Einleitung
Matteo Ferri stand in einem Keller im Tessin, die Stirnlampe schief, die Hand am Sicherungskasten. Oben wartete eine Familie auf die neue Wallbox, draußen lag Schnee auf den Solarpaneelen. Später sollte ein Modell Ladezeiten optimieren. In diesem Moment musste erst einmal die Leitung stimmen.
Matteo arbeitet heute an Smart-Grid-KI für Haushalte und Gemeinden. Sein Weg führt aus dem Elektrohandwerk in Datenmodelle, aber die Reihenfolge vergisst er nie.
Geschichte des Weges in die KI
In der Lehre montierte Matteo Solaranlagen, Wärmepumpen und Speicher. Er sah, wie schlecht die Geräte manchmal zusammenspielten: Das Auto lud zur falschen Zeit, die Batterie war abends leer, die Waschmaschine lief, wenn der Strom teuer war. Ihn interessierte, ob KI Empfehlungen geben kann, die normale Menschen verstehen.
Später, in einer technischen Weiterbildung, fühlte er sich zwischen Studierenden mit mehr Theorie zunächst unterlegen. Dafür kannte er Kabelwege, Kundenfragen und die kleinen Sicherheitsrisiken hinter eleganten Energiesparplänen. Sein erstes Projekt kombinierte Verbrauch, Wetter und Batteriestand, um Ladezeiten im Haushalt vorzuschlagen. Ein früher Prototyp empfahl das Laden während eines geplanten Familienfests, weil er nur Preis und Verbrauch sah. Matteo ergänzte Sperrzeiten, Komfortangaben und einfache Erklärungen.
Aktuelle Arbeit
Heute arbeitet Matteo in einem Energie-Start-up an Empfehlungen für private und kommunale Stromsysteme. Ihm reicht keine Anzeige in Kilowattstunden. Nutzerinnen sollen verstehen: Batterie heute nicht ganz entladen, Warmwasser später aufheizen, E-Auto nach der Wolkenlücke laden. In einem Testhaushalt stieg der Eigenverbrauch von Solarstrom spürbar, weil die Hinweise zum Tagesablauf passten.
Matteo vermeidet große Versprechen. Energie-KI kann Haushalte unterstützen, aber keine marode Installation retten und keine sozialen Fragen lösen. Wer wenig Geld hat, kann nicht jede Empfehlung umsetzen.
Persönlicher Rat
„Wer Energie-KI baut, sollte mindestens einmal einen Sicherungskasten geöffnet haben“, sagt Matteo. Sonst bleibt Optimierung eine schöne Kurve. Im Alltag hängt sie an Geräten, Gewohnheiten und der Frage, ob jemand den Hinweis überhaupt versteht.
Schlüsselfakten
Alter und Ort: 26, Tessin.
Hintergrund: Berufslehre, Elektrohandwerk, spätere technische Weiterbildung.
Einstieg in KI: Modell für Verbrauch, Wetter, Batteriestand und Ladezeiten.
Schwerpunkt heute: Erklärbare Smart-Grid-Empfehlungen.
Typische Werkzeuge: Zeitreihenmodelle, Smart Meter, Energieoptimierung.
Werkstattnotiz
Matteo sammelt Empfehlungen, die technisch korrekt und praktisch daneben waren. Eine davon lautete: „Verbrauch verschieben.“ Niemand wusste wohin. Seitdem übersetzt er Modelle in Sätze mit Handlung, Zeit und Zumutung. Manchmal scheitert die beste Prognose an einem Familienabend oder einem alten Boiler, obwohl die Mathematik stimmt.