Wir hatten die Gelegenheit, mit ROSI SAS, einem zukunftsorientierten Recyclingunternehmen für Solaranlagen mit Sitz in Frankreich, zusammenzuarbeiten. ROSI trat mit einer Herausforderung an uns heran, detaillierte Heatmaps von Solaranlagen in ganz Deutschland zu erstellen. Diese Visualisierungen dienen als Grundlage zur strategischen Planung für den Bau von Recyclinganlagen an optimalen Standorte. Die Evaluation betrachtet dabei kundenspezifischer Nebenbedingungen und beleuchtet die Relevanz unterschiedlicher zukünftiger Szenarien.
Kurzportrait ROSI
Die Firma ROSI SAS, als Akronym für "Return of Silicon", ist ein innovatives französisches Startup-Unternehmen aus Grenoble, das bahnbrechende Recyclingtechnologien für die Photovoltaik (PV)-Branche entwickelt hat. Ihre Technologie ermöglicht das Recycling von Materialien aus zwei Abfallströmen der PV-Industrie: zum einen hochwertiges Silizium aus "Kerf", einem bei der Waferproduktion anfallenden Abfallschlamm, und zum anderen wertvolle Rohstoffe aus ausgedienten PV-Modulen wie hochreines Silizium, Silber, Kupfer und Glas.
ROSI verfolgt einen ganzheitlichen Ansatz zur Kreislaufwirtschaft in der PV-Branche. Ihre Vision ist es, die Technologie weltweit zu implementieren und so den Dekarbonisierungsprozess unseres Planeten zu beschleunigen. Derzeit errichtet ROSI in Frankreich ihre erste industrielle Recyclinganlage für alte PV-Module - ein weltweites Novum.
Aufgrund des enormen Potenzials und der Bedeutung von ROSIs innovativer Recyclingtechnologie für eine nachhaltige Zukunft der Solarenergie hat sich das Unternehmen entschieden, seine Präsenz in Deutschland auszubauen. Das Unternehmen plant in naher Zukunft eine hochmoderne Anlage zum vollständigen Recycling industrieller Solaranlagen in Deutschland zu errichten. Mit einer Investition von rund 26 Millionen Euro werden dabei etwa 70 Arbeitsplätze geschaffen. Diese Ansiedlung ist ein wesentlicher Meilenstein für ROSIs Mission und unterstreicht die wachsende Bedeutung des PV-Recyclings in Europa.
Am Anfang stehen die Daten
Mittels eines intial bereitgestellten Beispieldatensatz sowie Zugang zu einer umfassenden Datenquelle, ist der erste Schritt üblicherweise die Analyse der Daten nach Spalten, Datenformaten, Strukturen, Klassifizierungskriterien, Filterkriterien, relevanten und nicht relevanten Spalten und Zeilen sowie eventuellen Anomalien. Um den vollständigen Datensatz mit ca. 6 Millionen Einträgen zu erfassen, kam ein auf Durchsatz optimierter Web-Crawler zum Einsatz.
Bei der Untersuchung der Daten stellten wir schnell fest, dass zwar detaillierte Klassifizierungs- und Adressinformationen vorhanden waren, aber die für die Kartierung entscheidenden Längen- und Breitengrade größtenteils fehlten. Zur Lösung dieses Problem wurden kommerzielle Geocoding-APIs untersucht. Wir stellten jedoch fest, dass deren Anfragelimits und die extrapolierten Kosten für einen Datensatz dieser Größe ungeeignet waren.
Skalierung der Geocoding-Herausforderung
Um das Geocoding-Problem zu lösen, war also eine alternative Lösung zu kommerziellen Anbietern gefragt. Hier bot sich Nominatim an. Das ist eine Open-Source-Geocoding-Lösung, auf welche viele kommerzielle Anbieter vertrauen und die neben zahlreichen anderen Features in der Lage ist, aus mehr oder weniger gut strukturierten Adressinformationen entsprechende Koordinate in Form von Längen- und Breitengraden zu berechnen. Die Existenz kommerzieller Äquivalente hat einen guten Grund: Geocoding ist sehr ressourcenhungrig. Hardwareseitig kam eine leistungsstarke Workstation mit 24 Kernen, 256 GB RAM, 8 TB NVMe SSDs sowie zwei 12 GB NVIDIA RTX GPUs (better safe than sorry) zum Einsatz. Das Laden und die Indexierung des deutschen geografischen Datensatzes in Nominatim nahm selbst auf diesem leistungsfähigen System ca. sechs Stunden in Anspruch.
Parallel zur Einrichtung des Geocodings bereinigten und transformierten wir die Rohdaten der Solaranlagen. Wir identifizierten die für unsere Analyse erforderlichen Schlüsselfelder wie Anbieterdetails, Anlagenkapazität, Installationsdaten und erwartete Lebensdauer. Anschließend wurden die Daten in das optimierte Parquet-Format konvertiert, um eine effiziente Verarbeitung zu ermöglichen.
