Wie die Salzburg AG mit einer neuen Crowdinvesting-Plattform die Energiewende vorantreibt

05.08.2019

3 Mythen über Wasserstoff im Mobility-Bereich

Welf Wiemer und Alexander Hotowy von der ua. auf Mobilität spezialisierten Unternehmensberatung accilium legen im Gastkommentar die tatsächlichen Einsatzmöglichkeiten von (grünem) Wasserstoff im Mobility-Bereich dar.

/artikel/3-mythen-wasserstoff-mobility

✨ AI Kontextualisierung

Vorweg: Es ist sehr erfreulich zu beobachten, dass sich die Diskussion rund um Antriebsarten von Fahrzeugen – Benzin oder Strom – weiterentwickelt hat. Die Verbrennung fossiler Energieträger scheint endgültig in den Hintergrund zu wandern und wir führen eine viel spannendere Diskussion. Nämlich ob für unsere Elektrofahrzeuge die Batterie oder die Brennstoffzelle die geeignetere Technologie sein wird. Beide Technologien führen zu elektrischem Antrieb und sind zur Klimazielerreichung, für die Umwelt und damit für uns alle besser. Klammern wir daher auch gleich das Thema Wasserstoff-Verbrennung aus und konzentrieren wir uns auf die Frage Batterie versus Brennstoffzelle.

+++ Fokus-Channel: Mobility +++

Elektroauto gegen Elektroauto?

Für die zukünftige Elektromobilität sind Vorteile – aber auch Nachteile – des Energieträgers Wasserstoff nicht abzustreiten. “Battery Electric Vehicle (BEV)”, umgangssprachlich E-Autos, speichern Strom elektrochemisch in einer Batterie. “Fuel Cell (electric) Vehicle (FCeV)”, umgangssprachlich Wasserstoffautos, werden mit Wasserstoff betankt und erzeugen während der Fahrt chemisch Strom.

Nur das Speicherkonzept ist unterschiedlich: Batterie als Stromspeicher versus Betankung mit dem Energieträger Wasserstoff und Brennstoffzelle als (dezentrales) Kraftwerk. Das Speichermedium Wasserstoff hat eine um den Faktor 100 günstigere Energiedichte (massebezogen) als Lithium-Ionen-Batterien, sodass den hohen Umwandlungsverlusten (siehe Grafik 1) Vorteile in Gewicht, Speicherkapazität und ein Schnellladevorgang gegenüberstehen (siehe Grafik 2).

Wasserstoff im Mobility-Bereich — Grafik 1: Effizienz Strom zu Rad bzw. Fortbewegung

Die Zukunft ist elektrisch!

Der Zukunftstrend Elektrifizierung im Verkehr scheint gesetzt. Eine pauschale Darstellung sämtlicher Vor- bzw. Nachteile der Technologie Wasserstoff ist allerdings nur bedingt sinnvoll, müsste man doch die unterschiedlichen Anwendungsfälle differenziert voneinander betrachten. Vielmehr erscheint es uns als dringend notwendig, mit gängigen Mythen ein für alle Mal aufzuräumen.

Mythos 1: Wasserstoffproduktion ist ohne Klimavorteil und ineffizient

Dieser Mythos trifft für die chemische Produktion aus Rohöl und damit für 99 Prozent des heute produzierten Wasserstoffs zu. Für die restlichen 1 Prozent, sogenannten grünen Wasserstoff, der durch Elektrolyse gewonnen wird, ist auch geringe Effizienz unbestreitbar, spätestens wenn das Endziel doch wieder Strom ist. Dabei außer Acht gelassen wird jedoch der Wunsch nach 100 Prozent erneuerbarer Energien (siehe Grafik 2).

Denn durch Wind und Photovoltaik werden Stromüberdeckungen an Sommertagen, Unterdeckungen im Winter gegenüberstehen. Die Folge sind Preisvolatilitäten inklusive negativer Strompreise (bereits heute mehrfach im Jahr und zukünftig mit deutlichem Anstieg). Dies könnte grünem Wasserstoff den Einzug in viele neue Sektoren erlauben. Im Stromsektor ist dies ein Sommer-Winter-Ausgleich durch Speicherung. Und auch ein Transport von grünem Wasserstoff aus fernen PV-Großanlagen hat Zukunftspotential. Heute bringen Tankschiffe und Pipelines fossile Brennstoffe aus dem fernen Osten, morgen könnten sie grünen Wasserstoff aus dem Süden liefern.

