Microsoft öffnet Stromnetzdaten zur Beschleunigung von Energie-KIs

Microsoft Research hat am Freitag, den 8. Mai 2026, die Veröffentlichung eines Open-Source-Datensatzes angekündigt, der die Topologie des Übertragungsstromnetzes der USA abbildet. Diese Initiative zielt darauf ab, eines der größten Hindernisse für die Energieforschung zu beseitigen: das Fehlen realistischer und zugänglicher Daten für das Training von KI-Modellen.

Lösung des Mangels an kritischen Daten

Traditionell werden Informationen über die Strominfrastruktur als kritische Daten eingestuft und durch nationale Sicherheitsverschlüsse geschützt. Dies zwang Forscher, vereinfachte Testnetze oder synthetische Modelle zu verwenden, die nicht die tatsächliche Komplexität des Systems widerspiegeln. Die neue Pipeline von Microsoft nutzt öffentliche Daten von OpenStreetMap und Energiedaten, um geografisch präzise und elektrisch kohärente Modelle zu erstellen.

Laut dem offiziellen Blogbeitrag von Microsoft Research deckt der Datensatz 48 US-Bundesstaaten ab und umfasst Interkonnektoren, die von 11 bis über 20.000 Busse reichen. Die Fähigkeit, den Energiefluss im kontinentalen Maßstab zu simulieren, ermöglicht es Ingenieuren, Netzengpässe und die Widerstandsfähigkeit des Systems angesichts neuer Nachfragepeaks zu untersuchen.

KI und die Zukunft der Rechenzentren

Die Veröffentlichung erfolgt zu einem Zeitpunkt, an dem die generative KI-Industrie mit einer Energiekrise konfrontiert ist. Da neue Modelle Gigawatt an Leistung erfordern, ist es entscheidend zu wissen, wo das Stromnetz über ungenutzte Kapazitäten verfügt, um neue Rechenzentren zu platzieren. Der Datensatz ermöglicht Analysen des Optimalen Leistungsflusses (AC-OPF), die physische Margen aufzeigen, die Marktdaten nicht offenbaren können.

Neben dem Datensatz hat Microsoft den GridSFM bereitgestellt, ein maschinelles Lernmodell, das die Betriebszustände des Netzes in Millisekunden vorhersagen kann. Diese Kombination aus offenen Daten und neuronalen Modellen ebnet den Weg für andere Unternehmen und Forschungszentren, Lösungen zur autonomen Verwaltung der elektrischen Last zu entwickeln und die Wartezeiten für den Anschluss neuer KI-Infrastrukturen zu verkürzen.

Der Code und die Daten sind bereits auf GitHub und bei Hugging Face von Microsoft verfügbar.