Wie bleiben Stromnetze und Verkehrssysteme trotz extremer Wetterlagen stabil? Eine neue Studie im Journal Nature Computational Science zeigt, dass einfache Planungsmodelle oft an der Komplexität vernetzter Systeme scheitern. Die Autoren Dr. Mehrnaz Anvari vom Fraunhofer SCAI und Prof. Marc Timme von der TU Dresden erklären, warum ein tieferes Verständnis der Systemdynamik für die Zukunft entscheidend ist.

Die Stromerzeugung aus erneuerbaren Energien schwankt stark. Die Analyse von Wind- und Solardaten zeigt, dass die darin auftretenden Muster eher Turbulenzen ähneln als gewöhnlichem Zufall. Herkömmliche Vorhersagemodelle unterschätzen daher das Risiko plötzlicher Ausfälle bei Extremwetter wie langen Windflauten.

Auch für Stromnetze gilt das »Braess-Paradoxon«: Der Ausbau von Leitungen kann die Leistung sogar verschlechtern. Obwohl neue Verbindungen intuitiv als Verbesserung wirken, können sie das Netz destabilisieren. Planer müssen daher nicht nur Kapazitäten erhöhen, sondern die komplexen Wechselwirkungen im gesamten Netz beachten.

Auch moderne Mobilität ist komplexer als gedacht. Im Gegensatz zu Bussen und Zügen entstehen bei Ride-Pooling-Betrieben die Fahrten erst im Moment der Kundenanfrage. Klassische Verkehrsmodelle können diese zufälligen, punktuellen Impulse nicht mehr vorhersagen. Spezielle Algorithmen, die diese Dynamik verstehen, können Flotten so steuern, dass sie effizienter fahren und Ressourcen sparen.

Die größte Herausforderung ist die wachsende Verflechtung verschiedener Bereiche, etwa wenn E-Autos gleichzeitig Stau verursachen und das Stromnetz stabilisieren. Solche vernetzten Systeme entwickeln eine eigene Dynamik, die sich nicht aus den Einzelteilen ableiten lässt. Erst wenn man die theoretischen Grundlagen der Physik mit realen Daten und Simulationen verknüpft, lassen sich die Grenzen der Stabilität dieser Systeme erkennen.

Genau hier setzt die neue Methodik an. Statt Daten und Theorie getrennt zu betrachten, werden sie direkt miteinander verschmolzen. Künstliche Intelligenz hilft dabei, aus riesigen Datenmengen effektive Steuerungsmodelle zu lernen. Dieser hybride Ansatz erlaubt es, Szenarien zu simulieren, die mit reinen Berechnungen oder bloßer Datenanalyse nicht lösbar wären.

Die Studie macht klar: Technische Innovationen reichen nicht, wenn die zugrundeliegenden Systemdynamiken nicht verstanden werden. Politische und wirtschaftliche Entscheidungen müssen auf fundierten Erkenntnissen über komplexe Netzwerke basieren, um unbeabsichtigte Folgen zu vermeiden. Fraunhofer SCAI entwickelt vor Ort genau solche robusten Lösungen für die Infrastruktur von morgen.

Letztlich ist Nachhaltigkeit kein statisches Ziel, sondern ein dynamischer Prozess der Anpassung an sich ändernde Bedingungen. Wer die Sprache der komplexen Systeme spricht, kann Infrastrukturen nicht nur effizienter, sondern auch widerstandsfähiger gegen zukünftige Krisen gestalten.

Zur Studie: https://www.nature.com/articles/s43588-026-00971-5