Nach der Einrichtung der Geocoding-Infrastruktur führten wir erste Tests durch und optimierten die Indexstruktur von Nominatim weiter, um die Koordinatenabfrage zu beschleunigen. Der erweiterte Datensatz, der nun mit präzisen Standorten angereichert war, bildete die Grundlage für die Visualisierungsphase.
Heatmap-Erstellung und interaktive Analysen
Um die von ROSI benötigten Heatmaps zu erstellen, entwickelten wir Rendering-Skripte, die auf Basis verschiedener Segmente der Solaranlagendaten statische Bilder erzeugten. Durch iterative Verfeinerungen und kontinuierliches Kundenfeedback optimierten wir diese Visualisierungen, um die wertvollsten Erkenntnisse zu liefern.
Statische Informationen sind eine Sachen. Um wirklich sinvolle Analysen und Betrachtungen auf einem so umfangreichen Datensatz anzustellen, bietet sich eine interaktive Business Intelligence Lösung an. Hierzu wurde zusätzlich eine interaktive Analyseanwendung entwickelt. Um Echtzeit-Eigenschaften bei dynamischen Anfragen an einen so großen Datensatz zu erfüllen, haben wir die GPU-Beschleunigung der Hardware durch CUDA-fähige Bibliotheken wie cuDF, Dask und Dash genutzt. Dieser Ansatz ermöglichte es den Nutzern, die Daten sofort zu filtern und zu visualisieren und dabei Muster und Hotspots von Interesse aufzudecken.
Verarbeitungs-Pipeline
Der Vorteil einer eingehenden Analyse und Dokumentation jedes einzelnen Schrittes ist die Wiederhol- und Automatisierbarkeit des gesamten Ablaufes.
Das folgende, stark vereinfachte Diagramm veranschaulicht den grundlegenden Ablauf der Datenverarbeitung.
Die Standardisierung der Prozessablaufs birgt den Vorteil der Reproduzierbarkeit auf Datensätzen bspw. für weiter Länder der EU.
Aufdeckung des Potenzials für das Solarrecycling
Durch die Identifizierung von Regionen mit einer hohen Leistungskonzentration über eine bestimmte Lebenszeit von PV-Anlagen erhält ROSI wertvolle Informationen für die strategische Platzierung ihrer Recyclingzentren. Dieser datengetriebene Ansatz ermöglich es unserem Kunden eine langfristige strategische Planung durchzuführen sowie Logistikprozesse zu optimieren. Durch innovative Technologien und eine präzise Planung gelingt ein effizientes Recycling von ausgedienten Solarmodulen und das Unternehmen leistet damit einen wesentlichen Beitrag zum Umweltschutz.
Über Solarenergie hinaus: Vielseitige Geospatial Analytics
Während sich dieses Projekt auf Solaranlagen konzentrierte, sind die eingesetzten Techniken und Tools sehr gut auf andere Bereiche übertragbar. Derselbe Ansatz könnte verwendet werden, um die Verteilung von Windparks zu analysieren und Wartungspläne sowie die Netzintegration basierend auf geografischen Clustern zu optimieren.
Im Bereich der Demografie können ähnliche Methoden bspw. Bevölkerungsdichtemuster aufdecken und so Stadtplaner, Vermarkter und Anbieter öffentlicher Dienstleistungen bei der Anpassung ihrer Strategien unterstützen. Durch die Kombination demografischer Daten mit Infrastrukturinformationen können wir unterversorgte Gebiete identifizieren und Entscheidungen über die Ressourcenzuweisung steuern.
Fazit und Ausblick
Die Zusammenarbeit mit ROSI an diesem Projekt war eine spannende Gelegenheit, die Leistungsfähigkeit von Geospatial Analytics und datengesteuerter Entscheidungsfindung zu demonstrieren. Wir sind beeindruckt von ROSIs innovativen Recyclingtechnologien und ihrer Vision einer nachhaltigen Zukunft für die Solarenergie.
Die Erkenntnisse der Analyse werden ROSI dabei helfen, ihre Expansionspläne in Deutschland optimal umzusetzen und ihre Recyclingkapazitäten an den vielversprechendsten Standorten aufzubauen. Wir sind zuversichtlich, dass ROSI mit seiner bahnbrechenden Technologie und seinem Engagement für Kreislaufwirtschaft eine Vorreiterrolle im PV-Recycling einnehmen und einen wichtigen Beitrag zur Dekarbonisierung leisten wird.
Wir freuen uns darauf, die Partnerschaft mit ROSI fortzusetzen und sie auf ihrem Weg in eine grünere und nachhaltigere Zukunft zu unterstützen.
Vielleicht sehen auch Sie für Ihren Anwendungsfälle Potenziale, durch Geospatial Analytics Einblicke zu gewinnen und strategische Entscheidungen zu treffen um effizienter und wirtschaftlicher planen zu können.
Kontaktieren Sie uns gern jederzeit und unverbindlich. Wir finden mit Sicherheit gemeinsamen einen Weg, aus dem Datendschungel wichtige Erkenntnisse zu gewinnen!!