Wasserstoffauto — Grafik 2: Vor- und Nachteile Brennstoffzelle

Mythos 2: Erforderliche Investitionen in (Tank-)Infrastruktur verhindern Wasserstoff

Auch dieser Mythos ist bei der heutigen Anzahl von nur fünf Wasserstofftankstellen in ganz Österreich nicht von der Hand zu weisen – das bekannte “Henne-Ei-Problem”. Andererseits benötigen ÖPNV, Speditionen oder gar Flugverkehr kein öffentliches Massennetz. Sie sind selbst in der Lage, punktuell (Tank-)Infrastruktur aufzubauen. Und gerade kommerzielle Nutzer profitieren am Meisten von erhöhter Auslastung durch Reichweite und kurze Tankstillstände.

Der Massenmarkt wird in der Stadt zunehmend mit “Mobility as a Service”-Lösungen versorgt werden (vernetzt und langfristig autonom). Eine massenzugängliche (Tank-)Infrastruktur scheint demnach künftig gar nicht notwendig. Konsumenten wollen Fortbewegung – weder Tanken noch Parkplatzsuche. Unser Sport erfolgt im Fitness-Studio, warum dann nicht Motorsport auf der Konsole? Im Umkehrschluss wird das heutige flächendeckende Tankstellennetz zunehmend zum 24/7-Shop, der Bedarf an (Tank-)Infrastruktur für die zukünftigen Serviceanbieter (sofern nicht Batterie und dezentrale Ladeboxen) wird viel weitmaschiger.

Mythos 3: Wasserstoff als Exklusivlösung für sämtliche Mobilitätsbedarfe

Physikalische Vor- und Nachteile können wir weder fortdiskutieren noch (gänzlich) wegentwickeln. Die Lösung heißt: anwendungsspezifische Nutzung (siehe Grafik 3). Im kommerziellen Güterverkehr bedeutet Auslastung Geld. Und im Flugverkehr sind die spezifischen Vorteile von Wasserstoff unbestreitbar (Masse, Masse, Masse) – sobald eine Substitution des Kerosins politisch gefordert wird.

Andererseits: Ländliche Pendler haben weder große Entfernungen noch Zeitdruck. Warum dann für zusätzliche Wasserstoff-Umwandlung einen Aufpreis bezahlen? Schon bald könnte es heißen: PV-Anlage aufs Dach, eigene Wallbox installieren und das gesparte Geld in (Fern-)Reisen verfliegen. Das Resultat sind mehrschichtige Verkehrswege bzw. ein Gesamtmix. Batterie und Brennstoffzelle werden parallele Technologien im Mobilitätsökosystem der Zukunft.

Elektroauto vs. Wasserstoffauto — Grafik 3: Beispiele zukünftiger spezifischer Anwendungen

Ein nüchterner Zukunftsblick – ganz ohne Mythen

Der Siegeszug von batteriebetriebenen Elektrofahrzeugen im Massenmarkt für kurze bis mittlere Strecken beginnt gerade. Vorreiter ist etwa Norwegen mit 60 Prozent Neuzulassungsanteil im ersten Quartal 2019 bei Steuerförderung. Auch Brennstoffzellenfahrzeuge sind erhältlich aber noch weit vom Massenmarkt entfernt. Doch Batteriespeicher brauchen für Wirtschaftlichkeit häufiges Be- und Entladen bzw. wiederholte Nutzung. Grüner Wasserstoff erlaubt auch Einwegtransporte und saisonale Energiespeicherung von gratis PV-Überschussstrom.

