, Energieeinsatz, Liefertermine, Netzentgelte und Vertragsstruktur galt als nicht produktisierbar: jedes Werk anders geschnitten, jedes Modell handgebaut, jede Regulatorik-Änderung ein Change Request. Das übliche Format war ein mehrmonatiges Beratungsprojekt im sechsstelligen Bereich, dessen Preisannahmen bei Abschluss bereits zu altern begannen.

Untersucht wird die Eigenoptimierung eines einzelnen Werks gegen den Day-Ahead-Markt, mit Netzentgelten und Lieferterminen im Modell. Die externe Vermarktung (direkt oder über ein virtuelles Kraftwerk) ist bewusst ausgeklammert; sie setzt die interne Kenntnis und Bewirtschaftung der eigenen Flexibilitätshülle voraus.

Modellanlage

Als Beispiel dient eine Papierfabrik; der Mechanismus — eine Dampfschiene koppelt Produktion und Strommarkt — ist derselbe in Chemieparks, Zuckerfabriken, Molkereien und Brauereien. Die Maschine fährt zwei Sorten mit unterschiedlichem spezifischem Dampfbedarf (1,15 bzw. 1,40 MWh_th/t), mit Mindestlast, Rampenbegrenzung, Sortenwechsel- und Anfahrkosten sowie einem Auftragsbuch mit Deadlines und Konventionalstrafen (400 €/t).

Architektur: Physik und Strategie getrennt

Ein digitaler Zwilling simuliert die Anlage und klammert unzulässige Aktionen, statt sie nur zu bestrafen: Eine unmögliche Rampe wird auf die mögliche begrenzt, verplanter Dampf ohne Deckung führt zur Zwangsdrosselung. Steuerungsstrategien sind austauschbare Gäste in dieser Simulation und arbeiten über eine einheitliche Schnittstelle.

Schnittstelle und Strategien

• Die naive Baseline produziert gleichmäßig zur Deadline und lässt die KWK durchlaufen — preisblind, prognoserobust und als Status-quo-Referenz bewusst konservativ gewählt.
• Die Flex-Heuristik arbeitet mit Preisquantilen (billig: mehr produzieren, E-Kessel an; teuer: drosseln) — die Lehrbuch-Version regelbasierter Steuerung. Die faire Variante ergänzt Hysterese und einen tarifbewussten Lastspitzenwächter.
• Das Rolling-MILP-MPC löst stündlich ein gemischt-ganzzahliges Programm mit Unit Commitment, Sortenwechsel-Logik und Preisszenarien. Liefertermine sind harte Nebenbedingungen; Verzug ist modellseitig ausgeschlossen.

Backtest-Methodik

Datengrundlage sind stündliche Day-Ahead-Preise der Bundesnetzagentur (SMARD) in vollen Jahresreihen für 2015, 2018 und 2022–2025, jeweils mit zeitgemäßen Gas- und CO₂-Preisen. Episoden sind Kalenderwochen (168 h) mit synthetischem, auf die Anlage kalibriertem Auftragsbuch. Die regelbasierten Strategien laufen über alle 52 Wochen jedes Jahres; das MILP läuft aus Rechenzeitgründen auf drei gesampelten Fenstern je Jahr, im regulierten Fall 2024 auf fünf weiteren (insgesamt 23 Optimierer-Wochen). Alle Prämien sind paarweise Differenzen bei identischem Seed — identisches Preisfenster, identische Auftragsziehung. Regel-Deltas tragen 95-%-Konfidenzintervalle (n = 52), MILP-Prämien Spannweiten (n = 3).

Validierung: ökonomische Invarianten statt Unit-Tests

# 1 · Orakel-Dominanz: mit perfekter Voraussicht MUSS der Optimierer
#     jede zulässige Baseline schlagen. Sonst ist das MODELL falsch.
assert profit(milp, forecast="perfekt") >= profit(naiv) - toleranz

# 2 · Alarmsignal: Parameter-Sweeps müssen Ergebnisse bewegen.
assert not identisch(profit(λ=0.0), profit(λ=0.6), profit(λ=0.95))

# 3 · Ausführungsdrift: Plan vs. Zwilling, Stunde für Stunde.
assert clamps(plan, ausgeführt) == 0

# 4 · Harte Zusagen bleiben hart, in jedem Regime, jedem Seed.
assert konventionalstrafen == 0

Dieser Harness fand fünf Modellfehler, die klassischen Unit-Tests entgangen wären — darunter einen unbemerkten Software-Fallback, der wochenlang plausible, nie optimierte Zahlen lieferte, und drei Horizontfehler, durch die der Optimierer selbst mit perfekter Voraussicht gegen die Baseline verlor. Als generalisierbares Muster erwies sich die Rolling-Horizon-Myopie: Jede Größe, die die Fensterkante überquert (Speicherfüllstand, Anlagenstatus, Auftragsrückstand), benötigt einen Terminalwert; konstante Erlösanteile gehören nicht in die Fensterzielfunktion.

Die bislang teuren Arbeitsschritte — Anlagen-Mapping, Kalibrierung gegen Betriebsdaten, Regressionstests, Regulatorik-Updates — sind weitgehend durch Agenten automatisierbar; der Harness ist Teil dieser Automatisierung. Für ein reales Werk bedeutet das einen Einstieg in Wochen statt Monaten: Der Optimierer arbeitet zunächst im Vorschlagsmodus, begründet Fahrpläne über Schattenpreise, und die Freigabe verbleibt beim Menschen — ohne Schreibzugriff auf das Leitsystem.

