Neuartige Windturbinen von Siemens passen ihren Betrieb automatisch und möglichst optimal an die Wetterverhältnisse an. Die Anlagen lernen aus Sensordaten wie der Windstärke, selbständig ihre Steuerung so zu verändern, dass sie die aktuellen Verhältnisse bestmöglich nutzt. Gerade bei niedrigen und mittleren Windstärken liefern Windenergieanlagen sonst nicht immer die maximal mögliche Strommenge.

 Spezialisten für lernende Systeme der globalen Siemens-Forschung Corporate Technology (CT) entwickelten dieses Selbstoptimierungs-Verfahren für Windturbinen in dem vom Bundesforschungsministerium geförderten Projekt ALICE (Autonomous Learning in Complex Environments) zusammen mit der TU Berlin und der IdaLab GmbH.

Der Energiegewinn einer solchen Anlage gegenüber konventioneller Technik beträgt bei mittleren Windgeschwindigkeiten im Jahr etwa ein Prozent. Außerdem wird der Verschleiß reduziert. 

Dabei wird so genanntes Reinforcement Learning mit speziellen neuronalen Netzen verknüpft. Die Programme lernen anhand von Daten aus der Vergangenheit und können dann Prognosen für das zukünftige Verhalten eines Systems abgeben. So lässt sich auch ein Modell erstellen, das die Stromproduktion einer Windturbine bei bestimmten Wetterdaten vorhersagt. Um nun die Effizienz der Windturbine mit Hilfe ihrer Stellgrößen wie der Drehzahl der Windturbine zu verbessern, identifizierten die Forscher aus einer hohen Anzahl verrauschter Daten aussagekräftige Parameter. Für das Ziel einer hohen Stromausbeute erlernt das System, die Einstellungen der Windturbine so zu verändern, dass es in der jeweiligen Situation immer die maximale Strommenge erzielt. Schon nach wenigen Wochen kennt es die optimalen Stellgrößen für häufig auftretende Zustände. Nach längeren Zeiträumen meistert es auch seltene und außergewöhnliche Wetterlagen. 2013 wurde die Technik in einem spanischen Windpark erfolgreich erprobt.