Als grüner Energiespeicher (und CO2-freies Substitut für Erdgas in der Industrie) gewinnt Wasserstoff damit eine Sonderstellung, die sein Zukunftspotential in diversen Energie- und Industrieanwendungen garantieren wird. Die Verbreitung in anderen Sektoren wiederum wird auch die wirtschaftliche Nutzung seiner spezifischen Einsatzgebiete in der Mobilität fördern. Stellen wir uns also darauf ein, dass nicht nur eine Technologie die Zukunft bestimmen wird. Die Welt wird ist komplexer, vielfältiger und bunter.

Welf Wiemer ist Energie Lead und Alexander Hotowy Managing Partner der accilium GmbH, einer auf Digitalisierung und Mobilitätsfragen spezialisierten Unternehmensberatung mit Fokus auf den Automobil-, Energie- und öffentlichen Sektor. Standorte sind Wien, Berlin und München.

⇒ Zur accilium-Page

Redaktionstipps

Elektroauto vs. Wasserstoffauto: Ein Vergleich

09.07.2019

Kurz holte sich in Stanford Input zur Wasserstoff-Strategie

22.07.2019

Deine ungelesenen Artikel:

Dominik Meisinger

23.12.2024

Neues OpenAI-Modell o3: “Befinden uns auf neuem Terrain”

OpenAI hat ein neues Sprachmodell vorgestellt, das die Diskussionen um Artificial General Intelligence (AGI) wieder anheizt. Was steckt dahinter?

/artikel/openai-modell-o3-artifical-general-intelligence

Dominik Meisinger

23.12.2024

Neues OpenAI-Modell o3: “Befinden uns auf neuem Terrain”

OpenAI hat ein neues Sprachmodell vorgestellt, das die Diskussionen um Artificial General Intelligence (AGI) wieder anheizt. Was steckt dahinter?

/artikel/openai-modell-o3-artifical-general-intelligence

Wenn OpenAI neue Dinge ankündigt, hört die KI-Szene hin. Klar, nicht jede Ankündigung des US-Unternehmens in den vergangenen zwei Jahren hatte dieselbe Tragweite wie jene vom 30. November 2022, als OpenAI den Start eines Chatbots namens ChatGPT verlautbaren ließ. Aber potenziell könnte jede Mitteilung des Unternehmens rund um CEO Sam Altman bahnbrechend sein. Kein Wunder also, dass es für Aufsehen sorgte, als OpenAI Anfang Dezember verlautbarte, zwölf Tage hintereinander neue Dinge vorzustellen.

Schon in der Ankündigung hatte Altman darauf hingewiesen, dass es neben größeren auch kleinere Neuigkeiten sein würden, die OpenAI liefern würde. So kam es dann auch: Zugang zu ChatGPT über WhatsApp oder die Integration in Apple Intelligence waren eher in die zweite Kategorie einzuordnen. Daneben veröffentlichte OpenAI aber auch das neue Modell o1 für ChatGPT – oder Sora, ein Tool zur Videoerstellung.

Den größten Widerhall in der KI-Szene fand allerdings die Ankündigung am letzten der zwölf Tage. Am vergangenen Freitagabend stellte OpenAI sein neues Modell o3 vor. Wichtig dabei: Das Modell ist noch nicht öffentlich zugänglich. OpenAI stellte zunächst einmal nur vor, wie das Modell in unterschiedlichen KI-Benchmarks abschnitt. Aber diese Ergebnisse hatten es in sich.

o3 zeigt starke Performance bei AGI-Benchmark

Vielbeachtet wurde dabei vor allem die Benchmark namens ARC-AGI (Abstraction and Reasoning Corpus for Artificial General Intelligence), bei der zwei Varianten des o3-Modells deutlich bessere Ergebnisse erzielten als die bisher führenden o1-Modelle. Das Ziel von ARC-AGI ist es zu messen, wie sich eine KI im Umgang mit ihr unbekannten Aufgaben schlägt.

Wie die O3-Modelle verglichen mit anderen OpenAI-Modellen abschneiden // Grafik: ARC Prize

Es gibt unterschiedliche Definitionen von AGI. Die meisten davon verstehen AGI aber als ein System, das sämtliche intellektuellen Aufgaben mindestens so gut oder besser als ein Mensch erledigen kann.