Flexprämie je Preisregime

Drei Befunde daraus. Erstens: Struktur schlägt Niveau — die Prämie korreliert kaum mit dem Durchschnittspreis und stark mit Negativstunden und Grenzkosten-Spreizung. Zweitens: In allen 23 Optimierer-Wochen fielen null Konventionalstrafen an; die harten Liefertermin-Constraints wirken, und die CVaR-Effizienzfrontier ist entsprechend flach. Drittens: Die regelbasierte Heuristik liegt in den flachen Regimen 2015 und 2018 belastbar im Minus (−27,6 bzw. −31,5 T€/Woche) und erreicht fensteridentisch nur 17–60 % der MILP-Prämie in den guten Jahren. Ergänzende Sensitivitäten: Perfekte Preisprognosen wären 2018 nur rund 6 T€/Woche wert gewesen, stündliches Nachsteuern rund 7 T€/Woche — der Großteil der Prämie stammt aus der Kuppeloptimierung selbst, nicht aus Prognosegüte.

Wirkung der Regulatorik (2024, reguliert)

Mit Leistungspreis und §19-Logik im Modell verändert sich das Bild deutlich — und zwar je Strategie verschieden:

Zum Industriestrompreis-Deckel korrigiert die Studie eine frühere Lesart: Paarweise gemessen liegt die Prämie mit Deckel bei +43,2 T€/Woche gegenüber +35,1 ohne — bei n = 2 kein auflösbarer Unterschied. Sicher ist nur, dass der Deckel die Absolutwerte aller Strategien hebt; ob er die Prämie dämpft, muss ein größeres Sample zeigen.

Vom gerechneten Kern zum Korridor

Der Kern — 35,1 bis 43,2 T€/Woche im regulierten Jahr 2024 — annualisiert sich auf 1,8–2,3 Mio €/a. Die noch nicht regulatorisch vermessenen Jahre 2023 und 2025 deuten mit unregulierten Prämien von rund 5,9 bzw. 7,7 Mio €/a nach oben. Um den Kern liegen als Grobschätzung ausgewiesene Faktoren: Upsides aus Intraday-Nachvermarktung, Regelenergie (aFRR), KWKG-Dispatch und — bei relevantem Netzbezug — atypischer Netznutzung; dagegen stehen Systemkosten, Ausgleichsenergierisiko und als größter unbepreister Posten der Zyklisierungsverschleiß (−0,7 … −0,15 Mio €/a).

Grenzen

Die Aussagekraft ist durch das Studiendesign begrenzt: Simulationsstudie einer Modellanlage mit konstant gehaltenem Papier-Deckungsbeitrag, unbepreistem Zyklisierungsverschleiß und ohne externe Vermarktung. Die drei MILP-Fenster je Jahr liegen in allen Jahren an denselben Kalenderpositionen mit Überlappung (effektives n eher zwei als drei); die Spannweiten unterschätzen die Fensterunsicherheit. Eine stratifizierte Neuziehung ist als Härtung vorgesehen. Für den Realbetrieb sind Kalibrierung gegen Historian-Daten, laufende Residuenprüfung, Watchdogs auf Lösungsqualität und eine Degradationskaskade (MILP → Peak-Wächter-Heuristik → Naive) vorgesehen; die Naive läuft dauerhaft als Software-Counterfactual mit, da ein A/B-Test an einer Papiermaschine nicht möglich ist.

Drei Aussagen tragen die Ergebnisse. Erstens ist die Flexibilitätsprämie einer dampfintensiven Anlage im heutigen Preisregime siebenstellig pro Jahr, aber stark strukturabhängig — eine Flex-Zahl ohne Preisjahr-Angabe, Unsicherheitsmaß und Pflegeprozess ist nicht belastbar. Zweitens entsteht die Prämie erst in der Kuppeloptimierung: Regelbasierte Steuerung vermeidet bestenfalls Schaden, und Netzentgelte müssen in derselben Zielfunktion stehen wie der Energieeinkauf, sonst zehrt ein einzelnes Entgelt-Instrument den Case auf. Die ab 2029 vorgesehenen Kapazitätspreise machen dieselbe Fähigkeit — die eigene Bezugsspitze steuern zu können — zu einem zusätzlichen, direkt bewirtschaftbaren Ertragsstrom. Drittens ist die werksspezifische Rechnung durch agentische Automatisierung von Modellbau, Kalibrierung und Validierung von einem mehrmonatigen Projekt zu einem Vorgang von Wochen geworden, mit einem Einstieg im Vorschlagsmodus ohne Eingriff in die Leittechnik.

Nächste Schritte

Dieser werksspezifische Backtest erfordert kein IT-Projekt und keinen Eingriff in bestehende Systeme; drei Dokumente, die das Energiemanagement in der Regel vorliegen hat, genügen als Datengrundlage.

Quellen: Preisdaten Bundesnetzagentur | SMARD.de (DL-DE/BY-2.0); Regulatorik: öffentliche AgNeS-Verfahrensdokumente der BNetzA, Stand 08/2026.