Aktuell werden On-Board-Ladegeräte weitgehend als zweistufige Topologie bestehend aus Active Frontend und einem galvanisch isolierten Gleichspannungswandler umgesetzt. Die zweite Stufe wird verwendet, um Fehlerströme zu vermeiden, welche den Fehlerstromschutzschalter (FI) auslösen würden. Dies hat den Nachteil, dass der Energiefluss zwei Mal leistungselektronisch gewandelt werden muss und dabei in beiden Stufen Verlustleistung auftritt.

Der kommende 6G-Kommunikationsstandard bietet höhere Datenübertragungsraten, geringe Latenzzeiten und optimierte Energieeffizienz und könnte Anwendungen wie sicheres autonomes Fahren, Telemedizin und 3D-Holographie ermöglichen. Wegen erhöhter Pfadverluste und geringerer Umgebungsstreuung bei 6G-Frequenzen sind Signalübertragungen über lange Strecken und durch Hindernisse erschwert, was besonders bei sicheren Echtzeit-Übertragungen technische Herausforderungen schaffen kann.

In ihrem Bestreben die Energieeffizienz ihres Produktionsequipments zu erhöhen, stoßen Unternehmen auf drei Umsetzungshürden: die fehlende Transparenz über Energieverbräuche, die Umsetzung wenig zielführender Maßnahmen aufgrund der hohen Maschinenkomplexität und die geringe Motivation von Werker:innen die Maßnahmen im Betrieb umzusetzen. Ein vom Equipment unabhängiges Assistenzsystem kann diese Hürden beseitigen. Das entwickelte Assistenzsystem analysiert mithilfe von Machine Learning-Algorithmen den von Sensoren gemessenen elektrischen Leistungsbedarf des Equipments in Echtzeit. Basierend darauf werden KPIs berechnet, deren Wert darüber entscheidet, ob eine passende Maßnahme vorgeschlagen wird. Werker:innen bedienen das Assistenzsystem über ein HMI. Dieses zeigt nicht nur die umzusetzenden Maßnahmen an, sondern incentiviert durch Gamification-Elemente auch die Umsetzung dieser. Entscheidend hierfür ist der Eco-Score, der die aktuelle Energieeffizienz des WZMBetriebs zusammenfasst.