Die ARC-AGI-Benchmark wurde von François Chollet konzipiert. Er definiert AGI als ein System, das “in der Lage ist, effizient neue Fähigkeiten zu erwerben und neuartige Probleme zu lösen, für die es trainiert wurde.”

Eine AGI ist also nicht für eine bestimmte Aufgabe trainiert, sondern kann jegliche Aufgaben übernehmen. Es ist weitgehender Konsens in der KI-Szene, dass solche Systeme noch nicht existieren. OpenAI wurde aber beispielsweise explizit mit dem Ziel gegründet, AGI zu erreichen.

Chollet gehört zu den bekanntesten Namen der internationalen KI-Szene. Er hat die bekannte KI-Library Keras entwickelt und seit einigen Jahren für Google tätig. Dem von ChatGPT ausgelösten Hype rund um generative KI steht Chollet seit Anfang an eher kritisch gegenüber, wie beispielsweise auch dieser brutkasten-Bericht wenige Wochen nach Erscheinen von ChatGPT thematisierte.

o3: “Wir befinden uns auf neuem Terrain”

Umso interessanter ist es, was Chollet nun zu den Ergebnissen des o3-Modells bzw. seiner Varianten zu sagen hat. In einem Blogeintrag attestiert er OpenAI, mit dem Modell einen “bedeutenden Sprung nach vorne” erreicht zu haben.

Die Performance des Modells stelle “einen echten Durchbruch” in der Anpassungsfähigkeit und Verallgemeinerung” von KI-Modellen dar”, wenn es darum gehe, wie sich KI-Modelle an neue Aufgaben anpassen könnten. o3 stelle nicht bloß einen “schrittweisen Fortschritt” dar. Vielmehr befinde man sich auf “neuem Terrain”, das “ernsthafte wissenschaftliche Aufmerksamkeit” erfordere.

Aber es ist schon Artificial General Intelligence (AGI)? Hier schränkt Chollet ein: “o3 scheitert immer noch an einigen sehr einfachen Aufgaben, was auf grundlegende Unterschiede zur menschlichen Intelligenz hinweist”. Dennoch befeuerten die Ergebnisse die Diskussion rund um AGI – und manche Stimmen sahen, anderes als Chollet, mit o3 AGI sogar bereits erreicht.

Selbst wenn dem so wäre, wäre es zum jetzigen Zeitpunkt schwer nachzuprüfen: Denn das Modell ist noch nicht veröffentlicht. Forscher:innen im Bereich der KI-Sicherheit können sich für Zugang vormerken lassen. Wann und zu welchen Konditionen das Modell für Endnutzer:innen zugänglich sein wird, ist aktuell noch unklar. Klar ist allerdings schon jetzt, dass die beeindruckenden Ergebnisse bei der ARC-AGI-Benchmark enorme Rechenressourcen erforderten – und dementsprechend teuer waren.

Reasoning-Modelle

Das o3-Modell ist eine verbesserte Version des o1-Modells, welches OpenAI am 4. Dezember veröffentliche und das zuvor bereits in Preview- und Mini-Varianten für ChatGPT-User:innen zugänglich gewesen war. Dieses Modell unterscheidet sich zu dem im Mai 2024 veröffentlichten GPT4o-Modell insofern, als es auf einen “Reasoning”-Ansatz setzt.

OpenAI bezeichnet GPT4o weiterhin als das “vielseitige, hochintelligente Flagship-Modell”, das für die “meisten Aufgaben” die richtige Wahl sei. Die o1-Modelle wiederum referenziert das Unternehmen als “Reasoning-Modelle, die sich bei komplexen, mehrstufigen Aufgaben auszeichnen”.

Enduser:innen von ChatGPT merken dies in der Nutzung vor allem insofern, als sich die o1-Modelle länger Zeit nehmen, Ergebnisse zu produzieren. Diese Modelle “verbringen mehr Zeit mit Nachdenken, bevor sie reagieren”, wie es OpenAI formuliert. In einigen (aber nicht notwendigerweise in allen) Bereichen liefern sie dann deutlich bessere Ergebnisse als die bisherigen Modelle.

Tipp der Redaktion: Die neue brutkasten-Serie “No Hype KI”

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag