Das LSTM-Revival: Warum kompakte KI-Modelle gute Nachrichten für Netzbetreiber sind – und eine unbequeme Frage aufwerfen

Es gibt Comebacks, mit denen niemand rechnet. Das LSTM – Long Short-Term Memory, eine Architektur aus den 1990er Jahren, entwickelt von Sepp Hochreiter und Jürgen Schmidhuber – galt seit dem Siegeszug der Transformer als Auslaufmodell. Jetzt ist es zurück: Als xLSTM („Extended LSTM”), modernisiert von Hochreiters Linzer KI-Unternehmen NXAI, und ausgerechnet dort besonders stark, wo die Energiewirtschaft ihre Kernprobleme hat – bei Zeitreihen.

Für Netzbetreiber, Stadtwerke und EVU ist das mehr als eine akademische Fußnote. Es verändert die Antwort auf die Frage, welche KI die Branche eigentlich braucht. Und es wirft eine zweite Frage auf, die unbequemer ist: Wer lernt eigentlich aus Ihren Betriebsdaten – Sie oder Ihr Hersteller?

Was xLSTM anders macht

Transformer – die Architektur hinter GPT, Claude und Co. – berechnen für jede Vorhersage die Beziehungen zwischen allen Elementen einer Sequenz neu. Das ist mächtig, aber teuer: Der Rechenaufwand wächst quadratisch mit der Sequenzlänge. Ein LSTM arbeitet anders. Es führt einen inneren Zustand mit – ein Gedächtnis, in dem der aktuelle Systemzustand schlicht gespeichert ist, statt bei jedem Schritt rekonstruiert zu werden.

Genau diese Eigenschaft hatte das klassische LSTM nie verloren; es war nur schlechter skalierbar. xLSTM behebt das mit zwei Neuerungen: exponentiellem Gating und einem Matrix-Speicher, der parallelisierbares Training erlaubt. Das Ergebnis ist eine Architektur mit linearer Komplexität, die in Benchmarks mit Transformern mithält – und sie bei Zeitreihenaufgaben teils schlägt. Ein unabhängiger Test zur Energieverbrauchsprognose sah xLSTM in drei von vier Szenarien vor konventionellen Methoden und Transformer-Modellen, bei einer Trainingszeit von rund 20 Minuten auf einer einzelnen GPU.

Lassen Sie diese Zahl kurz wirken: 20 Minuten. Eine GPU. NXAI selbst hat mit TiRex ein vortrainiertes Zeitreihen-Foundation-Modell veröffentlicht, das mit 35 Millionen Parametern auskommt und auf Edge-Geräten läuft – also dort, wo in der Netzrealität die Daten entstehen: in Ortsnetzstationen, Messsystemen, Betriebsmitteln.

Die Branche braucht keine Frontier-Modelle

Damit bekommt eine These technisches Fundament, die wir hier schon länger vertreten: Für Lastprognose, Predictive Maintenance und Anomalieerkennung braucht die Energiewirtschaft keine Modelle mit hunderten Milliarden Parametern aus fremden Clouds. Sie braucht kompakte, robuste Zeitreihenmodelle – und vor allem: die richtigen Trainingsdaten.

Und hier beginnt der interessante Teil. Denn xLSTM löst das Architekturproblem. Es löst nicht das Datenproblem.

Zero-Shot-Modelle wie TiRex liefern beeindruckende Prognosen ohne eigenes Training – für häufige Muster. Normales Lastverhalten, Saisonalität, typische Betriebszyklen: All das steckt in den Millionen Zeitreihen, mit denen solche Modelle vortrainiert wurden. Für die Standard-Lastprognose eines Stadtwerks mag das genügen.

Aber die kritischen Ereignisse eines Netzbetreibers sind nicht die häufigen. Es sind die seltenen: der sich anbahnende Transformatorschaden, das untypische Lastprofil einer neuen Verbraucherklasse, die Anomalie, die drei Wochen später zum Ausfall wird. Diese Muster stecken in keinem generischen Vortraining – und ein einzelner Betreiber erlebt sie zu selten, um sie allein zu lernen. Ein Trafo fällt vielleicht einmal in Jahrzehnten aus. Ein Gerät kann seinen eigenen Ausfall nicht lernen, bevor er eintritt.

Der Flotteneffekt – und wer ihn besitzt

Wie löst man das? Die Industrieautomation macht es gerade vor. NXAI kooperiert mit Bosch Rexroth am Aufbau eines europäischen KI-Stacks für die Fertigung. Das Prinzip dahinter ist Flottenlernen: Der Hersteller sieht nicht eine Maschine, sondern Zehntausende. Über seine Steuerungsplattformen fließt Betriebserfahrung zurück, das Modell lernt aus der gesamten installierten Basis – und seltene Fehler, die der einzelne Betreiber nie in ausreichender Zahl sieht, werden über die Flotte hinweg zu lernbaren Mustern.

Das funktioniert. Es funktioniert allerdings unter drei Voraussetzungen: eine homogene Geräteflotte, ein technischer Rückkanal zum Hersteller – und Betreiber, die akzeptieren, dass ihre Betriebsdaten den Hersteller klüger machen.

Nun übertragen Sie das auf ein deutsches Verteilnetz.

Dort stehen Transformatoren aus vier Jahrzehnten, von einem Dutzend Herstellern, von denen einige nicht mehr existieren oder mehrfach verkauft wurden. Ein toter Hersteller bietet kein Flottenlernen an. Die Messinfrastruktur ist heterogen, ein Rückkanal für Bestandsanlagen meist nicht vorhanden. Und die Betreiber sind rechtlich eigenständige, regulierte Unternehmen mit eigener Datenverantwortung – kein Umfeld, in dem „Telemetrie läuft halt zum Hersteller” ein akzeptierter Default ist.

Die Flotte, aus der das Verteilnetz lernen müsste, existiert nur virtuell – verteilt über hunderte Netzbetreiber, die dieselben Betriebsmitteltypen betreiben, dieselben Alterungsmuster sehen, dieselben seltenen Fehler erleben. Nur eben: jeder für sich.

Föderiertes Lernen als selbstorganisierter Flotteneffekt

Genau diese Lücke schließt Federated Learning. Statt Daten zu einem zentralen Aggregator zu schicken – den es im Bestandsnetz ohnehin nicht gibt –, wird das Modell dorthin gebracht, wo die Daten liegen. Trainiert wird lokal; ausgetauscht werden nur Modellgewichte. Der Flotteneffekt entsteht, ohne dass Rohdaten das Haus verlassen und ohne dass ein Dritter zum Datenknoten wird. (Wie das im Detail funktioniert: Was ist Federated Learning?)

Und hier schließt sich der Kreis zu xLSTM: FL mit Milliarden-Parameter-Transformern ist für Netzbetreiber praktisch illusorisch – die Kommunikations- und Hardwarekosten sprengen jeden Rahmen. FL mit einem 35-Millionen-Parameter-Modell, das auf einer GPU in Minuten trainiert und auf Edge-Hardware läuft, ist es nicht. Das LSTM-Revival macht föderiertes Lernen zwischen Energieversorgern nicht nur möglich, sondern praktikabel.

Bleibt eine letzte Beobachtung, die auch für Neuanlagen gilt: Wechselrichter, Ladeinfrastruktur und moderne Ortsnetzstationen kommen zunehmend mit Hersteller-Cloud und eingebautem Flottenlernen. Das ist bequem – und es bedeutet, dass Sie Datenlieferant Ihres eigenen Lieferanten werden. Das Modell wird klüger; die Gewichte, die Governance und der Wettbewerbsvorteil liegen beim Hersteller. Ob das die richtige Arbeitsteilung ist, muss jeder Betreiber selbst entscheiden. Aber er sollte es entscheiden – nicht als Voreinstellung hinnehmen.

Womit wir bei der Frage wären, die wir im letzten Beitrag bereits angeteasert haben und die im nächsten fällig ist: Wenn mehrere Unternehmen gemeinsam ein Modell trainieren – wem gehören dann eigentlich die Gewichte?

---

fedolink vernetzt Unternehmen der Energiewirtschaft, die gemeinsam von ihren Daten lernen wollen – ohne sie zu teilen. Welche Partner-Konstellationen für Ihren Anwendungsfall infrage kommen, steht im Whitepaper – oder schreiben Sie uns direkt. Neue Beiträge gibt es per RSS-Feed.